商務(wù)智能方法與應(yīng)用

第 1章 1
商　務(wù) 智 能 概 述　1
1．1　商務(wù)智能產(chǎn)生背景　1
1．1．1　商務(wù)智能產(chǎn)生的原因　1
1．1．2　商業(yè)決策需要商務(wù)智能　3
1．1．3　企業(yè)智能化管理需要商務(wù)智能　4
1．2　商務(wù)智能簡介　4
1．2．1　商務(wù)智能概念　5
1．2．2　商務(wù)智能發(fā)展　7
1．2．3　商務(wù)智能要求　8
1．2．4　商務(wù)智能價值　9
1．3　商務(wù)智能基礎(chǔ)　10
1．3．1　商務(wù)智能的基本架構(gòu)　10
1．3．2　商務(wù)智能的功能　11
1．4　商務(wù)智能關(guān)鍵技術(shù)　12
1．4．1　數(shù)據(jù)預(yù)處理　12
1．4．2　數(shù)據(jù)倉庫　12
1．4．3　數(shù)據(jù)挖掘　13
1．4．4　在線分析處理　15
1．4．5　數(shù)據(jù)可視化　15
1．5　商務(wù)智能的相關(guān)應(yīng)用　16
1．5．1　商務(wù)智能在教育方面的應(yīng)用　16
1．5．2　商務(wù)智能在客戶關(guān)系管理的應(yīng)用　17
1．5．3　商務(wù)智能在零售業(yè)的應(yīng)用　17
1．5．4　商務(wù)智能在電子商務(wù)的應(yīng)用　18
1．5．5　商務(wù)智能在金融業(yè)的應(yīng)用　18
1．5．6　商務(wù)智能在保險業(yè)的應(yīng)用　18
1．5．7　商務(wù)智能在制造業(yè)的應(yīng)用　19
實驗一　銷售數(shù)據(jù)預(yù)處理　19
實驗二　數(shù)據(jù)可視化　51
第　2章　77
數(shù)　據(jù) 倉 庫　77
2．1　數(shù)據(jù)倉庫概念　78
2．1．1　什么是數(shù)據(jù)倉庫　78
2．1．2　數(shù)據(jù)倉庫特點　78
2．1．3　數(shù)據(jù)倉庫結(jié)構(gòu)　79
2．1．4　數(shù)據(jù)倉庫與數(shù)據(jù)庫　80
2．1．5　數(shù)據(jù)倉庫和商務(wù)智能的關(guān)系　81
2．2　ETL過程　81
2．2．1　數(shù)據(jù)抽取　82
2．2．2　數(shù)據(jù)轉(zhuǎn)換　82
2．2．3　數(shù)據(jù)清洗　82
2．2．4　數(shù)據(jù)裝載　83
2．3　數(shù)據(jù)倉庫模型　83
2．3．1　數(shù)據(jù)模型　84
2．3．2　如何建設(shè)數(shù)據(jù)模型　84
2．3．3　數(shù)據(jù)倉庫建模樣例　88
2．4　數(shù)據(jù)倉庫工具Hive　91
2．6．1　Hive基本概念　91
2．6．2　Hive使用場景　91
2．6．3　Hive設(shè)計特點　91
2．6．4　Hive體系結(jié)構(gòu)　92
2．6．5　Hive數(shù)據(jù)存儲　93
2．6．6　HiveQL　93
實驗三　數(shù)據(jù)倉庫的建立　94
第3章　112
維　度 建 ?！?12
3．1　維度建模簡介　112
3．1．1　維度建模的概念　113
3．1．2　維度建模基本原則　114
3．2　維度表技術(shù)基礎(chǔ)　115
3．2．1　維度表結(jié)構(gòu)　115
3．2．2　維度代理鍵　116
3．3．3　多維體系結(jié)構(gòu)　116
3．3．4　緩慢變化維度　119
3．3　事實表技術(shù)基礎(chǔ)　121
3．3．1　事實表結(jié)構(gòu)　121
3．3．2　可加、半可加、不可加事實　121
3．3．3　事實表中的空值　122
3．3．4　事實表的三種基本類型　122
3．4　維度建模設(shè)計的主要流程　123
3．4．1　選擇業(yè)務(wù)過程　123
3．4．2　聲明粒度　124
3．4．3　確認(rèn)維度　124
3．4．4　確認(rèn)事實　125
3．5　維度模型的誤區(qū)　125
3．5．1　誤區(qū)1：維度模型僅用于匯總數(shù)據(jù)　126
3．5．2　誤區(qū)2：維度模型是部門級的而不是企業(yè)級的　126
3．5．3　誤區(qū)3：維度模型是不可擴展的　126
3．5．4　誤區(qū)4：維度模型僅可用于預(yù)測　126
3．5．5　誤區(qū)5：維度模型不能集成　127
實驗四　使用Schema Workbench創(chuàng)建Cube　127
第4章　145
在線分析處理-OLAP　145
4．1　OLAP簡介　146
4．1．1　OLAP基本概念　147
4．1．2　OLAP特性　150
4．1．3　OLAP多維數(shù)據(jù)結(jié)構(gòu)　150
4．1．4　OLAP應(yīng)用　154
4．2　OLAP多維數(shù)據(jù)分析　155
4．2．1　切片和切塊　156
4．2．2　鉆取　157
4．2．3　旋轉(zhuǎn)/轉(zhuǎn)軸　157
4．3　OLAP分類　158
4．3．1　OLAP分類　158
4．3．2　ROLAP、MOLAP與HOLAP　158
4．3．3　多維數(shù)據(jù)模式　160
4．3．4　OLAP體系結(jié)構(gòu)　162
4．3．5　OLAP與OLTP的區(qū)別　163
4．4　從OLAP到數(shù)據(jù)挖掘　163
4．4．1　信息處理　163
4．4．2　OLAP和數(shù)據(jù)挖掘的關(guān)系　164
4．4．3　多維數(shù)據(jù)挖掘　164
4．5　OLAP操作語言　165
4．5．1　MDX　166
4．5．2　MDX查詢語句　167
4．5．3　SQL和MDX的區(qū)別　168
4．5．4　MDX表示　170
4．5．5　成員屬性和單元屬性　170
4．5．6　MDX查詢結(jié)構(gòu)　173
4．6　主流的OLAP工具　174
4．6．1　OLAP產(chǎn)品　174
4．6．2　主流OLAP產(chǎn)品比較　176
4．6．3　OLAP實現(xiàn)過程　176
實驗五　在線分析　177
第5章　187
商務(wù)智能在零售業(yè)方面的應(yīng)用　187
5．1　零售業(yè)商務(wù)智能現(xiàn)狀　187
5．2　顧客關(guān)系管理　188
5．3　零售管理業(yè)務(wù)優(yōu)化　189
5．4　日常經(jīng)營分析　190
5．4．1　商品分析　190
5．4．2　銷售分析　190
5．4．3　會員卡分析　191
5．4．4　財務(wù)分析　191
5．5　零售業(yè)案例　193
5．5．1　數(shù)據(jù)倉庫的搭建　194
5．5．2　粒度設(shè)計　195
5．5．3　星型模型設(shè)計　196
5．5．4　ETL設(shè)計　200
5．5．5　OLAP的實現(xiàn)　202
5．5．6　數(shù)據(jù)挖掘　205
實驗六、購物清單關(guān)聯(lián)性分析　212
第6章　222
商務(wù)智能在客戶關(guān)系管理中的應(yīng)用　222
6．1　CRM概述　222
6．1．1　客戶智能　222
6．1．2　數(shù)據(jù)挖掘應(yīng)用于客戶關(guān)系管理　224
6．1．3　客戶智能案例　226
6．2　客戶細分　227
6．3　客戶識別和客戶保留　228
6．3．1　數(shù)據(jù)挖掘應(yīng)用于客戶獲取　228
6．3．2　通過當(dāng)前客戶了解潛在客戶　229
6．3．3　客戶保留　230
6．4　客戶維度與屬性　232
6．4．1　名字與地址的語法分析　233
6．4．2　國際姓名和地址的考慮　234
6．4．3　客戶為中心的日期　236
6．4．4　基于事實表匯聚的維度屬性　236
6．4．5　分段屬性與記分　237
6．4．6　客戶維變化的計算　239
6．4．7　低粒度屬性集合的維度表　239
6．4．8　客戶層次的考慮　240
6．5　復(fù)雜的客戶行為　241
6．5．1　行為類型分析　241
6．5．2　連續(xù)行為分析　242
6．5．3　行為分析模型　243
6．5．3　時間范圍事實表　245
6．5．4　使用滿意度指標(biāo)標(biāo)記事實表　246
6．5．5　使用異常情景指標(biāo)標(biāo)記事實表　247
實驗七　航空客運信息挖掘　247
第7章　268
商務(wù)智能在電信行業(yè)的應(yīng)用　268
7．1　電信業(yè)商務(wù)智能現(xiàn)狀　268
7．2　應(yīng)用商務(wù)智能的重要意義和必要性　269
7．3　商務(wù)智能在電信行業(yè)的應(yīng)用　270
7．4　商務(wù)智能關(guān)鍵技術(shù)在電信中的應(yīng)用　274
7．4．1　OLAP在電信中的應(yīng)用　274
7．4．2　數(shù)據(jù)挖掘在電信中的應(yīng)用　275
7．5　數(shù)據(jù)分析模型　278
7．5．1　大客戶資料分析主題的構(gòu)建　278
7．5．2　網(wǎng)絡(luò)狀況分析主題的構(gòu)建　280
7．6　數(shù)據(jù)采集與ETL處理　282
7．6．1　數(shù)據(jù)采集清洗　282
7．6．2　數(shù)據(jù)源轉(zhuǎn)換、重整及匯總　283
7．7　OLAP案例研究　283
7．7．1　分析主題的確定　284
7．7．2　選擇分析方法　284
7．7．3　定義分析維度　284
7．7．4　根據(jù)具體分析主題構(gòu)造OLAP立方體　285
7．7．5　解析分析結(jié)果　286
7．8　數(shù)據(jù)挖掘在電信行業(yè)的應(yīng)用實例分析　287
7．8．1　應(yīng)用決策樹算法進行客戶流失分析　287
7．8．2　應(yīng)用聚類分析對電信客戶進行細分　289
7．8．3　應(yīng)用數(shù)據(jù)挖掘預(yù)防電信欺詐　293
實驗八　移動用戶分析　296
第8章　312
商務(wù)智能在教育方面的應(yīng)用　312
8．1　商務(wù)智能在教育行業(yè)的現(xiàn)狀　312
8．2　商務(wù)智能在教育行業(yè)的應(yīng)用　313
8．2．1　商務(wù)智能在學(xué)生管理方面的應(yīng)用　313
8．2．2　商務(wù)智能在課程管理方面的應(yīng)用　315
8．2．3　商務(wù)智能在設(shè)施管理方面的應(yīng)用　316
8．2．4　商務(wù)智能在教工管理方面的應(yīng)用　317
8．2．5　商務(wù)智能在科研管理方面的應(yīng)用　318
8．3　大學(xué)案例總線矩陣　319
8．4　商務(wù)智能在教育行業(yè)案例　320
8．4．1　背景　320
8．4．2　數(shù)據(jù)倉庫設(shè)計　321
8．4．3　OLAP設(shè)計　332
8．4．4　數(shù)據(jù)挖掘設(shè)計　339
8．4．5　分析和評估　346
實驗九　學(xué)生興趣愛好分析　351
第9章　360
商務(wù)智能在電子商務(wù)方面的應(yīng)用　360
9．1　商務(wù)智能在智能搜索方面的應(yīng)用　360
9．1．1　網(wǎng)絡(luò)機器人　361
9．1．2　文本分析　362
9．1．3　搜索條件的獲取和分析　363
9．1．4　信息的搜索和排序　364
9．2　商務(wù)智能在電子商務(wù)情感分析方面的應(yīng)用　366
9．2．1　評論數(shù)據(jù)收集及處理　367
9．2．2　擴展特征向量構(gòu)造　367
9．2．3　情感詞庫構(gòu)建　368
9．2．4　情感分析模型　368
9．2．5　情感傾向值計算　368
9．3　商務(wù)智能在智能推薦技術(shù)方面的應(yīng)用　369
9．3．1　智能推薦產(chǎn)生背景及定義　369
9．3．2　智能推薦主要算法　371
9．3．3　智能推薦在電子商務(wù)中的應(yīng)用　373
實驗十　消費者聲音情感分析　375
參考文獻　385