商务数据分析

本书分为三部分。第一部分通过对于商务数据分析概念、理论、应用和分析框架的介绍，帮助读者建立对商务数据的范畴和应用的初步认知。第二部分分类别介绍了商务数据分析的常见方法，包括数据获取与理解、数据预处理与特征工程、计量模型、数据挖掘模型、社会网络分析模型、可视化等。通过具体的商务数据分析示例的介绍和解析，帮助读者理解和学习这些方法的基本原理，以及此方法在数据分析整体框架中所起到的作用。第三部分基于商务实际数据，以案例的方式介绍了商务数据分析的常见应用，包括购买预测、销量预测、流失预测、客户细分、商品推荐等，并按照分析框架进行介绍，让读者不仅了解商务数据分析的具体应用，还加深了对于商务数据分析框架的认识。本教材适用于商业分析、数据科学、大数据技术、信息管理信息系统、电子商务、计算机应用等专业。

第一部分商务数据分析基本概念与框架
第一章商务数据分析基本概念/3
第一节商务数据分析概述/3
1.数据类型/3
2.数据分析类型/4
3.数据分析方法/5
第二节商务分析理论/6
1.4P理论/6
2.用户画像/8
3.用户点击流分析/9
4.顾客价值/9
第三节数据分析主要应用/10
1.市场营销/10
2.运营管理/11
3.产品研发/12
第二章商务数据分析框架/13
1.问题明确/13
2.数据理解/13
3.数据预处理/14
4.模型建立/15
5.模型评价/19
6.模型发布/19
第二部分商务数据分析常用方法
第三章数据获取与数据理解/23
第一节数据获取/23
1.直接获取/23
2.间接获取/24
第二节数据描述/25
1.集中趋势分析/26
2.离散程度分析/29
3.分布形状分析/31
习题/33
第四章数据预处理/34
第一节数据预处理/34
1.数据预处理的目的/34
2.数据预处理的主要任务/34
3.数据清洗/35
4.数据集成/39
5.数据变换/40
6.数据规约/44
第二节特征工程/46
1.特征选择的目的/47
2.特征选择的过程/48
3.子集搜索/49
4.子集评价/51
5.特征选择的方法/51
习题/55
第五章计量模型/56
第一节时间序列分析/56
1.时间序列分析简介/56
2.时间序列建模:平稳性检验/57
3.平稳时间序列常用模型:AR，MA与ARMA/59
4.非平稳时间序列/62
第二节回归模型/66
1.回归模型评价标准/67
2.线性回归/69
3.非线性回归/71
4.回归模型和回归系数的显著性/72
5.多重共线性的检验/73
习题/75
第六章数据挖掘分类预测模型/76
第一节分类模型评价标准/76
第二节逻辑回归/79
1.从线性回归到逻辑回归/79
2.逻辑回归的参数优化/80
3.逻辑回归小结/81
4.二分类算法应用于多分类问题/81
第三节决策树/82
1.信息熵/82
2.信息熵、不确定性与集合纯度/84
3.信息增益/85
4.常见的决策树算法/87
5.决策树的剪枝/89
6.决策树小结/89
第四节贝叶斯算法/90
1.贝叶斯概率/90
2.贝叶斯公式/90
3.朴素贝叶斯算法/92
4.非朴素贝叶斯算法/93
5.贝叶斯算法小结/94
第五节k最近邻算法/94
1.基本k最近邻算法/94
2.k最近邻算法的三个基本要素/94
3.改进最近邻算法:kd树的构造/96
4.k最近邻算法小结/99
第六节支持向量机/99
1.SVM基本原理/99
2.软间隔/101
3.SVM中的核函数/102
4.SVM算法的特点/104
第七节人工神经网络/104
1.神经网络基本结构/105
2.神经元模型/106
3.BP神经网络/108
4.BP神经网络特点/110
第八节分类和预测算法扩展/111
1.数据不平衡问题/111
2.集成学习/112
习题/115
第七章数据挖掘聚类与关联规则模型/116
第一节聚类/116
1.聚类概念/116
2.K-Means聚类/117
3.基于密度的聚类方法/120
4.层级凝聚聚类（HAC）/121
5.聚类效果评价指标/122
第二节关联规则/124
1.关联规则的基本概念/124
2.关联规则常用评价标准/125
3.关联规则挖掘基础:频繁项集与强规则/126
4.关联规则挖掘算法Apriori/126
5.关联规则挖掘算法FP-growth/128
6.关联规则挖掘算法ECLAT/131
7.关联规则的其他评价标准/133
习题/135
第八章社会网络分析模型/136
第一节社会网络分析基本概念/136
1.基本结构/136
2.网络的表示/137
3.路径/137
4.距离/138
5.连通图与连通分量/139
6.割点、桥、结构洞/139
第二节社会网络的度量方法/140
1.网络规模和密度/140
2.中心性/141
第三节社会网络的性质/147
1.同质性/148
2.三元闭包/148
3.强弱关系/149
4.平衡网络/149
5.网络级联/150
第四节社会网络分析在商务问题中的应用/152
1.基于社区识别的推荐/152
2.病毒营销/153
3.基于商品网络的推荐/153
习题/154
第九章复杂数据分析方法/155
第一节文本处理/155
1.文本预处理/155
2.文本特征提取/156
3.文本情感分析/160
第二节图像处理/162
1.颜色特征/162
2.纹理特征/163
3.形状特征/164
4.空间关系特征/164
5.关键特征/165
6.视觉词袋特征/165
7.SentiBank语义特征/166
8.其他特征/166
习题/167
第十章数据可视化/168
第一节可视化的作用/168
第二节数据可视化的常用图表/168
1.适合单特征展示的图形/169
2.适合多个特征展示的图形/171
第三节用图形展示模型结果/173
1.模型结果展示/173
2.模型与变量间关系展示/174
3.模型间对比展示/175
第四节常用的可视化工具/175
1.Excel/175
2.语言代码内作图工具/175
3.界面化可视化工具/176
4.社会网络可视化工具/177
习题/177
第三部分商业应用
第十一章预测模型应用/181
第一节购买预测/181
1.问题描述/181
2.数据理解/181
3.数据预处理/182
4.模型建立/183
5.模型评价/183
6.案例小结/183
第二节流失预测/184
1.问题描述/184
2.数据理解/184
3.数据预处理/184
4.模型建立/185
5.模型评价/185
6.案例小结/185
第三节销量预测/185
1.问题描述/185
2.数据理解/186
3.数据预处理:数据清洗/186
4.数据预处理:特征工程/187
5.模型建立/188
6.模型评价/188
7.案例小结/189
第十二章分类模型应用/191
第一节客户细分/191
1.问题描述/191
2.数据理解/191
3.数据预处理/192
4.模型建立/194
5.模型评价/195
6.案例小结/196
第十三章推荐系统应用/197
1.问题描述/197
2.数据理解/197
3.模型建立/198
4.模型评价/199
5.案例小结/200
参考文献/201