本书针对高校商学院商业分析课程编写，内容涵盖了所有相关的商业分析主题，而且各个主题在设计上都是模块化的，教师授课时可灵活地选择最符合其课程目标的主题。比如，本书可以适用于涵盖数据处理（第2章）、数据可视化（第3章）、综合指标（第3章）、统计理论（第4章和第5章）和回归分析（第6章和第7章）的入门课程，或侧重于预测（第8、9、10、11和12章）和预测性建模（第13章）的高级商业分析课程。
为适应不同学生对于统计软件的需求，本书每个知识点都提供了Excel和 R语言两种分析方法和实际操作，而且所有的例题和习题都是使用撰写本书时最新版本的软件解决的，即Microsoft Office Professional 2016、Analytic Solver 2019和 R语言3.5.3版本。
本书的最终目的是让学生更好地理解、管理和可视化数据，学会应用适当的分析工具，并对研究结果及其相关性进行沟通。

桑吉瓦·加吉亚 (Sanjiv Jaggia) 加利福尼亚州立理工大学经济学和金融学教授，在印第安纳大学获得博士学位，特许金融分析师。其研究兴趣集中在商业统计学和计量经济学。在领先的学术期刊上发表多篇论文，出版两本成功的商业统计学教材。

凯文·勒瓦差拉 (Kevin Lertwachara) 加利福尼亚州立理工大学信息系统教授，在康涅狄格大学获得博士学位。其研究重点是基于技术的创新、电子商务、医疗保健信息学和商业分析，发表多篇学术论文，出版多部学术著作。为本科生和研究生讲授商业分析课程。

艾利森·凯利 (Alison Kelly) 波士顿萨福克大学经济学教授，在波士顿学院获得博士学位，特许金融分析师。在学术期刊上发表多篇论文，出版两本成功的商业统计学教材。她的应用统计学和计量经济学课程深受学生和工作人士的欢迎。

陈雷达 (Leida Chen) 加利福尼亚州立理工大学信息系统教授，在孟菲斯大学获得管理信息系统博士学位。其研究和咨询兴趣集中在商业分析、技术扩散和全球信息系统等领域。在领先的信息系统期刊上发表50多篇论文。为本科生和研究生讲授商业分析课程。

第1章 商业分析导论
1.1 商业分析概述
1.2 数据类型
练习1.2
1.3 变量和测量尺度
练习1.3
1.4 数据源和文件形式
练习1.4
1.5 大数据写作
第2章 数据管理和处理
2.1 数据管理
练习2.1
2.2 数据检查
练习2.2
2.3 数据准备
练习2.3
2.4 转换数值数据
练习2.4
2.5 转换分类数据
练习2.5
2.6 大数据写作
第3章 数据可视化和综合指标
3.1 可视化分类变量和数值变量的方法
练习3.1
3.2 将两个变量之间关系可视化的方法
练习3.2
3.3 其他数据可视化的方法
练习3.3
3.4 综合指标
练习3.4
3.5 检测异常值
练习3.5
3.6 大数据写作
第4章 概率与概率分布
4.1 概率的概念与概率公式
练习4.1
4.2 全概率公式与贝叶斯定理
练习4.2
4.3 随机变量与离散型概率分布
练习4.3
4.4 二项分布与泊松分布
练习4.4
4.5 正态分布
练习4.5
4.6 大数据写作
第5章 统计推断
5.1 抽样分布
练习5.1
5.2 估计
练习5.2
5.3 假设检验
练习5.3
5.4 大数据写作
第6章 回归分析
6.1 线性回归模型
练习6.1
6.2 模型选择
练习6.2
6.3 显著性检验
练习6.3
6.4 模型假设和常见违例
练习6.4
6.5 大数据写作
第7章 高级回归分析
7.1 包含交互变量的回归模型
练习7.1
7.2 非线性关系的回归模型
练习7.2
7.3 线性概率模型和逻辑回归模型
练习7.3
7.4 交叉验证方法
练习7.4
7.5 大数据写作
第8 章 数据挖掘导论
8.1 数据挖掘概述
8.2 相似性指标
练习8.2
8.3 性能评估
练习8.3
8.4 主成分分析
练习8.4
8.5 大数据写作
第9 章 有监督数据挖掘: k-最近邻法和朴素贝叶斯方法
9.1 有监督数据挖掘简介
9.2 k-最近邻法
练习9.2
9.3 朴素贝叶斯方法
练习9.3
9.4 大数据写作
第10 章 有监督数据挖掘: 决策树
10.1 分类树和回归树简介
10.2 分类树
练习10.2
10.3 回归树
练习10.3
10.4 集成树模型
练习10.4
10.5 大数据写作
第11章 无监督数据挖掘
11.1 层次聚类分析
练习11.1
11.2 k-均值聚类分析
练习11.2
11.3 关联规则分析
练习11.3
11.4 大数据写作
第12章 利用时间序列数据进行预测
12.1 时间序列的预测过程
12.2 简单平滑法
练习12.2
12.3 趋势和季节性的线性回归模型
练习12.3
12.4 趋势和季节性的非线性回归模型
练习12.4
12.5 数据分区和模型选择
练习12.5
12.6 高级指数平滑法
练习12.6
12.7 大数据写作
第13章 规范性分析简介
13.1 规范性分析概述
13.2 蒙特卡罗模拟
练习13.2
13.3 线性规划的优化
练习13.3
13.4 整数规划优化
练习13.4
13.5 大数据写作

附录A 大数据集: 变量描述和数据字典
附录B Excel和Excel加载项入门
附录C R语言入门
附录D 统计表