商务智能 数据分析的管理视角PDF|Epub|txt|kindle电子书版本网盘下载

商务智能 数据分析的管理视角PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 商务智能、数据分析和决策支持概述1

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

1.2 变化的商业环境和计算机决策支持3

1.3 商务智能架构4

1.3.1 BI的定义5

1.3.2 BI的简史5

1.3.3 BI的架构5

1.3.4 BI的起源和驱动力6

1.3.5 BI中的多媒体练习8

1.4 智能产生、使用与商务智能治理8

1.4.1 智能产生和使用的循环过程8

1.4.2 智能与窃取9

1.5 事务处理与分析处理9

1.6 成功的BI实施10

1.6.1 典型的BI用户群体10

1.6.2 合理规划与业务战略的统一11

1.6.3 实时的、随需应变的BI是可以实现的11

1.6.4 开发或收购BI系统12

1.6.5 理由和成本-收益分析12

1.6.6 安全和隐私保护12

1.6.7 系统和应用的集成12

1.7 数据分析概述13

1.7.1 描述性分析14

1.7.2 预测性分析15

1.7.3 规范性分析16

1.7.4 应用于不同领域的数据分析19

1.7.5 数据分析还是数据科学19

1.8 大数据分析简介20

1.9 本书的安排21

1.10 资源、链接和Teradata大学网络连接22

1.10.1 资源和链接22

1.10.2 供应商、产品和演示22

1.10.3 期刊22

1.10.4 Teradata大学网络连接23

1.10.5 本书的网站23

本章要点23

关键词23

问题讨论23

练习24

章末应用案例25

参考文献26

第2章 数据仓库28

2.1 开篇小插曲：卡普里岛赌场利用企业数据仓库获胜28

2.2 数据仓库的定义和概念30

2.2.1 什么是数据仓库30

2.2.2 数据仓库历史透视30

2.2.3 数据仓库的特点32

2.2.4 数据集市33

2.2.5 操作数据存储33

2.2.6 企业数据仓库33

2.2 元数据35

2.3 数据仓库流程概述36

2.4 数据仓库架构38

2.4.1 可选的数据仓库架构40

2.4.2 哪种架构最好42

2.5 数据集成以及提取、转换和加载过程43

2.5.1 数据集成44

2.5.2 提取、转换和加载46

2.6 数据仓库的开发47

2.6.1 数据仓库开发方法50

2.6.2 数据仓库开发的其他思考53

2.6.3 数据仓库中的数据表示53

2.6.4 数据仓库中的数据分析54

2.6.5 OLAP和OLTP54

2.6.6 OLAP操作55

2.7 数据仓库的实施问题57

2.8 实时数据仓库60

2.9 数据仓库管理、安全问题和未来趋势64

2.10 资源、链接和Teradata大学网络连接68

2.10.1 资源和链接68

2.10.2 案例68

2.10.3 供应商、产品和演示68

2.10.4 期刊68

2.10.5 其他参考文献69

2.10.6 Teradata大学网络连接69

本章要点69

关键词69

问题讨论70

练习70

章末应用案例72

参考文献74

第3章 业务报表、可视化分析与企业绩效管理77

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77

3.2 业务报表的定义和概念80

3.2.1 什么是业务报表81

3.2.2 业务报表系统的组件84

3.3 数据与信息可视化85

3.4 不同类型的图表89

3.4.1 基本图表89

3.4.2 专用图表90

3.5 数据可视化与可视化分析的出现92

3.5.1 可视化分析93

3.5.2 高性能可视化分析环境95

3.6 绩效仪表盘97

3.6.1 仪表盘设计98

3.6.2 在仪表盘中寻找什么100

3.6.3 仪表盘设计的最佳实践101

3.6.4 根据行业标准建立KPI基准101

3.6.5 利用上下文元数据封装仪表盘度量101

3.6.6 通过可用性专家检验仪表盘设计101

3.6.7 在仪表盘中指定警报和异常的优先级101

3.6.8 使用用户评论丰富的仪表盘102

3.6.9 在3个不同层次展示信息102

3.6.10 使用仪表盘设计准则选择正确的可视化方式102

3.6.11 提供指导性分析102

3.7 企业绩效管理102

3.8 绩效度量105

3.8.1 关键绩效指标106

3.8.2 绩效度量系统107

3.9 平衡记分卡107

3.9.1 4个视角107

3.9.2 平衡在BSC中的意义108

3.9.3 仪表盘与平衡记分卡109

3.10 作为绩效度量系统的六西格玛109

3.10.1 DMAIC绩效模型110

3.10.2 平衡记分卡与六西格玛110

3.10.3 有效的绩效度量111

本章要点113

关键词114

问题讨论114

练习115

章末应用案例116

参考文献118

第4章 数据挖掘119

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119

4.2 数据挖掘概念和应用121

4.2.1 定义、特征和优势122

4.2.2 数据挖掘原理127

4.2.3 数据挖掘与统计学130

4.3 数据挖掘应用131

4.4 数据挖掘过程133

4.4.1 步骤1：业务理解134

4.4.2 步骤2：数据理解134

4.4.3 步骤3：数据准备135

4.4.4 步骤4：建模137

4.4.5 步骤5：测试和评估137

4.4.6 步骤6：部署137

4.4.7 其他标准化的数据挖掘过程和方法139

4.5 数据挖掘方法140

4.5.1 分类140

4.5.2 估算分类模型的准确率141

4.5.3 数据挖掘聚类分析146

4.5.4 关联规则挖掘148

4.6 数据挖掘软件工具151

4.7 数据挖掘的隐私问题、谬误和隐患156

4.7.1 数据挖掘和隐私问题156

4.7.2 数据挖掘谬误和隐患157

本章要点158

关键词159

问题讨论160

练习160

章末应用案例162

参考文献163

第5章 文本与Web分析164

5.1 开篇小插曲：《危险边缘》上的人机大战：Watson的故事164

5.2 文本分析和文本挖掘概述166

5.3 自然语言处理170

5.4 文本挖掘应用174

5.4.1 营销应用174

5.4.2 安全应用174

5.4.3 生物医学应用177

5.4.4 学术应用178

5.5 文本挖掘过程180

5.5.1 任务1：建立语料库180

5.5.2 任务2：创建词项-文档矩阵181

5.5.3 任务3：提取知识182

5.6 情感分析186

5.6.1 情感分析应用189

5.6.2 情感分析过程190

5.6.3 极性识别方法191

5.6.4 使用词典191

5.6.5 使用训练文档集192

5.6.6 识别句子和短语的语义倾向192

5.6.7 识别文档的语义倾向193

5.7 Web挖掘概述193

5.8 搜索引擎197

5.8.1 搜索引擎剖析198

5.8.2 开发环198

5.8.3 网络爬虫198

5.8.4 文档索引器198

5.8.5 响应环199

5.8.6 查询分析器199

5.8.7 文档匹配器／排名器199

5.8.8 搜索引擎优化200

5.8.9 搜索引擎优化的方法201

5.9 Web使用挖掘（Web分析）203

5.9.1 Web分析技术204

5.9.2 Web分析度量206

5.9.3 网站可用性206

5.9.4 流量来源207

5.9.5 访客特征208

5.9.6 转化统计208

5.10 社交分析209

5.10.1 社交网络分析210

5.10.2 社交网络分析度量211

5.10.3 联系212

5.10.4 分布212

5.10.5 分割213

5.10.6 社交媒体分析213

5.10.7 人们如何使用社交媒体214

5.10.8 评估社交媒体的影响215

5.10.9 社交媒体分析的最佳实践216

本章要点218

关键词219

问题讨论220

练习220

章末应用案例221

参考文献223

第6章 大数据与分析225

6.1 开篇小插曲：当大数据遇上大数据科学225

6.2 大数据的定义228

6.3 大数据分析基础233

6.4 大数据技术237

6.4.1 MapReduce237

6.4.2 为什么使用MapReduce238

6.4.3 Hadoop238

6.4.4 Hadoop如何工作238

6.4.5 Hadoop技术组件239

6.4.6 Hadoop：利与弊240

6.4.7 NoSQL241

6.5 数据科学家243

6.6 大数据和数据仓库248

6.6.1 Hadoop的使用案例248

6.6.2 数据仓库的使用案例249

6.6.3 灰色区域（任意一个都能胜任）250

6.6.4 Hadoop和数据仓库共存250

6.7 大数据供应商252

6.8 大数据与流分析258

6.8.1 流分析与持久性分析259

6.8.2 关键事件处理260

6.8.3 数据流挖掘260

6.9 流分析的应用261

6.9.1 电子商务261

6.9.2 电信261

6.9.3 法律实施与网络安全263

6.9.4 电力行业263

6.9.5 金融服务263

6.9.6 健康科学263

6.9.7 政府264

本章要点264

关键词264

问题讨论265

练习265

章末应用案例266

参考文献268

第7章 业务分析：趋势与前景269

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269

7.2 为组织提供基于位置的分析270

7.2.1 地理空间分析271

7.2.2 实时位置智能273

7.3 面向消费者的分析应用275

7.4 推荐引擎277

7.5 Web 2.0革命和在线社交网络278

7.5.1 Web 2.0的典型特征279

7.5.2 社交网络279

7.5.3 定义和基本信息279

7.5.4 商业和企业社交网络280

7.6 云计算与商务智能281

7.6.1 面向服务的DSS282

7.6.2 数据即服务283

7.6.3 信息即服务284

7.6.4 分析即服务284

7.7 数据分析对组织的影响286

7.7.1 新的组织结构286

7.7.2 重构业务流程和虚拟团队286

7.7.3 工作满意度287

7.7.4 工作压力和焦虑287

7.7.5 分析工具对管理人员活动和绩效的影响287

7.8 法律、隐私和道德问题288

7.8.1 法律问题288

7.8.2 隐私289

7.8.3 最近涉及隐私和数据分析的技术问题290

7.8.4 决策中的道德问题和支持291

7.9 数据分析生态系统291

7.9.1 数据分析行业的类别292

7.9.2 数据基础设施供应商292

7.9.3 数据仓库行业293

7.9.4 中间件／BI平台行业293

7.9.5 数据聚合商与分发商293

7.9.6 专注于分析的软件开发者293

7.9.7 报表和分析294

7.9.8 预测性分析294

7.9.9 规范性分析294

7.9.10 特定行业或通用的应用开发者、系统集成者295

7.9.11 分析工具的用户组织296

7.9.12 行业分析师和影响者297

7.9.13 教育机构和认证机构297

本章要点298

关键词298

问题讨论299

练习299

章末应用案例300

参考文献301

索引303