商品簡介
本書從商務智能的的三個組成部分——數據倉庫、聯機分析和數據挖掘入手，以Microsoft公司提供的SQL Server 2005平臺為載體，利用網上公開的Foodmart 2000.mdb數據集中的數據，在介紹相關理論知識的同時，以具體實例的形式，從技術和應用兩個方面對商務智能中所涉及的相關概念、方法及在管理中的應用進行了詳細介紹。
作者簡介
劉偉江，吉林長春人，經濟學博士。吉林大學商學院副教授，碩士生導師。目前主要研究領域為電子商務、數據挖掘等。2007年8月至2008年8月在美國得克薩斯大學商學院做訪問學者。曾參與吉林省委組織部經濟干部處領導干部綜合素質考評、榆樹市醫院管理信息系統、長春某企業數據挖掘等項目的研制工作。在國內外有影響的核心刊物上發表論文10余篇。
目次
前言
第1章 概述
1.1 商務智能簡介
1.1.1 商務智能概念
1.1.2 商務智能的發展
1.1.3 從數據處理的角度看商務智能的組成
1.2 為什么需要商務智能
1.3 商務智能工具
第2章 數據倉庫
2.1 數據倉庫概述
2.1.1 數據倉庫的概念及特點
2.1.2 數據庫與數據倉庫的區別
2.1.3 數據倉庫的技術支持
2.2 數據倉庫的設計
2.3 數據倉庫的構建實例--以Foodmart 2000.mdb數據集為例
第3章 數據預處理
3.1 為什么需要預處理數據
3.2 數據清理
3.2.1 空缺值處理
3.2.2 異常值檢測
3.2.3 重復記錄檢測
3.3 數據集成
3.4 數據變換
3.5 數據歸約
第4章 聯機分析處理
4.1 OLAP的概念與特點
4.1.1 OLAP的概念
4.1.2 OLAP的特點
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數據集中庫存數據表等相關數據為例
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 人工神經網絡分類
5.4.1 人工神經網絡概述
5.4.2 神經元的數學模型
5.4.3 人工神經網絡模型
5.4.4 神經網絡拓撲結構的確定
5.5 分類過程中面臨的問題--不均衡數據集
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 關聯規則
6.1 關聯規則簡介
6.2 關聯規則的分類
6.3 由事務數據庫挖掘單維關聯規則
6.3.1 Aprior算法
6.3.2 頻繁模式增長
6.4 關聯規則的推廣
6.4.1 多層關聯規則
6.4.2 多維關聯規則
6.5 時序關聯規則
6.6 商品關聯關系分析--以Foodmart 2000.mdb數據
集中1997年銷售數據為例
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 聚類分析的應用
7.4 聚類分析的操作過程--基于客戶價值的聚類分析
第8章 商務智能在管理中的應用
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
書摘/試閱
4.設計的方法不同
（1）數據倉庫的開發是從數據出發的
創建數據倉庫是在原有的數據庫系統中的數據基礎上進行的，我們稱之為“數據驅動”，數據驅動設計方法的核心是利用數據模型有效識別原有數據庫中的數據。
（2）數據倉庫使用的需求不能在開發初期完全明確
?在數據倉庫環境中，并不存在固定的且較確切的物流、數據流和信息流；
?數據分析處理的需求更加靈活，沒有固定的模式；
?甚至用戶本身也對自己的需求不能事先全部確定，而是需要一個不斷修正的過程。
（3）數據倉庫的開發是一個不斷循環的過程，是啟發式的開發
數據倉庫的開發是一個動態反饋和循環的過程。一方面數據倉庫的數據內容、結構、力度、分割以及其他物理設計應該根據客戶所反饋的信息不斷地調整和完善，以提高系統的效率和性能；另一方面，通過不斷分析、理解客戶的需求，不斷地調整和完善，以求向客戶提供更準確、更有效的決策信息。因此，數據倉庫的構建是一個不斷循環、反饋、修正，進而不斷完善的過程，所以很多情況下數據倉庫的開發步驟不是固定的。
盡管數據倉庫在上述方面與數據庫有很多不同，但數據倉庫的出現，并不是要取代數據庫。可以說，數據庫、數據倉庫相輔相成、各有千秋。目前，大部分數據倉庫還是用關系數據庫管理系統來管理的。
……
