商务智能理论与实践

图书标准信息

• 作者 吴江 著
• 出版社 电子工业出版社
• 出版时间 2022-08
• 版次 1
• ISBN 9787121439599
• 定价 59.90元
• 装帧 平装
• 开本 16开
• 页数 320页
• 字数 0.51千字
• 正文语种 简体中文

【内容简介】

本书从商务智能的产生背景、发展历程入手，阐述了商务智能数据管理、商务智能数据分析、商务智能应用模式、商务智能管理变革、商务智能系统构建及商务智能未来趋势；介绍了商务智能的数据准备技术、数据存储技术、数据分析技术等；论述了商务智能系统的解决方案、行业应用、行业影响，以及在工业4.0背景下新的发展方向。本书在参考相关书籍的基础上，将案例、理论、方法、工具和实践相结合，将技术和管理相融合，覆盖多个学科，立足于当前大数据技术的发展和大数据政策的支持，探讨大数据环境下商务智能的发展，内容具有传承性、新颖性和启发性。

【作者简介】

吴  江，博士生导师，武汉大学珞珈特聘教授；在华中科技大学管理学院获得博士学位，是美国卡内基梅隆大学计算机学院的联合培养博士。目前兼任湖北省电子商务学会秘书长、中国“双法”研究会计算机模拟分会常务理事、中国系统工程学会数据科学与知识系统工程专业委员会常务委员、中国科技情报学会健康信息学专委会副主任委员等职务。研究方向为商务数据智能、社会网络计算、元宇宙、乡村数字转型等。在国内外发表学术论文100多篇，出版学术专著2部。先后主持国家重点研发计划项目、教育部哲学社会科学研究重大课题攻关项目、国家高端智库项目、国家自然科学基金面上项目等10余项***项目。

【目录】

目    录
第一篇  商务智能概述

第1章  商务智能基础2
1．1  商务智能的基本概念2
1．1．1  数据、信息、知识和智能2
1．1．2  商务智能的定义3
1．2  商务智能的发展历程5
1．2．1  事务处理系统5
1．2．2  高级管理人员信息系统6
1．2．3  管理信息系统6
1．2．4  决策支持系统6
1．2．5  商务智能系统7
1．3  大数据环境下的商务智能研究7

第二篇  商务智能数据管理

第2章  数据管理与知识管理13
2．1  主数据管理14
2．1．1  主数据的概念14
2．1．2  主数据管理的概念15
2．1．3  主数据管理的优点15
2．2  元数据管理17
2．2．1  元数据的定义17
2．2．2  元数据管理的定义17
2．2．3  元数据管理平台的功能17
2．2．4  元数据管理的意义18
2．3  知识管理21
2．3．1  知识管理的定义21
2．3．2  知识管理的特点21
第3章  数据整合与数据融合23
3．1  数据整合23
3．1．1  数据整合的概念23
3．1．2  数据整合的挑战24
3．1．3  数据整合的优势25
3．1．4  数据整合的方式26
3．2  数据融合28
3．2．1  数据融合的目的29
3．2．2  数据融合的特征29
第4章 数据预处理32
4．1  基本概念32
4．2  数据清洗33
4．2．1  缺失值33
4．2．2  噪声数据33
4．3  数据集成34
4．3．1  实体识别问题35
4．3．2  冗余和相关分析35
4．4  数据归约37
4．4．1  维度归约方法37
4．4．2  维度变换方法38
4．4．3  数据抽样方法38
4．5  数据变换39
4．5．1  规范化处理40
4．5．2  离散化处理40
4．5．3  稀疏化处理41
第5章  数据仓库45
5．1  数据仓库的定义及产生的背景46
5．1．1  数据仓库的定义46
5．1．2  数据仓库产生的背景47
5．2  数据仓库的特点47
5．2．1  面向主题47
5．2．2  集成性47
5．2．3  集合性47
5．2．4  稳定性47
5．2．5  时变性48
5．2．6  决策支持48
5．3  数据仓库的数据模型与应用48
5．3．1  数据仓库中常见的数据模型48
5．3．2  数据仓库的应用49
5．4  数据存储51
5．4．1  数据集市51
5．4．2  数据中转区51
5．4．3  可操作数据存储52
5．4．4  个人数据存储52
5．5  ETL53
5．5．1  ETL的概念53
5．5．2  ETL过程53
5．5．3  典型ETL工具54
5．6  联机分析处理55
5．6．1  联机分析处理的定义55
5．6．2  联机分析处理的特点55
5．6．3  联机分析处理的分类56
5．6．4  多维联机分析处理56

第三篇  商务智能数据分析

第6章  描述性统计分析61
6．1  描述性统计分析概述61
6．2  常用的指标和统计图形62
6．2．1  常用的指标62
6．2．2  常用的统计图形63
6．3  描述性统计分析实践66
第7章  数据挖掘72
7．1  数据挖掘简介73
7．1．1  数据挖掘的定义73
7．1．2  数据挖掘的任务73
7．2  关联规则73
7．2．1  关联规则的相关概念74
7．2．2  关联规则的挖掘方法75
7．2．3  关联规则的模型评估80
7．3  分类分析81
7．3．1  分类分析的基本概念81
7．3．2  分类方法82
7．3．3  分类分析的模型评估86
7．4  聚类分析88
7．4．1  聚类分析的基本概念88
7．4．2  聚类方法88
7．4．3  聚类分析的模型评估92
7．5  预测分析93
7．5．1  预测的基本概念94
7．5．2  回归分析预测法95
第8章  社会网络分析101
8．1  社会网络分析的基础概念101
8．1．1  社会网络101
8．1．2  三元闭包102
8．1．3  桥和捷径102
8．2  社会网络分析的工具102
8．2．1  社会网络分析工具简介102
8．2．2  Networkx简介104
8．3  社会网络分析的理论发展106
8．3．1  七桥问题107
8．3．2 “弱连接优势”理论107
8．3．3  结构洞理论108
8．3．4  小世界现象108
8．3．5  长尾理论109
8．4  社会网络分析的计算方法111
8．4．1  社会网络在计算机中的表示111
8．4．2  社会网络测量指标111
8．5  社会网络分析在商务智能中的
应用116
8．5．1  协同过滤推荐116
8．5．2  长尾营销117
第9章  文本挖掘119
9．1  文本挖掘的概念和步骤119
9．1．1  文本挖掘的基本概念119
9．1．2  文本挖掘的具体步骤120
9．2  文本挖掘的发展和前景121
9．2．1  文本挖掘的发展121
9．2．2  文本挖掘的前景123
9．3  文本挖掘的关键技术123
9．3．1  文本分类123
9．3．2  文本聚类125
9．3．3  文本摘要126
9．3．4  主题模型127
9．3．5  序列标注128
第10章  知识图谱130
10．1  知识图谱的基本概念和构建
步骤130
10．1．1  知识图谱的基本概念130
10．1．2  知识图谱的构建步骤132
10．2  知识图谱的由来和发展136
10．2．1  知识图谱的由来136
10．2．2  知识图谱在相关领域的
发展136
10．3  知识图谱的关键技术137
10．3．1  知识图谱的技术流程137
10．3．2  知识图谱的技术要素138
10．4  知识图谱的行业应用与难点
问题141
10．4．1  知识图谱的行业应用141
10．4．2  知识图谱的难点问题143
第11章  深度学习145
11．1  深度学习概述145
11．1．1  深度学习的起源和发展145
11．1．2  深度学习的基本概念146
11．2  神经网络146
11．2．1  神经网络的基本概念146
11．2．2  神经网络的工作原理147
11．2．3  神经网络的训练循环147
11．3  深度学习的经典模型及其
应用148
11．3．1  卷积神经网络148
11．3．2  循环神经网络151
11．3．3  生成对抗网络153
11．3．4  强化学习153
11．4  深度学习的发展前景154

第四篇  商务智能应用模式

第12章  决策支持156
12．1  决策支持的基本理论157
12．1．1  决策的定义与过程157
12．1．2  基于决策支持系统的决策
支持158
12．2  商务智能决策支持系统161
12．2．1  商务智能决策支持系统的
功能和特点161
12．2．2  商务智能决策支持系统体系
结构的发展162
12．2．3  商务智能决策支持系统的
应用163
12．3  企业商务智能决策支持系统的
架构与实现164
12．3．1  企业商务智能决策支持系统
的架构164
12．3．2  企业商务智能决策支持系统
的实现166
第13章  精准营销169
13．1  精准营销概述170
13．1．1  精准营销的概念170
13．1．2  精准营销的特征171
13．1．3  精准营销的实现方法171
13．2  推荐系统概述172
13．2．1  推荐系统的发展背景172
13．2．2  推荐系统的模块与分类172
13．3  几种常见的推荐方法174
13．3．1  基于用户的协同推荐174
13．3．2  基于物品的协同推荐175
13．3．3  隐语义模型方法177
13．3．4  基于关联规则推荐178
13．3．5  组合推荐179
13．4  使用基于用户的推荐方法推荐
电影180
13．5  推荐系统评测指标183
13．5．1  用户满意度183
13．5．2  预测准确率183
13．5．3  覆盖率184
13．5．4  多样性185
13．5．5  新颖性和惊喜度185
第14章  智能客服188
14．1  客户关系管理188
14．1．1  客户关系管理的定义188
14．1．2  客户关系管理的应用层次189
14．1．3  商务智能对客户关系管理
的支持190
14．1．4  基于商务智能的客户关系
管理系统的结构191
14．2  基于商务智能的客户关系管理
的应用设计192
14．2．1  数据仓库的设计192
14．2．2  客户关系管理的客户数据挖掘设计192
14．3  智能客服概述195
14．3．1  智能客服的发展现状195
14．3．2  智能客服的概念196
14．3．3  智能客服系统的原理196
14．3．4  智能客服系统的关键技术196
14．4．5  智能客服的应用198
14．4  铁路12306线上智能客服
系统199
14．4．1  背景199
14．4．2  系统功能199
14．4．3  系统架构200
第15章  智能物流202
15．1  传统物流与智能物流202
15．1．1  传统物流的定义202
15．1．2  智能物流的定义203
15．2  智能物流的作用与特点204
15．2．1  智能物流的作用204
15．2．2  智能物流发展的特点205
15．2．3  智能物流系统的特点205
15．2．4  智能物流的技术特点205
15．3  智能物流的关键技术D
RFID206
15．3．1  RFID系统的基本结构206
15．3．2  RFID标签206
15．3．3  RFID技术与智能物流207
15．3．4  RFID技术存在的问题207
第16章  智慧医疗209
16．1  智慧医疗概述209
16．1．1  智慧医疗的起源209
16．1．2  智慧医疗的概念209
16．1．3  智慧医疗的作用210
16．2  智慧医疗的服务模式211
16．2．1  商务智能与智慧医疗211
16．2．2  服务模式212
16．3  智慧医疗存在的问题与未来
发展214
16．3．1  当前智慧医疗存在的
问题214
16．3．2  智慧医疗的未来发展215

第五篇  商务智能管理变革

第17章  商务智能使能创新218
17．1  大数据技术背景及政策218
17．1．1  大数据技术背景218
17．1．2  大数据技术政策219
17．2  大数据背景下的商务智能219
17．2．1  大数据商务智能变革219
17．2．2  大数据商务智能变革带来的
挑战220
17．3  商务智能使能重组221
17．3．1  使能的概念221
17．3．2  大数据商务使能重组222
17．4  重组后的价值创造222
17．4．1  商务智能价值具体表现222
17．4．2  商务智能企业应用的价值
体现223
17．4．3  用户行为演化识别224
17．4．4  风险评估与监测224
17．4．5  商业(服务)模式创新225
第18章  商务智能业务流程重组227
18．1  大数据商务智能背景下的决策
范式重组227
18．1．1  大数据背景下决策问题的
转变227
18．1．2  大数据商务智能决策范式
重组228
18．2  业务流程智能229
18．2．1  业务流程智能概述229
18．2．2  业务流程智能重组的优势230
18．2．3  产品流转实时监控智能化231
18．2．4  招聘流程智能化232
18．2．5  人工智能代替人力233
第19章  商务智能组织变革235
19．1  通信技术与组织变革235
19．1．1  通信技术对现有组织架构的
冲击235
19．1．2  通信技术给现有组织架构
发展带来的机遇236
19．2  组织转型与组织价值创造236
19．2．1  通信技术推动组织转型236
19．2．2  通信技术对IT管理的
挑战237
19．3  大数据技术平台的出现237
19．3．1  企业引入大数据技术
平台237
19．3．2  大数据技术平台的收益与
挑战237
19．4  组织协作方式改变238
19．4．1  传统组织协作方式的
问题238
19．4．2  组织协作数字化转型238
第20章  商务智能对经济社会的影响与
自身发展240
20．1  商务智能对高校和政府管理的
影响240
20．1．1  高校信息化治理方案240
20．1．2  现代政府的电子政务241
20．2  商务智能的引入带来伦理问题
和法律问题244
20．2．1  数据伦理和法律问题244
20．2．2  个人设备的隐私侵入245
20．2．3  商务智能的应用准则247
20．3  商务智能分析生态系统的
构成248
20．3．1  基础服务提供者248
20．3．2  分析软件和分析算法提
供者249

第六篇  商务智能系统构建

第21章  商务智能数据规划252
21．1  战略定位252
21．1．1  宏观愿景252
21．1．2  微观操作253
21．2  实施规划255

21．2．1  原则255
21．2．2  目标256
21．2．3  组织结构设计256
21．2．4  技术方案257
21．2．5  人才规划257

21．2．6  数据投入与数据产出的
管理258
21．2．7  数据风险管理258
第22章  商务智能系统架构260
22．1  架构设计方法论260
22．1．1  逻辑架构设计260
22．1．2  数据架构设计261
22．1．3  开发架构设计262
22．1．4  运行架构设计263
22．1．5  物理架构设计263
22．2  分布式架构设计264
22．2．1  分布式架构设计简介264
22．2．2  微服务架构设计264
22．2．3  基于云端的分布式部署266
22．3  大数据架构设计268
22．3．1  大数据架构设计简介268
22．3．2  主流大数据架构框架268
22．3．3  大数据分析与挖掘269
第23章  商务智能主流工具271
23．1  FineReport272
23．1．1  FineReport简介272
23．1．2  FineReport的使用272
23．1．3  FineReport的二次开发275
23．2  Tableau275
23．2．1  Tableau简介275
23．2．2  Tableau的基本概念与
操作275
23．2．3  Tableau的操作举例276
23．2．4  Tableau的其他介绍276
23．3  Quick BI277
23．3．1  Quick BI简介277
23．3．2  Quick BI的特点278
23．3．3  Quick BI的使用278
23．4  Qlik Sense280
23．4．1  Qlik Sense的安装280
23．4．2  Qlik Sense的使用280
23．5  其他商务智能工具281
23．5．1  Microsoft Power BI281
23．5．2  SAP BO281
23．5．3  IBM Cognos281
23．5．4  亿信ABI282
第24章  商务智能引发的问题和应用
准则283
24．1  商务智能引发的伦理、隐私       
问题283
24．1．1  数据采集的伦理问题283
24．1．2  数据使用的隐私问题283
24．1．3  数据取舍的伦理问题284
24．2  商务智能应用准则284
24．2．1  提高数据收集、使用、存储
过程中的透明度284
24．2．2  调整个人的隐私观285
24．2．3  搭建共同价值平台285
24．2．4  寻求合理的伦理决策点285

第七篇  商务智能未来趋势

第25章  新兴技术应用287
25．1  商务智能与5G技术287
25．1．1  5G技术简介287
25．1．2  5G技术在商务智能中的
应用289
25．2  商务智能与物联网技术290
25．2．1  物联网技术简介290
25．2．2  物联网技术在商务智能中的
应用290
25．3  商务智能与区块链技术292
25．3．1  区块链技术简介292
25．3．2  区块链技术在商务智能中的
应用293
第26章  未来发展趋势297
26．1  自助式商务智能297
26．1．1  自助式商务智能的概念297
26．1．2  自助式商务智能和其他商务
智能方式的比较298
26．1．3  自助式商务智能平台的
选择299
26．1．4  自助式商务智能给企业带来
的优势300
26．2  可解释商务智能301
26．2．1  可解释商务智能的  重要性301
26．2．2  可解释商务智能的关键技术D可解释人工智能302
26．3  基于大数据融合的新型商务智能303
26．3．1  大数据融合的基本概念303
26．3．2  大数据融合驱动的商务智能304