顶部
收藏

商务智能与数据挖掘


作者:
陈晓红 寇纲 刘咏梅
定价:
48.00元
ISBN:
978-7-04-049794-6
版面字数:
450.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2018-09-17
读者对象:
高等教育
一级分类:
管理
二级分类:
管理科学与工程
三级分类:
信息管理与信息系统

本书是高等学校信息管理与信息系统系列教材之一,是一本从数据挖掘的角度介绍商务智能的教材。本书共分10章,主要内容包括商务智能概述、数据仓库与在线分析处理、数据挖掘、数据挖掘高级方法、文本与Web分析、RFID数据挖掘、大数据分析与可视化、面向商务应用的知识管理、商务智能系统和商务智能应用。本书内容丰富、通俗易懂,与实践结合紧密。

本书可作为高等学校管理科学与工程、信息管理与信息系统、电子商务等专业本科生、研究生相关课程教材,也可供在企事业单位、政府部门、研究机构等从事商务智能相关工作的人员参考。

  • 前辅文
  • 第1章 商务智能概述
    • 1.1 商业决策与商务智能
      • 1.1.1 决策与决策过程
      • 1.1.2 决策制定的计算机支持
      • 1.1.3 商务智能对决策支持
    • 1.2 商务智能简介
      • 1.2.1 商务智能的起源与发展
      • 1.2.2 商务智能的概念
      • 1.2.3 商务智能的特点
      • 1.2.4 商务智能的功能
      • 1.2.5 商务智能的支撑技术
      • 1.2.6 商务智能的应用
    • 1.3 商务智能与分析
      • 1.3.1 商务智能应用背景
      • 1.3.2 商务智能关键技术分析
      • 1.3.3 商务智能数据流程分析
    • 1.4 商务智能的系统架构及实施
      • 1.4.1 商务智能系统架构
      • 1.4.2 商务智能系统要素
      • 1.4.3 商务智能系统实施
      • 1.4.4 商务智能主流软件对比
    • 习题
    • 本章参考文献
  • 第2章 数据仓库与在线分析处理
    • 2.1 从数据库到数据仓库
      • 2.1.1 数据管理与数据库
      • 2.1.2 数据仓库定义与特点
      • 2.1.3 数据仓库系统构成
    • 2.2 数据预处理
      • 2.2.1 数据预处理概述
      • 2.2.2 数据预处理的必要性
      • 2.2.3 数据预处理的基本方法
      • 2.2.4 数据清理
      • 2.2.5 数据集成
      • 2.2.6 数据变换
      • 2.2.7 数据归约
    • 2.3 数据抽取-转换-装载
      • 2.3.1 相关概念
      • 2.3.2 数据抽取-转换-装载建模过程
      • 2.3.3 数据抽取-转换-装载增量抽取机制
      • 2.3.4 数据抽取-转换-装载过程数据质量控制
      • 2.3.5 数据抽取-转换-装载并行处理技术
    • 2.4 联机分析处理
      • 2.4.1 联机分析处理简介
      • 2.4.2 联机分析处理的分类
      • 2.4.3 联机分析处理的基本概念和典型操作
      • 2.4.4 联机分析处理系统的实现途径及实施过程
      • 2.4.5 联机分析处理的评价准则
      • 2.4.6 联机分析处理的主流工具
    • 习题
    • 本章参考文献
  • 第3章 数据挖掘
    • 3.1 数据挖掘基础
      • 3.1.1 数据挖掘的发展历史
      • 3.1.2 数据挖掘的定义
      • 3.1.3 数据挖掘任务
      • 3.1.4 数据挖掘过程模型
    • 3.2 聚类分析
      • 3.2.1 基本概念
      • 3.2.2 划分方法
      • 3.2.3 层次方法
      • 3.2.4 基于密度的方法
      • 3.2.5 基于网格的方法
      • 3.2.6 聚类评估
    • 3.3 分类分析
      • 3.3.1 基本概念
      • 3.3.2 决策树归纳算法
      • 3.3.3 贝叶斯分类方法
      • 3.3.4 基于规则的分类
      • 3.3.5 基于最近邻的分类
      • 3.3.6 分类器评价
    • 3.4 关联分析
      • 3.4.1 基本概念
      • 3.4.2 频繁项集的产生
      • 3.4.3 规则的产生
      • 3.4.4 关联模式的评价
    • 3.5 离群点检测
      • 3.5.1 基本概念
      • 3.5.2 基于分类的异常检测技术
      • 3.5.3 基于最近邻的异常检测技术
      • 3.5.4 基于聚类的异常检测技术
      • 3.5.5 统计异常检测技术
    • 习题
    • 本章参考文献
  • 第4章 数据挖掘高级方法
    • 4.1 高级聚类分析
      • 4.1.1 基于概率模型的聚类分析
      • 4.1.2 高维数据聚类分析
      • 4.1.3 图和网络数据聚类分析
      • 4.1.4 具有约束的聚类分析
    • 4.2 高级分类分析
      • 4.2.1 用后向传播分类分析
      • 4.2.2 支持向量机
      • 4.2.3 使用频繁模式分类分析
      • 4.2.4 惰性学习法
      • 4.2.5 其他分类方法
    • 4.3 回归分析
      • 4.3.1 数据挖掘与回归分析
      • 4.3.2 线性回归
      • 4.3.3 多元线性回归
      • 4.3.4 逻辑回归
    • 4.4 深度学习
      • 4.4.1 深度学习概述
      • 4.4.2 深度学习的基本方法
      • 4.4.3 深度学习模型
      • 4.4.4 深度学习的训练加速
    • 4.5 推荐系统
      • 4.5.1 推荐系统简介
      • 4.5.2 基于内容的推荐系统
      • 4.5.3 协同过滤系统
      • 4.5.4 降维处理
    • 习题
    • 本章参考文献
  • 第5章 文本与Web分析
    • 5.1 文本分析与Web分析概述
    • 5.2 自然语言处理
      • 5.2.1 基础研究
      • 5.2.2 共性技术
      • 5.2.3 应用研究
      • 5.2.4 处理工具
    • 5.3 文本挖掘
      • 5.3.1 文本挖掘的定义及特点
      • 5.3.2 文本挖掘的应用
      • 5.3.3 文本挖掘的过程
      • 5.3.4 文本挖掘的关键技术
    • 5.4 情感分析
      • 5.4.1 情感分析的定义
      • 5.4.2 情感分析的应用
      • 5.4.3 情感分析的主要内容
      • 5.4.4 情感分析的关键问题
    • 5.5 Web挖掘过程
      • 5.5.1 Web挖掘概述
      • 5.5.2 Web挖掘过程
    • 5.6 社交分析
      • 5.6.1 社交网络分析的特点
      • 5.6.2 社交网络分析的内容及方法
    • 习题
    • 本章参考文献
  • 第6章 RFID数据挖掘
    • 6.1 RFID技术基础
      • 6.1.1 RFID的基本概念
      • 6.1.2 RFID系统的组成
      • 6.1.3 RFID技术的应用
    • 6.2 RFID数据挖掘
      • 6.2.1 RFID数据挖掘的作用
      • 6.2.2 RFID数据的特征
      • 6.2.3 RFID数据的预处理
      • 6.2.4 RFID数据挖掘分析
    • 6.3 RFID数据挖掘的典型应用
      • 6.3.1 智慧商城
      • 6.3.2 智能交通
      • 6.3.3 物流管理
      • 6.3.4 RFID防伪追溯
    • 习题
    • 本章参考文献
  • 第7章 大数据分析与可视化
    • 7.1 大数据时代的数据挖掘
      • 7.1.1 大数据时代数据挖掘的特点
      • 7.1.2 大数据挖掘与传统数据挖掘的区别
    • 7.2 大数据挖掘平台
      • 7.2.1 Apache Hadoop
      • 7.2.2 Apache Spark
      • 7.2.3 Mahout
    • 7.3 大数据安全与隐私
      • 7.3.1 大数据采集安全
      • 7.3.2 大数据存储安全
      • 7.3.3 大数据挖掘安全
      • 7.3.4 大数据隐私的法规保障
    • 7.4 大数据可视化
      • 7.4.1 大数据可视化概述
      • 7.4.2 大数据可视化基础
      • 7.4.3 商务智能中的大数据可视化技术
    • 习题
    • 本章参考文献
  • 第8章 面向商务应用的知识管理
    • 8.1 知识管理概述
      • 8.1.1 知识管理概述
      • 8.1.2 知识管理的重要性和必要性
    • 8.2 知识的定义和分类
      • 8.2.1 知识的定义
      • 8.2.2 知识的分类
      • 8.2.3 知识的转化
    • 8.3 知识管理的定义与目标
      • 8.3.1 知识管理的定义
      • 8.3.2 知识管理的目的和目标
      • 8.3.3 知识管理的流程
    • 8.4 组织知识管理的流程
      • 8.4.1 组织知识的创建
      • 8.4.2 组织知识的存储与索引
      • 8.4.3 组织知识的传播
      • 8.4.4 组织知识的应用
    • 8.5 企业应用中的案例及问题
      • 8.5.1 知识管理在企业中的应用案例
      • 8.5.2 知识管理在应用中遇到的问题
    • 8.6 知识管理的发展趋势
    • 习题
    • 本章参考文献
  • 第9章 商务智能系统
    • 9.1 引导案例
      • 9.1.1 A公司的旗舰店POS分析系统
      • 9.1.2 B公司的供应链管理系统
    • 9.2 基于SPSS Modeler的商务智能系统
      • 9.2.1 SPSS Modeler简介
      • 9.2.2 SPSS Modeler启动
      • 9.2.3 SPSS Modeler 服务器连接
      • 9.2.4 添加并编辑 IBM SPSS Modeler 服务器连接
      • 9.2.5 搜索SPSS Collaboration and Deployment Services中的服务器
      • 9.2.6 更改临时目录
      • 9.2.7 SPSS Modeler的基本操作
      • 9.2.8 SPSS Modeler建模过程简介
    • 9.3 基于SAS的商务智能系统
      • 9.3.1 SAS简介
      • 9.3.2 SAS的基本结构与功能
      • 9.3.3 SAS的启动与运行
      • 9.3.4 SAS语言
      • 9.3.5 SAS商务智能框架
      • 9.3.6 SAS BI Sever
    • 9.4 基于SAP的商务智能系统
      • 9.4.1 SAP商务智能系统的发展历程
      • 9.4.2 SAP的启动与运行
      • 9.4.3 SAP商务智能系统在SAP应用系统中的地位
      • 9.4.4 企业数据仓库
      • 9.4.5 商务智能平台
      • 9.4.6 业务浏览器套件
    • 9.5 基于IBM Cognos的商务智能系统
      • 9.5.1 IBM Cognos Enterprise
      • 9.5.2 IBM Cognos Enterprise架构
      • 9.5.3 IBM Cognos BusinessIntelligence
    • 习题
    • 本章参考文献
  • 第10章 商务智能应用
    • 10.1 流程智能
      • 10.1.1 流程智能概述
      • 10.1.2 流程智能的内涵
      • 10.1.3 应用举例
    • 10.2 客户智能
      • 10.2.1 客户智能概述
      • 10.2.2 客户智能的基本理论
      • 10.2.3 客户智能应用案例
      • 10.2.4 商品个性化推荐的客户智能应用
    • 10.3 电子商务智能
      • 10.3.1 电子商务智能概述
      • 10.3.2 智能推荐
      • 10.3.3 基于商品属性的推荐算法案例
    • 10.4 应用案例
      • 10.4.1 人寿保险领域的应用
      • 10.4.2 金融行业的商务智能应用
    • 习题
    • 本章参考文献

本数字课程与《商务智能与数据挖掘》纸质教材一体化设计,配套使用,内容涵盖课程介绍、微视频、电子教案、案例素材、源代码等多种形式的辅助教学资源,丰富了知识的呈现形式,拓展了教材内容;在提升课程教学效果的同时,为学生学习提供思维与探索的空间。

相关图书