商務(wù)智能：概念、方法及在管理中的應(yīng)用

定　價(jià)：￥39.00

作　者：	劉偉江著
出版社：	社會科學(xué)文獻(xiàn)出版社
叢編項(xiàng)：	吉林大學(xué)哲學(xué)社會科學(xué)學(xué)術(shù)文庫
標(biāo)　簽：	經(jīng)營管理

購買這本書可以去

ISBN：	9787509729472	出版時(shí)間：	2012-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	194	字?jǐn)?shù)：

內(nèi)容簡介

　　《商務(wù)智能：概念、方法及在管理中的應(yīng)用》從商務(wù)智能的的三個(gè)組成部分——數(shù)據(jù)倉庫、聯(lián)機(jī)分析和數(shù)據(jù)挖掘入手，以Microsoft公司提供的SQLServer2005平臺為載體，利用網(wǎng)上公開的Foodmart2000.mdb數(shù)據(jù)集中的數(shù)據(jù)，在介紹相關(guān)理論知識的同時(shí)，以具體實(shí)例的形式，從技術(shù)和應(yīng)用兩個(gè)方面對商務(wù)智能中所涉及的相關(guān)概念、方法及在管理中的應(yīng)用進(jìn)行了詳細(xì)介紹。本書以非常易于理解的方式展示了商務(wù)智能的內(nèi)容，實(shí)踐性強(qiáng)，既可作為高等院校相關(guān)專業(yè)本科生或研究生的教科書，也可作為商務(wù)智能感興趣的相關(guān)人員的參考書。

作者簡介

　　劉偉江，吉林長春人，經(jīng)濟(jì)學(xué)博士。吉林大學(xué)商學(xué)院副教授，碩士生導(dǎo)師。目前主要研究領(lǐng)域?yàn)殡娮由虅?wù)、數(shù)據(jù)挖掘等。2007年8月至2008年8月在美國得克薩斯大學(xué)商學(xué)院做訪問學(xué)者。曾參與吉林省委組織部經(jīng)濟(jì)干部處領(lǐng)導(dǎo)干部綜合素質(zhì)考評、榆樹市醫(yī)院管理信息系統(tǒng)、長春某企業(yè)數(shù)據(jù)挖掘等項(xiàng)目的研制工作。在國內(nèi)外有影響的核心刊物上發(fā)表論文10余篇。

圖書目錄

前言
第1章概述
1.1 商務(wù)智能簡介
1.1.1 商務(wù)智能概念
1.1.2 商務(wù)智能的發(fā)展
1.1.3 從數(shù)據(jù)處理的角度看商務(wù)智能的組成
1.2 為什么需要商務(wù)智能
1.3 商務(wù)智能工具
第2章數(shù)據(jù)倉庫
2.1 數(shù)據(jù)倉庫概述
2.1.1 數(shù)據(jù)倉庫的概念及特點(diǎn)
2.1.2 數(shù)據(jù)庫與數(shù)據(jù)倉庫的區(qū)別
2.1.3 數(shù)據(jù)倉庫的技術(shù)支持
2.2 數(shù)據(jù)倉庫的設(shè)計(jì)
2.3 數(shù)據(jù)倉庫的構(gòu)建實(shí)例--以Foodmart 2000.mdb數(shù)據(jù)集為例
第3章數(shù)據(jù)預(yù)處理
3.1 為什么需要預(yù)處理數(shù)據(jù)
3.2 數(shù)據(jù)清理
3.2.1 空缺值處理
3.2.2 異常值檢測
3.2.3 重復(fù)記錄檢測
3.3 數(shù)據(jù)集成
3.4 數(shù)據(jù)變換
3.5 數(shù)據(jù)歸約
第4章聯(lián)機(jī)分析處理
4.1 OLAP的概念與特點(diǎn)
4.1.1 OLAP的概念
4.1.2 OLAP的特點(diǎn)
4.1.3 OLTP和OLAP的對比
4.2 OLAP的一些基本概念
4.3 OLAP的分類
4.4 OLAP的基本操作
4.5 OLAP--以Foodmart 2000.mdb數(shù)據(jù)集中庫存數(shù)據(jù)表等相關(guān)數(shù)據(jù)為例
第5章分類
5.1 分類的概念
5.2 決策樹分類
5.2.1 基本概念
5.2.2 決策樹的生成過程
5.2.3 決策樹停止的條件
5.2.4 決策樹的修剪
5.2.5 決策樹的評估
5.3 貝葉斯分類
5.4 人工神經(jīng)網(wǎng)絡(luò)分類
5.4.1 人工神經(jīng)網(wǎng)絡(luò)概述
5.4.2 神經(jīng)元的數(shù)學(xué)模型
5.4.3 人工神經(jīng)網(wǎng)絡(luò)模型
5.4.4 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的確定
5.5 分類過程中面臨的問題--不均衡數(shù)據(jù)集
5.6 其他分類方法
5.6.1 k-最近鄰居法
5.6.2 粗糙集分類法
5.7 Microsoft分類挖掘模型的操作過程--以基于決策樹的客戶分類為例
第6章關(guān)聯(lián)規(guī)則
6.1 關(guān)聯(lián)規(guī)則簡介
6.2 關(guān)聯(lián)規(guī)則的分類
6.3 由事務(wù)數(shù)據(jù)庫挖掘單維關(guān)聯(lián)規(guī)則
6.3.1 Aprior算法
6.3.2 頻繁模式增長
6.4 關(guān)聯(lián)規(guī)則的推廣
6.4.1 多層關(guān)聯(lián)規(guī)則
6.4.2 多維關(guān)聯(lián)規(guī)則
6.5 時(shí)序關(guān)聯(lián)規(guī)則
6.6 商品關(guān)聯(lián)關(guān)系分析--以Foodmart 2000.mdb數(shù)據(jù)
集中1997年銷售數(shù)據(jù)為例
第7章聚類
7.1 簡介
7.2 聚類分析算法
7.2.1 K-均值簇算法
7.2.2 EM算法
7.3 聚類分析的應(yīng)用
7.4 聚類分析的操作過程--基于客戶價(jià)值的聚類分析
第8章商務(wù)智能在管理中的應(yīng)用
8.1 基于決策樹的職員職位影響因素研究
8.2 基于聚類方法的廣告效應(yīng)差異分析
8.3 基于貝葉斯方法和決策樹方法的顧客分類效果比較研究
8.4 基于聚類方法的顧客特征分析