商务智能 数据分析的管理视角2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

商务智能 数据分析的管理视角PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 商务智能、商务分析和数据科学概述1

1.1 开篇小插曲：体育分析——学习和了解商务分析应用的一个令人兴奋的前沿1

1.2 变化的商业环境，决策支持和商务分析的需求变化8

1.3 计算机决策支持向商务分析和数据科学的演变9

1.4 商务智能框架12

1.4.1 商务智能的定义12

1.4.2 商务智能的简史12

1.4.3 商务智能的架构13

1.4.4 商务智能的起源和驱动力13

应用案例1.1 Sabre通过仪表盘和分析帮助客户14

1.4.5 商务智能多媒体应用15

1.4.6 事务处理与分析处理15

1.4.7 进行适当的规划并与企业战略保持一致16

1.4.8 实时按需的BI实现17

1.4.9 开发或获取BI系统17

1.4.10 合理性和成本效益分析17

1.4.11 安全和隐私保护17

1.4.12 系统和应用集成18

1.5 商务分析概述18

1.5.1 描述性分析19

应用案例1.2 Silvaris通过可视化分析和实时报表功能提升业务19

应用案例1.3 西门子通过使用数据可视化降低成本20

1.5.2 预测性分析20

应用案例1.4 运动损伤分析21

1.5.3 规范性分析21

应用案例1.5 特种钢筋公司使用商务分析确定可承诺交付日期22

1.5.4 商务分析应用于不同领域22

1.5.5 商务分析或数据科学23

1.6 所处领域的商务分析实例23

1.6.1 应用于医疗保健的商务分析——Humana实例24

1.6.2 零售价值链中的商务分析27

1.7 大数据分析简介29

应用案例1.6 CenterPoint Energy使用实时大数据分析改善客户服务30

1.8 商务分析生态系统概述31

1.8.1 数据生成基础设施提供商32

1.8.2 数据管理基础设施提供商32

1.8.3 数据仓库提供商33

1.8.4 中间件提供商33

1.8.5 数据服务提供商33

1.8.6 专注于商务分析的软件开发者34

1.8.7 应用开发者：特定行业或一般行业35

1.8.8 商务分析行业分析师和有影响力者36

1.8.9 学术机构和认证机构37

1.8.10 监管者和政策制定者37

1.8.11 分析用户组织37

1.9 本书计划38

1.10 资源、链接和Teradata大学网络连接39

第2章 描述性分析Ⅰ：数据的性质、统计建模与可视化44

2.1 开篇小插曲：SiriusXM利用数据驱动的营销吸引新一代的移动消费者44

2.2 数据的性质47

2.3 数据的简单分类50

应用案例2.1 医疗器械公司节省开支的同时确保产品质量52

2.4 数据预处理的艺术与科学54

应用案例2.2 通过数据驱动分析提高学生保留率56

2.5 用于商务分析的统计建模61

2.5.1 用于描述性分析的描述性统计62

2.5.2 集中趋势度量（也可以称作位置或中心度量）62

2.5.3 算术平均数62

2.5.4 中位数63

2.5.5 众数63

2.5.6 离散趋势度量（也可称为散布或分散度量）63

2.5.7 极差64

2.5.8 方差64

2.5.9 标准差64

2.5.10 平均绝对偏差64

2.5.11 四分位数与四分位距64

2.5.12 箱图65

2.5.13 分布形状66

技术洞察2.1 如何使用Microsoft Excel进行描述性统计67

应用案例2.3 Cary镇使用商务分析来分析传感器数据、评估需求和检测问题70

2.6 用于推断性统计的回归建模71

2.6.1 我们如何开发线性回归模型72

2.6.2 我们如何知道模型是否足够好73

2.6.3 什么是线性回归最重要的假设74

2.6.4 逻辑回归74

应用案例2.4 预测NCAA碗赛结果75

2.6.5 时间序列预测79

2.7 业务报表80

应用案例2.5 纸质报表的洪水结束于FEMA82

2.8 数据可视化83

应用案例2.6 Macfarlan Smith使用Tableau Online提高运营绩效洞察85

2.9 不同类型的图表87

2.9.1 基本图表88

2.9.2 专用图表88

2.9.3 你应该使用哪种图表89

2.10 可视化分析的兴起91

技术洞察2.2 商务智能和分析平台的Gartner魔力象限91

2.10.1 可视化分析93

技术洞察2.3 通过数据和可视化讲出色的故事93

2.10.2 高效率可视化分析环境95

2.11 信息仪表盘97

应用案例2.7 Dallas Cowboys使用Tableau与Teknion获得高分98

2.11.1 仪表盘设计99

应用案例2.8 可视化分析帮助能源供应商实现更好的连接100

2.11.2 在仪表盘中要寻找的内容101

2.11.3 仪表盘设计的最佳实践101

2.11.4 符合行业标准的基准关键绩效指标101

2.11.5 使用情境的元数据包装仪表盘指标101

2.11.6 通过可用性专家验证仪表盘设计102

2.11.7 把传输到仪表盘的报警或异常按优先级划分并排序102

2.11.8 以业务用户评论丰富仪表盘102

2.11.9 从三个不同层次呈现信息102

2.11.10 使用仪表盘设计原则选取正确的视觉构造102

2.11.11 为指导性分析做准备102

第3章 描述性分析Ⅱ：商务智能和数据仓库109

3.1 开篇小插曲：利用商务智能和数据仓库定位税务欺诈109

3.2 商务智能与数据仓库111

3.2.1 什么是数据仓库112

3.2.2 数据仓库的历史视角112

3.2.3 数据仓库的特征114

3.2.4 数据集市115

3.2.5 操作数据存储115

3.2.6 企业数据仓库115

3.2.7 元数据116

应用案例3.1 更好的数据计划：著名的TELCO公司使用数据仓库和商务分析技术在竞争激烈的行业中保持领先地位116

3.3 数据仓库过程117

3.4 数据仓库架构119

3.4.1 可选的数据仓库架构121

3.4.2 哪种架构最好123

3.5 数据集成以及提取、转换和加载过程124

3.5.1 数据集成124

应用案例3.2 BP Lubricants公司实现BIGS成功124

3.5.2 提取、转换和加载126

3.6 数据仓库的开发128

应用案例3.3 使用Teradata分析的SAP解决方案加速大数据交付128

3.6.1 数据仓库开发方法131

3.6.2 数据仓库开发的其他思考133

3.6.3 数据仓库中的数据表示133

技术洞察3.1 托管数据仓库133

3.6.4 数据仓库中的数据分析135

3.6.5 OLAP和OLTP135

3.6.6 OLAP操作135

3.7 数据仓库的实施问题136

应用案例3.4 EDW帮助连接密歇根的政府机构138

3.8 数据仓库管理、安全问题和未来趋势140

技术洞察3.2 数据湖141

3.9 企业绩效管理145

应用案例3.5 AAPR改造其BI基础设施，并在三年内达到347％的投资回报146

3.10 绩效度量149

3.10.1 关键绩效指标149

3.10.2 绩效度量系统150

3.11 平衡记分卡150

3.11.1 四个视角150

3.11.2 平衡在平衡记分卡中的意义151

3.12 作为绩效度量系统的六西格玛152

3.12.1 DMAIC绩效模型152

3.12.2 平衡记分卡与六西格玛153

3.12.3 有效的绩效度量153

应用案例3.6 Expedia.com的客户满意度记分卡154

第4章 预测性分析Ⅰ：数据挖掘的过程、方法和算法162

4.1 开篇小插曲：迈阿密达德警察部门应用预测性分析预测和打击犯罪162

4.2 数据挖掘概念与应用165

应用案例4.1 Visa利用预测性分析和数据挖掘提升用户体验，同时减少欺诈行为166

4.2.1 定义、特征和优势167

4.2.2 数据挖掘原理169

应用案例4.2 戴尔在21世纪通过分析保持敏捷和高效169

4.2.3 数据挖掘与统计学173

4.3 数据挖掘应用173

应用案例4.3 预测性分析和数据挖掘有助于阻止对恐怖分子的资助175

4.4 数据挖掘过程176

4.4.1 步骤1：业务理解176

4.4.2 步骤2：数据理解177

4.4.3 步骤3：数据准备177

4.4.4 步骤4：建模178

应用案例4.4 数据挖掘有助于癌症研究178

4.4.5 步骤5：测试和评估180

4.4.6 步骤6：部署180

4.4.7 其他数据挖掘标准化过程和方法181

4.5 数据挖掘方法182

4.5.1 分类182

4.5.2 估计分类模型的准确度183

应用案例4.5 Influence Health使用先进的预测性分析来关注影响人们医疗保健决策的因素189

4.5.3 数据挖掘聚类分析191

4.5.4 关联规则挖掘192

4.6 数据挖掘软件工具195

应用案例4.6 数据挖掘来到好莱坞：预测电影的商业成功198

4.7 数据挖掘的隐私问题、谬误和隐患201

应用案例4.7 预测客户购买模式——Target公司的故事201

第5章 预测性分析Ⅱ：文本、Web以及社交媒体分析211

5.1 开篇小插曲：《Jeopardy》上的人机大战：Watson的故事211

5.2 文本分析与文本挖掘概述213

技术洞察5.1 文本挖掘术语215

应用案例5.1 保险集团通过文本挖掘解决方案来加强风险管理216

5.3 自然语言处理217

应用案例5.2 AMC Networks正在使用分析为多渠道世界中的广告商捕获新的观众、预测评级和增加价值219

5.4 文本挖掘应用221

5.4.1 营销应用221

5.4.2 安全应用222

应用案例5.3 挖掘谎言222

5.4.3 生物医学应用224

5.4.4 学术应用225

应用案例5.4 将客户带入质量方程：联想使用分析重新构思设计226

5.5 文本挖掘过程227

5.5.1 任务1：建立语料库228

5.5.2 任务2：创建词项-文档矩阵228

5.5.3 任务3：提取知识230

应用案例5.5 使用文本挖掘研究文献综述231

5.6 情感分析234

应用案例5.6 创造独特的数字体验来享受温网中的精彩瞬间235

5.6.1 情感分析应用237

5.6.2 情感分析过程239

5.6.3 极性识别方法240

5.6.4 使用词典240

5.6.5 使用训练文档集241

5.6.6 识别句子和短语的语义倾向241

5.6.7 识别文档的语义倾向242

技术洞察5.2 用于预测性文本挖掘和情感分析的大规模文本数据集242

5.7 Web挖掘概述242

5.8 搜索引擎246

5.8.1 搜索引擎剖析247

5.8.2 搜索引擎优化249

技术洞察5.3 最流行的排名前15的搜索引擎（2016年8月）249

5.8.3 搜索引擎优化方法250

应用案例5.7 理解为什么客户放弃购物车使销售额增加了1000万美元251

5.9 Web使用挖掘（Web分析）252

5.9.1 Web分析技术253

5.9.2 Web分析指标253

5.9.3 网站可用性254

5.9.4 流量来源254

5.9.5 访客特征255

5.9.6 转化统计256

5.10 社交分析257

5.10.1 社交网络分析257

5.10.2 社交网络分析指标258

应用案例5.8 Tito的伏特加酒通过可靠的社交策略建立品牌忠诚度258

5.10.3 社交媒体分析261

5.10.4 人们如何使用社交媒体261

5.10.5 度量社交媒体的影响262

5.10.6 社交媒体分析的最佳实践263

第6章 规范性分析：优化和模拟270

6.1 开篇小插曲：费城学区通过使用规范性分析找到巴士路线的最佳解决方案270

6.2 基于模型的决策271

应用案例6.1 通过决策支持系统向埃克森美孚下游进行最佳运输272

6.2.1 规范性分析模型案例273

6.2.2 识别问题和环境分析273

应用案例6.2 Ingram Micro使用商务智能应用进行定价决策274

6.2.3 模型类别275

6.3 用于决策支持的数学模型的结构276

6.3.1 决策支持数学模型的组件276

6.3.2 数学模型的结构277

6.4 确定性、不确定性以及风险分析277

6.4.1 确定性下的决策278

6.4.2 不确定性下的决策278

6.4.3 风险分析278

6.5 使用电子表格进行决策建模279

应用案例6.3 美国航空使用成本建模来评估出货路线的不确定性279

应用案例6.4 宾夕法尼亚州收养交易所使用电子表格模型更好地匹配儿童与家庭280

应用案例6.5 Metro Meals on WheelsTreasure Valley使用Excel来寻找最佳的配送路线281

6.6 数学规划优化283

应用案例6.6 混合整数规划模型帮助田纳西大学医学中心调度医生283

6.6.1 线性规划模型285

6.6.2 线性规划中的建模：一个例子285

6.6.3 实现289

6.7 多目标、敏感性分析、假设分析和目标寻求291

6.7.1 多目标291

6.7.2 敏感性分析292

6.7.3 假设分析293

6.7.4 目标寻求294

6.8 基于决策表和决策树的决策分析294

6.8.1 决策表295

6.8.2 决策树296

6.9 模拟概论296

应用案例6.7 乙型肝炎干预的模拟效果297

6.9.1 模拟的主要特征298

6.9.2 模拟的优点298

6.9.3 模拟的缺点299

6.9.4 模拟方法299

6.9.5 模拟类型300

6.9.6 蒙特卡罗模拟301

6.9.7 离散事件模拟301

应用案例6.8 Cosan使用模拟改善其可再生能源供应链301

6.10 视觉交互式模拟303

6.10.1 传统模拟的不足303

6.10.2 视觉交互式模拟303

6.10.3 视觉交互式模型和决策支持系统303

应用案例6.9 通过RFID改进作业车间调度决策：基于模拟的评估304

6.10.4 模拟软件306

第7章 大数据概念和工具312

7.1 开篇小插曲：使用大数据方法分析电信公司的客户流失312

7.2 大数据的定义315

技术洞察7.1 数据规模越来越大，越来越大316

应用案例7.1 市场分析或预测的替代数据318

7.3 大数据分析的基础319

应用案例7.2 前五大投资银行实现了真正的单一来源322

7.4 大数据技术324

7.4.1 MapReduce324

7.4.2 为什么使用MapReduce325

7.4.3 Hadoop325

7.4.4 Hadoop如何工作325

7.4.5 Hadoop技术组件326

7.4.6 Hadoop的优缺点327

技术洞察7.2 关于Hadoop的一些神秘事实327

7.4.7 NoSQL328

应用案例7.3 eBay的大数据解决方案329

应用案例7.4 了解Twitter上医疗保健信息的质量和可靠性331

7.5 大数据和数据仓库332

7.5.1 Hadoop用例332

7.5.2 数据仓库用例333

7.5.3 灰色区域334

7.5.4 Hadoop和数据仓库共存335

7.6 大数据供应商和平台336

7.6.1 IBM InfoSphere BigInsights337

应用案例7.5 使用社交媒体预测流感活动338

7.6.2 Teradata Aster339

应用案例7.6 从电子病历数据仓库分析疾病模式340

技术洞察7.3 如何在大数据上取得成功342

7.7 大数据和流分析343

7.7.1 流分析与永久分析345

7.7.2 关键事件处理345

7.7.3 数据流挖掘345

7.8 流分析的应用346

7.8.1 电子商务346

7.8.2 电信346

应用案例7.7 Salesforce正在使用流数据提升客户价值347

7.8.3 执法和网络安全347

7.8.4 电力行业347

7.8.5 金融服务347

7.8.6 健康科学348

7.8.7 政府348

第8章 商务分析的未来趋势、隐私和管理思考352

8.1 开篇小插曲：传感器数据分析帮助西门子避免火车故障352

8.2 物联网353

应用案例8.1 SilverHook汽艇使用实时数据分析通知参赛者和赛艇迷354

应用案例8.2 Rockwell Automation监控昂贵的石油和天然气探测资产355

8.2.1 IoT技术基础设施355

8.2.2 RFID传感器356

8.2.3 雾计算358

8.2.4 IoT平台359

应用案例8.3 Pitney Bowes与GeneralElectric IoT平台合作优化生产359

8.2.5 IoT初创生态系统359

8.2.6 物联网的管理注意事项361

8.3 云计算和商务分析362

8.3.1 数据即服务（DaaS）363

8.3.2 软件即服务（SaaS）363

8.3.3 平台即服务（PaaS）364

8.3.4 基础设施即服务（IaaS）364

8.3.5 云计算的基本技术364

8.3.6 云部署模型365

8.3.7 主要分析云平台提供商365

8.3.8 分析即服务（AaaS）366

8.3.9 代表性的分析即服务产品366

8.3.10 使用云基础设施的说明性分析应用367

8.4 为组织提供基于位置的分析370

8.4.1 地理空间分析370

应用案例8.4 Great Clips采用空间分析来减少位置决策的时间372

应用案例8.5 Starbucks利用GIS和分析在全球各地扩展372

8.4.2 实时位置智能373

应用案例8.6 Quiznos吸引顾客策略374

8.4.3 消费者的分析应用375

8.5 合法性、隐私和道德问题376

8.5.1 法律问题376

8.5.2 隐私377

8.5.3 收集个人信息377

8.5.4 移动用户隐私377

8.5.5 国土安全和个人隐私378

8.5.6 隐私和分析中的最新技术问题378

8.5.7 谁拥有我们的私有数据379

8.5.8 决策与支持中的道德准则379

8.6 分析在组织中的影响380

8.6.1 新组织单元381

8.6.2 通过使用分析重新设计组织381

8.6.3 分析对于管理人员的活动、绩效和工作满意度的影响382

8.6.4 行业结构调整383

8.6.5 自动化对工作的影响383

8.6.6 分析的意外影响384

8.7 数据科学家成为一种职业385

技术洞察8.1 数据科学家的典型工作招聘海报386

词汇表392