隨著大數(shù)據(jù)、人工智能、云計算以及管理科學理論的發(fā)展，數(shù)據(jù)分析成為商業(yè)分析必不可少的內容。本教材綜合傳統(tǒng)數(shù)據(jù)分析和機器學習最新理論內容，共包括八個部分（導論、數(shù)據(jù)預處理、商業(yè)數(shù)據(jù)統(tǒng)計分析、數(shù)據(jù)挖掘與機器學習、文本挖掘與情感分析、數(shù)據(jù)可視化、商業(yè)決策分析、2個數(shù)據(jù)分析綜合案例），以數(shù)據(jù)分析流程為主線，既涵蓋了數(shù)據(jù)分析的理論內容，又避免了與相關課程的簡單重復。
更多科學出版社服務，請掃碼獲取。
參與《投資項目評價》、《管理預測與決策方法》、《應用多元統(tǒng)計分析》等3部著作、教材的編著。
目錄
第一章 導論1
第一節(jié) 什么是商業(yè)數(shù)據(jù)分析1
第二節(jié) 數(shù)據(jù)分類與數(shù)據(jù)模型4
第三節(jié) 大數(shù)據(jù)時代的商業(yè)數(shù)據(jù)分析10
第四節(jié) 大數(shù)據(jù)在數(shù)據(jù)分析中的應用18
第五節(jié) 商業(yè)數(shù)據(jù)分析工具21
本章習題31
第二章 數(shù)據(jù)預處理32
第一節(jié) 數(shù)據(jù)預處理概述32
第二節(jié) 數(shù)據(jù)質量34
第三節(jié) 數(shù)據(jù)審計35
第四節(jié) 數(shù)據(jù)清洗36
第五節(jié) 數(shù)據(jù)變換42
第六節(jié) 數(shù)據(jù)集成和數(shù)據(jù)排序44
第七節(jié) 其他數(shù)據(jù)預處理46
本章習題48
第三章 商業(yè)數(shù)據(jù)統(tǒng)計分析50
第一節(jié) 回歸分析50
第二節(jié) 方差分析62
第三節(jié) 時間序列分析72
第四節(jié) 灰色預測模型83
本章習題88
第四章 數(shù)據(jù)挖掘與機器學習92
第一節(jié) 數(shù)據(jù)挖掘基本概念92
第二節(jié) 機器學習基本概念96
第三節(jié) 一元線性回歸機器學習103
第四節(jié) 分類機器學習107
第五節(jié) 神經(jīng)網(wǎng)絡與深度學習110
第六節(jié) 機器學習典型算法120
本章習題124
第五章 文本挖掘與情感分析125
第一節(jié) 文本挖掘概述125
第二節(jié) 文本挖掘過程129
第三節(jié) 文本挖掘工具143
第四節(jié) 文本情感分析144
本章習題152
第六章 數(shù)據(jù)可視化153
第一節(jié) 數(shù)據(jù)可視化概述153
第二節(jié) 數(shù)據(jù)可視化的實現(xiàn)過程和方法體系157
第三節(jié) 數(shù)據(jù)可視化工具159
本章習題167
第七章 商業(yè)決策分析171
第一節(jié) 決策分析概述171
第二節(jié) 確定型決策分析180
第三節(jié) 不確定型決策分析182
第四節(jié) 風險型決策分析184
第五節(jié) 多屬性決策方法193
第六節(jié) 灰色決策202
本章習題215
第八章 住院費用影響因素挖掘219
第一節(jié) 案例背景219
第二節(jié) 數(shù)據(jù)預處理220
第三節(jié) 不同治療類別的治療費用差異分析225
第四節(jié) 住院費用的影響因素分析234
結論238
第九章 基于大數(shù)據(jù)分析平臺的L集團銷售商機預測239
第一節(jié) 案例背景239
第二節(jié) L集團銷售過程管理240
第三節(jié) L集團銷售線索管理243
第四節(jié) 銷售商機分析大數(shù)據(jù)平臺建設245
第五節(jié) 銷售商機分析大數(shù)據(jù)平臺應用250
參考文獻255
書單推薦
