商務(wù)智能（第四版）

第一部分商務(wù)智能基礎(chǔ)
第1章商務(wù)智能概論
1.1商業(yè)決策需要商務(wù)智能
1.1.1數(shù)據(jù)、信息與知識
1.1.2管理就是決策
1.1.3決策需要信息和知識
1.1.4智能型企業(yè)
1.1.5商務(wù)智能支持商業(yè)決策
1.1.6新一代的決策支持系統(tǒng)
1.2商務(wù)智能簡介
1.2.1商務(wù)智能概念
1.2.2商務(wù)智能的發(fā)展
1.2.3商務(wù)智能的價值
1.3商務(wù)智能系統(tǒng)的功能
1.4商務(wù)智能的應(yīng)用
本章參考文獻(xiàn)
思考題
第二部分商務(wù)智能核心技術(shù)
第2章商務(wù)智能系統(tǒng)架構(gòu)
2.1商務(wù)智能系統(tǒng)的組成
2.2數(shù)據(jù)集成
本章參考文獻(xiàn)
思考題
第3章數(shù)據(jù)倉庫
3.1從數(shù)據(jù)庫到數(shù)據(jù)倉庫
3.2數(shù)據(jù)倉庫的概念
3.3數(shù)據(jù)集市
3.4元數(shù)據(jù)
3.5ETL
3.6操作數(shù)據(jù)存儲
3.7數(shù)據(jù)倉庫模型
3.8數(shù)據(jù)挖掘查詢語言
3.9醫(yī)保數(shù)據(jù)倉庫設(shè)計
本章參考文獻(xiàn)
思考題
第4章在線分析處理
4.1OLAP簡介
4.2OLTP與OLAP的區(qū)別
4.3OLAP操作
4.4OLAP的分類
4.5OLAP操作語言
本章參考文獻(xiàn)
思考題
第5章數(shù)據(jù)挖掘
5.1數(shù)據(jù)挖掘的基礎(chǔ)
5.1.1數(shù)據(jù)挖掘的概念
5.1.2數(shù)據(jù)挖掘的發(fā)展
5.1.3數(shù)據(jù)挖掘的過程
5.1.4數(shù)據(jù)挖掘原語與語言
5.1.5基于組件的數(shù)據(jù)挖掘
5.1.6可視化技術(shù)
5.1.7數(shù)據(jù)挖掘的隱私保護
5.2數(shù)據(jù)挖掘的典型應(yīng)用領(lǐng)域
5.3數(shù)據(jù)預(yù)處理
5.4聚類分析
5.4.1聚類的概念
5.4.2聚類分析的統(tǒng)計量
5.4.3常用聚類算法
5.4.4其他聚類方法
5.4.5離群點檢測
5.5分類分析
5.5.1貝葉斯分類器
5.5.2決策樹
5.5.3支持向量機
5.5.4BP神經(jīng)網(wǎng)絡(luò)
5.5.5其他分類方法
5.6關(guān)聯(lián)分析
5.6.1關(guān)聯(lián)規(guī)則
5.6.2Apriori算法
5.6.3FP增長算法
5.6.4其他關(guān)聯(lián)規(guī)則挖掘算法
5.7序列模式挖掘
5.7.1基本概念
5.7.2類Apriori算法
5.8回歸分析
5.8.1一元回歸分析
5.8.2多元線性回歸分析
5.8.3其他回歸分析
5.9時間序列分析
5.10數(shù)據(jù)挖掘技術(shù)與應(yīng)用的發(fā)展方向
本章參考文獻(xiàn)
思考題
第三部分商務(wù)智能應(yīng)用
第6章移動商務(wù)智能
6.1移動商務(wù)
6.2商務(wù)智能在移動商務(wù)中的應(yīng)用
本章參考文獻(xiàn)
思考題
第7章商務(wù)智能與知識管理
7.1知識管理
7.2知識管理與商務(wù)智能的關(guān)系
7.2.1商務(wù)智能與知識管理的區(qū)別
7.2.2商務(wù)智能與知識管理的聯(lián)系
本章參考文獻(xiàn)
思考題
第8章Web挖掘
8.1Web挖掘基礎(chǔ)
8.2Web內(nèi)容挖掘
8.3Web結(jié)構(gòu)挖掘
8.4Web日志挖掘
本章參考文獻(xiàn)
思考題
第9章商務(wù)智能在企業(yè)績效管理中的應(yīng)用
9.1企業(yè)績效管理的層次
9.2商務(wù)智能貫穿企業(yè)績效管理的閉環(huán)流程
9.3商務(wù)智能在企業(yè)績效管理中的應(yīng)用
9.4商務(wù)智能給企業(yè)績效管理帶來的價值
本章參考文獻(xiàn)
思考題
第10章數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用
10.1電子商務(wù)需要數(shù)據(jù)挖掘
10.2顧客管理
10.3網(wǎng)站結(jié)構(gòu)優(yōu)化
10.4智能搜索引擎
10.5異常事件確定
本章參考文獻(xiàn)
思考題
第11章工作流挖掘
11.1工作流挖掘的發(fā)展
11.2工作流挖掘的概念與作用
11.2.1工作流挖掘的概念
11.2.2工作流挖掘的作用
11.3工作流挖掘的內(nèi)容
11.3.1工作流模型的重構(gòu)
11.3.2工作流的監(jiān)控與工作流挖掘的評價
11.3.3組織視圖挖掘
11.4工作流挖掘的應(yīng)用
11.4.1流程監(jiān)控
11.4.2流程優(yōu)化
11.4.3社會關(guān)系分析
11.4.4工作流挖掘在其他領(lǐng)域中的應(yīng)用
本章參考文獻(xiàn)
思考題
第12章RFID數(shù)據(jù)挖掘
12.1RFID數(shù)據(jù)挖掘的發(fā)展
12.2RFID數(shù)據(jù)挖掘的作用
12.3RFID 數(shù)據(jù)分析的典型應(yīng)用
12.3.1零售倉儲
12.3.2通關(guān)檢查
12.3.3運輸管理
12.3.4醫(yī)療管理
12.3.5其他應(yīng)用
本章參考文獻(xiàn)
思考題
第13章大數(shù)據(jù)分析
13.1大數(shù)據(jù)核心技術(shù)基礎(chǔ)
13.1.1大數(shù)據(jù)存儲
13.1.2大數(shù)據(jù)處理
13.1.3大數(shù)據(jù)應(yīng)用
13.1.4Hadoop開源架構(gòu)
13.2大數(shù)據(jù)分析的基本流程
13.3大數(shù)據(jù)分析方法
13.4基于新浪微博的情感分析
13.5基于表情符號的微博情感預(yù)測
本章參考文獻(xiàn)
思考題
第四部分商務(wù)智能發(fā)展
第14章商務(wù)智能進(jìn)展
14.1商務(wù)智能應(yīng)用趨勢
14.2商務(wù)智能在中國的發(fā)展
14.3商務(wù)智能動態(tài)
本章參考文獻(xiàn)
思考題
第五部分實驗
第15章商務(wù)智能實驗
15.1使用 SAP Crystal Reports創(chuàng)建報表
15.2SAP Lumira實驗
15.3基于IBM Cognos 10的數(shù)據(jù)分析
15.3.1使用IBM Cognos 10創(chuàng)建報表
15.3.2基于IBM Cognos 10的多維分析
15.3.3使用Query Studio創(chuàng)建自助查詢
15.4基于IBM SPSS Modeler 14.2的數(shù)據(jù)挖掘
15.5基于IBM Inforsphere BigInsights的用戶行為分析
15.6電商評論的情感分析
思考題