商務(wù)智能（第3版）

第1章  商務(wù)智能概論
1．1  商業(yè)決策需要商務(wù)智能
1．1．1  數(shù)據(jù)、信息與知識(shí)
1．1． 2  管理就是決策
1．1．3  決策需要信息和知識(shí)
1． 1．4  智能型企業(yè)
1．1．5  商務(wù)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(wù)智能簡(jiǎn)介
l． 2．1  商務(wù)智能概念
1．2．2  商務(wù)智能的發(fā)展
1．2．3  商務(wù)智能的價(jià)值
1．3  商務(wù)智能系統(tǒng)的功能
1．4  商務(wù)智能的應(yīng)用
本章參考文獻(xiàn)
思考題
第二部分  商務(wù)智能核心技術(shù)
第2章  商務(wù)智能系統(tǒng)架構(gòu)
2．1  商務(wù)智能系統(tǒng)的組成
2． 2  數(shù)據(jù)集成
本章參考文獻(xiàn)
思考題
第3章  數(shù)據(jù)倉(cāng)庫(kù)
3．1  從數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù)
3．2  數(shù)據(jù)倉(cāng)庫(kù)的概念
3．3  數(shù)據(jù)集市
3．4  元數(shù)據(jù)
3． 5  ETL
3．6  操作數(shù)據(jù)存儲(chǔ)
3．7  數(shù)據(jù)倉(cāng)庫(kù)模型
3．8  數(shù)據(jù)挖掘查詢(xún)語(yǔ)言
3．9  醫(yī)保數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)
本章參考文獻(xiàn)
思考題
第4章  在線(xiàn)分析處理
4．l  OLAP簡(jiǎn)介
4．2  0LTP與OLAP的區(qū)別
4．3  OLAP操作
4．4  OLAP的分類(lèi)
4．5  OLAP操作語(yǔ)言
本章參考文獻(xiàn)
思考題
第5章  數(shù)據(jù)挖掘
5．1  數(shù)據(jù)挖掘的基礎(chǔ)
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(guò)程
5．1．4  數(shù)據(jù)挖掘原語(yǔ)與語(yǔ)言
5．1．5  基于組件的數(shù)據(jù)挖掘
5．1．6  可視化技術(shù)
5．1．7  數(shù)據(jù)挖掘的隱私保護(hù)
5．2  數(shù)據(jù)挖掘的典型應(yīng)用領(lǐng)域
5． 3  數(shù)據(jù)預(yù)處理
5．4  聚類(lèi)分析
5．4．1  聚類(lèi)的概念
5．4． 2  聚類(lèi)分析的統(tǒng)計(jì)量
5．4．3  常用聚類(lèi)算法
5．4．4  其他聚類(lèi)方法
5．4．5  離群點(diǎn)檢測(cè)
5．5  分類(lèi)分析
5．5．1  貝葉斯分類(lèi)器
5．5．2  決策樹(shù)
5．5．3  支持向量機(jī)
5．5．4  BP神經(jīng)網(wǎng)絡(luò)
5．5．5  其他分類(lèi)方法
5．6  關(guān)聯(lián)分析
5．6．1  關(guān)聯(lián)規(guī)則
5．6． 2  Apfiori算法
5．6．3  FP增長(zhǎng)算法
5．6．4  其他關(guān)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(lèi)Apriori算法
5． 8  回歸分析
5．8．1  一元回歸分析
5．8．2  多元線(xiàn)性回歸分析
5．8．3  其他回歸分析
5．9  時(shí)間序列分析
5．10  數(shù)據(jù)挖掘技術(shù)與應(yīng)用的發(fā)展方向
本章參考文獻(xiàn)
思考題
第三部分  商務(wù)智能應(yīng)用
第6章  移動(dòng)商務(wù)智能
6．1  移動(dòng)商務(wù)
6．2  商務(wù)智能在移動(dòng)商務(wù)中的應(yīng)用
本章參考文獻(xiàn)
思考題
第7章  商務(wù)智能與知識(shí)管理
7．1  知識(shí)管理
7．2  知識(shí)管理與商務(wù)智能的關(guān)系
7．2．1  商務(wù)智能與知識(shí)管理的區(qū)別
7．2．2  商務(wù)智能與知識(shí)管理的聯(lián)系
本章參考文獻(xiàn)
思考題
第8章  Web挖掘
8．1  Web挖掘基礎(chǔ)
8．2  Web內(nèi)容挖掘
8．3  Web結(jié)構(gòu)挖掘
8．4  Web日志挖掘
本章參考文獻(xiàn)
思考題
第9章  商務(wù)智能在企業(yè)績(jī)效管理中的應(yīng)用
9．1  企業(yè)績(jī)效管理的層次
9．2  商務(wù)智能貫穿企業(yè)績(jī)效管理的閉環(huán)流程
9．3  商務(wù)智能在企業(yè)績(jī)效管理中的應(yīng)用
9．4  商務(wù)智能給企業(yè)績(jī)效管理帶來(lái)的價(jià)值
本章參考文獻(xiàn)
思考題
第10章  數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用
10．1  電子商務(wù)需要數(shù)據(jù)挖掘
10．2  顧客管理
10．3  網(wǎng)站結(jié)構(gòu)優(yōu)化
10．4  智能搜索引擎
10．5  異常事件確定
章參考文獻(xiàn)
思考題
第11章  工作流挖掘
11．1  工作流挖掘的發(fā)展
11．2  工作流挖掘的概念與作用
11．2．1  工作流挖掘的概念
11．2．2  工作流挖掘的作用
11．3  工作流挖掘的內(nèi)容
11．3．1  工作流模型的重構(gòu)
11． 3． 2  工作流的監(jiān)控與工作流挖掘的評(píng)價(jià)
11．3．3  組織視圖挖掘
11．4  工作流挖掘的應(yīng)用
11．4．1  流程監(jiān)控
11．4．2  流程優(yōu)化
11．4．3  社會(huì)關(guān)系分析
11．4．4  工作流挖掘在其他領(lǐng)域中的應(yīng)用
章參考文獻(xiàn)
思考題
第12章  RFID數(shù)據(jù)挖掘
12． 1  RFID數(shù)據(jù)挖掘的發(fā)展
12．2  RFID數(shù)據(jù)挖掘的作用
12．3  RFID數(shù)據(jù)分析的典型應(yīng)用
12．3．1  零售倉(cāng)儲(chǔ)
12．3． 2  通關(guān)檢查
12．3．3  運(yùn)輸管理
12．3． 4  醫(yī)療管理
12．3．5  其他應(yīng)用
本章參考文獻(xiàn)
思考題
第13章  大數(shù)據(jù)分析
13．1  大數(shù)據(jù)的處理模式
13．2  大數(shù)據(jù)分析的基本流程
13．3  大數(shù)據(jù)分析方法
13．4  基于新浪微博的情感分析
13．5  基于表情符號(hào)的微博情感預(yù)測(cè)
本章參考文獻(xiàn)
思考題
第四部分  商務(wù)智能發(fā)展
第14章  商務(wù)智能進(jìn)展
14．1  商務(wù)智能應(yīng)用趨勢(shì)
14．2  商務(wù)智能在中國(guó)的發(fā)展
14．3  商務(wù)智能動(dòng)態(tài)
本章參考文獻(xiàn)
思考題
第五部分  實(shí)驗(yàn)
第15章  商務(wù)智能實(shí)驗(yàn)
15．1  使用SAP Crystal Reports創(chuàng)建報(bào)表
15．2  使用SAP Crystal Dashboard Design 2011創(chuàng)建儀表盤(pán)
15．3  基于IBM Cognos 10的數(shù)據(jù)分析
15．3．1  使用IBM Cognos 10創(chuàng)建報(bào)表
15．3．2  基于IBM Cognos 10的多維分析
15．3．3  使用Query Studio創(chuàng)建自助查詢(xún)
15．4  基于IBM SPSS Modeler 14．2的數(shù)據(jù)挖掘
思考題