商务数据分析(大数据与人工智能系列0

本书分为三部分。部分通过对于商务数据分析概念、理论、应用和分析框架的介绍，帮助读者建立对商务数据的范畴和应用的初步认知。第二部分分类别介绍了商务数据分析的常见方法，包括数据获取与理解、数据预处理与特征工程、计量模型、数据挖掘模型、社会网络分析模型、可视化等。通过具体的商务数据分析示例的介绍和解析，帮助读者理解和学习这些方法的基本原理，以及此方法在数据分析整体框架中所起到的作用。第三部分基于商务实际数据，以案例的方式介绍了商务数据分析的常见应用，包括购买预测、销量预测、流失预测、客户细分、商品推荐等，并按照分析框架进行介绍，让读者不仅了解商务数据分析的具体应用，还加深了对于商务数据分析框架的认识。本教材适用于商业分析、数据科学、大数据技术、信息管理信息系统、电子商务、计算机应用等专业。

李倩，中国人民大学信息学院副教授。主要研究领域为商务数据分析、技术瘾、大数据分析与应用。主持和参与国家自然科学基金多个项目。
许伟，中国人民大学信息学院教授，博士生导师。青年人才，北京市科技新星，北京市优秀人才，中国人民大学杰出学者。中国人民大学信息学院经济信息管理系主任、信息系统与大数据应用实验室主任。主要研究领域为金融科技、商业分析、智慧城市、社交媒体。获得北京市哲学社会科学优秀成果奖等省部级以上奖励多项。
张文平，中国人民大学信息学院副教授，主要研究领域包括复杂数据处理，大数据挖掘，商业分析，区块链技术应用，可解释AI。主持和参与国家自然科学基金多个项目。

部分 商务数据分析基本概念与框架 
章 商务数据分析基本概念 / 3 
节 商务数据分析概述 / 3 
1.数据类型 / 3 
2.数据分析类型 / 4 
3.数据分析方法 / 5 
第二节 商务分析理论 / 6 
1. 4P理论 / 6 
2.用户画像 / 8 
3.用户点击流分析 / 9 
4.顾客价值 / 9 
第三节 数据分析主要应用 / 10 
1.市场营销 / 10 
2.运营管理 / 11 
3.产品研发 / 12 
第二章 商务数据分析框架 / 13 
1.问题明确 / 13 
2.数据理解 / 13 
3.数据预处理 / 14 
4.模型建立 / 15 
5.模型评价 / 19 
6.模型发布 / 19 
第二部分 商务数据分析常用方法 
第三章 数据获取与数据理解 / 23 
节 数据获取 / 23 
1.直接获取 / 23 
2.间接获取 / 24 
第二节 数据描述 / 25 
1.集中趋势分析 / 26 
2.离散程度分析 / 29 
3.分布形状分析 / 31 
习题 / 33 
第四章数据预处理 / 34 
节数据预处理 / 34 
1.数据预处理的目的 / 34 
2.数据预处理的主要任务 / 34 
3.数据清洗 / 35 
4.数据集成 / 39 
5.数据变换 / 40 
6.数据规约 / 44 
第二节特征工程 / 46 
1.特征选择的目的 / 47 
2.特征选择的过程 / 48 
3.子集搜索 / 49 
4.子集评价 / 51 
5.特征选择的方法 / 51 
习题 / 55 
第五章计量模型 / 56 
节时间序列分析 / 56 
1.时间序列分析简介 / 56 
2.时间序列建模:平稳性检验 / 57 
3.平稳时间序列常用模型:AR，MA与ARMA / 59 
4.非平稳时间序列 / 62 
第二节回归模型 / 66 
1.回归模型评价标准 / 67 
2.线性回归 / 69 
3.非线性回归 / 71
4.回归模型和回归系数的显著性 / 72 
5.多重共线性的检验 / 73 
习题 / 75 
第六章数据挖掘分类预测模型 / 76 
节分类模型评价标准 / 76 
第二节逻辑回归 / 79 
1.从线性回归到逻辑回归 / 79 
2.逻辑回归的参数优化 / 80 
3.逻辑回归小结 / 81 
4.二分类算法应用于多分类问题 / 81 
第三节决策树 / 82 
1.信息熵 / 82 
2.信息熵、不确定性与集合纯度 / 84 
3.信息增益 / 85 
4.常见的决策树算法 / 87 
5.决策树的剪枝 / 89 
6.决策树小结 / 89 
第四节贝叶斯算法 / 90 
1.贝叶斯概率 / 90 
2.贝叶斯公式 / 90 
3.朴素贝叶斯算法 / 92 
4.非朴素贝叶斯算法 / 93 
5.贝叶斯算法小结 / 94 
第五节 k近邻算法 / 94 
1.基本k近邻算法 / 94 
2.k近邻算法的三个基本要素 / 94 
3.改进近邻算法:kd树的构造 / 96 
4.k近邻算法小结 / 99 
第六节支持向量机 / 99 
1.SVM基本原理 / 99 
2.软间隔 / 101 
3.SVM中的核函数 / 102 
4.SVM算法的特点 / 104 
第七节人工神经网络 / 104 
1.神经网络基本结构 / 105 
2.神经元模型 / 106 
3.BP神经网络 / 108 
4.BP神经网络特点 / 110 
第八节分类和预测算法扩展 / 111 <br