商务智能是近年来企业信息化的热点,有着广阔的应用前景。本书首先系统地介绍商务智能的基本概念、商务智能系统的架构以及数据仓库、在线分析处理和数据挖掘等核心技术。在此基础上,讨论商务智能在电子商务、移动商务、企业绩效管理等领域的应用,并分析大数据分析、大模型技术在商务智能领域的应用。此外,通过八爪鱼、Tableau、帆软等主流的商务智能技术进行实验,增强读者的应用能力。本书内容新颖、全面,案例丰富,适合作为计算机应用、软件工程、信息管理、电子商务和管理科学等相关专业本科生和研究生的教材,也可作为从事数据分析的信息化人员的参考资料。
本书紧跟时代步伐,及时吸纳了企业数字化、大模型应用分析等趋势;内容的系统性安排,让读者能够循序渐进地构建起商务智能的完整知识体系。重视实验与应用环节,通过精心设计的实验项目和案例分析,引导读者将所学知识应用于解决实际问题中,从而在动手操作中深化理解,提升实战能力。
前言
在这个数字化时代,企业的数字化转型正以前所未有的速度推进,对商务智能的作用提出了更高的要求。商务智能(business intelligence,BI)不再仅是后台的数据分析工具,而是成为企业决策的前台支撑,其内涵也随之得到了扩展。《商务智能(第六版)》正是在这样的背景下应运而生,旨在为读者提供一个全面、深入、与时俱进的商务智能学习教材。
随着人工智能技术的快速发展,尤其是大模型技术的出现,商务智能领域迎来了新的技术推动力。这些技术不仅极大地扩展了商务智能的处理能力,使其能够处理更大规模的数据集,挖掘更深层次的洞见,而且在更短的时间内做出更精准的预测。更重要的是,大模型技术使商务智能的应用更加业务化,推动了自助式商务智能的发展,让非技术背景的业务人员也能轻松地利用数据进行决策支持。
作者在前五版的基础上,参考商务智能技术和应用的发展,并吸收了广大读者的建议,对第五版进行了如下修订:
(1) 删除了一些难懂且偏学术的内容,如OLAP操作语言、工作流挖掘、RFID数据挖掘、商务智能与知识管理等,这些内容虽然在某些特定领域仍有其价值,但对于大多数商务智能实践者来说,已经不再是关注的重点。
(2) 补充了大模型技术在商务智能中的应用,这些内容涵盖了的算法、模型和工具,帮助读者理解并应用这些技术解决实际问题,使商务智能更加贴近业务需求。
(3) 为了加强理论与实践的结合,强化了实验内容,补充了更多的实验案例和一个综合的实训案例:银行欺诈与拖欠行为分析,提升了教材的实用性。这些实验不仅能够帮助读者更好地理解商务智能的概念和技术,还能够提高他们的实际操作能力。
(4) 优化了配套网课。为了配合混合式的教学,作者在超星教学平台开发了配套的在线视频课(商务数据分析): https://mooc11.chaoxing.com/course/100564035.html。除了课程视频外,每个单元还提供了选择题、参考案例以及Python程序等内容,便于读者自学。
(5) 开发了在线实验案例。为了便于读者动手练习,作者在头歌平台开发了在线的机器学习实践课程(https://www.educoder.net/paths/ygpm7bqe),不用安装软件,就可以在线上动手练习,促进了实验教学。
在教材的编写过程中,研究生崔德华、欧家发等参与了部分资料的收集和校对工作,在此特表感谢。由于作者水平有限,书中有不到之处,敬请批评指正。
赵卫东
2025年1月于复旦大学
目录
优质部分商务智能基础
第1章商务智能概论
1.1商业决策需要商务智能
1.1.1数据、信息与知识
1.1.2管理就是决策
1.1.3决策需要信息和知识
1.1.4智能型企业
1.1.5商务智能支持商业决策
1.1.6新一代的决策支持系统
1.2商务智能简介
1.2.1商务智能的概念
1.2.2商务智能的发展
1.2.3商务智能的价值
1.3商务智能系统的功能
1.4商务智能的应用
1.5企业数字化转型
1.6人工智能增强的商务智能
思考题
第二部分商务智能核心技术
第2章商务智能系统架构
2.1商务智能系统的组成
2.2数据集成
思考题
第3章数据仓库
3.1从数据库到数据仓库
3.2数据仓库的概念
3.3数据集市
3.4元数据
3.5ETL
3.6操作型数据存储
3.7数据仓库模型
3.8数据挖掘查询语言
3.9医保数据仓库设计
3.10数据湖
3.11数据中台
思考题
第4章在线分析处理
4.1OLAP简介
4.2OLTP与OLAP的区别
4.3OLAP操作
思考题
第5章数据挖掘
5.1数据挖掘的基础
5.1.1数据挖掘的概念
5.1.2数据挖掘的发展
5.1.3数据挖掘的过程
5.1.4数据挖掘原语与语言
5.1.5基于组件的数据挖掘
5.1.6数据可视化
5.1.7数据挖掘的隐私保护
5.2数据挖掘的典型应用领域
5.3数据预处理
5.4聚类分析
5.4.1聚类的概念
5.4.2聚类分析的统计量
5.4.3常用聚类算法
5.4.4其他聚类方法
5.4.5离群点检测
5.5分类分析
5.5.1贝叶斯分类器
5.5.2决策树
5.5.3支持向量机
5.5.4反向传播神经网络
5.5.5其他分类方法
5.6关联分析
5.6.1关联规则
5.6.2Apriori算法
5.6.3FP增长算法
5.6.4其他关联规则挖掘算法
5.7序列模式挖掘
5.7.1基本概念
5.7.2类Apriori算法
5.8回归分析
5.8.1一元回归分析
5.8.2多元线性回归分析
5.8.3其他回归分析
5.9时间序列分析
5.10数据挖掘技术与应用的发展方向
思考题
第三部分商务智能应用
第6章移动商务智能
6.1移动商务
6.2商务智能在移动商务中的应用
思考题
第7章Web挖掘
7.1Web挖掘基础
7.2Web内容挖掘
7.3Web结构挖掘
7.4Web日志挖掘
思考题
第8章商务智能在企业绩效管理中的应用
8.1企业绩效管理的层次
8.2商务智能贯穿企业绩效管理的闭环流程
8.3商务智能与企业绩效管理
8.4商务智能给企业绩效管理带来的价值
思考题
第9章数据挖掘在电子商务中的应用
9.1电子商务需要数据挖掘
9.2顾客管理
9.3网站结构优化
9.4智能搜索引擎
9.5异常事件识别
思考题
第10章大数据分析
10.1大数据核心技术基础
10.1.1大数据存储
10.1.2大数据处理
10.1.3大数据应用
10.1.4Hadoop开源架构
10.2大数据分析的基本流程
10.3大数据分析和商务智能
思考题
第11章大模型技术应用
11.1大模型的特点和发展
11.2大模型技术与商务智能的融合
11.2.1数据分析自动化
11.2.2洞察能力提升
11.2.3自主性增强
11.2.4多模态数据处理
11.3自助式数据分析
11.4讯飞星火的数据分析助手
第四部分商务智能发展
第12章商务智能进展
12.1商务智能的应用趋势
12.2商务智能在中国的发展
12.3商务智能动态
思考题
第五部分实验
第13章商务智能实验
13.1二手房价格可视化分析
13.2使用Tableau可视化进行数据联动
13.3使用帆软(FineReport)分析超市数据
13.3.1FineReport简介
13.3.2FineReport上传数据并对数据进行预处理
13.3.3FineReport图表分析
13.3.4交互式操作
13.3.5FineReport图表联动操作
13.4银行客户流失分析
13.5银行客户分析
思考题
第14章综合实训: 银行欺诈与拖欠行为分析
14.1用户信用等级影响因素
14.1.1客户申请数据预处理
14.1.2申请成功影响因素
14.2用户信用等级影响因素
14.3基于消费的信用等级影响因素
14.4欺诈判断模型
14.4.1基于Apriori算法的欺诈模型
14.4.2基于判别的欺诈模型
14.4.3基于分类算法的欺诈模型
14.5欺诈人口属性分析
14.5.1欺诈人口属性统计分析
14.5.2基于逻辑回归的欺诈人口属性分析
14.5.3逾期还款的客户特征
14.5.4基于决策树分析逾期客户特征
14.5.5基于回归分析逾期客户特征
14.5.6根据消费历史分析客户特征
14.5.7基于聚类分析客户特征
14.5.8基于聚类的客户细分
思考题
附录AAnaconda的安装与使用