商務(wù)智能：數(shù)據(jù)分析的管理視角（原書第4版）

目　　錄
譯者序
作者簡介
前言
第1章　商務(wù)智能、商務(wù)分析和數(shù)據(jù)科學(xué)概述 1
1.1　開篇小插曲：體育分析——學(xué)習(xí)和了解商務(wù)分析應(yīng)用的一個令人興奮的前沿 1
1.2　變化的商業(yè)環(huán)境，決策支持和商務(wù)分析的需求變化 8
1.3　計算機(jī)決策支持向商務(wù)分析和數(shù)據(jù)科學(xué)的演變 9
1.4　商務(wù)智能框架 12
1.4.1　商務(wù)智能的定義 12
1.4.2　商務(wù)智能的簡史 12
1.4.3　商務(wù)智能的架構(gòu) 13
1.4.4　商務(wù)智能的起源和驅(qū)動力 13
應(yīng)用案例1.1　Sabre通過儀表盤和分析幫助客戶 14
1.4.5　商務(wù)智能多媒體應(yīng)用 15
1.4.6　事務(wù)處理與分析處理 15
1.4.7　進(jìn)行適當(dāng)?shù)囊?guī)劃并與企業(yè)戰(zhàn)略保持一致 16
1.4.8　實時按需的BI實現(xiàn) 17
1.4.9　開發(fā)或獲取BI系統(tǒng) 17
1.4.10　合理性和成本效益分析 17
1.4.11　安全和隱私保護(hù) 17
1.4.12　系統(tǒng)和應(yīng)用集成 18
1.5　商務(wù)分析概述 18
1.5.1　描述性分析 19
應(yīng)用案例1.2　Silvaris通過可視化分析和實時報表功能提升業(yè)務(wù) 19
應(yīng)用案例1.3　西門子通過使用數(shù)據(jù)可視化降低成本 20
1.5.2　預(yù)測性分析 20
應(yīng)用案例1.4　運動損傷分析 21
1.5.3　規(guī)范性分析 21
應(yīng)用案例1.5　特種鋼筋公司使用商務(wù)分析確定可承諾交付日期 22
1.5.4　商務(wù)分析應(yīng)用于不同領(lǐng)域 22
1.5.5　商務(wù)分析或數(shù)據(jù)科學(xué) 23
1.6　所處領(lǐng)域的商務(wù)分析實例 23
1.6.1　應(yīng)用于醫(yī)療保健的商務(wù)分析——Humana實例 24
1.6.2　零售價值鏈中的商務(wù)分析 27
1.7　大數(shù)據(jù)分析簡介 29
應(yīng)用案例1.6　CenterPoint Energy使用實時大數(shù)據(jù)分析改善客戶服務(wù) 30
1.8　商務(wù)分析生態(tài)系統(tǒng)概述 31
1.8.1　數(shù)據(jù)生成基礎(chǔ)設(shè)施提供商 32
1.8.2　數(shù)據(jù)管理基礎(chǔ)設(shè)施提供商 32
1.8.3　數(shù)據(jù)倉庫提供商 33
1.8.4　中間件提供商 33
1.8.5　數(shù)據(jù)服務(wù)提供商 33
1.8.6　專注于商務(wù)分析的軟件開發(fā)者 34
1.8.7　應(yīng)用開發(fā)者：特定行業(yè)或一般行業(yè) 35
1.8.8　商務(wù)分析行業(yè)分析師和有影響力者 36
1.8.9　學(xué)術(shù)機(jī)構(gòu)和認(rèn)證機(jī)構(gòu) 37
1.8.10　監(jiān)管者和政策制定者 37
1.8.11　分析用戶組織 37
1.9　本書計劃 38
1.10　資源、鏈接和Teradata大學(xué)網(wǎng)絡(luò)連接 39
第2章　描述性分析Ⅰ：數(shù)據(jù)的性質(zhì)、統(tǒng)計建模與可視化 44
2.1　開篇小插曲：SiriusXM利用數(shù)據(jù)驅(qū)動的營銷吸引新一代的移動消費者 44
2.2　數(shù)據(jù)的性質(zhì) 47
2.3　數(shù)據(jù)的簡單分類 50
應(yīng)用案例2.1　醫(yī)療器械公司節(jié)省開支的同時確保產(chǎn)品質(zhì)量 52
2.4　數(shù)據(jù)預(yù)處理的藝術(shù)與科學(xué) 54
應(yīng)用案例2.2　通過數(shù)據(jù)驅(qū)動分析提高學(xué)生保留率 56
2.5　用于商務(wù)分析的統(tǒng)計建模 61
2.5.1　用于描述性分析的描述性統(tǒng)計 62
2.5.2　集中趨勢度量（也可以稱作位置或中心度量） 62
2.5.3　算術(shù)平均數(shù) 62
2.5.4　中位數(shù) 63
2.5.5　眾數(shù) 63
2.5.6　離散趨勢度量（也可稱為散布或分散度量） 63
2.5.7　極差 64
2.5.8　方差 64
2.5.9　標(biāo)準(zhǔn)差 64
2.5.10　平均絕對偏差 64
2.5.11　四分位數(shù)與四分位距 64
2.5.12　箱圖 65
2.5.13　分布形狀 66
技術(shù)洞察2.1　如何使用Microsoft Excel進(jìn)行描述性統(tǒng)計 67
應(yīng)用案例2.3　Cary鎮(zhèn)使用商務(wù)分析來分析傳感器數(shù)據(jù)、評估需求和檢測問題 70
2.6　用于推斷性統(tǒng)計的回歸建模 71
2.6.1　我們?nèi)绾伍_發(fā)線性回歸模型 72
2.6.2　我們?nèi)绾沃滥Ｐ褪欠褡銐蚝?73
2.6.3　什么是線性回歸最重要的假設(shè) 74
2.6.4　邏輯回歸 74
應(yīng)用案例2.4　預(yù)測NCAA碗賽結(jié)果 75
2.6.5　時間序列預(yù)測 79
2.7　業(yè)務(wù)報表 80
應(yīng)用案例2.5　紙質(zhì)報表的洪水結(jié)束于FEMA 82
2.8　數(shù)據(jù)可視化 83
應(yīng)用案例2.6　Macfarlan Smith使用Tableau Online提高運營績效洞察 85
2.9　不同類型的圖表 87
2.9.1　基本圖表 88
2.9.2　專用圖表 88
2.9.3　你應(yīng)該使用哪種圖表 89
2.10　可視化分析的興起 91
技術(shù)洞察2.2　商務(wù)智能和分析平臺的Gartner魔力象限 91
2.10.1　可視化分析 93
技術(shù)洞察2.3　通過數(shù)據(jù)和可視化講出色的故事 93
2.10.2　高效率可視化分析環(huán)境 95
2.11　信息儀表盤 97
應(yīng)用案例2.7　Dallas Cowboys使用Tableau與Teknion獲得高分 98
2.11.1　儀表盤設(shè)計 99
應(yīng)用案例2.8　可視化分析幫助能源供應(yīng)商實現(xiàn)更好的連接 100
2.11.2　在儀表盤中要尋找的內(nèi)容 101
2.11.3　儀表盤設(shè)計的最佳實踐 101
2.11.4　符合行業(yè)標(biāo)準(zhǔn)的基準(zhǔn)關(guān)鍵績效指標(biāo) 101
2.11.5　使用情境的元數(shù)據(jù)包裝儀表盤指標(biāo) 101
2.11.6　通過可用性專家驗證儀表盤設(shè)計 102
2.11.7　把傳輸?shù)絻x表盤的報警或異常按優(yōu)先級劃分并排序 102
2.11.8　以業(yè)務(wù)用戶評論豐富儀表盤 102
2.11.9　從三個不同層次呈現(xiàn)信息 102
2.11.10　使用儀表盤設(shè)計原則選取正確的視覺構(gòu)造 102
2.11.11　為指導(dǎo)性分析做準(zhǔn)備 102
第3章　描述性分析II：商務(wù)智能和數(shù)據(jù)倉庫 109
3.1　開篇小插曲：利用商務(wù)智能和數(shù)據(jù)倉庫定位稅務(wù)欺詐 109
3.2　商務(wù)智能與數(shù)據(jù)倉庫 111
3.2.1　什么是數(shù)據(jù)倉庫 112
3.2.2　數(shù)據(jù)倉庫的歷史視角 112
3.2.3　數(shù)據(jù)倉庫的特征 114
3.2.4　數(shù)據(jù)集市 115
3.2.5　操作數(shù)據(jù)存儲 115
3.2.6