商务数据分析方法与应用:R语言

本书介绍利用R语言进行商务数据分析的方法和流程，并介绍如何将其应用到具体的商务场景和数据分析研究中。本书由浅入深，循序渐进，既注重R语言基础与数据分析方法，也注重R语言在具体商务案例中的应用，注重方法与实践的统一。全书共18章，第1章为概论，第2～5章介绍R语言的基本使用；第6～9章介绍使用R语言实现商务数据分析的方法；第10～15章介绍R语言在不同商务场景中的应用；第16～18章介绍利用R语言进行数据分析领域的研究。 本书所介绍的方法和应用具有通用性，不仅可作为高年级本科生及研究生的数据分析教材，而且可供社会科学、自然科学和工程技术领域的学生和研究人员参考。

第1章 商务数据分析概论
1.1 数据及其商业价值
1.2 商务数据分析的概念和步骤
1.3 商务数据分析的主要应用领域
1.4 导学知识图谱
【习题】
第一篇 R语言篇
第2章 R语言运行环境
2.1 R与RStudio
2.2 R包的调用
2.3 R数据分析常用包
【习题】
第3章 R语言基本运算与数据类型
3.1 基本运算
3.2 数据类型
3.3 数据的输入和输出
【习题】
第4章 R语言函数
4.1 R内置函数
4.2 自定义函数
4.3 条件控制语句
4.4 循环语句
【习题】
第5章 R语言可视化和数据探索
5.1 基础可视化
5.2 数据探索和可视化
5.3 交互式可视化
【习题】
第二篇 方法篇
第6章 线性回归与逻辑回归
6.1 线性回归
6.2 逻辑回归
【习题】
第7章 集成学习与分类
7.1 基于bagging的方法
7.2 基于boosting的方法
【习题】
第8章 聚类与关联规则分析
8.1 聚类分析
8.2 关联规则分析
【习题】
第9章 社交网络数据分析
9.1 社交网络结构：人际关系特征分析
9.2 基本网络模型
9.3 网络文本分析中的两个基本定律
【习题】
第三篇 场景应用篇
第10章 电商流量分析
10.1 业务场景、商务问题及相关数据
10.2 流量分析
10.3 用户消费频次分析
10.4 用户行为在时间维度的分析
10.5 用户行为转化漏斗
10.6 用户留存率分析
10.7 商品销量分析
10.8 RFM用户分层
10.9 管理建议
第11章 客户价值分析
11.1 业务场景、商务问题及相关数据
11.2 描述性分析
11.3 LRFM模型
11.4 层次聚类分析
11.5 k-means聚类分析
11.6 客户分群结果
11.7 管理建议
第12章 用户分类预测
12.1 业务场景、商务问题及相关数据
12.2 数据预处理
12.3 描述性分析
12.4 用户流失预测模型特征提取
12.5 用户流失预测模型构建
12.6 用户流失预测
12.7 管理建议
第13章 智能推荐系统
13.1 业务场景、商务问题及相关数据
13.2 推荐系统介绍
13.3 recommenderlab包的介绍
13.4 数据准备和清理
13.5 利用recommenderlab包处理数据
13.6 建立推荐模型
13.7 模型的评估
13.8 相似性计算
13.9 管理建议
第14章 在线约会网站用户偏好分析
14.1 业务场景、商务问题及相关数据
14.2 年龄差和身高差分布
14.3 学历偏好
14.4 收入偏好
14.5 多属性综合偏好
14.6 管理建议
第15章 在线音乐歌单分析
15.1 业务场景、商务问题及相关数据
15.2 描述性分析
15.3 关联规则分析
15.4 k-means聚类分析
15.5 多元线性回归模型分析
15.6 LDA主题模型分析
15.7 歌单收藏预测
15.8 管理建议
第四篇 研究篇
第16章 在线医疗长尾分析
16.1 业务场景、商务问题及相关数据
16.2 模型构建
16.3 描述性分析
16.4 相关性分析
16.5 横截面数据回归分析
16.6 模型检验
16.7 结果讨论
第17章 社会化问答社区知识分享行为分析
17.1 业务场景、商务问题及相关数据
17.2 描述性分析
17.3 知识分享行为的因素分析
17.4 面板回归
17.5 结果讨论
第18章 非正态分布数据的统计推断
18.1 业务场景、商务问题及相关数据
18.2 数据正态性检验
18.3 幂律分布检验
18.4 总体位置参数的检验
18.5 单因子方差分析中的非参数方法
参考文献