商務智能是近年來企業(yè)信息化的熱點,有著廣闊的應用前景。本書首先系統(tǒng)地介紹商務智能的基本概念、商務智能系統(tǒng)的架構以及數(shù)據(jù)倉庫、在線分析處理和數(shù)據(jù)挖掘等核心技術。在此基礎上,討論商務智能在電子商務、移動商務、企業(yè)績效管理等領域的應用,并分析大數(shù)據(jù)分析、大模型技術在商務智能領域的應用。此外,通過八爪魚、Tableau、帆軟等主流的商務智能技術進行實驗,增強讀者的應用能力。本書內容新穎、全面,案例豐富,適合作為計算機應用、軟件工程、信息管理、電子商務和管理科學等相關專業(yè)本科生和研究生的教材,也可作為從事數(shù)據(jù)分析的信息化人員的參考資料。
本書緊跟時代步伐,及時吸納了企業(yè)數(shù)字化、大模型應用分析等趨勢;內容的系統(tǒng)性安排,讓讀者能夠循序漸進地構建起商務智能的完整知識體系。重視實驗與應用環(huán)節(jié),通過精心設計的實驗項目和案例分析,引導讀者將所學知識應用于解決實際問題中,從而在動手操作中深化理解,提升實戰(zhàn)能力。
前言
在這個數(shù)字化時代,企業(yè)的數(shù)字化轉型正以前所未有的速度推進,對商務智能的作用提出了更高的要求。商務智能(business intelligence,BI)不再僅是后臺的數(shù)據(jù)分析工具,而是成為企業(yè)決策的前臺支撐,其內涵也隨之得到了擴展!渡虅罩悄埽ǖ诹妫氛窃谶@樣的背景下應運而生,旨在為讀者提供一個全面、深入、與時俱進的商務智能學習教材。
隨著人工智能技術的快速發(fā)展,尤其是大模型技術的出現(xiàn),商務智能領域迎來了新的技術推動力。這些技術不僅極大地擴展了商務智能的處理能力,使其能夠處理更大規(guī)模的數(shù)據(jù)集,挖掘更深層次的洞見,而且在更短的時間內做出更精準的預測。更重要的是,大模型技術使商務智能的應用更加業(yè)務化,推動了自助式商務智能的發(fā)展,讓非技術背景的業(yè)務人員也能輕松地利用數(shù)據(jù)進行決策支持。
作者在前五版的基礎上,參考商務智能技術和應用的發(fā)展,并吸收了廣大讀者的建議,對第五版進行了如下修訂:
(1) 刪除了一些難懂且偏學術的內容,如OLAP操作語言、工作流挖掘、RFID數(shù)據(jù)挖掘、商務智能與知識管理等,這些內容雖然在某些特定領域仍有其價值,但對于大多數(shù)商務智能實踐者來說,已經(jīng)不再是關注的重點。
(2) 補充了大模型技術在商務智能中的應用,這些內容涵蓋了的算法、模型和工具,幫助讀者理解并應用這些技術解決實際問題,使商務智能更加貼近業(yè)務需求。
(3) 為了加強理論與實踐的結合,強化了實驗內容,補充了更多的實驗案例和一個綜合的實訓案例:銀行欺詐與拖欠行為分析,提升了教材的實用性。這些實驗不僅能夠幫助讀者更好地理解商務智能的概念和技術,還能夠提高他們的實際操作能力。
(4) 優(yōu)化了配套網(wǎng)課。為了配合混合式的教學,作者在超星教學平臺開發(fā)了配套的在線視頻課(商務數(shù)據(jù)分析): https://mooc11.chaoxing.com/course/100564035.html。除了課程視頻外,每個單元還提供了選擇題、參考案例以及Python程序等內容,便于讀者自學。
(5) 開發(fā)了在線實驗案例。為了便于讀者動手練習,作者在頭歌平臺開發(fā)了在線的機器學習實踐課程(https://www.educoder.net/paths/ygpm7bqe),不用安裝軟件,就可以在線上動手練習,促進了實驗教學。
在教材的編寫過程中,研究生崔德華、歐家發(fā)等參與了部分資料的收集和校對工作,在此特表感謝。由于作者水平有限,書中有不到之處,敬請批評指正。
趙衛(wèi)東
2025年1月于復旦大學
目錄
優(yōu)質部分商務智能基礎
第1章商務智能概論
1.1商業(yè)決策需要商務智能
1.1.1數(shù)據(jù)、信息與知識
1.1.2管理就是決策
1.1.3決策需要信息和知識
1.1.4智能型企業(yè)
1.1.5商務智能支持商業(yè)決策
1.1.6新一代的決策支持系統(tǒng)
1.2商務智能簡介
1.2.1商務智能的概念
1.2.2商務智能的發(fā)展
1.2.3商務智能的價值
1.3商務智能系統(tǒng)的功能
1.4商務智能的應用
1.5企業(yè)數(shù)字化轉型
1.6人工智能增強的商務智能
思考題
第二部分商務智能核心技術
第2章商務智能系統(tǒng)架構
2.1商務智能系統(tǒng)的組成
2.2數(shù)據(jù)集成
思考題
第3章數(shù)據(jù)倉庫
3.1從數(shù)據(jù)庫到數(shù)據(jù)倉庫
3.2數(shù)據(jù)倉庫的概念
3.3數(shù)據(jù)集市
3.4元數(shù)據(jù)
3.5ETL
3.6操作型數(shù)據(jù)存儲
3.7數(shù)據(jù)倉庫模型
3.8數(shù)據(jù)挖掘查詢語言
3.9醫(yī)保數(shù)據(jù)倉庫設計
3.10數(shù)據(jù)湖
3.11數(shù)據(jù)中臺
思考題
第4章在線分析處理
4.1OLAP簡介
4.2OLTP與OLAP的區(qū)別
4.3OLAP操作
思考題
第5章數(shù)據(jù)挖掘
5.1數(shù)據(jù)挖掘的基礎
5.1.1數(shù)據(jù)挖掘的概念
5.1.2數(shù)據(jù)挖掘的發(fā)展
5.1.3數(shù)據(jù)挖掘的過程
5.1.4數(shù)據(jù)挖掘原語與語言
5.1.5基于組件的數(shù)據(jù)挖掘
5.1.6數(shù)據(jù)可視化
5.1.7數(shù)據(jù)挖掘的隱私保護
5.2數(shù)據(jù)挖掘的典型應用領域
5.3數(shù)據(jù)預處理
5.4聚類分析
5.4.1聚類的概念
5.4.2聚類分析的統(tǒng)計量
5.4.3常用聚類算法
5.4.4其他聚類方法
5.4.5離群點檢測
5.5分類分析
5.5.1貝葉斯分類器
5.5.2決策樹
5.5.3支持向量機
5.5.4反向傳播神經(jīng)網(wǎng)絡
5.5.5其他分類方法
5.6關聯(lián)分析
5.6.1關聯(lián)規(guī)則
5.6.2Apriori算法
5.6.3FP增長算法
5.6.4其他關聯(lián)規(guī)則挖掘算法
5.7序列模式挖掘
5.7.1基本概念
5.7.2類Apriori算法
5.8回歸分析
5.8.1一元回歸分析
5.8.2多元線性回歸分析
5.8.3其他回歸分析
5.9時間序列分析
5.10數(shù)據(jù)挖掘技術與應用的發(fā)展方向
思考題
第三部分商務智能應用
第6章移動商務智能
6.1移動商務
6.2商務智能在移動商務中的應用
思考題
第7章Web挖掘
7.1Web挖掘基礎
7.2Web內容挖掘
7.3Web結構挖掘
7.4Web日志挖掘
思考題
第8章商務智能在企業(yè)績效管理中的應用
8.1企業(yè)績效管理的層次
8.2商務智能貫穿企業(yè)績效管理的閉環(huán)流程
8.3商務智能與企業(yè)績效管理
8.4商務智能給企業(yè)績效管理帶來的價值
思考題
第9章數(shù)據(jù)挖掘在電子商務中的應用
9.1電子商務需要數(shù)據(jù)挖掘
9.2顧客管理
9.3網(wǎng)站結構優(yōu)化
9.4智能搜索引擎
9.5異常事件識別
思考題
第10章大數(shù)據(jù)分析
10.1大數(shù)據(jù)核心技術基礎
10.1.1大數(shù)據(jù)存儲
10.1.2大數(shù)據(jù)處理
10.1.3大數(shù)據(jù)應用
10.1.4Hadoop開源架構
10.2大數(shù)據(jù)分析的基本流程
10.3大數(shù)據(jù)分析和商務智能
思考題
第11章大模型技術應用
11.1大模型的特點和發(fā)展
11.2大模型技術與商務智能的融合
11.2.1數(shù)據(jù)分析自動化
11.2.2洞察能力提升
11.2.3自主性增強
11.2.4多模態(tài)數(shù)據(jù)處理
11.3自助式數(shù)據(jù)分析
11.4訊飛星火的數(shù)據(jù)分析助手
第四部分商務智能發(fā)展
第12章商務智能進展
12.1商務智能的應用趨勢
12.2商務智能在中國的發(fā)展
12.3商務智能動態(tài)
思考題
第五部分實驗
第13章商務智能實驗
13.1二手房價格可視化分析
13.2使用Tableau可視化進行數(shù)據(jù)聯(lián)動
13.3使用帆軟(FineReport)分析超市數(shù)據(jù)
13.3.1FineReport簡介
13.3.2FineReport上傳數(shù)據(jù)并對數(shù)據(jù)進行預處理
13.3.3FineReport圖表分析
13.3.4交互式操作
13.3.5FineReport圖表聯(lián)動操作
13.4銀行客戶流失分析
13.5銀行客戶分析
思考題
第14章綜合實訓: 銀行欺詐與拖欠行為分析
14.1用戶信用等級影響因素
14.1.1客戶申請數(shù)據(jù)預處理
14.1.2申請成功影響因素
14.2用戶信用等級影響因素
14.3基于消費的信用等級影響因素
14.4欺詐判斷模型
14.4.1基于Apriori算法的欺詐模型
14.4.2基于判別的欺詐模型
14.4.3基于分類算法的欺詐模型
14.5欺詐人口屬性分析
14.5.1欺詐人口屬性統(tǒng)計分析
14.5.2基于邏輯回歸的欺詐人口屬性分析
14.5.3逾期還款的客戶特征
14.5.4基于決策樹分析逾期客戶特征
14.5.5基于回歸分析逾期客戶特征
14.5.6根據(jù)消費歷史分析客戶特征
14.5.7基于聚類分析客戶特征
14.5.8基于聚類的客戶細分
思考題
附錄AAnaconda的安裝與使用