商务智能(第2版微课视频版2023年度上海高校市级一流本科课程-线上线下混合式课程商务

大数据时代，数据已经成为企业的重要资产。企业积累的数据增长迅速，如何从海量数据中挖掘出重要的商业价值，并运用到企业的决策中，是当今各个企业需要面对的实际问题。商务智能能够将数据转换为信息，并加以提炼，形成满足企业需求的知识，由此提高企业的反应速度和决策的准确性，帮助企业快速适应市场的发展。所以商务智能有着广泛的应用前景。 本书内容全面，讲解由浅入深，案例丰富。在第1版的基础上，第2版根据教学反馈完善了商务智能涉及的技术，增加了Power BI可视化和Python代码实现，并对第1版的部分内容进行了大幅的补充和优化。第2版在秉承了第1版的特点的基础上，章节安排更合理，除保留RapidMiner实验外，还增加了Power BI和Python 3实验，实验内容更加丰富和实用。 本书可以作为高等院校经济管理和信息管理等相关专业“商务智能”课程的教材。

陈建，副教授，博士，上海第二工业大学大学 经济与工商管理学院教师，讲授课程为商务智能、数据挖掘分析，主要研究项目及领域为数据挖掘、机器学习，一直从事电子商务领域数据挖掘的工作。曾出版《商务智能》教材一部。

第1章 商务智能 1.1 商务智能的概念 1.2 商务智能的功能 1.3 商务智能的组成要素 1.4 商务智能的核心技术 1.5 商务智能的系统框架 1.6 商务智能的分析流程 1.7 商务智能的主流产品 1.8 习题第2章 数据仓库 2.1 数据仓库的基本概念 2.1.1 数据仓库的数据结构 2.1.2 数据仓库的系统构成 2.1.3 数据仓库系统开发概述 2.1.4 数据仓库系统设计调研 2.1.5 信息包图设计概念模型 2.2 多维数据模型 2.2.1 多维数据建模 2.2.2 事实表、维表和键的设计 2.3 在线分析处理 2.3.1 在线分析处理概况 2.3.2 在线分析处理的基本概念和典型操作 2.3.3 在线分析处理的分类 2.4 Hive简介 2.4.1 Hive的概念 2.4.2 Hive的数据模型 2.4.3 Hive与数据仓库 2.5 习题第3章 数据准备 3.1 数据准备的基本知识 3.2 数据类型及处理方式 3.2.1 统计计量角度的数据类型 3.2.2 计算机角度的数据类型 3.2.3 数据处理方式 3.3 数据准备的主要内容 3.3.1 数据清洗 3.3.2 数据归一化 3.3.3 数据离散化 3.3.4 数据降维 3.3.5 文本清洗 3.4 ETL 3.5 习题第4章 相关分析 4.1 相关分析的基本原理 4.2 相关关系 4.3 相关系数 4.4 相关分析步骤 4.5 偏相关分析 4.6 习题第5章 聚类分析 5.1 聚类的基本概念 5.2 “亲疏程度”的衡量与计算 5.2.1 定距型变量个体间的距离计算 5.2.2 计数变量个体间的距离计算 5.2.3 二值变量个体间的距离计算 5.2.4 其他个体间的距离计算 5.3 聚类的方法 5.3.1 K-均值聚类算法 5.3.2 K-中间值聚类算法 5.3.3 均值漂移聚类算法 5.3.4 基于密度的聚类算法 5.3.5 高斯混合模型聚类算法 5.3.6 层次聚类算法 5.3.7 图团体检测算法 5.4 聚类评估和优化 5.4.1 聚类算法的问题 5.4.2 手肘法K值优化 5.5 习题第6章 回归分析 6.1 线性回归原理 6.1.1 一元线性回归模型 6.1.2 回归参数的计算 6.1.3 回归方程的统计检验 6.1.4 一元线性回归方程的预测 6.2 多元线性回归分析 6.2.1 二元线性回归分析 6.2.2 m元线性回归分析 6.2.3 非线性回归分析 6.3 逻辑回归 6.3.1 逻辑回归的基本原理 6.3.2 二项逻辑回归分析 6.3.3 多项逻辑回归分析 6.4 习题第7章 分类分析 7.1 分类分析原理 7.2 贝叶斯分类 7.2.1 基本原理 7.2.2 平滑处理 7.3 决策树分类 7.3.1 基本原理 7.3.2 信息增益 7.3.3 决策树的过拟合和剪枝 7.4 神经网络分类 7.4.1 基本原理 7.4.2 神经元模型 7.4.3 网络结构 7.4.4 深度学习 7.5 习题第8章 关联分析 8.1 频繁模式与关联规则 8.1.1 基本概念 8.1.2 频繁项集的性质 8.1.3 频繁项集的代表项集 8.1.4 关联规则的度量 8.2 频繁项集的典型挖掘方法 8.2.1 先验算法 8.2.2 频繁模式增长算法 8.2.3 关联规则的产生方法 8.3 关联规则的其他类型 8.3.1 多层关联规则 8.3.2 负模式 8.3.3 结构化数据的关联分析 8.4 习题第9章 文本挖掘 9.1 文本挖掘的概念 9.2 文本挖掘的技术背景 9.3 文本挖掘的任务 9.4 文本挖掘的预处理 9.5 文本模式挖掘 9.6 挖掘结果可视化 9.7 文本特征和表示 9.7.1 向量空间模型 9.7.2 概念模型 9.8 文本挖掘的应用 9.8.1 词频分析 9.8.2 情感分析 9.9 习题第10章 大数据分析 10.1 云计算与大数据 10.2 大数据存储 10.3 大数据的应用 10.3.1 制造业 10.3.2 农业 10.3.3 金融业 10.3.4 零售业 10.3.5 物流行业 10.3.6 医疗行业 10.4 Hadoop开源框架 10.4.1 Hadoop简介 10.4.2 HDFS架构及简介 10.4.3 MapReduce简介 10.4.4 YARN 10.4.5 Hadoop存储格式 10.5 Spark开源框架 10.5.1 Spark简述 10.5.2 Spark SQL 10.5.3 Spark Streaming 10.5.4 Spark MLlib 10.6 习题第11章 社会网络 11.1 社会网络的基本问题 11.2 社会网络的基本理论 11.2.1 图论 11.2.2 博弈论 11.3 社会网络的基本原则 11.3.1 三元闭包 11.3.2 桥和捷径 11.3.3 小世界与无标度 11.4 社会网络与商务智能 11.4.1 用户行为分析 11.4.2 利用贝叶斯规则验证群集效应 11.5 习题第12章 商务智能开发工具——RapidMiner 12.1 RapidMiner简介 12.2 连接数据 1