大数据技术的发展和市场竞争的加剧,使得企业越来越依赖于从数据中寻找有用的辅助决策知识,导致企业对商务智能技术的要求不断提高,相关商务智能业务需要的人才也越来越多。《商务智能技术》从实用的角度出发,采用理论与实践相结合的方式,介绍商务智能的基础知识,力求培养读者使用商务智能技术解决问题的能力。该书注重基础、讲究实用性、选材得当、深入浅出,希望读者通过该书的学习可以很好地掌握商务智能的相关知识。该书的目的不在于覆盖商务智能技术的所有知识点,而是介绍商务智能的主要应用,使读者了解商务智能的基本构成,以及如何应对各行业的特色问题构建商务智能系统。
《商务智能技术》可作为高等学校电子商务、信息管理、计算机应用技术、软件工程和管理科学等相关专业本科生的教材,也可供从事商务智能信息化的人员阅读、参考。
大数据时代,数据已经成为企业的重要资产。如何从海量数据中挖掘出重要的商业价值并运用到企业的决策中,是当今企业需要面对的实际问题,也是企业提高竞争力的关键。面对激烈的竞争,传统的决策支持系统已难以支撑,而作为ERP应用之后的企业,商务智能为企业提供了这样的利器。商务智能通过将数据转换为信息,并加以提炼,形成满足企业需求的知识,由此提高企业的反应速度和决策的准确性。目前,商务智能技术在我国得到了快速的发展,企业界已经逐步认识到商务智能对提高企业竞争力的重要性,特别是电信、银行、保险、税务等信息化水平较高的行业,在完成数据集中整合后,把商务智能作为新的应用重点,带动了商务智能技术和服务水平的提高。
随着越来越多的企业对商务智能的关注,相关商务智能业务需要的技术人才也越来越多。鉴于市场需求的增长,国内大多数高校开始开设与商务智能相关的课程,以培养业务需要的人才。商务智能涉及的内容很多,既包括有关计算机的相关技术,如数据仓库和数据挖掘,也包括很多的行业应用,如市场营销、客户关系管理、风险管理、绩效管理等。很多高校的计算机学院、软件学院、商学院等都开设了与商务智能相关的课程,培养各类商务智能的技术和应用人才,以满足专业技术人才的需求。
本书是一本较为全面反映商务智能技术的教材,主要针对商务智能基本问题进行系统的介绍,为读者对商务智能的深入学习奠定基础。本书的内容包括商务智能的基本概念、商务智能系统的基本架构、数据预处理、数据仓库、在线处理分析、数据挖掘相关算法、数据可视化等核心技术,目的是让读者了解商务智能最基本的内容。为了帮助读者理解并掌握相关算法,增强实践效果,本书对相关常用算法都给出了基础性案例,帮助读者了解商务智能涉及的基本技术的知识和技能。本书旨在短短的几十个学时中,让读者了解商务智能最基本的内容,并指明商务智能的发展方向,启发读者自学,对商务智能的基本问题、核心技术和实际应用等进行系统的讨论,为读者对商务智能的深入学习奠定基础。
本书共9章内容,系统地讲述了商务智能的相关知识。第1章讲述了商务智能的基本概念、特点及工作过程等,属于综述性章节,涉及内容较多。第2章主要讲述了数据预处理的基本概念和方法,包括数据清洗、数据集成、数据变换、数据归约等。第3章讲述了数据仓库与联机分析处理,包括数据仓库的概念和构建过程,以及联机分析处理的概念和过程。第4~7章讲述了商务智能处理的相关技术,分别详述了商务智能中关联分析、分类、数值预测、聚类等内容,并给出了相关案例的分析,使得读者能够深入浅出地理解相关内容。第8章给出了商务智能可视化展示,方便读者了解商务智能决策结果的展示。第9章给出了当前商务智能处理中的个性化推荐技术,包括其中的常用算法和评价指标。
本书的编写融汇了许多人的辛勤劳动。全书由于会策划和统稿。王兢参与了第1章的编写,王巧凤参与了第2章的编写,种紫菱参与了第3章的编写,谭天参与了第4章的编写,董文敏参与了第5章的编写,赵时雨参与了第6章的编写,陈炫宇参与了第7章的编写,李康康参与了第8章的编写。施建宇教授参与编写了第9章的内容并认真审阅了初稿,指出了其中的纰漏之处,并提出了修改建议。
本书的编写得到了西北工业大学计算机学院王丽芳教授、史豪斌教授以及西北工业大学出版社的大力支持,书中参考了许多学者的研究成果,在此一并表示衷心感谢。
限于笔者的学识水平,书中难免存在不足和疏漏之处,敬请读者批评指正。
第1章 导论
1.1 商务智能的基本概念和特点
1.2 商务智能发展过程
1.3 商务智能技术概述
1.4 商务智能的工作过程及应用
1.5 思考与练习
第2章 数据预处理
2.1 数据预处理的原因和任务
2.2 数据预处理的基本概念
2.3 数据清理
2.4 数据集成
2.5 数据变换
2.6 数据归约
2.7 思考与练习
第3章 数据仓库与联机分析处理
3.1 数据仓库的基本概念
3.2 数据仓库系统
3.3 数据仓库的设计与开发
3.4 联机分析处理
3.5 思考与练习
第4章 关联分析
4.1 关联规则挖掘的基本概念
4.2 关联规则发现
4.3 Apriori算法
4.4 FP-growth算法
4.5 关联规则生成方法
4.6 关联规则的拓展
4.7 关联规则的度量
4.8 思考与练习
第5章 分类
5.1 概述
5.2 决策树分类方法
5.3 朴素贝叶斯分类
5.4 KNN分类
5.5 集成分类
5.6 多分类学习
5.7 分类算法的评价
5.8 思考与练习
第6章 数值预测与回归分析
6.1 概述
6.2 一元线性回归
6.3 多元线性回归模型
6.4 其他回归方法
6.5 思考与练习
第7章 聚类分析
7.1 概述
7.2 聚类分析中的数据类型
7.3 常用的聚类方法
7.4 聚类常用的评价指标
7.5 思考与练习
第8章 商务智能可视化
8.1 商务智能可视化的类型
8.2 数据可视化
8.3 过程可视化
8.4 结果可视化
8.5 仪表盘
8.6 思考与练习
第9章 个性化推荐系统
9.1 推荐系统的概念和模型
9.2 基于内容的推荐
9.3 协同过滤推荐算法
9.4 推荐系统性能评价
9.5 思考与练习
参考文献