商务智能

Business Intelligence： A Managerial Perspective On Analytics， 3E出版者的话译者序前言作者简介第1章　商务智能、数据分析和决策支持概述1.1　开篇小插曲：Magpie Sensing公司使用分析技术高效而安全地管理疫苗供应链1.2　变化的商业环境和计算机决策支持1.3　商务智能架构1.3.1　BI的定义1.3.2　BI的简史1.3.3　BI的架构1.3.4　BI的起源和驱动力1.3.5　BI中的多媒体练习1.4　智能产生、使用与商务智能治理1.4.1　智能产生和使用的循环过程1.4.2　智能与窃取1.5　事务处理与分析处理1.6　成功的BI实施1.6.1　典型的BI用户群体1.6.2　合理规划与业务战略的统一1.6.3　实时的、随需应变的BI是可以实现的1.6.4　开发或收购BI系统1.6.5　理由和成本 -收益分析1.6.6　安全和隐私保护1.6.7　系统和应用的集成1.7　数据分析概述1.7.1　描述性分析1.7.2　预测性分析1.7.3　规范性分析1.7.4　应用于不同领域的数据分析1.7.5　数据分析还是数据科学1.8　大数据分析简介1.9　本书的安排1.10　资源、链接和Teradata大学网络连接1.10.1　资源和链接1.10.2　供应商、产品和演示1.10.3　期刊1.10.4　Teradata大学网络连接1.10.5　本书的网站本章要点关键词问题讨论练习章末应用案例参考文献第2章　数据仓库2.1　开篇小插曲：卡普里岛赌场利用企业数据仓库获胜2.2　数据仓库的定义和概念2.2.1　什么是数据仓库2.2.2　数据仓库历史透视2.2.3　数据仓库的特点2.2.4　数据集市2.2.5　操作数据存储2.2.6　企业数据仓库2.2　元数据2.3　数据仓库流程概述2.4　数据仓库架构2.4.1　可选的数据仓库架构2.4.2　哪种架构最好2.5　数据集成以及提取、转换和加载过程2.5.1　数据集成2.5.2　提取、转换和加载2.6　数据仓库的开发2.6.1　数据仓库开发方法2.6.2　数据仓库开发的其他思考2.6.3　数据仓库中的数据表示2.6.4　数据仓库中的数据分析2.6.5　OLAP和OLTP2.6.6　OLAP操作2.7　数据仓库的实施问题2.8　实时数据仓库2.9　数据仓库管理、安全问题和未来趋势2.10　资源、链接和Teradata大学网络连接2.10.1　资源和链接2.10.2　案例2.10.3　供应商、产品和演示2.10.4　期刊2.10.5　其他参考文献2.10.6　Teradata大学网络连接本章要点关键词问题讨论练习章末应用案例参考文献第3章　业务报表、可视化分析与企业绩效管理3.1　开篇小插曲： 自助服务的报表环境为企业用户节省上百万美元3.2　业务报表的定义和概念3.2.1　什么是业务报表3.2.2　业务报表系统的组件3.3　数据与信息可视化3.4　不同类型的图表3.4.1　基本图表3.4.2　专用图表3.5　数据可视化与可视化分析的出现3.5.1　可视化分析3.5.2　高性能可视化分析环境3.6　绩效仪表盘3.6.1　仪表盘设计3.6.2　在仪表盘中寻找什么3.6.3　仪表盘设计的最佳实践3.6.4　根据行业标准建立 KPI 基准3.6.5　利用上下文元数据封装仪表盘度量3.6.6　通过可用性专家检验仪表盘设计3.6.7　在仪表盘中指定警报和异常的优先级3.6.8　使用用户评论丰富的仪表盘3.6.9　在3个不同层次展示信息3.6.10　使用仪表盘设计准则选择正确的可视化方式3.6.11　提供指导性分析3.7　企业绩效管理3.8　绩效度量3.8.1　关键绩效指标3.8.2　绩效度量系统3.9　平衡记分卡3.9.1　4个视角3.9.2　平衡在BSC中的意义3.9.3　仪表盘与平衡记分卡3.10　作为绩效度量系统的六西格玛3.10.1　DMAIC绩效模型3.10.2　平衡记分卡与六西格玛3.10.3　有效的绩效度量本章要点关键词问题讨论练习章末应用案例参考文献第4章　数据挖掘4.1　开篇小插曲：坎贝拉公司将高级分析和数据挖掘应用于更多客户4.2　数据挖掘概念和应用4.2.1　定义、特征和优势4.2.2　数据挖掘原理4.2.3　数据挖掘与统计学4.3　数据挖掘应用4.4　数据挖掘过程4.4.1　步骤1：业务理解4.4.2　步骤2：数据理解4.4.3　步骤3：数据准备4.4.4　步骤4：建模4.4.5　步骤5：测试和评估4.4.6　步骤6：部署4.4.7　其他标准化的数据挖掘过程和方法4.5　数据挖掘方法4.5.1　分类4.5.2　估算分类模型的准确率4.5.3　数据挖掘聚类分析4.5.4　关联规则挖掘4.6　数据挖掘软件工具4.7　数据挖掘的隐私问题、谬误和隐患4.7.1　数据挖掘和隐私问题4.7.2　数据挖掘谬误和隐患本章要点关键词问题讨论练习章末应用案例参考文献第5章　文本与Web分析5.1　开篇小插曲：《危险边缘》上的人机大战：Watson的故事5.2　文本分析和文本挖掘概述5.3　自然语言处理5.4　文本挖掘应用5.4.1　营销应用5.4.2　安全应用5.4.3　生物医学应用5.4.4　学术应用5.5　文本挖掘过程5.5.1　任务1：建立语料库5.5.2　任务2：创建词项-文档矩阵5.5.3　任务3：提取知识5.6　情感分析5.6.1　情感分析应用5.6.2　情感分析过程5.6.3　极性识别方法5.6.4　使用词典5.6.5　使用训练文档集5.6.6　识别句子和短语的语义倾向5.6.7　识别文档的语义倾向5.7　Web挖掘概述5.8　搜索引擎5.8.1　搜索引擎剖析5.8.2　开发环5.8.3　网络爬虫5.8.4　文档索引器5.8.5　响应环5.8.6　查询分析器5.8.7　文档匹配器/排名器5.8.8　搜索引擎优化5.8.9　搜索引擎优化的方法5.9　Web使用挖掘（Web分析）5.9.1　Web分析技术5.9.2　Web分析度量5.9.3　网站可用性5.9.4　流量来源5.9.5　访客特征5.9.6　转化统计5.10　社交分析5.10.1　社交网络分析5.10.2　社交网络分析度量5.10.3　联系5.10.4　分布5.10.5　分割5.10.6　社交媒体分析5.10.7　人们如何使用社交媒体5.10.8　评估社交媒体的影响5.10.9　社交媒体分析的最佳实践本章要点关键词问题讨论练习章末应用案例参考文献第6章　大数据与分析6.1　开篇小插曲：当大数据遇上大数据科学6.2　大数据的定义6.3　大数据分析基础6.4　大数据技术6.4.1　MapReduce6.4.2　为什么使用MapReduce6.4.3　Hadoop6.4.4　Hadoop如何工作6.4.5　Hadoop技术组件6.4.6　Hadoop：利与弊6.4.7　NoSQL6.5　数据科学家6.6　大数据和数据仓库6.6.1　Hadoop的使用案例6.6.2　数据仓库的使用案例6.6.3　灰色区域（任意一个都能胜任）6.6.4　Hadoop和数据仓库共存6.7　大数据供应商6.8　大数据与流分析6.8.1　流分析与持久性分析6.8.2　关键事件处理6.8.3　数据流挖掘6.9　流分析的应用6.9.1　电子商务6.9.2　电信6.9.3　法律实施与网络安全6.9.4　电力行业6.9.5　金融服务6.9.6　健康科学6.9.7　政府本章要点关键词问题讨论练习章末应用案例参考文献第7章　业务分析：趋势与前景7.1　开篇小插曲：俄克拉荷马州天然气及电力公司利用数据分析促进智能能源使用7.2　为组织提供基于位置的分析7.2.1　地理空间分析7.2.2　实时位置智能7.3　面向消费者的分析应用7.4　推荐引擎7.5　Web 2.0革命和在线社交网络7.5.1　Web 2.0的典型特征7.5.2　社交网络7.5.3　定义和基本信息7.5.4　商业和企业社交网络7.6　云计算与商务智能7.6.1　面向服务的DSS7.6.2　数据即服务7.6.3　信息即服务7.6.4　分析即服务7.7　数据分析对组织的影响7.7.1　新的组织结构7.7.2　重构业务流程和虚拟团队7.7.3　工作满意度7.7.4　工作压力和焦虑7.7.5　分析工具对管理人员活动和绩效的影响7.8　法律、隐私和道德问题7.8.1　法律问题7.8.2　隐私7.8.3　最近涉及隐私和数据分析的技术问题7.8.4　决策中的道德问题和支持7.9　数据分析生态系统7.9.1　数据分析行业的类别7.9.2　数据基础设施供应商7.9.3　数据仓库行业7.9.4　中间件/BI平台行业7.9.5　数据聚合商与分发商7.9.6　专注于分析的软件开发者7.9.7　报表和分析7.9.8　预测性分析7.9.9　规范性分析7.9.10　特定行业或通用的应用开发者、系统集成者7.9.11　分析工具的用户组织7.9.12　行业分析师和影响者7.9.13　教育机构和认证机构本章要点关键词问题讨论练习章末应用案例参考文献索引

n 　　管理导向：《商务智能：数据分析的管理视角（原书第3版）》主要从管理视角详细介绍商务智能的应用和实施，同时非常重视商务智能技术层面的应用，尤其是最新出现的一些新领域、新应用。　　真实案例：通过大量全球大公司、小企业、政府机构和非营利组织的真实案例来生动形象地阐述相关概念和理论。　　集成系统：《商务智能：数据分析的管理视角（原书第3版）》强调支持企业和众多用户的系统，而不是孤立的基于互联网的商务智能系统。　　热点研究：本书分别从理论和应用角度对无线射频识别、云计算、社交网络、Web2.0、大数据等进行了阐述。更多精彩，点击进入品牌店查阅《商务智能：数据分析的管理视角（原书第3版）》侧重于商务智能和为企业决策提供支持的业务分析。书中不仅介绍了传统的商务智能基本理论和应用，还介绍了当前商务智能涉及的新技术和新趋势，如社交网络、云计算、数据分析生态系统以及法律、隐私和道德问题等。　　《商务智能：数据分析的管理视角（原书第3版）》可以作为管理科学、电子商务和企业管理等专业的MBA、研究生以及本科生商务智能、决策支持系统等课程的教材，也可以作为管理信息系统、商务数据分析等课程的辅助教材，还适合从事企业信息管理、业务分析的人士阅读。【作者简介】　拉姆什·沙尔达（Ramesh Sharda）博士，商业主管项目主任，信息系统研究所所长，康菲石油公司技术管理主席，俄克拉荷马州立大学斯皮尔斯商学院管理科学与信息系统的杰出贡献教授，信息系统协会决策支持系统和知识管理专业组（SIGDSS）的共同创办人，服务于多个编辑委员会。他的研究方向包括决策支持系统、商务分析、信息过载管理技术。　　杜尔森·德伦（Dursun Delen）博士，俄克拉荷马州立大学斯皮尔斯商学院管理科学与信息系统教授，创新医疗系统研究中心主任，业务分析教授。他的研究方向包括数据和文本挖掘、业务分析、决策支持系统、知识管理、商务智能和企业建模。　　埃弗雷姆·特班（Efraim Turban）博士，夏威夷大学太平洋信息系统管理研究院访问学者，曾经就职于多所大学，包括香港城市大学、里海大学、佛罗里达国际大学、加利福尼亚州立大学长滩分校、东伊利诺伊大学以及南加利福尼亚大学。他还是世界各地许多公司的咨询师。他的研究方向包括基于Web的决策支持系统、社会化电子商务和协同决策