商务智能方法与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

商务智能方法与应用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 商务智能概述1

1.1 商务智能产生的背景1

1.1.1 商务智能产生的原因1

1.1.2 商业决策需要商务智能3

1.1.3 企业智能化管理需要商务智能4

1.2 商务智能简介4

1.2.1 商务智能的概念5

1.2.2 商务智能的发展7

1.2.3 商务智能的要求8

1.2.4 商务智能的价值9

1.3 商务智能基础10

1.3.1 商务智能的基本架构10

1.3.2 商务智能的功能11

1.4 商务智能的关键技术12

1.4.1 数据预处理12

1.4.2 数据仓库13

1.4.3 数据挖掘13

1.4.4 联机分析处理15

1.4.5 数据可视化15

1.5 商务智能的相关应用16

1.5.1 商务智能在金融业的应用16

1.5.2 商务智能在保险业的应用16

1.5.3 商务智能在教育领域的应用16

1.5.4 商务智能在客户关系管理的应用17

1.5.5 商务智能在零售业的应用17

1.5.6 商务智能在电子商务领域的应用18

1.5.7 商务智能在制造业的应用18

实验1销售数据预处理19

第2章 数据仓库40

2.1 数据仓库概述40

2.1.1 数据仓库的概念40

2.1.2 数据仓库的特点41

2.1.3 数据仓库的结构41

2.1.4 数据仓库与数据库42

2.1.5 数据仓库和商务智能的关系43

2.2 ETL过程43

2.2.1 数据抽取43

2.2.2 数据转换44

2.2.3 数据清洗44

2.2.4 数据加载45

2.3 数据仓库工具Hive45

2.3.1 Hive的数据类型与存储格式45

2.3.2 Hive的数据模型50

2.3.3 查询数据52

2.3.4 用户定义函数53

实验2数据仓库的建立54

第3章 维度建模68

3.1 维度建模简介68

3.1.1 维度建模的概念69

3.1.2 维度建模的基本原则69

3.2 维度表技术基础71

3.2.1 维度表的结构71

3.2.2 维度代理键71

3.2.3 多维体系架构72

3.2.4 缓慢变化维度75

3.3 事实表技术基础76

3.3.1 事实表的结构76

3.3.2 可加、半可加、不可加性事实77

3.3.3 事实表中的空值77

3.3.4 事实表的基本类型77

3.4 维度建模的主要流程78

3.4.1 选择业务流程79

3.4.2 声明粒度79

3.4.3 确认维度80

3.4.4 确认事实80

3.5 对维度建模的误解80

3.5.1 误解1：维度模型仅用于汇总数据80

3.5.2 误解2:维度模型是部门级的而不是企业级的81

3.5.3 误解3:维度模型是不可扩展的81

3.5.4 误解4:维度模型仅可用于预测81

3.5.5 误解5:维度模型不能集成81

实验3使用Schema Workbench创建Cube82

第4章 联机分析处理96

4.1 OLAP简介96

4.1.1 维度模型的基本概念97

4.1.2 OLAP的多维数据结构100

4.1.3 OLAP的应用103

4.2 OLAP多维数据分析104

4.2.1 切片和切块105

4.2.2 钻取106

4.2.3 旋转／转轴106

4.3 OLAP分类107

4.3.1 ROLAP、MOLAP与HOLAP107

4.3.2 多维数据模式109

4.3.3 OLAP体系结构111

4.3.4 OLAP与OLTP的区别112

4.4 从OLAP到数据挖掘113

4.4.1 数据仓库应用113

4.4.2 OLAP和数据挖掘的关系113

4.4.3 多维数据挖掘114

4.5 OLAP操作语言115

4.5.1 MDX115

4.5.2 MDX查询语句117

4.5.3 SQL和MDX的区别118

4.5.4 MDX表示119

4.5.5 成员属性和单元属性120

4.5.6 MDX查询结构122

4.6 主流的OLAP工具124

4.6.1 OLAP产品124

4.6.2 OLAP的实现过程125

实验4联机分析127

第5章 商务智能在零售业的应用134

5.1 零售业商务智能现状134

5.2 客户关系管理135

5.3 零售管理业务优化136

5.4 日常经营分析136

5.4.1 商品分析136

5.4.2 销售分析137

5.4.3 会员卡分析138

5.4.4 财务分析138

5.5 零售业案例140

5.5.1 数据仓库的搭建141

5.5.2 粒度设计141

5.5.3 星形模型设计142

5.5.4 ETL设计146

5.5.5 OLAP的实现148

5.5.6 数据挖掘151

实验5购物清单关联性分析156

第6章 商务智能在客户关系管理中的应用162

6.1 客户关系管理概述162

6.1.1 客户智能162

6.1.2 数据挖掘在客户关系管理中的应用164

6.2 客户细分166

6.3 客户识别和客户流失168

6.3.1 数据挖掘应用于客户识别168

6.3.2 通过当前客户了解潜在客户169

6.3.3 客户流失170

6.4 客户维度与属性171

6.4.1 姓名和地址的语法分析171

6.4.2 国际姓名和地址的考虑173

6.4.3 以客户为中心的日期174

6.4.4 基于事实表汇聚的维度属性174

6.4.5 分段属性与记分175

6.4.6 客户维度变化的计算177

6.4.7 低粒度属性集合的维度表177

6.4.8 客户层次的考虑178

6.5 复杂的客户行为179

6.5.1 行为类型分析179

6.5.2 连续行为分析180

6.5.3 行为分析模型181

6.5.4 时间范围事实表183

6.5.5 使用满意度指标标记事实表185

6.5.6 使用异常情景指标标记事实表185

实验6航空客运信息挖掘186

第7章 商务智能在电子商务领域的应用199

7.1 智能搜索199

7.1.1 网络机器人200

7.1.2 文本分析201

7.1.3 搜索条件的获取和分析203

7.1.4 信息的搜索和排序204

7.2 电子商务情感分析206

7.2.1 评论数据收集及处理207

7.2.2 扩展特征向量构造207

7.2.3 情感词库构建207

7.2.4 情感分析模型208

7.2.5 情感倾向值计算208

7.3 智能推荐209

7.3.1 智能推荐产生背景及定义209

7.3.2 智能推荐主要算法211

7.3.3 智能推荐在电子商务中的应用213

实验7消费者评论数据情感分析215

参考文献224