顶部
收藏

大数据商务分析


作者:
叶强主编; 方斌 张紫琼副主编
定价:
36.00元
ISBN:
978-7-04-057134-9
版面字数:
270.000千字
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:
2022-02-28
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。本书共分9章,主要内容有导论、大数据商务分析系统搭建技术、经典数据分析方法及工具、面向大数据商务分析的描述性分析和可视化、面向大数据商务分析的数据挖掘、深度学习技术、大数据商务分析在传统行业中的应用、大数据商务分析在各组织部门中的作用,以及大数据商务分析在新兴领域中的应用。本书内容系统、案例丰富、实用性强。

本书可作为高等学校信息管理与信息系统专业、大数据应用与管理专业、计算机应用专业及相关专业大数据商务分析课程教材,也可作为从事商务数据分析及相关工作人员的参考读物。

  • 前辅文
  • 第1章 导论
    • 1.1 大数据分析的产生
      • 1.1.1 互联网技术的发展及广泛应用
      • 1.1.2 计算机硬件的提升
      • 1.1.3 新的处理方法的出现
      • 1.1.4 大数据分析的出现
    • 1.2 大数据商务分析及其价值
      • 1.2.1 大数据分析与人工智能
      • 1.2.2 大数据分析的误区
      • 1.2.3 大数据分析与大数据商务分析
      • 1.2.4 大数据商务分析的价值
    • 1.3 大数据商务分析师所需技能
    • 1.4 大数据商务分析的基本流程
  • 第2章 大数据商务分析系统搭建技术
    • 2.1 数据收集、存储和清理
      • 2.1.1 数据收集
      • 2.1.2 数据存储
      • 2.1.3 数据清理
    • 2.2 大数据存储技术
      • 2.2.1 基于关系数据库的大数据存储技术
      • 2.2.2 基于NoSQL数据库的大数据存储技术
      • 2.2.3 基于分布式文件系统的大数据存储技术
    • 2.3 大数据计算技术
      • 2.3.1 批处理大数据计算技术——MapReduce计算模型
      • 2.3.2 实时大数据计算技术
    • 2.4 典型大数据计算平台
      • 2.4.1 Hadoop平台
      • 2.4.2 Spark平台
  • 第3章 经典数据分析方法及工具
    • 3.1 经典统计学数据分析方法
      • 3.1.1 方差分析
      • 3.1.2 回归分析
      • 3.1.3 聚类分析
      • 3.1.4 判别分析
      • 3.1.5 主成分分析
      • 3.1.6 因子分析
      • 3.1.7 Logistic回归
    • 3.2 经典统计学数据分析在大数据商务分析中面临的挑战
      • 3.2.1 容量
      • 3.2.2 速度
      • 3.2.3 多样
      • 3.2.4 真实性
      • 3.2.5 隐私和保密
    • 3.3 经典统计学数据分析在大数据商务分析中的价值
    • 3.4 SPSS数据分析案例:利用RFM模型对客户进行分类
  • 第4章 面向大数据商务分析的描述性分析和可视化
    • 4.1 描述性统计分析
      • 4.1.1 描述性统计分析概述
      • 4.1.2 描述性统计分析的内容及指标
      • 4.1.3 描述性统计分析常用图表类型
    • 4.2 可视化
      • 4.2.1 可视化概念
      • 4.2.2 可视化应用领域
      • 4.2.3 可视化工具介绍
    • 4.3 Tableau数据可视化案例
      • 4.3.1 动态图
      • 4.3.2 文字云
      • 4.3.3 “发货配送周期”可视化
      • 4.3.4 设计动态仪表板
  • 第5章 面向大数据商务分析的数据挖掘
    • 5.1 数据挖掘
    • 5.2 数据挖掘的流程
    • 5.3 数据挖掘相关技术
      • 5.3.1 关联分析
      • 5.3.2 分类分析
      • 5.3.3 聚类分析
  • 第6章 深度学习技术
    • 6.1 深度学习概述
      • 6.1.1 深度学习的发展
      • 6.1.2 深度学习的主要过程
    • 6.2 卷积神经网络
      • 6.2.1 卷积神经网络的一般结构
      • 6.2.2 卷积层
      • 6.2.3 降采样层
      • 6.2.4 局部连接
      • 6.2.5 权值共享
      • 6.2.6 卷积层的操作
      • 6.2.7 降采样层的操作
      • 6.2.8 误差逆传播算法
      • 6.2.9 Softmax回归
    • 6.3 循环神经网络
      • 6.3.1 循环神经网络概述
      • 6.3.2 长短期记忆网络
      • 6.3.3 长短期记忆网络的工作原理
  • 第7章 大数据商务分析在传统行业中的应用
    • 7.1 零售行业
      • 7.1.1 零售行业的大数据
      • 7.1.2 零售行业的大数据应用
      • 7.1.3 实际案例分析
    • 7.2 电信行业
      • 7.2.1 电信行业的大数据
      • 7.2.2 电信行业的大数据应用
      • 7.2.3 实际案例分析
    • 7.3 能源行业
      • 7.3.1 能源行业的大数据
      • 7.3.2 能源行业的大数据应用
      • 7.3.3 实际案例分析
    • 7.4 制造行业
      • 7.4.1 制造行业的大数据
      • 7.4.2 制造行业的大数据应用
      • 7.4.3 实际案例分析
    • 7.5 金融行业
      • 7.5.1 金融行业的大数据
      • 7.5.2 金融行业的大数据应用
      • 7.5.3 实际案例分析
  • 第8章 大数据商务分析在各组织部门中的作用
    • 8.1 人力资源部门
      • 8.1.1 大数据分析在招聘中的作用
      • 8.1.2 大数据分析在员工培训中的作用
      • 8.1.3 大数据分析在绩效和薪酬管理中的作用
      • 8.1.4 实际案例分析
    • 8.2 财务部门
      • 8.2.1 财务数据的处理效率
      • 8.2.2 企业财务风险处置
      • 8.2.3 企业预算管理
      • 8.2.4 实际案例分析
    • 8.3 营销部门
      • 8.3.1 数据采集与分析
      • 8.3.2 广告的精准定位与投放
      • 8.3.3 实时监控与调整
      • 8.3.4 实际案例分析
    • 8.4 采购部门
      • 8.4.1 提升采购物流效率
      • 8.4.2 节约采购成本
      • 8.4.3 实现企业信息共享
      • 8.4.4 实际案例分析
    • 8.5 研发部门
      • 8.5.1 对研发成本管理的作用
      • 8.5.2 对研发过程的作用
      • 8.5.3 实际案例分析
  • 第9章 大数据商务分析在新兴领域中的应用
    • 9.1 需求方平台
      • 9.1.1 DSP的构成
      • 9.1.2 数据管理平台中的商务分析方法
      • 9.1.3 实际案例分析
    • 9.2 基于位置服务
      • 9.2.1 LBS的数据特点
      • 9.2.2 LBS的大数据分析流程
      • 9.2.3 实际案例分析
    • 9.3 搜索引擎
      • 9.3.1 搜索引擎的数据特点
      • 9.3.2 搜索引擎的大数据分析流程
      • 9.3.3 实际案例分析
    • 9.4 社会化媒体
      • 9.4.1 社会化媒体的数据特点
      • 9.4.2 社会化媒体的大数据分析流程
      • 9.4.3 实际案例分析
    • 9.5 点击数据
      • 9.5.1 CTR的数据特点
      • 9.5.2 CTR的大数据分析流程
      • 9.5.3 实际案例分析
    • 9.6 金融科技
      • 9.6.1 金融科技的数据特点
      • 9.6.2 金融科技的大数据分析流程
      • 9.6.3 实际案例分析
  • 参考文献

本数字课程与《大数据商务分析》纸质教材一体化设计,配套使用,内容涵盖电子教案等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同时,为学生学习提供了思考与探索的空间。

相关图书