商務(wù)智能是近年來(lái)企業(yè)信息化的熱點(diǎn)，有著廣闊的應(yīng)用前景。本書(shū)首先系統(tǒng)地介紹商務(wù)智能的基本概念、商務(wù)智能系統(tǒng)的架構(gòu)以及數(shù)據(jù)倉(cāng)庫(kù)、在線分析處理和數(shù)據(jù)挖掘等核心技術(shù)。在此基礎(chǔ)上，討論商務(wù)智能在電子商務(wù)、移動(dòng)商務(wù)、企業(yè)績(jī)效管理等領(lǐng)域的應(yīng)用，并分析大數(shù)據(jù)分析、大模型技術(shù)在商務(wù)智能領(lǐng)域的應(yīng)用。此外，通過(guò)八爪魚(yú)、Tableau、帆軟等主流的商務(wù)智能技術(shù)進(jìn)行實(shí)驗(yàn)，增強(qiáng)讀者的應(yīng)用能力。本書(shū)內(nèi)容新穎、全面，案例豐富，適合作為計(jì)算機(jī)應(yīng)用、軟件工程、信息管理、電子商務(wù)和管理科學(xué)等相關(guān)專業(yè)本科生和研究生的教材，也可作為從事數(shù)據(jù)分析的信息化人員的參考資料。
本書(shū)緊跟時(shí)代步伐，及時(shí)吸納了企業(yè)數(shù)字化、大模型應(yīng)用分析等趨勢(shì)；內(nèi)容的系統(tǒng)性安排，讓讀者能夠循序漸進(jìn)地構(gòu)建起商務(wù)智能的完整知識(shí)體系。重視實(shí)驗(yàn)與應(yīng)用環(huán)節(jié)，通過(guò)精心設(shè)計(jì)的實(shí)驗(yàn)項(xiàng)目和案例分析，引導(dǎo)讀者將所學(xué)知識(shí)應(yīng)用于解決實(shí)際問(wèn)題中，從而在動(dòng)手操作中深化理解，提升實(shí)戰(zhàn)能力。
前言
在這個(gè)數(shù)字化時(shí)代，企業(yè)的數(shù)字化轉(zhuǎn)型正以前所未有的速度推進(jìn)，對(duì)商務(wù)智能的作用提出了更高的要求。商務(wù)智能（business intelligence,BI）不再僅是后臺(tái)的數(shù)據(jù)分析工具，而是成為企業(yè)決策的前臺(tái)支撐，其內(nèi)涵也隨之得到了擴(kuò)展�！渡虅�(wù)智能（第六版）》正是在這樣的背景下應(yīng)運(yùn)而生，旨在為讀者提供一個(gè)全面、深入、與時(shí)俱進(jìn)的商務(wù)智能學(xué)習(xí)教材。
隨著人工智能技術(shù)的快速發(fā)展，尤其是大模型技術(shù)的出現(xiàn)，商務(wù)智能領(lǐng)域迎來(lái)了新的技術(shù)推動(dòng)力。這些技術(shù)不僅極大地?cái)U(kuò)展了商務(wù)智能的處理能力，使其能夠處理更大規(guī)模的數(shù)據(jù)集，挖掘更深層次的洞見(jiàn)，而且在更短的時(shí)間內(nèi)做出更精準(zhǔn)的預(yù)測(cè)。更重要的是，大模型技術(shù)使商務(wù)智能的應(yīng)用更加業(yè)務(wù)化，推動(dòng)了自助式商務(wù)智能的發(fā)展，讓非技術(shù)背景的業(yè)務(wù)人員也能輕松地利用數(shù)據(jù)進(jìn)行決策支持。
作者在前五版的基礎(chǔ)上，參考商務(wù)智能技術(shù)和應(yīng)用的發(fā)展，并吸收了廣大讀者的建議，對(duì)第五版進(jìn)行了如下修訂：
（1） 刪除了一些難懂且偏學(xué)術(shù)的內(nèi)容，如OLAP操作語(yǔ)言、工作流挖掘、RFID數(shù)據(jù)挖掘、商務(wù)智能與知識(shí)管理等，這些內(nèi)容雖然在某些特定領(lǐng)域仍有其價(jià)值，但對(duì)于大多數(shù)商務(wù)智能實(shí)踐者來(lái)說(shuō)，已經(jīng)不再是關(guān)注的重點(diǎn)。
（2） 補(bǔ)充了大模型技術(shù)在商務(wù)智能中的應(yīng)用，這些內(nèi)容涵蓋了的算法、模型和工具，幫助讀者理解并應(yīng)用這些技術(shù)解決實(shí)際問(wèn)題，使商務(wù)智能更加貼近業(yè)務(wù)需求。
（3） 為了加強(qiáng)理論與實(shí)踐的結(jié)合，強(qiáng)化了實(shí)驗(yàn)內(nèi)容，補(bǔ)充了更多的實(shí)驗(yàn)案例和一個(gè)綜合的實(shí)訓(xùn)案例：銀行欺詐與拖欠行為分析，提升了教材的實(shí)用性。這些實(shí)驗(yàn)不僅能夠幫助讀者更好地理解商務(wù)智能的概念和技術(shù)，還能夠提高他們的實(shí)際操作能力。
（4） 優(yōu)化了配套網(wǎng)課。為了配合混合式的教學(xué)，作者在超星教學(xué)平臺(tái)開(kāi)發(fā)了配套的在線視頻課（商務(wù)數(shù)據(jù)分析）： https://mooc11.chaoxing.com/course/100564035.html。除了課程視頻外，每個(gè)單元還提供了選擇題、參考案例以及Python程序等內(nèi)容，便于讀者自學(xué)。
（5） 開(kāi)發(fā)了在線實(shí)驗(yàn)案例。為了便于讀者動(dòng)手練習(xí)，作者在頭歌平臺(tái)開(kāi)發(fā)了在線的機(jī)器學(xué)習(xí)實(shí)踐課程（https://www.educoder.net/paths/ygpm7bqe），不用安裝軟件，就可以在線上動(dòng)手練習(xí)，促進(jìn)了實(shí)驗(yàn)教學(xué)。
在教材的編寫(xiě)過(guò)程中，研究生崔德華、歐家發(fā)等參與了部分資料的收集和校對(duì)工作，在此特表感謝。由于作者水平有限，書(shū)中有不到之處，敬請(qǐng)批評(píng)指正。
趙衛(wèi)東
2025年1月于復(fù)旦大學(xué)
目錄
優(yōu)質(zhì)部分商務(wù)智能基礎(chǔ)
第1章商務(wù)智能概論
1.1商業(yè)決策需要商務(wù)智能
1.1.1數(shù)據(jù)、信息與知識(shí)
1.1.2管理就是決策
1.1.3決策需要信息和知識(shí)
1.1.4智能型企業(yè)
1.1.5商務(wù)智能支持商業(yè)決策
1.1.6新一代的決策支持系統(tǒng)
1.2商務(wù)智能簡(jiǎn)介
1.2.1商務(wù)智能的概念
1.2.2商務(wù)智能的發(fā)展
1.2.3商務(wù)智能的價(jià)值
1.3商務(wù)智能系統(tǒng)的功能
1.4商務(wù)智能的應(yīng)用
1.5企業(yè)數(shù)字化轉(zhuǎn)型
1.6人工智能增強(qiáng)的商務(wù)智能
思考題
第二部分商務(wù)智能核心技術(shù)
第2章商務(wù)智能系統(tǒng)架構(gòu)
2.1商務(wù)智能系統(tǒng)的組成
2.2數(shù)據(jù)集成
思考題
第3章數(shù)據(jù)倉(cāng)庫(kù)
3.1從數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù)
3.2數(shù)據(jù)倉(cāng)庫(kù)的概念
3.3數(shù)據(jù)集市
3.4元數(shù)據(jù)
3.5ETL
3.6操作型數(shù)據(jù)存儲(chǔ)
3.7數(shù)據(jù)倉(cāng)庫(kù)模型
3.8數(shù)據(jù)挖掘查詢語(yǔ)言
3.9醫(yī)保數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)
3.10數(shù)據(jù)湖
3.11數(shù)據(jù)中臺(tái)
思考題
第4章在線分析處理
4.1OLAP簡(jiǎn)介
4.2OLTP與OLAP的區(qū)別
4.3OLAP操作
思考題
第5章數(shù)據(jù)挖掘
5.1數(shù)據(jù)挖掘的基礎(chǔ)
5.1.1數(shù)據(jù)挖掘的概念
5.1.2數(shù)據(jù)挖掘的發(fā)展
5.1.3數(shù)據(jù)挖掘的過(guò)程
5.1.4數(shù)據(jù)挖掘原語(yǔ)與語(yǔ)言
5.1.5基于組件的數(shù)據(jù)挖掘
5.1.6數(shù)據(jù)可視化
5.1.7數(shù)據(jù)挖掘的隱私保護(hù)
5.2數(shù)據(jù)挖掘的典型應(yīng)用領(lǐng)域
5.3數(shù)據(jù)預(yù)處理
5.4聚類分析
5.4.1聚類的概念
5.4.2聚類分析的統(tǒng)計(jì)量
5.4.3常用聚類算法
5.4.4其他聚類方法
5.4.5離群點(diǎn)檢測(cè)
5.5分類分析
5.5.1貝葉斯分類器
5.5.2決策樹(shù)
5.5.3支持向量機(jī)
5.5.4反向傳播神經(jīng)網(wǎng)絡(luò)
5.5.5其他分類方法
5.6關(guān)聯(lián)分析
5.6.1關(guān)聯(lián)規(guī)則
5.6.2Apriori算法
5.6.3FP增長(zhǎng)算法
5.6.4其他關(guān)聯(lián)規(guī)則挖掘算法
5.7序列模式挖掘
5.7.1基本概念
5.7.2類Apriori算法
5.8回歸分析
5.8.1一元回歸分析
5.8.2多元線性回歸分析
5.8.3其他回歸分析
5.9時(shí)間序列分析
5.10數(shù)據(jù)挖掘技術(shù)與應(yīng)用的發(fā)展方向
思考題
第三部分商務(wù)智能應(yīng)用
第6章移動(dòng)商務(wù)智能
6.1移動(dòng)商務(wù)
6.2商務(wù)智能在移動(dòng)商務(wù)中的應(yīng)用
思考題
第7章Web挖掘
7.1Web挖掘基礎(chǔ)
7.2Web內(nèi)容挖掘
7.3Web結(jié)構(gòu)挖掘
7.4Web日志挖掘
思考題
第8章商務(wù)智能在企業(yè)績(jī)效管理中的應(yīng)用
8.1企業(yè)績(jī)效管理的層次
8.2商務(wù)智能貫穿企業(yè)績(jī)效管理的閉環(huán)流程
8.3商務(wù)智能與企業(yè)績(jī)效管理
8.4商務(wù)智能給企業(yè)績(jī)效管理帶來(lái)的價(jià)值
思考題
第9章數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用
9.1電子商務(wù)需要數(shù)據(jù)挖掘
9.2顧客管理
9.3網(wǎng)站結(jié)構(gòu)優(yōu)化
9.4智能搜索引擎
9.5異常事件識(shí)別
思考題
第10章大數(shù)據(jù)分析
10.1大數(shù)據(jù)核心技術(shù)基礎(chǔ)
10.1.1大數(shù)據(jù)存儲(chǔ)
10.1.2大數(shù)據(jù)處理
10.1.3大數(shù)據(jù)應(yīng)用
10.1.4Hadoop開(kāi)源架構(gòu)
10.2大數(shù)據(jù)分析的基本流程
10.3大數(shù)據(jù)分析和商務(wù)智能
思考題
第11章大模型技術(shù)應(yīng)用
11.1大模型的特點(diǎn)和發(fā)展
11.2大模型技術(shù)與商務(wù)智能的融合
11.2.1數(shù)據(jù)分析自動(dòng)化
11.2.2洞察能力提升
11.2.3自主性增強(qiáng)
11.2.4多模態(tài)數(shù)據(jù)處理
11.3自助式數(shù)據(jù)分析
11.4訊飛星火的數(shù)據(jù)分析助手
第四部分商務(wù)智能發(fā)展
第12章商務(wù)智能進(jìn)展
12.1商務(wù)智能的應(yīng)用趨勢(shì)
12.2商務(wù)智能在中國(guó)的發(fā)展
12.3商務(wù)智能動(dòng)態(tài)
思考題
第五部分實(shí)驗(yàn)
第13章商務(wù)智能實(shí)驗(yàn)
13.1二手房?jī)r(jià)格可視化分析
13.2使用Tableau可視化進(jìn)行數(shù)據(jù)聯(lián)動(dòng)
13.3使用帆軟（FineReport）分析超市數(shù)據(jù)
13.3.1FineReport簡(jiǎn)介
13.3.2FineReport上傳數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理
13.3.3FineReport圖表分析
13.3.4交互式操作
13.3.5FineReport圖表聯(lián)動(dòng)操作
13.4銀行客戶流失分析
13.5銀行客戶分析
思考題
第14章綜合實(shí)訓(xùn)： 銀行欺詐與拖欠行為分析
14.1用戶信用等級(jí)影響因素
14.1.1客戶申請(qǐng)數(shù)據(jù)預(yù)處理
14.1.2申請(qǐng)成功影響因素
14.2用戶信用等級(jí)影響因素
14.3基于消費(fèi)的信用等級(jí)影響因素
14.4欺詐判斷模型
14.4.1基于Apriori算法的欺詐模型
14.4.2基于判別的欺詐模型
14.4.3基于分類算法的欺詐模型
14.5欺詐人口屬性分析
14.5.1欺詐人口屬性統(tǒng)計(jì)分析
14.5.2基于邏輯回歸的欺詐人口屬性分析
14.5.3逾期還款的客戶特征
14.5.4基于決策樹(shù)分析逾期客戶特征
14.5.5基于回歸分析逾期客戶特征
14.5.6根據(jù)消費(fèi)歷史分析客戶特征
14.5.7基于聚類分析客戶特征
14.5.8基于聚類的客戶細(xì)分
思考題
附錄AAnaconda的安裝與使用
書(shū)單推薦
