商务智能原理与方法（第2版） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

陈国青，卫强，张瑾 著

图书标签:

• 商务智能
• BI
• 数据分析
• 数据挖掘
• 决策支持系统
• 商业分析
• 数据可视化
• 数据仓库
• ETL
• 数据治理

出版社： 电子工业出版社

ISBN：9787121239793

版次：2

商品编码：11536560

包装：平装

丛书名： 高等学校信息管理与信息系统专业系列教材

出版时间：2014-08-01

用纸：胶版纸

页数：396

正文语种：中文

内容简介

商务智能通过数据挖掘技术从海量数据中发现潜在、新颖和有用的知识，体现了信息技术融合背景下进行精益化管理和科学化决策的能力。
本书从商务角度入手，以基础篇、方法篇、专题篇三大板块的形式，较全面地涵盖了商务智能领域的基础知识、基本原理和技术方法等内容；融入了若干前沿成果和最新应用；同时结合经济和管理实例，说明如何通过商务智能方法进行大数据分析，利用企业内外部数据资源优化企业经营，从而提升企业竞争优势。

作者简介

陈国青，清华大学经济管理学院讲席教授、学术委员会主任。2005年获聘教育部长江学者特聘教授。担任国家信息化专家咨询委员会成员，教育部管理科学与工程类专业教学指导委员会主任委员。国际信息系统协会中国分会（CNAIS）创始主席（2005―2013）。2009年度国际模糊系统协会授予IFSA Fellow，2007年度获得复旦管理学杰出贡献奖，1999年度获得国家杰出青年科学基金。主持国家自然科学基金委重大项目、以及多个国际合作和企业信息化项目。主要教学与研究领域包括信息战略与管理、商务智能与电子商务、软计算与数据建模等。

目录

基 础 篇

第1章 引言
1．1 商务智能简介
1．2 商务智能与信息社会
1．2．1 商务智能是信息社会的产物
1．2．2 商务智能是信息社会繁荣的推动力
1．3 商务智能与企业管理
1．3．1 商务智能在企业管理中的作用
1．3．2 商务智能协助企业管理的方式
1．3．3 商务智能的商业价值
1．4 商务智能与数据挖掘
1．4．1 数据挖掘的概念
1．4．2 数据挖掘的特点
1．5 商务智能与新技术融合
1．6 小结
思考练习题
第2章 商务智能应用
2．1 制造领域应用
2．2 金融领域应用
2．3 电信领域应用
2．4 生物与医药领域应用
2．5 零售与营销领域应用
2．6 移动商务应用
2．7 社会化商务应用
2．8 商务智能系统与产品
2．8．1 商务智能解决方案的系统结构
2．8．2 商务智能系统产品
2．9 小结
思考练习题
第3章 商务智能过程
3．1 数据库与事务处理
3．1．1 数据库与数据库管理系统
3．1．2 在线事务处理
3．2 数据仓库与在线分析处理
3．2．1 从事务处理到分析处理
3．2．2 数据仓库
3．3 知识发现与可持续竞争优势
3．3．1 OLAP与知识发现
3．3．2 企业外部大数据分析
3．3．3 使用数据挖掘增强企业竞争优势
3．4 小结
思考练习题
第4章 数据仓库
4．1 数据处理技术演进
4．2 数据仓库过程与体系结构
4．3 数据集成、提取与转换
4．3．1 数据提取
4．3．2 数据转换
4．3．3 数据加载
4．3．4 ETL设计与开发
4．4 数据仓库开发、管理与安全
4．4．1 数据仓库开发模式
4．4．2 数据仓库设计
4．4．3 数据仓库的数据模型
4．4．4 元数据
4．4．5 数据仓库的安全
4．5 云数据平台
4．5．1 云数据平台的概念
4．5．2 云数据平台与BI
4．6 小结
思考练习题
第5章 构建商务智能环境
5．1 商务智能环境
5．1．1 确定什么数据可用的能力
5．1．2 对数据挖掘的能力
5．1．3 用户与系统交互的能力
5．2 商务智能组织
5．2．1 外包商务智能
5．2．2 内给商务智能
5．2．3 商务智能组织成员
5．3 商务智能基础设施
5．4 商务智能系统软件
5．5 小结
思考练习题

方 法 篇

第6章 关联规则
6．1 关联规则简介
6．2 关联规则挖掘方法
6．3 关联规则兴趣性
6．4 关联规则知识形式扩展
6．4．1 广义关联规则
6．4．2 数量关联规则
6．5 简单关联规则
6．6 小结
思考练习题
第7章 分类分析
7．1 分类分析简介
7．2 决策树分类
7．2．1 决策树构建
7．2．2 决策树剪枝
7．3 贝叶斯分类
7．3．1 贝叶斯定理
7．3．2 简单贝叶斯分类器
7．3．3 贝叶斯信念网络
7．4 其他分类方法
7．4．1 神经元网络分类
7．4．2 支持向量机分类
7．4．3 懒惰型分类器
7．5 分类准确率
7．5．1 分类准确率比较与评估
7．5．2 提高分类器的准确率
7．6 小结
思考练习题
第8章 聚类分析
8．1 聚类分析简介
8．2 相似度及距离测度
8．3 聚类分析方法
8．3．1 划分方法
8．3．2 层次方法
8．3．3 基于密度的方法
8．3．4 基于网格的方法
8．3．5 基于模型的方法
8．4 k-means方法
8．5 DBSCAN方法
8．6 小结
思考练习题
第9章 信息搜索服务
9．1 信息搜索的基本概念
9．2 信息搜索模型
9．2．1 布尔模型
9．2．2 空间向量模型
9．3 信息搜索测度
9．4 文本预处理
9．5 搜索索引
9．5．1 倒排索引搜索
9．5．2 倒排索引的建立
9．6 搜索结果排序
9．7 小结
思考练习题
第10章 社会网络分析
10．1 社会网络的中心性
10．1．1 度中心性
10．1．2 贴近中心性
10．1．3 中介中心性
10．2 社会网络的权威
10．2．1 度权威
10．2．2 邻近权威
10．2．3 等级权威
10．3 引用社会网络
10．3．1 同引分析
10．3．2 引文耦合
10．4 社会网络的链接分析
10．4．1 PageRank算法
10．4．2 HITS算法
10．5 社会网络中的社区
10．6 小结
思考练习题
第11章 概念描述
11．1 概念描述简介
11．2 描述统计学的方法
11．3 数据归纳
11．3．1 属性概化
11．3．2 属性消减
11．3．3 数据表示
11．4 数据对比
11．4．1 数据对比方法
11．4．2 数据对比表示
11．5 小结
思考练习题
第12章 数据预处理
12．1 数据预处理简介
12．1．1 数据预处理的原因
12．1．2 数据预处理的目的
12．1．3 数据预处理的方法
12．2 数据清洗
12．2．1 缺失数据处理
12．2．2 噪声数据处理
12．3 数据集成与规范
12．3．1 数据集成处理
12．3．2 数据规范化处理
12．4 数据消减
12．4．1 清除冗余数据
12．4．2 采样
12．4．3 数据立方合计
12．4．4 属性选取与生成
12．4．5 数据压缩
12．4．6 离散化与概念分层方法
12．5 小结
思考练习题

专 题 篇

第13章 信息提取与推荐
13．1 信息提取与推荐问题概述
13．2 代表性信息提取方法
13．2．1 网络文本的代表性评估测度
13．2．2 网络文本的代表性信息提取方法
13．2．3 在线产品评论的代表性信息提取
13．3 信息推荐方法
13．3．1 推荐系统概述
13．3．2 两种协同过滤推荐方法
13．3．3 推荐系统评测指标
13．3．4 消费者信息搜索过程中的推荐
13．4 小结
思考练习题
第14章 时态模式
14．1 时态数据类型与模式
14．2 时态关联规则
14．3 序列相似性
14．3．1 距离测度法
14．3．2 模式匹配法
14．4 时态关系模式
14．5 时态数据的表达与转换
14．6 小结
思考练习题
第15章 关联分类
15．1 生成分类关联规则
15．2 分类关联规则剪枝
15．2．1 后剪枝方式
15．2．2 先剪枝方式
15．3 构建分类器
15．3．1 单一规则分类器
15．3．2 多规则分类器
15．4 混合型关联分类
15．5 GARC方法解析
15．5．1 GARC思路与算法框架
15．5．2 数据实验与方法比较
15．6 小结
思考练习题
第16章 不确定性知识发现
16．1 不确定性信息表达
16．2 分区中的边界问题
16．3 数据间的部分隶属性
16．4 不完整数据依赖
16．5 小结
思考练习题
第17章 复杂类型数据的挖掘
17．1 复杂类型数据
17．2 多维分析和描述性挖掘
17．3 空间数据挖掘
17．4 多媒体数据挖掘
17．5 Web挖掘
17．6 小结
思考练习题
第18章 商务智能的经济社会影响与发展
18．1 商务智能的经济社会影响
18．1．1 “长尾”与“利基”市场
18．1．2 大数据与新兴电子商务
18．1．3 隐私与安全
18．2 商务智能的发展趋势
18．2．1 移动商务智能
18．2．2 社会化商务智能
18．2．3 实时商务智能
18．2．4 商务智能的技术标准
18．3 小结
思考练习题
参考文献
索引词检索目录

前言/序言

《数字时代的企业洞察力：数据驱动决策的奥秘》 在这个信息爆炸、瞬息万变的时代，企业要想在激烈的市场竞争中立于不败之地，仅仅依靠经验和直觉已经远远不够。如何从海量的数据中提炼出有价值的洞察，如何将这些洞察转化为精准的战略决策，并最终驱动业务增长，已成为所有组织面临的核心挑战。本书正是为了应对这一挑战而生，它将带您深入探索数据驱动决策的理论基石与实践路径，揭示如何构建强大的企业洞察力体系，让数据成为您最锐利的竞争武器。 第一部分：洞察力生成的基石——理解数据与信息 在踏上构建企业洞察力之旅之前，我们必须首先理解其最根本的构成要素：数据与信息。本书将从最基础的概念出发，为您系统地梳理数据与信息的本质区别、相互转化关系以及它们在现代商业环境中的重要性。 数据：原始素材的海洋 我们将详细阐述“数据”的定义，区分结构化数据（如数据库中的表格数据）与非结构化数据（如文本、图像、音频、视频）的特点、来源和采集方式。您将了解到，数据不仅仅是冷冰冰的数字和文字，更是企业运营、客户行为、市场动态的真实记录。我们将探讨不同类型数据的特性，以及它们在不同业务场景下的潜在价值。例如，交易数据记录了客户的购买习惯，网站访问日志揭示了用户互动模式，社交媒体评论则反映了公众对品牌的看法。理解数据的多样性和复杂性，是后续分析与洞察的起点。 信息：数据的有序呈现与意义解读 数据本身往往是零散且难以直接理解的，直到它们被组织、处理并赋予特定的上下文，才能转化为有意义的“信息”。本书将深入剖析数据如何通过清洗、整合、转换等过程，逐步形成结构化的信息。我们将探讨信息的分类，例如描述性信息（What happened）、诊断性信息（Why it happened）、预测性信息（What will happen）和规范性信息（What should be done）。您将学习如何识别数据的噪音，过滤不相关信息，并从中提取出与业务目标相关的关键信息。例如，将零散的销售订单数据汇总，可以形成“区域销售额排名”这样的信息，帮助管理者了解各区域的销售表现。 知识：信息的提炼与模式识别 当信息被进一步加工、分析，并与已有的经验和理论相结合，形成可用于指导行动的规律、模型和见解时，便升华为“知识”。本书将重点讲解如何从信息中提炼出具有 actionable insights 的知识。我们将介绍模式识别、趋势分析、关联分析等核心概念，以及它们如何帮助企业发现潜在的商机、规避经营风险。例如，通过分析历史销售数据和促销活动效果，企业可以总结出“哪种促销方式对特定用户群体最有效”的知识，从而指导未来的营销策略。 数据质量：洞察力的生命线 任何分析和洞察的准确性，都建立在数据质量的基础之上。本书将强调数据质量的重要性，并详细介绍数据质量的维度，如准确性、完整性、一致性、及时性、唯一性等。您将学习到常见的“脏数据”问题，例如缺失值、重复记录、格式错误、逻辑冲突等，以及对企业决策可能造成的负面影响。我们将探讨一系列数据质量管理的方法和技术，包括数据剖析、数据清洗、数据验证、数据治理等，确保您所依赖的数据是可靠的、有价值的。 第二部分：构建洞察力引擎——数据分析与挖掘的技艺 在掌握了数据与信息的基石后，本书将带您进入数据分析与挖掘的核心领域，学习如何运用各种工具和技术，从数据中挖掘出隐藏的模式、关联和趋势，从而生成有价值的洞察。 描述性分析：回顾过往，理解现状 描述性分析是数据分析的入门，它关注“发生了什么”。我们将介绍各种描述性统计技术，如均值、中位数、方差、标准差、百分比、频率分布等，以及如何利用图表（如柱状图、折线图、饼图、散点图）将数据可视化，以便直观地理解数据的分布和特征。您将学习如何生成销售报告、客户画像、运营指标仪表盘等，从而清晰地了解企业的当前运营状况。 诊断性分析：探寻原因，洞察本质 诊断性分析则进一步探究“为什么会发生”。本书将介绍一系列诊断性分析方法，包括数据切片（Slicing and Dicing）、钻取（Drill-down）、溯源（Root Cause Analysis）等。您将学习如何通过对比、关联分析，找出问题发生的根本原因。例如，当销售额下降时，诊断性分析可以帮助您找出是特定产品线出了问题，还是某个区域的销售团队表现不佳，或是市场整体需求发生了变化。 预测性分析：预见未来，把握机遇 预测性分析是数据分析的高级阶段，它致力于回答“接下来会发生什么”。我们将介绍时间序列分析、回归分析、分类模型（如决策树、逻辑回归、支持向量机）等预测性建模技术。您将学习如何利用历史数据预测未来的销售趋势、客户流失率、市场需求等，从而提前做好准备，抓住潜在机遇，或规避潜在风险。例如，通过预测客户的购买概率，企业可以进行精准的个性化推荐，提高营销转化率。 规范性分析：指导行动，优化决策 规范性分析是数据分析的终极目标，它回答“我们应该做什么”。本书将介绍优化技术、模拟仿真、规则引擎等方法，帮助企业根据预测和分析结果，制定最优的行动方案。您将学习如何利用这些技术来优化库存管理、定价策略、资源分配、营销活动等，从而最大化企业效益。例如，通过规范性分析，企业可以确定最佳的广告投放时间和渠道组合，以最小的成本获得最大的曝光度和转化率。 数据挖掘的技术与算法 我们将深入探讨数据挖掘领域的一些核心技术和算法，包括但不限于： 聚类分析 (Clustering): 如何将相似的数据对象分组，发现隐藏的数据结构，例如客户分群。 关联规则挖掘 (Association Rule Mining): 如何发现数据项之间的有趣关系，例如“购买面包的顾客也倾向于购买牛奶”。 分类与回归 (Classification and Regression): 如何构建模型来预测离散的类别或连续的数值。 异常检测 (Anomaly Detection): 如何识别出与整体模式不符的异常数据点，例如欺诈行为检测。 文本挖掘 (Text Mining): 如何从非结构化文本数据中提取有用的信息和模式，例如情感分析、主题建模。 序列模式挖掘 (Sequential Pattern Mining): 如何发现数据中的有序事件序列，例如用户在网站上的浏览路径。 本书将尽可能地以通俗易懂的方式解释这些算法的原理，并提供实际应用案例，帮助读者理解它们是如何被应用于解决真实的商业问题的。 第三部分：赋能企业决策——构建与应用洞察力体系 数据分析和挖掘的最终目的是服务于企业决策。本书的第三部分将聚焦于如何构建一个可持续、高效的企业洞察力体系，并将分析结果有效地转化为 actionable insights，并融入到日常的业务决策流程中。 构建数据仓库与数据集市 为了支持高效的数据分析，企业需要建立统一、集成的存储系统。本书将讲解数据仓库（Data Warehouse）和数据集市（Data Mart）的设计理念、构建过程以及它们在整合企业多源异构数据方面的作用。您将了解到如何构建一个能够支持报表、分析和挖掘的基础设施。 商业智能平台与工具 现代企业洞察力的实现离不开强大的商业智能（Business Intelligence, BI）平台和工具。我们将介绍各类BI工具的功能和应用场景，如数据可视化工具（Tableau, Power BI）、报表工具、OLAP（Online Analytical Processing）工具等。您将学习如何选择和使用合适的工具，来构建交互式仪表盘、生成管理报表，并实现数据的多维度分析。 数据可视化与故事叙述 再强大的分析结果，如果无法被清晰、直观地传达给决策者，其价值将大打折扣。本书将强调数据可视化在沟通洞察力方面的关键作用，并介绍有效的可视化原则和技巧。您将学习如何运用图表、仪表盘等手段，将复杂的数据洞察转化为易于理解的“数据故事”，从而引起决策者的共鸣，推动行动。 决策支持系统（DSS）的构建与应用 本书将探讨如何将分析结果融入决策支持系统，为管理者提供及时的、有依据的决策建议。我们将讨论不同类型的决策支持系统，以及如何设计和实现能够支持战略、战术和运营层级决策的系统。 文化建设与人才培养 技术和工具只是基础，真正驱动企业走向数据驱动的，是组织内部的文化和人才。本书将探讨如何培养一种“数据文化”，鼓励员工积极拥抱数据，并学习如何进行数据分析和解读。同时，我们也将关注数据科学家、数据分析师、BI工程师等关键人才的角色定位、技能要求以及团队协作模式。 数据伦理与隐私保护 在追求数据价值的同时，我们必须高度重视数据伦理和隐私保护。本书将讨论数据采集、使用、存储过程中可能涉及的法律法规和道德规范，以及如何构建负责任的数据应用实践，赢得客户的信任。 企业洞察力在不同业务领域的应用 为了让读者更直观地理解企业洞察力的实际价值，本书将列举和分析其在不同业务领域的具体应用案例，例如： 市场营销： 客户细分、精准营销、效果评估、渠道优化。 销售管理： 销售预测、机会管理、绩效分析、价格优化。 运营管理： 库存优化、供应链管理、生产效率提升、质量控制。 财务管理： 财务分析、风险预警、成本控制、预算规划。 人力资源： 人才招聘、员工绩效、离职预测、培训需求分析。 产品开发： 市场需求分析、竞品分析、用户反馈收集与分析。 结语：开启数据驱动的未来 《数字时代的企业洞察力：数据驱动决策的奥秘》不仅仅是一本书，更是一张通往更智慧、更高效、更具竞争力的企业未来的地图。它将赋能您掌握从原始数据到精准洞察的转化能力，让您能够在这个信息时代游刃有余，做出最明智的商业决策。无论您是企业高管、部门经理，还是希望提升自身数据素养的专业人士，本书都将是您不可或缺的宝贵参考。让我们一同踏上这段激动人心的旅程，解锁数据蕴藏的无限可能。

评分☆☆☆☆☆

一直以来，我对“数据驱动决策”这个理念都非常感兴趣，但总感觉缺乏一个系统性的指导。《商务智能原理与方法（第2版）》这本书就像及时雨，它以一种非常系统化的方式，为我构建了一个完整的商务智能知识体系。书中对商业智能的战略意义，以及它如何赋能企业实现数字化转型的论述，给我留下了深刻的印象。我明白了，商务智能不仅仅是技术层面的事情，更是企业战略层面的核心竞争力。书中关于KPI（关键绩效指标）的设计和监控，以及如何利用BI来评估业务绩效，这些内容对我理解企业运营的本质，以及如何衡量成功，提供了全新的视角。此外，书中还讨论了BI在应对市场变化和竞争方面的作用，让我认识到，拥有强大的BI能力，能够让企业在瞬息万变的商业环境中保持领先地位。这本书为我打开了一扇通往更高级商业分析和战略规划的大门，让我对如何利用数据来指导企业发展有了更深刻的理解和更清晰的规划。

评分☆☆☆☆☆

这本书真的让我在理解数据分析和决策支持方面有了质的飞跃。刚拿到这本书的时候，我还在思考，自己已经接触过一些数据相关的课程，是否能从《商务智能原理与方法（第2版）》中获得新的启发。事实证明，我的担忧是多余的。作者以一种非常循序渐进的方式，从最基础的概念讲起，比如什么是商务智能，它的发展历程，以及在现代企业中扮演的关键角色。我特别喜欢它在介绍数据仓库和数据挖掘技术时，不仅仅是罗列理论，而是通过大量的实际案例，让我能够清晰地看到这些技术是如何被应用到解决具体的商业问题的。例如，书中关于客户细分和市场营销优化的章节，对我启发很大，让我理解了如何利用历史数据来预测客户行为，从而制定更精准的营销策略。此外，书中对BI工具的介绍和选型建议也十分实用，让我对市面上琳琅满目的BI软件有了更清晰的认识，知道如何根据企业的实际需求来选择合适的工具，避免盲目投入。整体来说，这本书像一位经验丰富的老朋友，耐心地引导我一步步走进商务智能的广阔世界，让我不仅知其然，更知其所以然。

评分☆☆☆☆☆

坦白说，我在阅读《商务智能原理与方法（第2版）》之前，对“大数据”和“人工智能”这些热门词汇总是有些似懂非懂，感觉它们离我的日常工作还有点距离。然而，这本书的出现彻底改变了我的看法。它非常巧妙地将那些看似高深的理论，用一种非常接地气的方式呈现在读者面前。我尤其欣赏书中对决策支持系统（DSS）的深入探讨，它让我明白，商务智能并非只是一个抽象的概念，而是切实能够帮助企业管理者做出更明智决策的工具。书中提供的各种分析模型和可视化技术，像是仪表盘（Dashboard）和报表生成，对我来说简直是打开了新世界的大门。我学会了如何从海量的数据中提取有价值的信息，并通过直观的图表展示出来，让复杂的数据变得易于理解。书中的案例分析也十分丰富，涵盖了零售、金融、制造等多个行业，让我看到了BI在不同领域都能发挥巨大的作用。读完之后，我对如何利用数据来驱动业务增长有了全新的认识，也更加渴望将这些知识应用到实际工作中，去解决那些曾经让我头疼的商业难题。

评分☆☆☆☆☆

不得不说，《商务智能原理与方法（第2版）》这本书在内容组织上做得非常出色，它能够将复杂的概念讲解得清晰易懂，并且层次分明。从一开始的理论基础，到中间的数据处理技术，再到最后的应用场景和战略规划，整个逻辑线非常顺畅。我尤其喜欢书中关于数据可视化设计的探讨，它不仅仅是简单介绍图表的类型，而是深入分析了如何通过有效的可视化来传达信息，如何避免误导性的图表，以及如何根据不同的受众来设计信息展示。这对我理解数据背后的故事，以及如何将数据转化为可执行的洞察，起到了至关重要的作用。书中还提及了商业智能在不同业务功能中的应用，比如销售预测、库存管理、风险控制等，这些具体的例子让我能够更好地将书中的理论知识与我的实际工作联系起来。读完这本书，我不再觉得商务智能是一个遥不可及的概念，而是变成了一个触手可及的工具，能够切实地帮助我提升工作效率和决策水平。

评分☆☆☆☆☆

在翻阅《商务智能原理与方法（第2版）》的过程中，我最大的感受就是它的全面性和前瞻性。作者不仅涵盖了商务智能的核心原理，如数据仓库、ETL（抽取、转换、加载）过程，还重点介绍了数据挖掘的各种算法，如分类、聚类、关联规则等，并结合了最新的技术趋势，比如大数据分析和云计算在BI中的应用。我特别惊喜地发现，书中关于数据治理和数据质量管理的章节，对于我这种初学者来说，提供了非常宝贵的指导。在实际工作中，我们经常会遇到数据不准确、不一致的问题，而这本书则为我们指明了方向，如何建立一个健康的数据生态系统，确保数据的可靠性。此外，作者在讨论BI的实施策略时，也提出了很多实操性的建议，包括如何组建BI团队，如何进行项目管理，以及如何克服组织内部的阻力。这些内容对于任何想要在企业内部推广和应用商务智能的读者来说，都具有极高的参考价值。总而言之，这本书不仅是一本技术手册，更是一本战略指南，帮助我们从全局视角理解和应用商务智能。