本书从商务智能的产生背景、发展历程入手，阐述了商务智能数据管理、商务智能数据分析、商务智能应用模式、商务智能管理变革、商务智能系统构建及商务智能未来趋势；介绍了商务智能的数据准备技术、数据存储技术、数据分析技术等；论述了商务智能系统的解决方案、行业应用、行业影响，以及在工业4.0背景下新的发展方向。本书在参考相关书籍的基础上，将案例、理论、方法、工具和实践相结合，将技术和管理相融合，覆盖多个学科，立足于当前大数据技术的发展和大数据政策的支持，探讨大数据环境下商务智能的发展，内容具有传承性、新颖性和启发性。

吴 江，博士生导师，武汉大学珞珈特聘教授；在华中科技大学管理学院获得博士学位，是美国卡内基梅隆大学计算机学院的联合培养博士。目前兼任湖北省电子商务学会秘书长、中国“双法”研究会计算机模拟分会常务理事、中国系统工程学会数据科学与知识系统工程专业委员会常务委员、中国科技情报学会健康信息学专委会副主任委员等职务。研究方向为商务数据智能、社会网络计算、元宇宙、乡村数字转型等。在国内外发表学术论文100多篇，出版学术专著2部。先后主持国家重点研发计划项目、教育部哲学社会科学研究重大课题攻关项目、国家高端智库项目、国家自然科学基金面上项目等10余项国家级项目。

目 录
第一篇 商务智能概述

第1章 商务智能基础 2
1.1 商务智能的基本概念 2
1.1.1 数据、信息、知识和智能 2
1.1.2 商务智能的定义 3
1.2 商务智能的发展历程 5
1.2.1 事务处理系统 5
1.2.2 高级管理人员信息系统 6
1.2.3 管理信息系统 6
1.2.4 决策支持系统 6
1.2.5 商务智能系统 7
1.3 大数据环境下的商务智能研究 7

第二篇 商务智能数据管理

第2章 数据管理与知识管理 13
2.1 主数据管理 14
2.1.1 主数据的概念 14
2.1.2 主数据管理的概念 15
2.1.3 主数据管理的优点 15
2.2 元数据管理 17
2.2.1 元数据的定义 17
2.2.2 元数据管理的定义 17
2.2.3 元数据管理平台的功能 17
2.2.4 元数据管理的意义 18
2.3 知识管理 21
2.3.1 知识管理的定义 21
2.3.2 知识管理的特点 21
第3章 数据整合与数据融合 23
3.1 数据整合 23
3.1.1 数据整合的概念 23
3.1.2 数据整合的挑战 24
3.1.3 数据整合的优势 25
3.1.4 数据整合的方式 26
3.2 数据融合 28
3.2.1 数据融合的目的 29
3.2.2 数据融合的特征 29
第4章 数据预处理 32
4.1 基本概念 32
4.2 数据清洗 33
4.2.1 缺失值 33
4.2.2 噪声数据 33
4.3 数据集成 34
4.3.1 实体识别问题 35
4.3.2 冗余和相关分析 35
4.4 数据归约 37
4.4.1 维度归约方法 37
4.4.2 维度变换方法 38
4.4.3 数据抽样方法 38
4.5 数据变换 39
4.5.1 规范化处理 40
4.5.2 离散化处理 40
4.5.3 稀疏化处理 41
第5章 数据仓库 45
5.1 数据仓库的定义及产生的背景 46
5.1.1 数据仓库的定义 46
5.1.2 数据仓库产生的背景 47
5.2 数据仓库的特点 47
5.2.1 面向主题 47
5.2.2 集成性 47
5.2.3 集合性 47
5.2.4 稳定性 47
5.2.5 时变性 48
5.2.6 决策支持 48
5.3 数据仓库的数据模型与应用 48
5.3.1 数据仓库中常见的数据模型 48
5.3.2 数据仓库的应用 49
5.4 数据存储 51
5.4.1 数据集市 51
5.4.2 数据中转区 51
5.4.3 可操作数据存储 52
5.4.4 个人数据存储 52
5.5 ETL 53
5.5.1 ETL的概念 53
5.5.2 ETL过程 53
5.5.3 典型ETL工具 54
5.6 联机分析处理 55
5.6.1 联机分析处理的定义 55
5.6.2 联机分析处理的特点 55
5.6.3 联机分析处理的分类 56
5.6.4 多维联机分析处理 56

第三篇 商务智能数据分析

第6章 描述性统计分析 61
6.1 描述性统计分析概述 61
6.2 常用的指标和统计图形 62
6.2.1 常用的指标 62
6.2.2 常用的统计图形 63
6.3 描述性统计分析实践 66
第7章 数据挖掘 72
7.1 数据挖掘简介 73
7.1.1 数据挖掘的定义 73
7.1.2 数据挖掘的任务 73
7.2 关联规则 73
7.2.1 关联规则的相关概念 74
7.2.2 关联规则的挖掘方法 75
7.2.3 关联规则的模型评估 80
7.3 分类分析 81
7.3.1 分类分析的基本概念 81
7.3.2 分类方法 82
7.3.3 分类分析的模型评估 86
7.4 聚类分析 88
7.4.1 聚类分析的基本概念 88
7.4.2 聚类方法 88
7.4.3 聚类分析的模型评估 92
7.5 预测分析 93
7.5.1 预测的基本概念 94
7.5.2 回归分析预测法 95
第8章 社会网络分析 101
8.1 社会网络分析的基础概念 101
8.1.1 社会网络 101
8.1.2 三元闭包 102
8.1.3 桥和捷径 102
8.2 社会网络分析的工具 102
8.2.1 社会网络分析工具简介 102
8.2.2 Networkx简介 104
8.3 社会网络分析的理论发展 106
8.3.1 七桥问题 107
8.3.2 “弱连接优势”理论 107
8.3.3 结构洞理论 108
8.3.4 小世界现象 108
8.3.5 长尾理论 109
8.4 社会网络分析的计算方法 111
8.4.1 社会网络在计算机中的表示 111
8.4.2 社会网络测量指标 111
8.5 社会网络分析在商务智能中的
应用 116
8.5.1 协同过滤推荐 116
8.5.2 长尾营销 117
第9章 文本挖掘 119
9.1 文本挖掘的概念和步骤 119
9.1.1 文本挖掘的基本概念 119
9.1.2 文本挖掘的具体步骤 120
9.2 文本挖掘的发展和前景 121
9.2.1 文本挖掘的发展 121
9.2.2 文本挖掘的前景 123
9.3 文本挖掘的关键技术 123
9.3.1 文本分类 123
9.3.2 文本聚类 125
9.3.3 文本摘要 126
9.3.4 主题模型 127
9.3.5 序列标注 128
第10章 知识图谱 130
10.1 知识图谱的基本概念和构建
步骤 130
10.1.1 知识图谱的基本概念 130
10.1.2 知识图谱的构建步骤 132
10.2 知识图谱的由来和发展 136
10.2.1 知识图谱的由来 136
10.2.2 知识图谱在相关领域的
发展 136
10.3 知识图谱的关键技术 137
10.3.1 知识图谱的技术流程 137
10.3.2 知识图谱的技术要素 138
10.4 知识图谱的行业应用与难点
问题 141
10.4.1 知识图谱的行业应用 141
10.4.2 知识图谱的难点问题 143
第11章 深度学习 145
11.1 深度学习概述 145
11.1.1 深度学习的起源和发展 145
11.1.2 深度学习的基本概念 146
11.2 神经网络 146
11.2.1 神经网络的基本概念 146
11.2.2 神经网络的工作原理 147
11.2.3 神经网络的训练循环 147
11.3 深度学习的经典模型及其
应用 148
11.3.1 卷积神经网络 148
11.3.2 循环神经网络 151
11.3.3 生成对抗网络 153
11.3.4 强化学习 153
11.4 深度学习的发展前景 154

第四篇 商务智能应用模式

第12章 决策支持 156
12.1 决策支持的基本理论 157
12.1.1 决策的定义与过程 157
12.1.2 基于决策支持系统的决策
支持 158
12.2 商务智能决策支持系统 161
12.2.1 商务智能决策支持系统的
功能和特点 161
12.2.2 商务智能决策支持系统体系
结构的发展 162
12.2.3 商务智能决策支持系统的
应用 163
12.3 企业商务智能决策支持系统的
架构与实现 164
12.3.1 企业商务智能决策支持系统
的架构 164
12.3.2 企业商务智能决策支持系统
的实现 166
第13章 精准营销 169
13.1 精准营销概述 170
13.1.1 精准营销的概念 170
13.1.2 精准营销的特征 171
13.1.3 精准营销的实现方法 171
13.2 推荐系统概述 172
13.2.1 推荐系统的发展背景 172
13.2.2 推荐系统的模块与分类 172
13.3 几种常见的推荐方法 174
13.3.1 基于用户的协同推荐 174
13.3.2 基于物品的协同推荐 175
13.3.3 隐语义模型方法 177
13.3.4 基于关联规则推荐 178
13.3.5 组合推荐 179
13.4 使用基于用户的推荐方法推荐
电影 180
13.5 推荐系统评测指标 183
13.5.1 用户满意度 183
13.5.2 预测准确率 183
13.5.3 覆盖率 184
13.5.4 多样性 185
13.5.5 新颖性和惊喜度 185
第14章 智能客服 188
14.1 客户关系管理 188
14.1.1 客户关系管理的定义 188
14.1.2 客户关系管理的应用层次 189
14.1.3 商务智能对客户关系管理
的支持 190
14.1.4 基于商务智能的客户关系
管理系统的结构 191
14.2 基于商务智能的客户关系管理
的应用设计 192
14.2.1 数据仓库的设计 192
14.2.2 客户关系管理的客户数据挖掘设计 192
14.3 智能客服概述 195
14.3.1 智能客服的发展现状 195
14.3.2 智能客服的概念 196
14.3.3 智能客服系统的原理 196
14.3.4 智能客服系统的关键技术 196
14.4.5 智能客服的应用 198
14.4 铁路12306线上智能客服
系统 199
14.4.1 背景 199
14.4.2 系统功能 199
14.4.3 系统架构 200
第15章 智能物流 202
15.1 传统物流与智能物流 202
15.1.1 传统物流的定义 202
15.1.2 智能物流的定义 203
15.2 智能物流的作用与特点 204
15.2.1 智能物流的作用 204
15.2.2 智能物流发展的特点 205
15.2.3 智能物流系统的特点 205
15.2.4 智能物流的技术特点 205
15.3 智能物流的关键技术—
RFID 206
15.3.1 RFID系统的基本结构 206
15.3.2 RFID标签 206
15.3.3 RFID技术与智能物流 207
15.3.4 RFID技术存在的问题 207
第16章 智慧医疗 209
16.1 智慧医疗概述 209
16.1.1 智慧医疗的起源 209
16.1.2 智慧医疗的概念 209
16.1.3 智慧医疗的作用 210
16.2 智慧医疗的服务模式 211
16.2.1 商务智能与智慧医疗 211
16.2.2 服务模式 212
16.3 智慧医疗存在的问题与未来
发展 214
16.3.1 当前智慧医疗存在的
问题 214
16.3.2 智慧医疗的未来发展 215

第五篇 商务智能管理变革

第17章 商务智能使能创新 218
17.1 大数据技术背景及政策 218
17.1.1 大数据技术背景 218
17.1.2 大数据技术政策 219
17.2 大数据背景下的商务智能 219
17.2.1 大数据商务智能变革 219
17.2.2 大数据商务智能变革带来的
挑战 220
17.3 商务智能使能重组 221
17.3.1 使能的概念 221
17.3.2 大数据商务使能重组 222
17.4 重组后的价值创造 222
17.4.1 商务智能价值具体表现 222
17.4.2 商务智能企业应用的价值
体现 223
17.4.3 用户行为演化识别 224
17.4.4 风险评估与监测 224
17.4.5 商业(服务)模式创新 225
第18章 商务智能业务流程重组 227
18.1 大数据商务智能背景下的决策
范式重组 227
18.1.1 大数据背景下决策问题的
转变 227
18.1.2 大数据商务智能决策范式
重组 228
18.2 业务流程智能 229
18.2.1 业务流程智能概述 229
18.2.2 业务流程智能重组的优势 230
18.2.3 产品流转实时监控智能化 231
18.2.4 招聘流程智能化 232
18.2.5 人工智能代替人力 233
第19章 商务智能组织变革 235
19.1 通信技术与组织变革 235
19.1.1 通信技术对现有组织架构的
冲击 235
19.1.2 通信技术给现有组织架构
发展带来的机遇 236
19.2 组织转型与组织价值创造 236
19.2.1 通信技术推动组织转型 236
19.2.2 通信技术对IT管理的
挑战 237
19.3 大数据技术平台的出现 237
19.3.1 企业引入大数据技术
平台 237
19.3.2 大数据技术平台的收益与
挑战 237
19.4 组织协作方式改变 238
19.4.1 传统组织协作方式的
问题 238
19.4.2 组织协作数字化转型 238
第20章 商务智能对经济社会的影响与
自身发展 240
20.1 商务智能对高校和政府管理的
影响 240
20.1.1 高校信息化治理方案 240
20.1.2 现代政府的电子政务 241
20.2 商务智能的引入带来伦理问题
和法律问题 244
20.2.1 数据伦理和法律问题 244
20.2.2 个人设备的隐私侵入 245
20.2.3 商务智能的应用准则 247
20.3 商务智能分析生态系统的
构成 248
20.3.1 基础服务提供者 248
20.3.2 分析软件和分析算法提
供者 249

第六篇 商务智能系统构建

第21章 商务智能数据规划 252
21.1 战略定位 252
21.1.1 宏观愿景 252
21.1.2 微观操作 253
21.2 实施规划 255

21.2.1 原则 255
21.2.2 目标 256
21.2.3 组织结构设计 256
21.2.4 技术方案 257
21.2.5 人才规划 257

21.2.6 数据投入与数据产出的
管理 258
21.2.7 数据风险管理 258
第22章 商务智能系统架构 260
22.1 架构设计方法论 260
22.1.1 逻辑架构设计 260
22.1.2 数据架构设计 261
22.1.3 开发架构设计 262
22.1.4 运行架构设计 263
22.1.5 物理架构设计 263
22.2 分布式架构设计 264
22.2.1 分布式架构设计简介 264
22.2.2 微服务架构设计 264
22.2.3 基于云端的分布式部署 266
22.3 大数据架构设计 268
22.3.1 大数据架构设计简介 268
22.3.2 主流大数据架构框架 268
22.3.3 大数据分析与挖掘 269
第23章 商务智能主流工具 271
23.1 FineReport 272
23.1.1 FineReport简介 272
23.1.2 FineReport的使用 272
23.1.3 FineReport的二次开发 275
23.2 Tableau 275
23.2.1 Tableau简介 275
23.2.2 Tableau的基本概念与
操作 275
23.2.3 Tableau的操作举例 276
23.2.4 Tableau的其他介绍 276
23.3 Quick BI 277
23.3.1 Quick BI简介 277
23.3.2 Quick BI的特点 278
23.3.3 Quick BI的使用 278
23.4 Qlik Sense 280
23.4.1 Qlik Sense的安装 280
23.4.2 Qlik Sense的使用 280
23.5 其他商务智能工具 281
23.5.1 Microsoft Power BI 281
23.5.2 SAP BO 281
23.5.3 IBM Cognos 281
23.5.4 亿信ABI 282
第24章 商务智能引发的问题和应用
准则 283
24.1 商务智能引发的伦理、隐私
问题 283
24.1.1 数据采集的伦理问题 283
24.1.2 数据使用的隐私问题 283
24.1.3 数据取舍的伦理问题 284
24.2 商务智能应用准则 284
24.2.1 提高数据收集、使用、存储
过程中的透明度 284
24.2.2 调整个人的隐私观 285
24.2.3 搭建共同价值平台 285
24.2.4 寻求合理的伦理决策点 285

第七篇 商务智能未来趋势

第25章 新兴技术应用 287
25.1 商务智能与5G技术 287
25.1.1 5G技术简介 287
25.1.2 5G技术在商务智能中的
应用 289
25.2 商务智能与物联网技术 290
25.2.1 物联网技术简介 290
25.2.2 物联网技术在商务智能中的
应用 290
25.3 商务智能与区块链技术 292
25.3.1 区块链技术简介 292
25.3.2 区块链技术在商务智能中的
应用 293
第26章 未来发展趋势 297
26.1 自助式商务智能 297
26.1.1 自助式商务智能的概念 297
26.1.2 自助式商务智能和其他商务
智能方式的比较 298
26.1.3 自助式商务智能平台的
选择 299
26.1.4 自助式商务智能给企业带来
的优势 300
26.2 可解释商务智能 301
26.2.1 可解释商务智能的 重要性 301
26.2.2 可解释商务智能的关键技术—可解释人工智能 302
26.3 基于大数据融合的新型商务智能 303
26.3.1 大数据融合的基本概念 303
26.3.2 大数据融合驱动的商务智能 304