目 錄
第一篇 商務智能概述

第1章 商務智能基礎 2
1.1 商務智能的基本概念 2
1.1.1 數(shù)據(jù)、信息、知識和智能 2
1.1.2 商務智能的定義 3
1.2 商務智能的發(fā)展歷程 5
1.2.1 事務處理系統(tǒng) 5
1.2.2 高級管理人員信息系統(tǒng) 6
1.2.3 管理信息系統(tǒng) 6
1.2.4 決策支持系統(tǒng) 6
1.2.5 商務智能系統(tǒng) 7
1.3 大數(shù)據(jù)環(huán)境下的商務智能研究 7

第二篇 商務智能數(shù)據(jù)管理

第2章 數(shù)據(jù)管理與知識管理 13
2.1 主數(shù)據(jù)管理 14
2.1.1 主數(shù)據(jù)的概念 14
2.1.2 主數(shù)據(jù)管理的概念 15
2.1.3 主數(shù)據(jù)管理的優(yōu)點 15
2.2 元數(shù)據(jù)管理 17
2.2.1 元數(shù)據(jù)的定義 17
2.2.2 元數(shù)據(jù)管理的定義 17
2.2.3 元數(shù)據(jù)管理平臺的功能 17
2.2.4 元數(shù)據(jù)管理的意義 18
2.3 知識管理 21
2.3.1 知識管理的定義 21
2.3.2 知識管理的特點 21
第3章 數(shù)據(jù)整合與數(shù)據(jù)融合 23
3.1 數(shù)據(jù)整合 23
3.1.1 數(shù)據(jù)整合的概念 23
3.1.2 數(shù)據(jù)整合的挑戰(zhàn) 24
3.1.3 數(shù)據(jù)整合的優(yōu)勢 25
3.1.4 數(shù)據(jù)整合的方式 26
3.2 數(shù)據(jù)融合 28
3.2.1 數(shù)據(jù)融合的目的 29
3.2.2 數(shù)據(jù)融合的特征 29
第4章 數(shù)據(jù)預處理 32
4.1 基本概念 32
4.2 數(shù)據(jù)清洗 33
4.2.1 缺失值 33
4.2.2 噪聲數(shù)據(jù) 33
4.3 數(shù)據(jù)集成 34
4.3.1 實體識別問題 35
4.3.2 冗余和相關分析 35
4.4 數(shù)據(jù)歸約 37
4.4.1 維度歸約方法 37
4.4.2 維度變換方法 38
4.4.3 數(shù)據(jù)抽樣方法 38
4.5 數(shù)據(jù)變換 39
4.5.1 規(guī)范化處理 40
4.5.2 離散化處理 40
4.5.3 稀疏化處理 41
第5章 數(shù)據(jù)倉庫 45
5.1 數(shù)據(jù)倉庫的定義及產(chǎn)生的背景 46
5.1.1 數(shù)據(jù)倉庫的定義 46
5.1.2 數(shù)據(jù)倉庫產(chǎn)生的背景 47
5.2 數(shù)據(jù)倉庫的特點 47
5.2.1 面向主題 47
5.2.2 集成性 47
5.2.3 集合性 47
5.2.4 穩(wěn)定性 47
5.2.5 時變性 48
5.2.6 決策支持 48
5.3 數(shù)據(jù)倉庫的數(shù)據(jù)模型與應用 48
5.3.1 數(shù)據(jù)倉庫中常見的數(shù)據(jù)模型 48
5.3.2 數(shù)據(jù)倉庫的應用 49
5.4 數(shù)據(jù)存儲 51
5.4.1 數(shù)據(jù)集市 51
5.4.2 數(shù)據(jù)中轉(zhuǎn)區(qū) 51
5.4.3 可操作數(shù)據(jù)存儲 52
5.4.4 個人數(shù)據(jù)存儲 52
5.5 ETL 53
5.5.1 ETL的概念 53
5.5.2 ETL過程 53
5.5.3 典型ETL工具 54
5.6 聯(lián)機分析處理 55
5.6.1 聯(lián)機分析處理的定義 55
5.6.2 聯(lián)機分析處理的特點 55
5.6.3 聯(lián)機分析處理的分類 56
5.6.4 多維聯(lián)機分析處理 56

第三篇 商務智能數(shù)據(jù)分析

第6章 描述性統(tǒng)計分析 61
6.1 描述性統(tǒng)計分析概述 61
6.2 常用的指標和統(tǒng)計圖形 62
6.2.1 常用的指標 62
6.2.2 常用的統(tǒng)計圖形 63
6.3 描述性統(tǒng)計分析實踐 66
第7章 數(shù)據(jù)挖掘 72
7.1 數(shù)據(jù)挖掘簡介 73
7.1.1 數(shù)據(jù)挖掘的定義 73
7.1.2 數(shù)據(jù)挖掘的任務 73
7.2 關聯(lián)規(guī)則 73
7.2.1 關聯(lián)規(guī)則的相關概念 74
7.2.2 關聯(lián)規(guī)則的挖掘方法 75
7.2.3 關聯(lián)規(guī)則的模型評估 80
7.3 分類分析 81
7.3.1 分類分析的基本概念 81
7.3.2 分類方法 82
7.3.3 分類分析的模型評估 86
7.4 聚類分析 88
7.4.1 聚類分析的基本概念 88
7.4.2 聚類方法 88
7.4.3 聚類分析的模型評估 92
7.5 預測分析 93
7.5.1 預測的基本概念 94
7.5.2 回歸分析預測法 95
第8章 社會網(wǎng)絡分析 101
8.1 社會網(wǎng)絡分析的基礎概念 101
8.1.1 社會網(wǎng)絡 101
8.1.2 三元閉包 102
8.1.3 橋和捷徑 102
8.2 社會網(wǎng)絡分析的工具 102
8.2.1 社會網(wǎng)絡分析工具簡介 102
8.2.2 Networkx簡介 104
8.3 社會網(wǎng)絡分析的理論發(fā)展 106
8.3.1 七橋問題 107
8.3.2 “弱連接優(yōu)勢”理論 107
8.3.3 結(jié)構(gòu)洞理論 108
8.3.4 小世界現(xiàn)象 108
8.3.5 長尾理論 109
8.4 社會網(wǎng)絡分析的計算方法 111
8.4.1 社會網(wǎng)絡在計算機中的表示 111
8.4.2 社會網(wǎng)絡測量指標 111
8.5 社會網(wǎng)絡分析在商務智能中的
應用 116
8.5.1 協(xié)同過濾推薦 116
8.5.2 長尾營銷 117
第9章 文本挖掘 119
9.1 文本挖掘的概念和步驟 119
9.1.1 文本挖掘的基本概念 119
9.1.2 文本挖掘的具體步驟 120
9.2 文本挖掘的發(fā)展和前景 121
9.2.1 文本挖掘的發(fā)展 121
9.2.2 文本挖掘的前景 123
9.3 文本挖掘的關鍵技術 123
9.3.1 文本分類 123
9.3.2 文本聚類 125
9.3.3 文本摘要 126
9.3.4 主題模型 127
9.3.5 序列標注 128
第10章 知識圖譜 130
10.1 知識圖譜的基本概念和構(gòu)建
步驟 130
10.1.1 知識圖譜的基本概念 130
10.1.2 知識圖譜的構(gòu)建步驟 132
10.2 知識圖譜的由來和發(fā)展 136
10.2.1 知識圖譜的由來 136
10.2.2 知識圖譜在相關領域的
發(fā)展 136
10.3 知識圖譜的關鍵技術 137
10.3.1 知識圖譜的技術流程 137
10.3.2 知識圖譜的技術要素 138
10.4 知識圖譜的行業(yè)應用與難點
問題 141
10.4.1 知識圖譜的行業(yè)應用 141
10.4.2 知識圖譜的難點問題 143
第11章 深度學習 145
11.1 深度學習概述 145
11.1.1 深度學習的起源和發(fā)展 145
11.1.2 深度學習的基本概念 146
11.2 神經(jīng)網(wǎng)絡 146
11.2.1 神經(jīng)網(wǎng)絡的基本概念 146
11.2.2 神經(jīng)網(wǎng)絡的工作原理 147
11.2.3 神經(jīng)網(wǎng)絡的訓練循環(huán) 147
11.3 深度學習的經(jīng)典模型及其
應用 148
11.3.1 卷積神經(jīng)網(wǎng)絡 148
11.3.2 循環(huán)神經(jīng)網(wǎng)絡 151
11.3.3 生成對抗網(wǎng)絡 153
11.3.4 強化學習 153
11.4 深度學習的發(fā)展前景 154

第四篇 商務智能應用模式

第12章 決策支持 156
12.1 決策支持的基本理論 157
12.1.1 決策的定義與過程 157
12.1.2 基于決策支持系統(tǒng)的決策
支持 158
12.2 商務智能決策支持系統(tǒng) 161
12.2.1 商務智能決策支持系統(tǒng)的
功能和特點 161
12.2.2 商務智能決策支持系統(tǒng)體系
結(jié)構(gòu)的發(fā)展 162
12.2.3 商務智能決策支持系統(tǒng)的
應用 163
12.3 企業(yè)商務智能決策支持系統(tǒng)的
架構(gòu)與實現(xiàn) 164
12.3.1 企業(yè)商務智能決策支持系統(tǒng)
的架構(gòu) 164
12.3.2 企業(yè)商務智能決策支持系統(tǒng)
的實現(xiàn) 166
第13章 精準營銷 169
13.1 精準營銷概述 170
13.1.1 精準營銷的概念 170
13.1.2 精準營銷的特征 171
13.1.3 精準營銷的實現(xiàn)方法 171
13.2 推薦系統(tǒng)概述 172
13.2.1 推薦系統(tǒng)的發(fā)展背景 172
13.2.2 推薦系統(tǒng)的模塊與分類 172
13.3 幾種常見的推薦方法 174
13.3.1 基于用戶的協(xié)同推薦 174
13.3.2 基于物品的協(xié)同推薦 175
13.3.3 隱語義模型方法 177
13.3.4 基于關聯(lián)規(guī)則推薦 178
13.3.5 組合推薦 179
13.4 使用基于用戶的推薦方法推薦
電影 180
13.5 推薦系統(tǒng)評測指標 183
13.5.1 用戶滿意度 183
13.5.2 預測準確率 183
13.5.3 覆蓋率 184
13.5.4 多樣性 185
13.5.5 新穎性和驚喜度 185
第14章 智能客服 188
14.1 客戶關系管理 188
14.1.1 客戶關系管理的定義 188
14.1.2 客戶關系管理的應用層次 189
14.1.3 商務智能對客戶關系管理
的支持 190
14.1.4 基于商務智能的客戶關系
管理系統(tǒng)的結(jié)構(gòu) 191
14.2 基于商務智能的客戶關系管理
的應用設計 192
14.2.1 數(shù)據(jù)倉庫的設計 192
14.2.2 客戶關系管理的客戶數(shù)據(jù)挖掘設計 192
14.3 智能客服概述 195
14.3.1 智能客服的發(fā)展現(xiàn)狀 195
14.3.2 智能客服的概念 196
14.3.3 智能客服系統(tǒng)的原理 196
14.3.4 智能客服系統(tǒng)的關鍵技術 196
14.4.5 智能客服的應用 198
14.4 鐵路12306線上智能客服
系統(tǒng) 199
14.4.1 背景 199
14.4.2 系統(tǒng)功能 199
14.4.3 系統(tǒng)架構(gòu) 200
第15章 智能物流 202
15.1 傳統(tǒng)物流與智能物流 202
15.1.1 傳統(tǒng)物流的定義 202
15.1.2 智能物流的定義 203
15.2 智能物流的作用與特點 204
15.2.1 智能物流的作用 204
15.2.2 智能物流發(fā)展的特點 205
15.2.3 智能物流系統(tǒng)的特點 205
15.2.4 智能物流的技術特點 205
15.3 智能物流的關鍵技術—
RFID 206
15.3.1 RFID系統(tǒng)的基本結(jié)構(gòu) 206
15.3.2 RFID標簽 206
15.3.3 RFID技術與智能物流 207
15.3.4 RFID技術存在的問題 207
第16章 智慧醫(yī)療 209
16.1 智慧醫(yī)療概述 209
16.1.1 智慧醫(yī)療的起源 209
16.1.2 智慧醫(yī)療的概念 209
16.1.3 智慧醫(yī)療的作用 210
16.2 智慧醫(yī)療的服務模式 211
16.2.1 商務智能與智慧醫(yī)療 211
16.2.2 服務模式 212
16.3 智慧醫(yī)療存在的問題與未來
發(fā)展 214
16.3.1 當前智慧醫(yī)療存在的
問題 214
16.3.2 智慧醫(yī)療的未來發(fā)展 215

第五篇 商務智能管理變革

第17章 商務智能使能創(chuàng)新 218
17.1 大數(shù)據(jù)技術背景及政策 218
17.1.1 大數(shù)據(jù)技術背景 218
17.1.2 大數(shù)據(jù)技術政策 219
17.2 大數(shù)據(jù)背景下的商務智能 219
17.2.1 大數(shù)據(jù)商務智能變革 219
17.2.2 大數(shù)據(jù)商務智能變革帶來的
挑戰(zhàn) 220
17.3 商務智能使能重組 221
17.3.1 使能的概念 221
17.3.2 大數(shù)據(jù)商務使能重組 222
17.4 重組后的價值創(chuàng)造 222
17.4.1 商務智能價值具體表現(xiàn) 222
17.4.2 商務智能企業(yè)應用的價值
體現(xiàn) 223
17.4.3 用戶行為演化識別 224
17.4.4 風險評估與監(jiān)測 224
17.4.5 商業(yè)(服務)模式創(chuàng)新 225
第18章 商務智能業(yè)務流程重組 227
18.1 大數(shù)據(jù)商務智能背景下的決策
范式重組 227
18.1.1 大數(shù)據(jù)背景下決策問題的
轉(zhuǎn)變 227
18.1.2 大數(shù)據(jù)商務智能決策范式
重組 228
18.2 業(yè)務流程智能 229
18.2.1 業(yè)務流程智能概述 229
18.2.2 業(yè)務流程智能重組的優(yōu)勢 230
18.2.3 產(chǎn)品流轉(zhuǎn)實時監(jiān)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 商務智能組織變革 235
19.1 通信技術與組織變革 235
19.1.1 通信技術對現(xiàn)有組織架構(gòu)的
沖擊 235
19.1.2 通信技術給現(xiàn)有組織架構(gòu)
發(fā)展帶來的機遇 236
19.2 組織轉(zhuǎn)型與組織價值創(chuàng)造 236
19.2.1 通信技術推動組織轉(zhuǎn)型 236
19.2.2 通信技術對IT管理的
挑戰(zhàn) 237
19.3 大數(shù)據(jù)技術平臺的出現(xiàn) 237
19.3.1 企業(yè)引入大數(shù)據(jù)技術
平臺 237
19.3.2 大數(shù)據(jù)技術平臺的收益與
挑戰(zhàn) 237
19.4 組織協(xié)作方式改變 238
19.4.1 傳統(tǒng)組織協(xié)作方式的
問題 238
19.4.2 組織協(xié)作數(shù)字化轉(zhuǎn)型 238
第20章 商務智能對經(jīng)濟社會的影響與
自身發(fā)展 240
20.1 商務智能對高校和政府管理的
影響 240
20.1.1 高校信息化治理方案 240
20.1.2 現(xiàn)代政府的電子政務 241
20.2 商務智能的引入帶來倫理問題
和法律問題 244
20.2.1 數(shù)據(jù)倫理和法律問題 244
20.2.2 個人設備的隱私侵入 245
20.2.3 商務智能的應用準則 247
20.3 商務智能分析生態(tài)系統(tǒng)的
構(gòu)成 248
20.3.1 基礎服務提供者 248
20.3.2 分析軟件和分析算法提
供者 249

第六篇 商務智能系統(tǒng)構(gòu)建

第21章 商務智能數(shù)據(jù)規(guī)劃 252
21.1 戰(zhàn)略定位 252
21.1.1 宏觀愿景 252
21.1.2 微觀操作 253
21.2 實施規(guī)劃 255

21.2.1 原則 255
21.2.2 目標 256
21.2.3 組織結(jié)構(gòu)設計 256
21.2.4 技術方案 257
21.2.5 人才規(guī)劃 257

21.2.6 數(shù)據(jù)投入與數(shù)據(jù)產(chǎn)出的
管理 258
21.2.7 數(shù)據(jù)風險管理 258
第22章 商務智能系統(tǒng)架構(gòu) 260
22.1 架構(gòu)設計方法論 260
22.1.1 邏輯架構(gòu)設計 260
22.1.2 數(shù)據(jù)架構(gòu)設計 261
22.1.3 開發(fā)架構(gòu)設計 262
22.1.4 運行架構(gòu)設計 263
22.1.5 物理架構(gòu)設計 263
22.2 分布式架構(gòu)設計 264
22.2.1 分布式架構(gòu)設計簡介 264
22.2.2 微服務架構(gòu)設計 264
22.2.3 基于云端的分布式部署 266
22.3 大數(shù)據(jù)架構(gòu)設計 268
22.3.1 大數(shù)據(jù)架構(gòu)設計簡介 268
22.3.2 主流大數(shù)據(jù)架構(gòu)框架 268
22.3.3 大數(shù)據(jù)分析與挖掘 269
第23章 商務智能主流工具 271
23.1 FineReport 272
23.1.1 FineReport簡介 272
23.1.2 FineReport的使用 272
23.1.3 FineReport的二次開發(fā) 275
23.2 Tableau 275
23.2.1 Tableau簡介 275
23.2.2 Tableau的基本概念與
操作 275
23.2.3 Tableau的操作舉例 276
23.2.4 Tableau的其他介紹 276
23.3 Quick BI 277
23.3.1 Quick BI簡介 277
23.3.2 Quick BI的特點 278
23.3.3 Quick BI的使用 278
23.4 Qlik Sense 280
23.4.1 Qlik Sense的安裝 280
23.4.2 Qlik Sense的使用 280
23.5 其他商務智能工具 281
23.5.1 Microsoft Power BI 281
23.5.2 SAP BO 281
23.5.3 IBM Cognos 281
23.5.4 億信ABI 282
第24章 商務智能引發(fā)的問題和應用
準則 283
24.1 商務智能引發(fā)的倫理、隱私
問題 283
24.1.1 數(shù)據(jù)采集的倫理問題 283
24.1.2 數(shù)據(jù)使用的隱私問題 283
24.1.3 數(shù)據(jù)取舍的倫理問題 284
24.2 商務智能應用準則 284
24.2.1 提高數(shù)據(jù)收集、使用、存儲
過程中的透明度 284
24.2.2 調(diào)整個人的隱私觀 285
24.2.3 搭建共同價值平臺 285
24.2.4 尋求合理的倫理決策點 285

第七篇 商務智能未來趨勢

第25章 新興技術應用 287
25.1 商務智能與5G技術 287
25.1.1 5G技術簡介 287
25.1.2 5G技術在商務智能中的
應用 289
25.2 商務智能與物聯(lián)網(wǎng)技術 290
25.2.1 物聯(lián)網(wǎng)技術簡介 290
25.2.2 物聯(lián)網(wǎng)技術在商務智能中的
應用 290
25.3 商務智能與區(qū)塊鏈技術 292
25.3.1 區(qū)塊鏈技術簡介 292
25.3.2 區(qū)塊鏈技術在商務智能中的
應用 293
第26章 未來發(fā)展趨勢 297
26.1 自助式商務智能 297
26.1.1 自助式商務智能的概念 297
26.1.2 自助式商務智能和其他商務
智能方式的比較 298
26.1.3 自助式商務智能平臺的
選擇 299
26.1.4 自助式商務智能給企業(yè)帶來
的優(yōu)勢 300
26.2 可解釋商務智能 301
26.2.1 可解釋商務智能的 重要性 301
26.2.2 可解釋商務智能的關鍵技術—可解釋人工智能 302
26.3 基于大數(shù)據(jù)融合的新型商務智能 303
26.3.1 大數(shù)據(jù)融合的基本概念 303
26.3.2 大數(shù)據(jù)融合驅(qū)動的商務智能 304