商业分析：基于数据科学及人工智能技术的决策支持系统（原书第11版）

图书标准信息

• 作者 [美]埃弗瑞姆·特班 著；[美]拉姆什·沙尔达；[美]杜尔森·德伦
• 出版社 机械工业出版社
• 出版时间 2022-05
• 版次 1
• ISBN 9787111704355
• 定价 199.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 768页
• 字数 1.046千字

【内容简介】

本书是对分析 (或商业分析) 的技术以及用于设计和开发决策支持系统的基本方法、技术和软件的全面介绍。除了传统的决策支持应用程序外，本书还介绍了人工智能、机器学习、机器人技术、聊天机器人、物联网和与互联网相关的技术，通过提供示例、产品、服务和练习阐述各种类型的分析。

【作者简介】

:
    拉姆什·沙尔达（Ramesh Sharda），威斯康星大学麦迪逊分校MBA、博士，商务高管博士计划和信息系统研究所（IRIS）主任，康菲石油公司的技术管理主席，俄克拉何马州立大学管理科学和信息系统校务教授。他的研究成果在主要期刊上发表，有论文200余篇，期刊包括Operations Research、Management Science、Information Systems Research、Decision Support Systems、Journal of MIS。与他人共同创立关于决策支持系统和知识管理（SIGDSS）的AIS SIG。沙尔达博士在很多期刊担任编辑，包括INFORMS Journal on Computing、Decision Support Systems、ACM Transactions on Management Information Systems等。他出版与编辑了一些教材和专著，并且是几个系列丛书（综合系列信息系统、运筹学/计算机科学接口和信息系统年报）的合作编辑。目前，他也担任Teradata大学网络的执行理事，他的研究领域是决策支持系统、商务分析和管理信息过载技术。

【目录】

前言

致谢

作者简介

部分　分析和人工智能简介

第1章　用于决策支持的商务智能、分析、数据科学和人工智能系统概述2

1.1　开篇小插曲：通力电梯和自动扶梯公司的智能系统是如何工作的3

1.2　不断变化的商业环境、决策支持与分析需求5

1.3　决策过程和计算机化决策支持框架8

1.4　计算机决策支持向商务智能/分析/数据科学的发展20

1.5　分析概述29

1.6　相关领域中的分析示例37

1.7　人工智能简介50

1.8　分析与人工智能的融合58

1.9　分析生态系统综述63

1.10　本书规划64

1.11　相关资源65

本章要点66

讨论67

参考文献67

第2章　人工智能：概念、驱动力、主要技术和商业应用70

2.1　开篇小插曲：INRIX解决了交通问题71

2.2　人工智能概论73

2.3　人类智能与计算机智能79

2.4　主要人工智能技术和衍生产品82

2.5　人工智能对决策的支持91

2.6　人工智能在会计中的应用95

2.7　人工智能在金融服务中的应用97

2.8　人工智能在人力资源管理中的应用101

2.9　人工智能在营销、广告和客户关系管理中的应用103

2.10　人工智能在生产运营管理中的应用107

本章要点109

讨论110

参考文献111

第3章　数据性质、统计建模和可视化113

3.1　开篇小插曲：SiriusXM通过数据驱动型营销吸引新一代的广播消费者114

3.2　数据的性质117

3.3　简单的数据分类法120

3.4　数据预处理的艺术和科学124

3.5　用于业务分析的统计建模133

3.6　用于推论统计的回归建模143

3.7　业务报告154

3.8　数据可视化157

3.9　不同类型的图表和图形162

3.10　视觉分析的出现165

3.11　信息仪表板172

本章要点177

讨论177

参考文献178

第二部分　预测性分析/机器学习

第4章　数据挖掘过程、方法和算法182

4.1　开篇小插曲：美国迈阿密戴德警察局使用预测性分析来预测和打击犯罪182

4.2　数据挖掘概念186

4.3　数据挖掘应用196

4.4　数据挖掘过程199

4.5　数据挖掘方法206

4.6　数据挖掘软件工具221

4.7　数据挖掘隐私问题、误解和失误227

本章要点231

讨论232

参考文献233

第5章　用于预测性分析的机器学习技术234

5.1　开篇小插曲：预测建模有助于更好地理解和管理复杂的医疗程序234

5.2　神经网络的基本概念237

5.3　神经网络架构241

5.4　支持向量机245

5.5　基于过程的支持向量机使用方法254

5.6　用于预测的邻近法256

5.7　朴素贝叶斯分类法260

5.8　贝叶斯网络268

5.9　集成建模274

本章要点286

讨论287

参考文献288

第6章　深度学习和认知计算290

6.1　开篇小插曲：利用深度学习和人工智能打击欺诈291

6.2　深度学习介绍294

6.3　“浅”神经网络基础299

6.4　基于神经网络系统的开发流程308

6.5　阐明ANN黑箱原理314

6.6　深度神经网络317

6.7　卷积神经网络323

6.8　循环网络和长短期记忆网络334

6.9　实现深度学习的计算机框架341

6.10　认知计算344

本章要点354

讨论356

参考文献357

第7章　文本挖掘、情感分析和社交分析360

7.1　开篇小插曲：Amadori集团将消费者情感转化为近实时销售361

7.2　文本分析和文本挖掘概述363

7.3　自然语言处理369

7.4　文本挖掘应用375

7.5　文本挖掘过程382

7.6　情感分析390

7.7　Web挖掘概述401

7.8　搜索引擎406

7.9　Web使用情况挖掘（Web分析）413

7.10　社交分析419

本章要点428

讨论429

参考文献430

第三部分　规范性分析和大数据

第8章　规范性分析：优化与仿真434

8.1　开篇小插曲：费城学区使用规范性分析来寻找外包巴士路线的解决方案435

8.2　基于模型的决策436

8.3　决策支持的数学模型的结构442

8.4　确定性、不确定性和风险444

8.5　电子表格决策模型446

8.6　数学规划优化450

8.7　多重目标、灵敏度分析、假设分析和单变量求解460

8.8　基于决策表和决策树的决策分析464

8.9　仿真简介466

8.10　视觉交互仿真473

本章要点478

讨论479

参考文献479

第9章　大数据、云计算和位置分析：概念和工具481

9.1　开篇小插曲：在电信公司中使用大数据方法分析客户流失情况482

9.2　大数据定义485

9.3　大数据分析基础490

9.4　大数据技术494

9.5　大数据与数据仓库503

9.6　内存分析和Apache Spark508

9.7　大数据和流分析514

9.8　大数据提供商和平台519

9.9　云计算和业务分析526

9.10　基于位置的组织分析537

本章要点544

讨论544

参考文献545

第四部分　机器人、社交网络、人工智能与物联网

第10章　机器人：工业和消费者领域的应用548

10.1　开篇小插曲：机器人为患者和儿童提供情感支持548

10.2　机器人技