內(nèi)容簡(jiǎn)介:本書(shū)先簡(jiǎn)單概述了商務(wù)智能、分析學(xué)和數(shù)據(jù)科學(xué)的基礎(chǔ)知識(shí)，然后介紹了描述性分析、預(yù)測(cè)性分析和規(guī)范性分析，接著介紹了大數(shù)據(jù)的概念和相關(guān)工具，后對(duì)商務(wù)智能的發(fā)展趨勢(shì)進(jìn)行了展望，并探討了分析中對(duì)隱私和管理的考量。

作者簡(jiǎn)介:作者介紹：
Ramesh Sharda 博士，商業(yè)主管項(xiàng)目的主任，信息系統(tǒng)研究所所長(zhǎng)，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(tǒng)的杰出貢獻(xiàn)教授，信息系統(tǒng)協(xié)會(huì)決策支持系統(tǒng)和知識(shí)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(tǒng)、商務(wù)分析、信息過(guò)載管理技術(shù)。
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(tǒng)的教授，創(chuàng)新醫(yī)療系統(tǒng)研究中心的主任，業(yè)務(wù)分析教授。他的研究方向包括數(shù)據(jù)和文本挖掘、業(yè)務(wù)分析、決策支持系統(tǒng)、知識(shí)管理、商務(wù)智能和企業(yè)建模。
Efraim Turban 博士，夏威夷大學(xué)太平洋信息系統(tǒng)管理研究院的訪(fǎng)問(wèn)學(xué)者，曾經(jīng)就職于多所大學(xué)，包括佛羅里達(dá)國(guó)際大學(xué)、加利福尼亞州立大學(xué)長(zhǎng)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(tǒng)、社會(huì)化電子商務(wù)和協(xié)同決策。

目錄:譯者序
作者簡(jiǎn)介
前言
第1章　商務(wù)智能、商務(wù)分析和數(shù)據(jù)科學(xué)概述 1
1.1　開(kāi)篇小插曲：體育分析——學(xué)習(xí)和了解商務(wù)分析應(yīng)用的一個(gè)令人興奮的前沿 1
1.2　變化的商業(yè)環(huán)境，決策支持和商務(wù)分析的需求變化 8
1.3　計(jì)算機(jī)決策支持向商務(wù)分析和數(shù)據(jù)科學(xué)的演變 9
1.4　商務(wù)智能框架 12
1.4.1　商務(wù)智能的定義 12
1.4.2　商務(wù)智能的簡(jiǎn)史 12
1.4.3　商務(wù)智能的架構(gòu) 13
1.4.4　商務(wù)智能的起源和驅(qū)動(dòng)力 13
應(yīng)用案例1.1　Sabre通過(guò)儀表盤(pán)和分析幫助客戶(hù) 14
1.4.5　商務(wù)智能多媒體應(yīng)用 15
1.4.6　事務(wù)處理與分析處理 15
1.4.7　進(jìn)行適當(dāng)?shù)囊?guī)劃并與企業(yè)戰(zhàn)略保持一致 16
1.4.8　實(shí)時(shí)按需的BI實(shí)現(xiàn) 17
1.4.9　開(kāi)發(fā)或獲取BI系統(tǒng) 17
1.4.10　合理性和成本效益分析 17
1.4.11　安全和隱私保護(hù) 17
1.4.12　系統(tǒng)和應(yīng)用集成 18
1.5　商務(wù)分析概述 18
1.5.1　描述性分析 19
應(yīng)用案例1.2　Silvaris通過(guò)可視化分析和實(shí)時(shí)報(bào)表功能提升業(yè)務(wù) 19
應(yīng)用案例1.3　西門(mén)子通過(guò)使用數(shù)據(jù)可視化降低成本 20
1.5.2　預(yù)測(cè)性分析 20
應(yīng)用案例1.4　運(yùn)動(dòng)損傷分析 21
1.5.3　規(guī)范性分析 21
應(yīng)用案例1.5　特種鋼筋公司使用商務(wù)分析確定可承諾交付日期 22
1.5.4　商務(wù)分析應(yīng)用于不同領(lǐng)域 22
1.5.5　商務(wù)分析或數(shù)據(jù)科學(xué) 23
1.6　所處領(lǐng)域的商務(wù)分析實(shí)例 23
1.6.1　應(yīng)用于醫(yī)療保健的商務(wù)分析——Humana實(shí)例 24
1.6.2　零售價(jià)值鏈中的商務(wù)分析 27
1.7　大數(shù)據(jù)分析簡(jiǎn)介 29
應(yīng)用案例1.6　CenterPoint Energy使用實(shí)時(shí)大數(shù)據(jù)分析改善客戶(hù)服務(wù) 30
1.8　商務(wù)分析生態(tài)系統(tǒng)概述 31
1.8.1　數(shù)據(jù)生成基礎(chǔ)設(shè)施提供商 32
1.8.2　數(shù)據(jù)管理基礎(chǔ)設(shè)施提供商 32
1.8.3　數(shù)據(jù)倉(cāng)庫(kù)提供商 33
1.8.4　中間件提供商 33
1.8.5　數(shù)據(jù)服務(wù)提供商 33
1.8.6　專(zhuān)注于商務(wù)分析的軟件開(kāi)發(fā)者 34
1.8.7　應(yīng)用開(kāi)發(fā)者：特定行業(yè)或一般行業(yè) 35
1.8.8　商務(wù)分析行業(yè)分析師和有影響力者 36
1.8.9　學(xué)術(shù)機(jī)構(gòu)和認(rèn)證機(jī)構(gòu) 37
1.8.10　監(jiān)管者和政策制定者 37
1.8.11　分析用戶(hù)組織 37
1.9　本書(shū)計(jì)劃 38
1.10　資源、鏈接和Teradata大學(xué)網(wǎng)絡(luò)連接 39
第2章　描述性分析Ⅰ：數(shù)據(jù)的性質(zhì)、統(tǒng)計(jì)建模與可視化 44
2.1　開(kāi)篇小插曲：SiriusXM利用數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷(xiāo)吸引新一代的移動(dòng)消費(fèi)者 44
2.2　數(shù)據(jù)的性質(zhì) 47
2.3　數(shù)據(jù)的簡(jiǎn)單分類(lèi) 50
應(yīng)用案例2.1　醫(yī)療器械公司節(jié)省開(kāi)支的同時(shí)確保產(chǎn)品質(zhì)量 52
2.4　數(shù)據(jù)預(yù)處理的藝術(shù)與科學(xué) 54
應(yīng)用案例2.2　通過(guò)數(shù)據(jù)驅(qū)動(dòng)分析提高學(xué)生保留率 56
2.5　用于商務(wù)分析的統(tǒng)計(jì)建模 61
2.5.1　用于描述性分析的描述性統(tǒng)計(jì) 62
2.5.2　集中趨勢(shì)度量（也可以稱(chēng)作位置或中心度量） 62
2.5.3　算術(shù)平均數(shù) 62
2.5.4　中位數(shù) 63
2.5.5　眾數(shù) 63
2.5.6　離散趨勢(shì)度量（也可稱(chēng)為散布或分散度量） 63
2.5.7　極差 64
2.5.8　方差 64
2.5.9　標(biāo)準(zhǔn)差 64
2.5.10　平均絕對(duì)偏差 64
2.5.11　四分位數(shù)與四分位距 64
2.5.12　箱圖 65
2.5.13　分布形狀 66
技術(shù)洞察2.1　如何使用Microsoft Excel進(jìn)行描述性統(tǒng)計(jì) 67
應(yīng)用案例2.3　Cary鎮(zhèn)使用商務(wù)分析來(lái)分析傳感器數(shù)據(jù)、評(píng)估需求和檢測(cè)問(wèn)題 70
2.6　用于推斷性統(tǒng)計(jì)的回歸建模 71
2.6.1　我們?nèi)绾伍_(kāi)發(fā)線(xiàn)性回歸模型 72
2.6.2　我們?nèi)绾沃滥Ｐ褪欠褡銐蚝?73
2.6.3　什么是線(xiàn)性回歸最重要的假設(shè) 74
2.6.4　邏輯回歸 74
應(yīng)用案例2.4　預(yù)測(cè)NCAA碗賽結(jié)果 75
2.6.5　時(shí)間序列預(yù)測(cè) 79
2.7　業(yè)務(wù)報(bào)表 80
應(yīng)用案例2.5　紙質(zhì)報(bào)表的洪水結(jié)束于FEMA 82
2.8　數(shù)據(jù)可視化 83
應(yīng)用案例2.6　Macfarlan Smith使用Tableau Online提高運(yùn)營(yíng)績(jī)效洞察 85
2.9　不同類(lèi)型的圖表 87
2.9.1　基本圖表 88
2.9.2　專(zhuān)用圖表 88
2.9.3　你應(yīng)該使用哪種圖表 89
2.10　可視化分析的興起 91
技術(shù)洞察2.2　商務(wù)智能和分析平臺(tái)的Gartner魔力象限 91
2.10.1　可視化分析 93
技術(shù)洞察2.3　通過(guò)數(shù)據(jù)和可視化講出色的故事 93
2.10.2　高效率可視化分析環(huán)境 95
2.11　信息儀表盤(pán) 97
應(yīng)用案例2.7　Dallas Cowboys使用Tableau與Teknion獲得高分 98
2.11.1　儀表盤(pán)設(shè)計(jì) 99
應(yīng)用案例2.8　可視化分析幫助能源供應(yīng)商實(shí)現(xiàn)更好的連接 100
2.11.2　在儀表盤(pán)中要尋找的內(nèi)容 101
2.11.3　儀表盤(pán)設(shè)計(jì)的最佳實(shí)踐 101
2.11.4　符合行業(yè)標(biāo)準(zhǔn)的基準(zhǔn)關(guān)鍵績(jī)效指標(biāo) 101
2.11.5　使用情境的元數(shù)據(jù)包裝儀表盤(pán)指標(biāo) 101
2.11.6　通過(guò)可用性專(zhuān)家驗(yàn)證儀表盤(pán)設(shè)計(jì) 102
2.11.7　把傳輸?shù)絻x表盤(pán)的報(bào)警或異常按優(yōu)先級(jí)劃分并排序 102
2.11.8　以業(yè)務(wù)用戶(hù)評(píng)論豐富儀表盤(pán) 102
2.11.9　從三個(gè)不同層次呈現(xiàn)信息 102
2.11.10　使用儀表盤(pán)設(shè)計(jì)原則選取正確的視覺(jué)構(gòu)造 102
2.11.11　為指導(dǎo)性分析做準(zhǔn)備 102
第3章　描述性分析II：商務(wù)智能和數(shù)據(jù)倉(cāng)庫(kù) 109
3.1　開(kāi)篇小插曲：利用商務(wù)智能和數(shù)據(jù)倉(cāng)庫(kù)定位稅務(wù)欺詐 109
3.2　商務(wù)智能與數(shù)據(jù)倉(cāng)庫(kù) 111
3.2.1　什么是數(shù)據(jù)倉(cāng)庫(kù) 112
3.2.2　數(shù)據(jù)倉(cāng)庫(kù)的歷史視角 112
3.2.3　數(shù)據(jù)倉(cāng)庫(kù)的特征 114
3.2.4　數(shù)據(jù)集市 115
3.2.5　操作數(shù)據(jù)存儲(chǔ) 115
3.2.6