商务智能原理与方法

　　    基础篇
　　第1章 引言
　　1.1 商务智能简介
　　1.2 商务智能与信息社会
　　1.2.1 商务智能是信息社会的产物
　　1.2.2 商务智能是信息社会繁荣的推动力
　　1.3 商务智能与企业管理
　　1.3.1 商务智能在企业管理中的作用
　　1.3.2 商务智能协助企业管理的方式
　　1.3.3 商务智能的商业价值
　　1.4 商务智能与数据挖掘
　　1.4.1 数据挖掘的概念
　　1.4.2 数据挖掘的特点
　　1.5 商务智能与新技术融合
　　1.6 小结
　　思考练习题
　　第2章 商务智能过程
　　2.1 数据库与事务处理
　　2.1.1 数据库与数据库管理系统
　　2.1.2 在线事务处理
　　2.2 数据仓库与在线分析处理
　　2.2.1 从事务处理到分析处理
　　2.2.2 数据仓库
　　2.3 知识发现与可持续竞争优势
　　2.3.1 OLAP与知识发现
　　2.3.2 使用数据挖掘增强企业竞争优势
　　2.4 小结
　　思考练习题
　　第3章 数据仓库
　　3.1 数据处理技术演进
　　3.2 数据仓库过程与体系结构
　　3.3 数据集成、提取与转换
　　3.3.1 数据提取
　　3.3.2 数据转换
　　3.3.3 数据加载
　　3.3.4 ETL设计与开发
　　3.4 数据仓库开发、管理与安全
　　3.4.1 数据仓库开发模式
　　3.4.2 数据仓库设计
　　3.4.3 数据仓库的数据模型
　　3.4.4 元数据
　　3.4.5 数据仓库的安全
　　3.5 小结
　　思考练习题
　　第4章 商务智能应用
　　4.1 制造领域应用
　　4.2 金融领域应用
　　4.3 电信领域应用
　　4.4 生物与医药领域应用
　　4.5 零售与营销领域应用
　　4.6 Web应用
　　4.7 商务智能系统与产品
　　4.7.1 商务智能解决方案系统结构
　　4.7.2 商务智能系统产品
　　4.8 小结
　　思考练习题
　　第5章 构建商务智能环境
　　5.1 商务智能环境
　　5.1.1 确定什么数据可用的能力
　　5.1.2 数据挖掘的能力
　　5.1.3 用户-系统交互能力
　　5.2 商务智能组织
　　5.2.1 外包商务智能
　　5.2.2 内给商务智能
　　5.2.3 商务智能组织成员
　　5.3 商务智能基础设施
　　5.4 商务智能系统软件
　　5.5 小结
　　思考练习题
　　方法篇
　　第6章 关联规则
　　6.1 关联规则简介
　　6.2 关联规则挖掘方法
　　6.3 关联规则兴趣性
　　6.4 关联规则知识形式扩展
　　6.4.1 广义关联规则
　　6.4.2 数量关联规则
　　6.5 简单关联规则
　　6.6 小结
　　思考练习题
　　第7章 分类分析
　　7.1 分类分析简介
　　7.2 决策树分类
　　7.2.1 决策树构建
　　7.2.2 决策树剪枝
　　7.3 贝叶斯分类
　　7.3.1 贝叶斯定理
　　7.3.2 简单贝叶斯分类器
　　7.3.3 贝叶斯信念网络
　　7.4 其他分类方法
　　7.4.1 神经元网络分类
　　7.4.2 支持向量机分类
　　7.4.3 懒惰型分类器
　　7.5 分类准确率
　　7.5.1 分类准确率比较与评估
　　7.5.2 提高分类器的准确率
　　7.6 小结
　　思考练习题
　　第8章 聚类分析
　　8.1 聚类分析简介
　　8.2 相似度及距离测度
　　8.3 聚类分析方法
　　8.3.1 划分方法
　　8.3.2 层次方法
　　8.3.3 基于密度的方法
　　8.3.4 基于网格的方法
　　8.3.5 基于模型的方法
　　8.4 k-means方法
　　8.5 DBSCAN方法
　　8.6 小结
　　思考练习题
　　第9章 概念描述
　　9.1 概念描述简介
　　9.2 描述统计学方法
　　9.3 数据归纳
　　9.3.1 属性概化
　　9.3.2 属性消减
　　9.3.3 数据表示
　　9.4 数据对比
　　9.4.1 数据对比方法
　　9.4.2 数据对比表示
　　9.5 小结
　　思考练习题
　　第10章 数据预处理
　　10.1 数据预处理简介
　　10.1.1 数据预处理的原因
　　10.1.2 数据预处理的目的
　　10.1.3 数据预处理的方法
　　10.2 数据清洗
　　10.2.1 缺失数据处理
　　10.2.2 噪声数据处理
　　10.3 数据集成与规范
　　10.3.1 数据集成处理
　　10.3.2 数据规范处理
　　10.4 数据消减
　　10.4.1 清除冗余数据
　　10.4.2 采样
　　10.4.3 数据立方合计
　　10.4.4 属性选取与生成
　　10.4.5 数据压缩
　　10.4.6 离散化与概念分层方法
　　10.5 小结
　　思考练习题
　　专题篇
　　第11章 时态模式
　　11.1 时态数据类型与模式
　　11.2 时态关联规则
　　11.3 序列相似性
　　11.3.1 距离测度法
　　11.3.2 模式匹配法
　　11.4 时态关系模式
　　11.5 时态数据的表达与转换
　　11.6 小结
　　思考练习题
　　第12章 关联分类
　　12.1 生成分类关联规则
　　12.2 分类关联规则剪枝
　　12.2.1 后剪枝方法
　　12.2.2 先剪枝方法
　　12.3 构建分类器
　　12.3.1 单一规则分类器
　　12.3.2 多规则分类器
　　12.4 混合型关联分类
　　12.5 GARC方法解析
　　12.5.1 GARC思路与算法框架
　　12.5.2 数据实验与方法比较
　　12.6 小结
　　思考练习题
　　第13章 不确定性知识发现
　　13.1 不确定性信息表达
　　13.2 分区中的边界问题
　　13.3 数据间的部分隶属性
　　13.4 不完整数据依赖
　　13.5 小结
　　思考练习题
　　第14章 复杂类型数据的挖掘
　　14.1 复杂类型数据
　　14.2 多维分析和描述性挖掘
　　14.3 空间数据挖掘
　　14.4 多媒体数据挖掘
　　14.5 文本数据挖掘
　　14.6 Web挖掘
　　14.7 小结
　　思考练习题
　　第15章 商务智能经济社会影响与发展
　　15.1 商务智能经济社会影响
　　15.1.1 “长尾”与“利基”市场
　　15.1.2 隐私与安全
　　15.2 商务智能的发展趋势
　　15.2.1 商务智能技术标准
　　15.2.2 实时商务智能
　　15.2.3 移动商务智能
　　15.3 小结
　　思考练习题
　　参考文献

　　    陈国青，清华大学经济管理学院教授、博士生导师、常务副院长。教育部长江学者特聘教授、EMC2信息系统讲席教授；教育部管理科学与工程类学科教学指导委员会副主任，国际信息系统协会中国分会（CNAIS）主席。1992年获比利时鲁汶大学博士学位，是1999年度国家杰出青年科学基金获得者。主要教学与研究领域包括管理信息系统、商务智能与管理决策、信息管理与电子商务、软计算与数据建模。
　　卫强，清华大学经济管理学院副教授。2003年获清华大学博士学位，并获清华大学优秀博士毕业生称号；是2007年美国麻省理工学院斯隆管理学院访问学者。在国内外学术期刊与国际会议上发表学术论文三十余篇，如《Decision Support Systems》、《Information Sciences》、《International Journal of Approximate Reasoning》、《International Journal ofIntelligent Systems》等。主要教学与研究领域包括商务智能与数据挖掘、管理信息系统、数据库与数据建模、不确定性信息处理、管理系统模拟。

　　    商务智能通过数据挖掘技术从海量数据中发现潜在、新颖和有用的知识，体现了信息技术融合背景下进行精益化管理和科学化决策的能力。《商务智能原理与方法》从商务角度入手，以基础篇、方法篇、专题篇三大板块的形式，较全面地涵盖了商务智能领域的基础知识、基本原理和技术方法等内容；融入了若干前沿成果和最新应用；同时结合经济和管理实例，说明如何通过商务智能的方法来分析企业经营、优化企业运作，从而提升企业竞争优势。
　　《商务智能原理与方法》既可以作为高等学校管理科学与工程及工商管理、计算机应用相关学科高年级本科生和研究生的教材，也可以作为企、事业单位信息化的培训教材，以及相关工程与管理决策人员的参考书。