商务数据分析
正版图书，可开发票，请放心购买。
￥ 46.09 7.8折 ￥ 59 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者黄翼
出版社清华大学出版社
ISBN9787302626046
出版时间2023-04
装帧平装
开本16开
定价59元
货号1202882547
上书时间2024-05-21
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
黄翼，上海杉达学院教师，留学英国硕士，博士在读。主要研究方向国际商务、公司战略和价值链。主要讲授国际贸易实务、商务英语写作、商务数据分析、商务流程综合实训等课程。曾主持上海市政府专项、上海市优青项目、校重点课程、校教改项目、校基金项目，获国家版权局计算机软件著作权，主编及参编教材，发表论文多篇。2014年荣获“全国民办高校国际商务专业教师‘优师杯’双语教学技能竞赛”三等奖，2016年获得“上海杉达学院青年教师教学竞赛”一等奖，并于同年荣获上海市“第二届上海高校青年教师教学竞赛”二等奖。2017年荣获“上海杉达学院教学成果奖”二等奖，2019年荣获“上海杉达学院教学成果奖”一等奖。
目录
第一部分大数据基础
第一章大数据导论3
一、什么是大数据3
二、为何要做数据挖掘5
三、数据分析的应用7
练习题10
第二章大数据技术11
一、大数据的技术框架11
二、与大数据处理相关的技术12
三、数据挖掘的一般流程14
练习题16
第二部分Python编程基础
第三章Python环境搭建19
一、Python的版本与安装19
二、PyCharm的安装与使用23
三、Anaconda的安装与使用27
练习题30
第四章Python编程基础31
一、Python变量设定和赋值数据类型31
二、Python的运算符38
三、控制流42
四、常用函数49
五、Python基础语法50
练习题54
第五章Python数据挖掘55
一、NumPy模块55
二、Pandas模块68
练习题106
第六章Python数据可视化107
一、数据可视化107
二、Pandas绘图111
三、Matplotlib其他绘图120
练习题123
第三部分数据挖掘基础
第七章数据预处理127
一、数据存在的问题127
二、数据预处理的手段129
练习题138
第八章多元线性回归139
一、介绍139
二、解释模型与预测模型139
三、回归方程的估计与预测140
四、线性回归中的变量选择141
练习题143
第九章K-NN算法145
一、K-NN分类器(分类结果)145
二、K-NN表示数值结果147
三、K-NN算法的优势和劣势147
练习题147
第十章朴素贝叶斯分类器149
一、介绍149
二、使用接近(准确)贝叶斯分类器预测150
三、朴素贝叶斯分类器的优缺点153
练习题155
第十一章分类回归树156
一、介绍156
二、分类树157
三、评估分类树的性能161
四、避免过度拟合162
五、树的分类规则164
六、两类以上的分类树164
七、回归树165
八、改进预测：随机森林和增强树166
九、树的优点和缺点167
练习题167
第十二章逻辑回归169
一、介绍169
二、逻辑回归模型170
三、评估分类性能172
四、变量的选择173
五、逻辑回归分析175
练习题180
第十三章神经网络181
一、介绍181
二、神经网络的概念与结构181
三、使网络适应数据182
四、必需的输入188
五、预测因素与结果的关系探讨189
六、神经网络的优缺点190
练习题191
第十四章判别分析192
一、介绍192
二、记录与类的距离194
三、费雪线性分类函数195
四、判别分析的分类性能195
五、先验概率196
六、不均衡的错误分类代价196
七、超过两类的分类问题196
八、判别分析的优势与劣势198
练习题198
第十五章关联规则与协同过滤200
一、关联规则200
二、协同过滤206
三、总结212
练习题212
第十六章聚类分析214
一、介绍214
二、测量两条记录之间的距离217
三、两簇间距离测量221
四、分层(凝聚)聚类222
五、非层次聚类226
练习题228
第十七章时间序列预测230
一、介绍230
二、描述性与预测性建模231
三、商业中流行的预测方法231
四、时间序列成分231
五、数据分区和性能评估234
练习题236
第十八章社交网络分析237
一、介绍237
二、有向网络与无向网络238
三、可视化和分析网络239
四、社交数据度量和分类241
五、使用网络指标进行预测和分类244
六、优点和缺点248
练习题249
第十九章文本挖掘250
一、介绍250
二、文本的表格式表示：术语-文档矩阵和“词袋”250
三、词袋与文档意义提取251
四、文本预处理252
五、实现数据挖掘方法255
六、总结258
练习题258
第四部分经典商务数据分析案例
第二十章国际应用案例261
案例一银行金融营销261
案例二波士顿住房262
案例三电脑的选择262
案例四DriveTime汽车266
案例五宝洁公司洗衣皂270
案例六Studenmund餐厅271
案例七悉尼交通272
案例八ToutBay273
案例九查尔斯读书俱乐部275
案例十德国信贷279
案例十一Tayko软件目录283
案例十二拒接出租车电话287
案例十三肥皂消费者细分288
案例十四交叉销售290
案例十五预测破产291
第二十一章国内应用案例294
案例一终端换机预测294
案例二高校本科生就业问题研究296
案例三国内旅游收入影响因素研究300
案例四航空公司客户价值分析301
案例五数据分析的其他商务应用304
参考文献309
内容摘要
大数据时代，产业呈现数字化趋势，使大数据成为核心的生产要素，进而成为推动经济高质量发展的新动能。以数据生成、采集、存储、清洗、挖掘、分析、服务为主的大数据产业已成为新兴产业，是实现产业结构升级的新路径。为普及数据素养和技能，构建大数据思维，《商务数据分析》通过介绍数据挖掘方法在商务领域的应用，驱动好奇心，认知商务情境；发现业务问题，明确诠释问题；探索数据镜像世界，科学处理、分析数据；理性做出预测、决策，有条不紊地表达，充分发挥数据的商业价值。本书适合高等教育经济管理专业教学使用，也适合读者自我提升学习使用，有助于形成数据思维、数据认知、数据合规意识，提升数据处理技能，熟悉商务领域应用，从而提升职业竞争力。
主编推荐
基于大数据时代的商业规则和思维变革，《商务数据分析》将数据挖掘分析理论原理与商务实践进行融合。通过本图书及相应课程的学习，使学习者掌握分析事物的数据思维、挖掘数据价值及发挥商业应用的技能，培养结合专业知识，发现、分析并提供解决实际问题方案的思维方式及数据分析技能。《商务数据分析》内容主要包括四大模块：模块一 大数据与商务数据分析概述，主要介绍数据分析的起源、对数据分析的认知，包含分析目的、分析类型、作用，数据分析的主要应用，商务数据分析的主要应用场景；模块二 数据分析基础及数据挖掘方法，包括Python编程、数据处理、数据可视化等方法和技能的导入学习；模块三 数据挖掘，在前模块基础上介绍多元线性回归，近邻，贝叶斯，差别分析，关联规则、协同过滤、文本分析等多种数据挖掘方法并联系实际应用，并将案例项目分析思路通过代码实现，并对结果进行分析和评估。模块四，为引导学习者进一步探索挖掘数据分析方法在商务及其他领域的应用，图书选取了国内外经典案例，提供综合分析和解决相关业务问题的思路和激发学习者根据个人兴趣及需求进一步探索相关应用领域的分析。《商务数据分析》特色主要包括：理论方法的前瞻性，工具技能的开源易得性，注重商务实际的应用性，配套资源的丰富性（在线课程）。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价