商務(wù)智能：數據分析的管理視角（原書(shū)第3版）簡(jiǎn)介，目錄書(shū)摘

編輯推薦:　　管理導向：《商務(wù)智能：數據分析的管理視角（原書(shū)第3版）》主要從管理視角詳細介紹商務(wù)智能的應用和實(shí)施，同時(shí)非常重視商務(wù)智能技術(shù)層面的應用，尤其是新出現的一些新領(lǐng)域、新應用。
　　真實(shí)案例：通過(guò)大量全球大公司、小企業(yè)、政府機構和非營(yíng)利組織的真實(shí)案例來(lái)生動(dòng)形象地闡述相關(guān)概念和理論。
　　集成系統：《商務(wù)智能：數據分析的管理視角（原書(shū)第3版）》強調支持企業(yè)和眾多用戶(hù)的系統，而不是孤立的基于互聯(lián)網(wǎng)的商務(wù)智能系統。
　　熱點(diǎn)研究：本書(shū)分別從理論和應用角度對無(wú)線(xiàn)射頻識別、云計算、社交網(wǎng)絡(luò )、Web2.0、大數據等進(jìn)行了闡述。

內容簡(jiǎn)介:　　《商務(wù)智能：數據分析的管理視角（原書(shū)第3版）》側重于商務(wù)智能和為企業(yè)決策提供支持的業(yè)務(wù)分析。書(shū)中不僅介紹了傳統的商務(wù)智能基本理論和應用，還介紹了當前商務(wù)智能涉及的新技術(shù)和新趨勢，如社交網(wǎng)絡(luò )、云計算、數據分析生態(tài)系統以及法律、隱私和道德問(wèn)題等。
　　《商務(wù)智能：數據分析的管理視角（原書(shū)第3版）》可以作為管理科學(xué)、電子商務(wù)和企業(yè)管理等專(zhuān)業(yè)的MBA、研究生以及本科生商務(wù)智能、決策支持系統等課程的教材，也可以作為管理信息系統、商務(wù)數據分析等課程的輔助教材，還適合從事企業(yè)信息管理、業(yè)務(wù)分析的人士閱讀。

作者簡(jiǎn)介:　 　拉姆什·沙爾達（Ramesh Sharda）博士，商業(yè)主管項目主任，信息系統研究所所長(cháng)，康菲石油公司技術(shù)管理主席，俄克拉荷馬州立大學(xué)斯皮爾斯商學(xué)院管理科學(xué)與信息系統的杰出貢獻教授，信息系統協(xié)會(huì )決策支持系統和知識管理專(zhuān)業(yè)組（SIGDSS）的共同創(chuàng )辦人，服務(wù)于多個(gè)編輯委員會(huì )。他的研究方向包括決策支持系統、商務(wù)分析、信息過(guò)載管理技術(shù)。

　　 杜爾森·德倫（Dursun Delen）博士，俄克拉荷馬州立大學(xué)斯皮爾斯商學(xué)院管理科學(xué)與信息系統教授，創(chuàng )新醫療系統研究中心主任，業(yè)務(wù)分析教授。他的研究方向包括數據和文本挖掘、業(yè)務(wù)分析、決策支持系統、知識管理、商務(wù)智能和企業(yè)建模。

　 　埃弗雷姆·特班（Efraim Turban）博士，夏威夷大學(xué)太平洋信息系統管理研究院訪(fǎng)問(wèn)學(xué)者，曾經(jīng)就職于多所大學(xué)，包括香港城市大學(xué)、里海大學(xué)、佛羅里達國際大學(xué)、加利福尼亞州立大學(xué)長(cháng)灘分校、東伊利諾伊大學(xué)以及南加利福尼亞大學(xué)。他還是世界各地許多公司的咨詢(xún)師。他的研究方向包括基于Web的決策支持系統、社會(huì )化電子商務(wù)和協(xié)同決策

目錄:Business Intelligence: A Managerial Perspective On Analytics, 3E
出版者的話(huà)
譯者序
前言
作者簡(jiǎn)介
第1章　商務(wù)智能、數據分析和決策支持概述
1.1　開(kāi)篇小插曲：Magpie Sensing公司使用分析技術(shù)高效而安全地管理疫苗供應鏈
1.2　變化的商業(yè)環(huán)境和計算機決策支持
1.3　商務(wù)智能架構
1.3.1　BI的定義
1.3.2　BI的簡(jiǎn)史
1.3.3　BI的架構
1.3.4　BI的起源和驅動(dòng)力
1.3.5　BI中的多媒體練習
1.4　智能產(chǎn)生、使用與商務(wù)智能治理
1.4.1　智能產(chǎn)生和使用的循環(huán)過(guò)程
1.4.2　智能與竊取
1.5　事務(wù)處理與分析處理
1.6　成功的BI實(shí)施
1.6.1　典型的BI用戶(hù)群體
1.6.2　合理規劃與業(yè)務(wù)戰略的統一
1.6.3　實(shí)時(shí)的、隨需應變的BI是
可以實(shí)現的
1.6.4　開(kāi)發(fā)或收購BI系統
1.6.5　理由和成本 -收益分析
1.6.6　安全和隱私保護
1.6.7　系統和應用的集成
1.7　數據分析概述
1.7.1　描述性分析
1.7.2　預測性分析
1.7.3　規范性分析
1.7.4　應用于不同領(lǐng)域的數據分析
1.7.5　數據分析還是數據科學(xué)
1.8　大數據分析簡(jiǎn)介
1.9　本書(shū)的安排
1.10　資源、鏈接和Teradata大學(xué)網(wǎng)絡(luò )連接
1.10.1　資源和鏈接
1.10.2　供應商、產(chǎn)品和演示
1.10.3　期刊
1.10.4　Teradata大學(xué)網(wǎng)絡(luò )連接
1.10.5　本書(shū)的網(wǎng)站
本章要點(diǎn)
關(guān)鍵詞
問(wèn)題討論
練習
章末應用案例
參考文獻
第2章　數據倉庫
2.1　開(kāi)篇小插曲：卡普里島賭場(chǎng)利用企業(yè)數據倉庫獲勝
2.2　數據倉庫的定義和概念
2.2.1　什么是數據倉庫
2.2.2　數據倉庫歷史透視
2.2.3　數據倉庫的特點(diǎn)
2.2.4　數據集市
2.2.5　操作數據存儲
2.2.6　企業(yè)數據倉庫
2.2　元數據
2.3　數據倉庫流程概述
2.4　數據倉庫架構
2.4.1　可選的數據倉庫架構
2.4.2　哪種架構最好
2.5　數據集成以及提取、轉換和加載過(guò)程
2.5.1　數據集成
2.5.2　提取、轉換和加載
2.6　數據倉庫的開(kāi)發(fā)
2.6.1　數據倉庫開(kāi)發(fā)方法
2.6.2　數據倉庫開(kāi)發(fā)的其他思考
2.6.3　數據倉庫中的數據表示
2.6.4　數據倉庫中的數據分析
2.6.5　OLAP和OLTP
2.6.6　OLAP操作
2.7　數據倉庫的實(shí)施問(wèn)題
2.8　實(shí)時(shí)數據倉庫
2.9　數據倉庫管理、安全問(wèn)題和未來(lái)趨勢
2.10　資源、鏈接和Teradata大學(xué)網(wǎng)絡(luò )連接
2.10.1　資源和鏈接
2.10.2　案例
2.10.3　供應商、產(chǎn)品和演示
2.10.4　期刊
2.10.5　其他參考文獻
2.10.6　Teradata大學(xué)網(wǎng)絡(luò )連接
本章要點(diǎn)
關(guān)鍵詞
問(wèn)題討論
練習
章末應用案例
參考文獻
第3章　業(yè)務(wù)報表、可視化分析與企業(yè)
績(jì)效管理
3.1　開(kāi)篇小插曲: 自助服務(wù)的報表環(huán)境為企業(yè)用戶(hù)節省上百萬(wàn)美元
3.2　業(yè)務(wù)報表的定義和概念
3.2.1　什么是業(yè)務(wù)報表
3.2.2　業(yè)務(wù)報表系統的組件
3.3　數據與信息可視化
3.4　不同類(lèi)型的圖表
3.4.1　基本圖表
3.4.2　專(zhuān)用圖表
3.5　數據可視化與可視化分析的出現
3.5.1　可視化分析
3.5.2　高性能可視化分析環(huán)境
3.6　績(jì)效儀表盤(pán)
3.6.1　儀表盤(pán)設計
3.6.2　在儀表盤(pán)中尋找什么
3.6.3　儀表盤(pán)設計的最佳實(shí)踐
3.6.4　根據行業(yè)標準建立 KPI 基準
3.6.5　利用上下文元數據封裝儀表盤(pán)度量
3.6.6　通過(guò)可用性專(zhuān)家檢驗儀表盤(pán)設計
3.6.7　在儀表盤(pán)中指定警報和異常的優(yōu)先級
3.6.8　使用用戶(hù)評論豐富的儀表盤(pán)
3.6.9　在3個(gè)不同層次展示信息
3.6.10　使用儀表盤(pán)設計準則選擇正確的可視化方式
3.6.11　提供指導性分析
3.7　企業(yè)績(jì)效管理
3.8　績(jì)效度量
3.8.1　關(guān)鍵績(jì)效指標
3.8.2　績(jì)效度量系統
3.9　平衡記分卡
3.9.1　4個(gè)視角
3.9.2　平衡在BSC中的意義
3.9.3　儀表盤(pán)與平衡記分卡
3.10　作為績(jì)效度量系統的六西格瑪
3.10.1　DMAIC績(jì)效模型
3.10.2　平衡記分卡與六西格瑪
3.10.3　有效的績(jì)效度量
本章要點(diǎn)
關(guān)鍵詞
問(wèn)題討論
練習
章末應用案例
參考文獻
第4章　數據挖掘
4.1　開(kāi)篇小插曲：坎貝拉公司將高級分析和數據挖掘應用于更多客戶(hù)
4.2　數據挖掘概念和應用
4.2.1　定義、特征和優(yōu)勢
4.2.2　數據挖掘原理
4.2.3　數據挖掘與統計學(xué)
4.3　數據挖掘應用
4.4　數據挖掘過(guò)程
4.4.1　步驟1：業(yè)務(wù)理解
4.4.2　步驟2：數據理解
4.4.3　步驟3：數據準備
4.4.4　步驟4：建模
4.4.5　步驟5：測試和評估
4.4.6　步驟6：部署
4.4.7　其他標準化的數據挖掘過(guò)程和方法
4.5　數據挖掘方法
4.5.1　分類(lèi)
4.5.2　估算分類(lèi)模型的準確率
4.5.3　數據挖掘聚類(lèi)分析
4.5.4　關(guān)聯(lián)規則挖掘
4.6　數據挖掘軟件工具
4.7　數據挖掘的隱私問(wèn)題、謬誤和隱患
4.7.1　數據挖掘和隱私問(wèn)題
4.7.2　數據挖掘謬誤和隱患
本章要點(diǎn)
關(guān)鍵詞
問(wèn)題討論
練習
章末應用案例
參考文獻
第5章　文本與Web分析
5.1　開(kāi)篇小插曲：《危險邊緣》上的人機大戰：Watson的故事
5.2　文本分析和文本挖掘概述
5.3　自然語(yǔ)言處理
5.4　文本挖掘應用
5.4.1　營(yíng)銷(xiāo)應用
5.4.2　安全應用
5.4.3　生物醫學(xué)應用
5.4.4　學(xué)術(shù)應用
5.5　文本挖掘過(guò)程
5.5.1　任務(wù)1：建立語(yǔ)料庫
5.5.2　任務(wù)2：創(chuàng )建詞項-文檔矩陣
5.5.3　任務(wù)3：提取知識
5.6　情感分析
5.6.1　情感分析應用
5.6.2　情感分析過(guò)程
5.6.3　極性識別方法
5.6.4　使用詞典
5.6.5　使用訓練文檔集
5.6.6　識別句子和短語(yǔ)的語(yǔ)義傾向
5.6.7　識別文檔的語(yǔ)義傾向
5.7　Web挖掘概述
5.8　搜索引擎
5.8.1　搜索引擎剖析
5.8.2　開(kāi)發(fā)環(huán)
5.8.3　網(wǎng)絡(luò )爬蟲(chóng)
5.8.4　文檔索引器
5.8.5　響應環(huán)
5.8.6　查詢(xún)分析器
5.8.7　文檔匹配器/排名器
5.8.8　搜索引擎優(yōu)化
5.8.9　搜索引擎優(yōu)化的方法
5.9　Web使用挖掘（Web分析）
5.9.1　Web分析技術(shù)
5.9.2　Web分析度量
5.9.3　網(wǎng)站可用性
5.9.4　流量來(lái)源
5.9.5　訪(fǎng)客特征
5.9.6　轉化統計
5.10　社交分析
5.10.1　社交網(wǎng)絡(luò )分析
5.10.2　社交網(wǎng)絡(luò )分析度量
5.10.3　聯(lián)系
5.10.4　分布
5.10.5　分割
5.10.6　社交媒體分析
5.10.7　人們如何使用社交媒體
5.10.8　評估社交媒體的影響
5.10.9　社交媒體分析的最佳實(shí)踐
本章要點(diǎn)
關(guān)鍵詞
問(wèn)題討論
練習
章末應用案例
參考文獻
第6章　大數據與分析
6.1　開(kāi)篇小插曲：當大數據遇上大數據科學(xué)
6.2　大數據的定義
6.3　大數據分析基礎
6.4　大數據技術(shù)
6.4.1　MapReduce
6.4.2　為什么使用MapReduce
6.4.3　Hadoop
6.4.4　Hadoop如何工作
6.4.5　Hadoop技術(shù)組件
6.4.6　Hadoop：利與弊
6.4.7　NoSQL
6.5　數據科學(xué)家
6.6　大數據和數據倉庫
6.6.1　Hadoop的使用案例
6.6.2　數據倉庫的使用案例
6.6.3　灰色區域（任意一個(gè)都能勝任）
6.6.4　Hadoop和數據倉庫共存
6.7　大數據供應商
6.8　大數據與流分析
6.8.1　流分析與持久性分析
6.8.2　關(guān)鍵事件處理
6.8.3　數據流挖掘
6.9　流分析的應用
6.9.1　電子商務(wù)
6.9.2　電信
6.9.3　法律實(shí)施與網(wǎng)絡(luò )安全
6.9.4　電力行業(yè)
6.9.5　金融服務(wù)
6.9.6　健康科學(xué)
6.9.7　政府
本章要點(diǎn)
關(guān)鍵詞
問(wèn)題討論
練習
章末應用案例
參考文獻
第7章　業(yè)務(wù)分析：趨勢與前景
7.1　開(kāi)篇小插曲：俄克拉荷馬州天然氣及電力公司利用數據分析促進(jìn)智能能源使用
7.2　為組織提供基于位置的分析
7.2.1　地理空間分析
7.2.2　實(shí)時(shí)位置智能
7.3　面向消費者的分析應用
7.4　推薦引擎
7.5　Web 2.0革命和在線(xiàn)社交網(wǎng)絡(luò )
7.5.1　Web 2.0的典型特征
7.5.2　社交網(wǎng)絡(luò )
7.5.3　定義和基本信息
7.5.4　商業(yè)和企業(yè)社交網(wǎng)絡(luò )
7.6　云計算與商務(wù)智能
7.6.1　面向服務(wù)的DSS
7.6.2　數據即服務(wù)
7.6.3　信息即服務(wù)
7.6.4　分析即服務(wù)
7.7　數據分析對組織的影響
7.7.1　新的組織結構
7.7.2　重構業(yè)務(wù)流程和虛擬團隊
7.7.3　工作滿(mǎn)意度
7.7.4　工作壓力和焦慮
7.7.5　分析工具對管理人員活動(dòng)和績(jì)效的影響
7.8　法律、隱私和道德問(wèn)題
7.8.1　法律問(wèn)題
7.8.2　隱私
7.8.3　最近涉及隱私和數據分析的技術(shù)問(wèn)題
7.8.4　決策中的道德問(wèn)題和支持
7.9　數據分析生態(tài)系統
7.9.1　數據分析行業(yè)的類(lèi)別
7.9.2　數據基礎設施供應商
7.9.3　數據倉庫行業(yè)
7.9.4　中間件/BI平臺行業(yè)
7.9.5　數據聚合商與分發(fā)商
7.9.6　專(zhuān)注于分析的軟件開(kāi)發(fā)者
7.9.7　報表和分析
7.9.8　預測性分析
7.9.9　規范性分析
7.9.10　特定行業(yè)或通用的應用開(kāi)發(fā)者、系統集成者
7.9.11　分析工具的用戶(hù)組織
7.9.12　行業(yè)分析師和影響者
7.9.13　教育機構和認證機構
本章要點(diǎn)
關(guān)鍵詞
問(wèn)題討論
練習
章末應用案例
參考文獻
索引