• 商务智能方法与应用
图书条目标准图
21年品牌 40万+商家 超1.5亿件商品

商务智能方法与应用

4.88 八五品

库存12件

山东滨州
认证卖家担保交易快速发货售后保障

作者张小梅、许桂秋 著

出版社人民邮电出版社

出版时间2019-05

版次1

装帧平装

货号9787115503480

上书时间2024-12-08

读友图书旗舰店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:八五品
图书标准信息
  • 作者 张小梅、许桂秋 著
  • 出版社 人民邮电出版社
  • 出版时间 2019-05
  • 版次 1
  • ISBN 9787115503480
  • 定价 59.80元
  • 装帧 平装
  • 开本 16开
  • 纸张 胶版纸
  • 页数 224页
  • 字数 335千字
  • 正文语种 简体中文
【内容简介】
本书从实用的角度出发,采用理论与实践相结合的方式,介绍商务智能的基础知识,力求培养读者使用商务智能技术解决问题的能力。全书内容商务智能的基本概念、商务智能系统的架构、商务智能涉及到的数据处理的核心技术、商务智能在零售业、商务智能在客户关系管理、商务智能在电信业、商务智能在教育业以及商务智能在电子商务等方面的应用。

本书作为商务智能的入门教材,目的不在于覆盖商务智能技术的所有知识点,而是介绍商务智能的主要应用,使读者了解商务智能的基本构成以及如何应对个行业各的特色问题构建商务智能系统。为了增强实践效果,本书中引入了5个基础性案例,帮助读者了解商务智能涉及到的基本技术的知识和技能。在此基础上又引入了5个综合性案例,帮助读者掌握商务智能如何在各种不同行业场景下构建商务智能系统。
【作者简介】
张小梅,凯里学院计算机专业教授,现任凯里学院大数据工程学院院长。中国民盟成员,贵州省政府特殊津贴获得者,贵州省 “省级教学名师”,贵州省“省级优秀教师”,黔东南州“州管专家”,凯里学院“学术带头人”,贵州省计算机学会常务理事。曾先后到过四川大学、国防科学技术大学、湖南师范大学、济南大学访问学习。

近年来主要从事物联网应用研究;作为负责人承担各级各类课题共20余项:其中省部级以上项目6项,地厅级项目5项,主编教材6部。出版学术专著2部,获实用新型专利2项;获贵州省教学成果“二等奖”1项,在贵州省 “多媒体教育软件大赛”中荣获“二等奖”2项,全国多媒体教育软件大赛“优秀奖”1项。发表学术论文20余篇。
【目录】
第 1章 1

商 务 智 能 概 述 1

1.1 商务智能产生背景 1

1.1.1 商务智能产生的原因 1

1.1.2 商业决策需要商务智能 3

1.1.3 企业智能化管理需要商务智能 4

1.2 商务智能简介 4

1.2.1 商务智能概念 5

1.2.2 商务智能发展 7

1.2.3 商务智能要求 8

1.2.4 商务智能价值 9

1.3 商务智能基础 10

1.3.1 商务智能的基本架构 10

1.3.2 商务智能的功能 11

1.4 商务智能关键技术 12

1.4.1 数据预处理 12

1.4.2 数据仓库 12

1.4.3 数据挖掘 13

1.4.4 在线分析处理 15

1.4.5 数据可视化 15

1.5 商务智能的相关应用 16

1.5.1 商务智能在教育方面的应用 16

1.5.2 商务智能在客户关系管理的应用 17

1.5.3 商务智能在零售业的应用 17

1.5.4 商务智能在电子商务的应用 18

1.5.5 商务智能在金融业的应用 18

1.5.6 商务智能在保险业的应用 18

1.5.7 商务智能在制造业的应用 19

实验一 销售数据预处理 19

实验二 数据可视化 51

第 2章 77

数 据 仓 库 77

2.1 数据仓库概念 78

2.1.1 什么是数据仓库 78

2.1.2 数据仓库特点 78

2.1.3 数据仓库结构 79

2.1.4 数据仓库与数据库 80

2.1.5 数据仓库和商务智能的关系 81

2.2 ETL过程 81

2.2.1 数据抽取 82

2.2.2 数据转换 82

2.2.3 数据清洗 82

2.2.4 数据装载 83

2.3 数据仓库模型 83

2.3.1 数据模型 84

2.3.2 如何建设数据模型 84

2.3.3 数据仓库建模样例 88

2.4 数据仓库工具Hive 91

2.6.1 Hive基本概念 91

2.6.2 Hive使用场景 91

2.6.3 Hive设计特点 91

2.6.4 Hive体系结构 92

2.6.5 Hive数据存储 93

2.6.6 HiveQL 93

实验三 数据仓库的建立 94

第3章 112

维 度 建 模 112

3.1 维度建模简介 112

3.1.1 维度建模的概念 113

3.1.2 维度建模基本原则 114

3.2 维度表技术基础 115

3.2.1 维度表结构 115

3.2.2 维度代理键 116

3.3.3 多维体系结构 116

3.3.4 缓慢变化维度 119

3.3 事实表技术基础 121

3.3.1 事实表结构 121

3.3.2 可加、半可加、不可加事实 121

3.3.3 事实表中的空值 122

3.3.4 事实表的三种基本类型 122

3.4 维度建模设计的主要流程 123

3.4.1 选择业务过程 123

3.4.2 声明粒度 124

3.4.3 确认维度 124

3.4.4 确认事实 125

3.5 维度模型的误区 125

3.5.1 误区1:维度模型仅用于汇总数据 126

3.5.2 误区2:维度模型是部门级的而不是企业级的 126

3.5.3 误区3:维度模型是不可扩展的 126

3.5.4 误区4:维度模型仅可用于预测 126

3.5.5 误区5:维度模型不能集成 127

实验四 使用Schema Workbench创建Cube 127

第4章 145

在线分析处理-OLAP 145

4.1 OLAP简介 146

4.1.1 OLAP基本概念 147

4.1.2 OLAP特性 150

4.1.3 OLAP多维数据结构 150

4.1.4 OLAP应用 154

4.2 OLAP多维数据分析 155

4.2.1 切片和切块 156

4.2.2 钻取 157

4.2.3 旋转/转轴 157

4.3 OLAP分类 158

4.3.1 OLAP分类 158

4.3.2 ROLAP、MOLAP与HOLAP 158

4.3.3 多维数据模式 160

4.3.4 OLAP体系结构 162

4.3.5 OLAP与OLTP的区别 163

4.4 从OLAP到数据挖掘 163

4.4.1 信息处理 163

4.4.2 OLAP和数据挖掘的关系 164

4.4.3 多维数据挖掘 164

4.5 OLAP操作语言 165

4.5.1 MDX 166

4.5.2 MDX查询语句 167

4.5.3 SQL和MDX的区别 168

4.5.4 MDX表示 170

4.5.5 成员属性和单元属性 170

4.5.6 MDX查询结构 173

4.6 主流的OLAP工具 174

4.6.1 OLAP产品 174

4.6.2 主流OLAP产品比较 176

4.6.3 OLAP实现过程 176

实验五 在线分析 177

第5章 187

商务智能在零售业方面的应用 187

5.1 零售业商务智能现状 187

5.2 顾客关系管理 188

5.3 零售管理业务优化 189

5.4 日常经营分析 190

5.4.1 商品分析 190

5.4.2 销售分析 190

5.4.3 会员卡分析 191

5.4.4 财务分析 191

5.5 零售业案例 193

5.5.1 数据仓库的搭建 194

5.5.2 粒度设计 195

5.5.3 星型模型设计 196

5.5.4 ETL设计 200

5.5.5 OLAP的实现 202

5.5.6 数据挖掘 205

实验六、购物清单关联性分析 212

第6章 222

商务智能在客户关系管理中的应用 222

6.1 CRM概述 222

6.1.1 客户智能 222

6.1.2 数据挖掘应用于客户关系管理 224

6.1.3 客户智能案例 226

6.2 客户细分 227

6.3 客户识别和客户保留 228

6.3.1 数据挖掘应用于客户获取 228

6.3.2 通过当前客户了解潜在客户 229

6.3.3 客户保留 230

6.4 客户维度与属性 232

6.4.1 名字与地址的语法分析 233

6.4.2 国际姓名和地址的考虑 234

6.4.3 客户为中心的日期 236

6.4.4 基于事实表汇聚的维度属性 236

6.4.5 分段属性与记分 237

6.4.6 客户维变化的计算 239

6.4.7 低粒度属性集合的维度表 239

6.4.8 客户层次的考虑 240

6.5 复杂的客户行为 241

6.5.1 行为类型分析 241

6.5.2 连续行为分析 242

6.5.3 行为分析模型 243

6.5.3 时间范围事实表 245

6.5.4 使用满意度指标标记事实表 246

6.5.5 使用异常情景指标标记事实表 247

实验七 航空客运信息挖掘 247

第7章 268

商务智能在电信行业的应用 268

7.1 电信业商务智能现状 268

7.2 应用商务智能的重要意义和必要性 269

7.3 商务智能在电信行业的应用 270

7.4 商务智能关键技术在电信中的应用 274

7.4.1 OLAP在电信中的应用 274

7.4.2 数据挖掘在电信中的应用 275

7.5 数据分析模型 278

7.5.1 大客户资料分析主题的构建 278

7.5.2 网络状况分析主题的构建 280

7.6 数据采集与ETL处理 282

7.6.1 数据采集清洗 282

7.6.2 数据源转换、重整及汇总 283

7.7 OLAP案例研究 283

7.7.1 分析主题的确定 284

7.7.2 选择分析方法 284

7.7.3 定义分析维度 284

7.7.4 根据具体分析主题构造OLAP立方体 285

7.7.5 解析分析结果 286

7.8 数据挖掘在电信行业的应用实例分析 287

7.8.1 应用决策树算法进行客户流失分析 287

7.8.2 应用聚类分析对电信客户进行细分 289

7.8.3 应用数据挖掘预防电信欺诈 293

实验八 移动用户分析 296

第8章 312

商务智能在教育方面的应用 312

8.1 商务智能在教育行业的现状 312

8.2 商务智能在教育行业的应用 313

8.2.1 商务智能在学生管理方面的应用 313

8.2.2 商务智能在课程管理方面的应用 315

8.2.3 商务智能在设施管理方面的应用 316

8.2.4 商务智能在教工管理方面的应用 317

8.2.5 商务智能在科研管理方面的应用 318

8.3 大学案例总线矩阵 319

8.4 商务智能在教育行业案例 320

8.4.1 背景 320

8.4.2 数据仓库设计 321

8.4.3 OLAP设计 332

8.4.4 数据挖掘设计 339

8.4.5 分析和评估 346

实验九 学生兴趣爱好分析 351

第9章 360

商务智能在电子商务方面的应用 360

9.1 商务智能在智能搜索方面的应用 360

9.1.1 网络机器人 361

9.1.2 文本分析 362

9.1.3 搜索条件的获取和分析 363

9.1.4 信息的搜索和排序 364

9.2 商务智能在电子商务情感分析方面的应用 366

9.2.1 评论数据收集及处理 367

9.2.2 扩展特征向量构造 367

9.2.3 情感词库构建 368

9.2.4 情感分析模型 368

9.2.5 情感倾向值计算 368

9.3 商务智能在智能推荐技术方面的应用 369

9.3.1 智能推荐产生背景及定义 369

9.3.2 智能推荐主要算法 371

9.3.3 智能推荐在电子商务中的应用 373

实验十 消费者声音情感分析 375

参考文献 385
点击展开 点击收起

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP