商務智能原理與方法

基礎篇
第1章 引言
1.1 商務智能簡介
1.2 商務智能與信息社會
1.2.1 商務智能是信息社會的產(chǎn)物
1.2.2 商務智能是信息社會繁榮的推動力
1.3 商務智能與企業(yè)管理
1.3.1 商務智能在企業(yè)管理中的作用
1.3.2 商務智能協(xié)助企業(yè)管理的方式
1.3.3 商務智能的商業(yè)價值
1.4 商務智能與數(shù)據(jù)挖掘
1.4.1 數(shù)據(jù)挖掘的概念
1.4.2 數(shù)據(jù)挖掘的特點
1.5 商務智能與新技術融合
1.6 小結
思考練習題
第2章 商務智能過程
2.1 數(shù)據(jù)庫與事務處理
2.1.1 數(shù)據(jù)庫與數(shù)據(jù)庫管理系統(tǒng)
2.1.2 在線事務處理
2.2 數(shù)據(jù)倉庫與在線分析處理
2.2.1 從事務處理到分析處理
2.2.2 數(shù)據(jù)倉庫
2.3 知識發(fā)現(xiàn)與可持續(xù)競爭優(yōu)勢
2.3.1 OLAP與知識發(fā)現(xiàn)
2.3.2 使用數(shù)據(jù)挖掘增強企業(yè)競爭優(yōu)勢
2.4 小結
思考練習題
第3章 數(shù)據(jù)倉庫
3.1 數(shù)據(jù)處理技術演進
3.2 數(shù)據(jù)倉庫過程與體系結構
3.3 數(shù)據(jù)集成、提取與轉(zhuǎn)換
3.3.1 數(shù)據(jù)提取
3.3.2 數(shù)據(jù)轉(zhuǎn)換
3.3.3 數(shù)據(jù)加載
3.3.4 ETL設計與開發(fā)
3.4 數(shù)據(jù)倉庫開發(fā)、管理與安全
3.4.1 數(shù)據(jù)倉庫開發(fā)模式
3.4.2 數(shù)據(jù)倉庫設計
3.4.3 數(shù)據(jù)倉庫的數(shù)據(jù)模型
3.4.4 元數(shù)據(jù)
3.4.5 數(shù)據(jù)倉庫的安全
3.5 小結
思考練習題
第4章 商務智能應用
4.1 制造領域應用
4.2 金融領域應用
4.3 電信領域應用
4.4 生物與醫(yī)藥領域應用
4.5 零售與營銷領域應用
4.6 Web應用
4.7 商務智能系統(tǒng)與產(chǎn)品
4.7.1 商務智能解決方案系統(tǒng)結構
4.7.2 商務智能系統(tǒng)產(chǎn)品
4.8 小結
思考練習題
第5章 構建商務智能環(huán)境
5.1 商務智能環(huán)境
5.1.1 確定什么數(shù)據(jù)可用的能力
5.1.2 數(shù)據(jù)挖掘的能力
5.1.3 用戶-系統(tǒng)交互能力
5.2 商務智能組織
5.2.1 外包商務智能
5.2.2 內(nèi)給商務智能
5.2.3 商務智能組織成員
5.3 商務智能基礎設施
5.4 商務智能系統(tǒng)軟件
5.5 小結
思考練習題
方法篇
第6章 關聯(lián)規(guī)則
6.1 關聯(lián)規(guī)則簡介
6.2 關聯(lián)規(guī)則挖掘方法
6.3 關聯(lián)規(guī)則興趣性
6.4 關聯(lián)規(guī)則知識形式擴展
6.4.1 廣義關聯(lián)規(guī)則
6.4.2 數(shù)量關聯(lián)規(guī)則
6.5 簡單關聯(lián)規(guī)則
6.6 小結
思考練習題
第7章 分類分析
7.1 分類分析簡介
7.2 決策樹分類
7.2.1 決策樹構建
7.2.2 決策樹剪枝
7.3 貝葉斯分類
7.3.1 貝葉斯定理
7.3.2 簡單貝葉斯分類器
7.3.3 貝葉斯信念網(wǎng)絡
7.4 其他分類方法
7.4.1 神經(jīng)元網(wǎng)絡分類
7.4.2 支持向量機分類
7.4.3 懶惰型分類器
7.5 分類準確率
7.5.1 分類準確率比較與評估
7.5.2 提高分類器的準確率
7.6 小結
思考練習題
第8章 聚類分析
8.1 聚類分析簡介
8.2 相似度及距離測度
8.3 聚類分析方法
8.3.1 劃分方法
8.3.2 層次方法
8.3.3 基于密度的方法
8.3.4 基于網(wǎng)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 小結
思考練習題
第9章 概念描述
9.1 概念描述簡介
9.2 描述統(tǒng)計學方法
9.3 數(shù)據(jù)歸納
9.3.1 屬性概化
9.3.2 屬性消減
9.3.3 數(shù)據(jù)表示
9.4 數(shù)據(jù)對比
9.4.1 數(shù)據(jù)對比方法
9.4.2 數(shù)據(jù)對比表示
9.5 小結
思考練習題
第10章 數(shù)據(jù)預處理
10.1 數(shù)據(jù)預處理簡介
10.1.1 數(shù)據(jù)預處理的原因
10.1.2 數(shù)據(jù)預處理的目的
10.1.3 數(shù)據(jù)預處理的方法
10.2 數(shù)據(jù)清洗
10.2.1 缺失數(shù)據(jù)處理
10.2.2 噪聲數(shù)據(jù)處理
10.3 數(shù)據(jù)集成與規(guī)范
10.3.1 數(shù)據(jù)集成處理
10.3.2 數(shù)據(jù)規(guī)范處理
10.4 數(shù)據(jù)消減
10.4.1 清除冗余數(shù)據(jù)
10.4.2 采樣
10.4.3 數(shù)據(jù)立方合計
10.4.4 屬性選取與生成
10.4.5 數(shù)據(jù)壓縮
10.4.6 離散化與概念分層方法
10.5 小結
思考練習題
專題篇
第11章 時態(tài)模式
11.1 時態(tài)數(shù)據(jù)類型與模式
11.2 時態(tài)關聯(lián)規(guī)則
11.3 序列相似性
11.3.1 距離測度法
11.3.2 模式匹配法
11.4 時態(tài)關系模式
11.5 時態(tài)數(shù)據(jù)的表達與轉(zhuǎn)換
11.6 小結
思考練習題
第12章 關聯(lián)分類
12.1 生成分類關聯(lián)規(guī)則
12.2 分類關聯(lián)規(guī)則剪枝
12.2.1 后剪枝方法
12.2.2 先剪枝方法
12.3 構建分類器
12.3.1 單一規(guī)則分類器
12.3.2 多規(guī)則分類器
12.4 混合型關聯(lián)分類
12.5 GARC方法解析
12.5.1 GARC思路與算法框架
12.5.2 數(shù)據(jù)實驗與方法比較
12.6 小結
思考練習題
第13章 不確定性知識發(fā)現(xiàn)
13.1 不確定性信息表達
13.2 分區(qū)中的邊界問題
13.3 數(shù)據(jù)間的部分隸屬性
13.4 不完整數(shù)據(jù)依賴
13.5 小結
思考練習題
第14章 復雜類型數(shù)據(jù)的挖掘
14.1 復雜類型數(shù)據(jù)
14.2 多維分析和描述性挖掘
14.3 空間數(shù)據(jù)挖掘
14.4 多媒體數(shù)據(jù)挖掘
14.5 文本數(shù)據(jù)挖掘
14.6 Web挖掘
14.7 小結
思考練習題
第15章 商務智能經(jīng)濟社會影響與發(fā)展
15.1 商務智能經(jīng)濟社會影響
15.1.1 “長尾”與“利基”市場
15.1.2 隱私與安全
15.2 商務智能的發(fā)展趨勢
15.2.1 商務智能技術標準
15.2.2 實時商務智能
15.2.3 移動商務智能
15.3 小結
思考練習題
參考文獻