商務智能：管理視角(原書第2版)（簡體書）

《計算機科學叢書·商務智能：管理視角（原書第2版）》主要介紹商務智能、知識管理、數據挖掘和其他智能系統的基礎和應用知識，并通過例子、產品、服務和練習，以及基于網絡的問題討論擴展了讀者對網絡世界的理解。第2版的改進主要集中在3個領域：數據挖掘、文本挖掘和Web挖掘、實施和新技術。
本書可以作為商務智能課程的教材，也可以作為管理信息系統簡介或者商務戰略的教材，還可以作為MBA技術管理課程的補充讀物，或者注重管理視角的管理科學和管理信息系統項目的教材。

Efraim Turban執教于夏威夷大學，暢銷教材作者、著名的電子商務學者。曾任美國加利福尼亞長島州立大學管理信息系統教授，香港城市大學和香港科技大學訪問教授。他曾撰寫出版了十多部著作和大量論文，并擔任多家雜志的編輯以及多家跨國公司和政府的顧問，是商務和金融計算機決策支持領域最多產的學者之一。
Ramesh Sharda是俄克拉荷馬州立大學西爾斯工商管理學院管理科學與信息系統的杰出貢獻教授，信息系統研究所所長，Conoco Phillps公司技術管理主席。
Dursun Delen是俄克拉荷馬州立大學西爾斯工商管理學院管理科學與信息系統的副教授。
David King有25年主持決策支持開發、性能管理和企業系統軟件的經驗。他還服務于許多工業咨詢委員會和大學董事會。

《計算機科學叢書·商務智能：管理視角（原書第2版）》是電子商務領域著名學者Turban教授的又一力作。全書側重于商務智能和為企業決策提供支持的商務分析。，書中不僅介紹了傳統的商務智能基本理論和應用，還介紹了當前商務智能涉及的新技術和新趨勢，如文本挖掘、Web挖掘、社交網絡和云計算等。
本書既可作為商務智能課程的教材，也可作為管理信息系統導論或商務戰略的教材，同時還可以作為MBA技術管理課程的補充讀物。
本書特色：
管理導向：本書主要從管理視角詳細介紹商務智能的應用和實施，同時也非常重視商務智能技術層面的應用，介紹了數據倉庫、數據挖掘、數據可視化和人工神經網絡等基本理論及其在管理決策方面的應用。
真實案例：通過大量全球大公司、小企業、政府機構和非營利組織的真實案例來生動形象地闡述相關概念和理論。
集成系統：本書強調那些支持企業和企業眾多用戶的系統，而不是孤立的基于互聯網的商務智能系統。熱點研究：無線射頻識別、云計算、社交網絡、Web2.0、虛擬世界等，本書分別從理論和應用角度
對它們進行了闡述。

出版者的話
譯者序
前言
作者簡介

第1章 商務智能簡介
開篇場景：Norfolk Southern利用商務智能進行決策支持獲取成功
1.1 變化的商務環境和計算機化的決策支持
1.2 商務智能框架
1.2.1 BI的定義
1.2.2 BI的歷史
1.2.3 BI的架構
1.2.4 BI的形式
1.2.5 BI的好處
1.2.6 事件驅動預警
1.3 智能創造和使用與商務智能治理
1.3.1 智能創造和使用的循環過程
1.3.2 智能與竊取
1.4 交易處理和分析處理
1.5 成功的BI實施
1.5.1 典型的BI用戶群體
1.5.2 合適的計劃及其與商業戰略的一致性
1.5.3 實時的、基于需求的BI是可達到的
1.5.4 開發或獲得BI系統
1.5.5 理由和成本一利潤分析
1.5.6 隱私安全和保護
1.5.7 系統集成和應用
1.6 商務智能的主要工具和技術
1.6.1 技術和工具
1.6.2 選擇BI供應商
1.7 本書計劃
1.8 相關資源、鏈接和Teradata大學網絡的連接
1.8.1 資源和鏈接
1.8.2 案例
1.8.3 供應商、產品和演示
1.8.4 期刊
1.8.5 Teradata大學網絡的連接
1.8.6 本書的網站
本章重點
關鍵術語
討論題
練習
本章結尾應用案例
參考文獻

第2章 數據倉庫
開篇場景：DirecTV的蓬勃發展與實時數據倉庫
2.1 數據倉庫的定義和概念
2.1.1 什么是數據倉庫
2.1.2 數據倉庫的特點
2.1.3 數據集市
2.1.4 業務數據存儲
2.1.5 企業數據倉庫
2.1.6 元數據
2.2 數據倉庫流程概述
2.3 數據倉庫架構
2.3.1 可選的數據倉庫架構
2.3.2 哪種架構是最好的
2.4 數據集成以及提取、轉換和加載的過程
2.4.1 數據集成
2.4.2 提取、轉換和加載
2.5 數據倉庫的開發
2.5.1 數據倉庫供應商
2.5.2 數據倉庫開發方法
2.5.3 數據倉庫開發的其他思考
2.5.4 數據倉庫中的數據表示
2.5.5 數據倉庫中的數據分析
2.5.6 OLAP與OLTP
2.5.7 OLAP操作
2.6 數據倉庫的實施問題
2.7 實時數據倉庫
2.8 數據倉庫管理系統、安全問題和未來發展趨勢
2.9 相關資源、鏈接和Teradata大學網絡的連接
2.9.1 資源和鏈接
2.9.2 案例
2.9.3 供應商、產品和演示
2.9.4 期刊
2.9.5 其他參考文獻
2.9.6 Teradata大學網絡的連接
本章重點
關鍵術語
討論題
練習
本章結尾應用案例
參考文獻

第3章 業務績效管理
開篇場景：Harrah公司加倍下注
3.1 業務績效管理概述
3.1.1 BPM定義
3.1.2 比較BPM和BI
3.2 制定戰略：我們想到哪里去
3.2.1 戰略規劃
3.2.2 戰略差距
3.3 計劃：我們如何達到那里
3.3.1 運營計劃
3.3.2 財務計劃和預算
3.4 監控：我們做得怎么樣
3.4.1 診斷控制系統
3.4.2 差異分析的困難
3.5 行動和調整：我們需要做什么不同的嗎
3.6 績效評價
3.6.1 KPI和業務指標
3.6.2 現有績效評價系統存在的問題
3.6.3 有效的績效指標
3.7 BPM方法
3.7.1 平衡記分卡
3.7.2 六西格瑪
3.8 BPM技術和應用
3.8.1 BPM架構
3.8.2 商業BPM套件
3.8.3 BPM市場與BI平臺市場對比
3.9 績效儀表盤和記分卡
3.9.1 儀表盤和記分卡
3.9.2 儀表盤設計
3.9.3 儀表盤展示的內容
3.9.4 數據可視化
本章重點
關鍵術語
討論題
練習
本章結尾應用案例
參考文獻

第4章 商務智能中的數據挖掘
開篇場景：數據挖掘來到好萊塢
4.1 數據挖掘概念和定義
4.1.1 定義、特征和好處
4.1.2 數據挖掘的工作原理
4.2 數據挖掘應用
4.3 數據挖掘流程
4.3.1 步驟1：理解業務
4.3.2 步驟2：理解數據
4.3.3 步驟3：數據準備
4.3.4 步驟4：建模
4.3.5 步驟5：測試和評估
4.3.6 步驟6：部署
4.3.7 其他標準化數據挖掘過程和方法
4.4 數據挖掘方法
4.4.1 分類
4.4.2 分類模型正確性估算
4.4.3 數據挖掘聚類分析
4.4.4 關聯規則挖掘
4.5 數據挖掘中的人工神經網絡
4.5.1 人工神經網絡的要素
4.5.2 人工神經網絡應用
4.6 數據挖掘軟件工具
4.7 關于數據挖掘的一些謊言和謬誤
本章重點
關鍵術語
討論題
練習
……
第5章 文本挖掘與Web挖掘
第6章 商務智能實施：整合和新興趨勢
術語