商務智能與分析:決策支持系統(tǒng)(原書第10版)
定 價:139 元
叢書名:數(shù)據科學與商務智能系列
當前圖書已被 8 所學校薦購過!
查看明細
- 作者:[美]拉姆什·沙爾達(Ramesh Sharda) 杜爾森·德倫(Dursun Delen) 埃弗雷姆·特班(Efr
- 出版時間:2018/11/1
- ISBN:9787111598145
- 出 版 社:機械工業(yè)出版社
- 中圖法分類:F7
- 頁碼:
- 紙張:膠版紙
- 版次:
- 開本:16開
本書的主題是為企業(yè)提供決策支持的商務智能和商務分析。除了傳統(tǒng)的決策支持應用程序外,本書通過提供例子、產品、服務、練習和討論來擴展讀者對各種類型的分析的理解。本書包含了決策支持、數(shù)據描述、數(shù)據預測等多方面的內容,從案例入手,介紹了常用的數(shù)據分析和處理技術及其應用場景。
本書可作為電子商務和企業(yè)管理等專業(yè)的研究生與本科生的教材,也可作為從事企業(yè)信息管理、業(yè)務分析等人士的參考用書。
分析學已經成為這十年來的技術驅動力,如IBM、甲骨文、微軟等公司都在創(chuàng)建專注于分析的新部門,來幫助企業(yè)更加有效和高效地運轉。決策制定者利用更多的計算機工具來支持他們的工作,甚至消費者也在使用分析工具直接或間接地做出日常活動決策,如購物、醫(yī)療和娛樂。決策支持系統(tǒng)(DSS)/商務智能(BI)領域正迅速發(fā)展成為更關注數(shù)據流的創(chuàng)新應用。醫(yī)療、體育、娛樂、供應鏈管理、公用事業(yè)等幾乎所有的行業(yè),每天都有新的應用程序出現(xiàn)。
本書的主題是為企業(yè)提供決策支持的商務智能(BI)和商務分析(BA)。除了傳統(tǒng)的決策支持應用外,本書力圖通過所提供的例子、產品、服務和練習,擴展讀者對各種分析類型的了解,討論與網絡相關的問題。我們更關注網絡智能/網絡分析、電子商務和其他網絡應用程序的并行商務智能/商務分析。這本書的相關資源可通過網站(pearsonhighered.com/sharda),以及一個獨立的網站dssbibook.com獲取,該網站也有相關軟件教程的鏈接。
本書的目的是向讀者介紹這些技術,它們一般被稱為分析。核心技術由DSS、BI和各種決策技術組成,我們使用的這些術語可以互換。本書介紹了基礎的技術和這些技術的構造與使用方式。我們遵循EEE的方法來介紹這些主題:展示(exposure)、體驗(experience)和探索(explore)。這本書主要提供各種分析技術及其應用程序的展示。我們的想法是,通過展示其他組織如何使用分析來決策或獲得競爭優(yōu)勢從而激發(fā)學生學習。我們相信,展示用分析做了什么以及如何實現(xiàn),是學習分析的重要組成部分。在介紹技術時,我們還將介紹用于開發(fā)這樣的應用程序的具體的軟件工具。本書并不局限于任何一個軟件工具,所以學生可以體驗多種數(shù)據分析軟件工具。本書在每一章都給出了具體建議,指導學生和教師可以使用本書與許多不同的軟件工具。本書的指南網站將包括特定軟件指南,學生可以通過許多不同的方式獲得這些技術的體驗。最后,我們希望這些展示和體驗能夠支持與鼓勵讀者去探索這些技術在自己領域的潛力。為促進這樣的探索,本書設計了練習,指導大家訪問Teradata大學網絡(TUN)和其他網站,這些網站包括很多團隊練習。我們還將突出創(chuàng)新的新應用,讀者可以在本書的指南網站上了解詳情。
第10版的具體改進大部分專注于3個方面:重新梳理篇章結構、內容更新和更加突出重點。盡管有許多變化,但是本書依舊延續(xù)著內容全面和用戶友好的特征,這也是本書廣受歡迎的重要原因。我們刪減了陳舊和冗余的材料,并壓縮了大多數(shù)教師不使用的材料。同時,我們保留了幾個經典的案例。最終,我們呈現(xiàn)給讀者的是其他書中未出現(xiàn)過的新案例。接下來,我們介紹第10版的變化。
第10版更新了什么
為了完善本書內容,第10版做了大量篇章結構調整,從而更加強調“分析”。之前的兩個版本將本書從傳統(tǒng)的DSS轉化為BI,與Teradata大學網絡緊密聯(lián)系,F(xiàn)在的版本圍繞3種主要類型的分析。第10版添加了很多新內容,刪除了過時的內容,以下是本書主要的變化。
新的內容編排。這本書圍繞3種類型的分析組織篇章結構,即描述性分析、預測性分析和規(guī)范性分析,這種分類方式是由運籌學與管理科學研究協(xié)會(INFORMS)提出的。本書第1章引入DSS/BI和分析的主題,第2章介紹了決策制定和決策支持的基礎,在此之后,第3章介紹了數(shù)據倉庫和數(shù)據基礎。此后的部分介紹了描述性或報告分析,具體來說,包括可視化和商務性能衡量。第5~8章介紹了預測性分析。第9~12章介紹了規(guī)范性和決策分析以及其他決策支持系統(tǒng)。之前版本的第3章和第4章的部分內容被移到本書的第9章與第10章中。第11章涵蓋了用來實現(xiàn)分析的專家系統(tǒng)和新的規(guī)則系統(tǒng)。第12章整合了早期版本中兩個關鍵章節(jié)—知識管理和協(xié)作系統(tǒng)。第13章是一個新的章節(jié),介紹了大數(shù)據與分析。第14章是本書的總結,討論在商務分析領域的新興趨勢和主題,包括智能型定位、移動計算、基于云計算的分析以及分析中的隱私和倫理問題;這一章還包括數(shù)據分析生態(tài)系統(tǒng)的概述,從而幫助用戶探索在數(shù)據分析領域可能的參與方式以及自我成長方式。因此,本書與早期版本在內容編排上有顯著的不同。當然,教師仍然可以使用本書的第1~4章、第9~12章和第14章來教授傳統(tǒng)DSS課程。
新章節(jié)。本書添加了以下章節(jié)。
第8章,“網絡分析、網絡挖掘和社交分析”。這一章包括網絡分析和社交分析的熱門話題,這是幾乎全新的一章(95%的新材料)。
第13章,“大數(shù)據與分析”。本章介紹了大數(shù)據與分析的熱門話題。它包含了大數(shù)據技術的基本知識和特征,這也是一個新章節(jié)(99%的新材料)。
第14章,“商務分析:趨勢及未來的影響”。本章探討了影響或可能影響商務分析的新現(xiàn)象。本章內容包括地理空間分析、基于位置的分析應用、面向消費者的分析應用、移動平臺和云計算分析。本章更新了之前版本中在道德和隱私方面的內容,還討論了分析生態(tài)系統(tǒng)(90%的新材料)。
內容精簡。我們使用最常用的內容,使本書內容更精簡。大體上,我們刪除了預設的在線文本,在一個網站上定期提供更新的內容和鏈接,還減少了每一章的引用量。
重組作者團隊。在之前版本優(yōu)質內容的基礎上(之前版本的作者有特班、阿倫森、Liang、King、沙爾達和德倫),拉姆什·沙爾達(Ramesh Sharda)和杜爾森·德倫(Dursun Delen)修改了這一版本。拉姆什和杜爾森擁有在DSS和分析領域豐富的工作與研究經驗。
不斷更新的網站。本書的讀者將可以訪問http://dssbibook.com,來獲取書中的新案例、軟件、教程甚至YouTube上相關視頻的鏈接。
修訂和更新的內容;谧罱墓适潞褪录,幾乎所有的章節(jié)都有新的開篇案例和章末應用案例。此外,為了囊括最新的技術/模型的應用案例,全書的應用案例已經更新。這些應用案例包括一些討論問題,旨在支持課堂討論以及針對具體案例和相關材料的進一步探討。新網站鏈接已經添加到本書中。我們也刪除了很多陳舊的產品鏈接和參考文獻。最后,大多數(shù)章節(jié)新加了練習題、網絡練習和問題討論。
本書保留了上一版的部分內容并進行了修改,具體內容如下。
第1章,“商務智能、分析和決策支持概述”,介紹了由INFORMS提出的3種類型的分析,即描述性分析、預測性分析和規(guī)范性分析。正如前面提到的,基于這種分類本書進行了全面的篇章結構調整。本章包括約50%的新材料,所有的案例故事都是新的。
第2章,“決策制定的基礎與技術”,整合了上一版第1~3章的材料,為決策提供基礎,特別是計算機支持決策。本章刪除了上一版第1~3章的一些重復內容。本章包括35%的新材料,大多數(shù)案例是新的。
第3章,“數(shù)據倉庫”
包括案例在內有30%的新材料
新開放案例
大部分是新案例
新內容:數(shù)據倉庫的歷史角度—我們如何到這里的
更好地涵蓋多維建模(星形模式和雪花模式)
新的關于數(shù)據倉庫未來的介紹
第4章,“業(yè)務報表、可視化分析與企業(yè)績效管理”
60%的新材料,尤其是可視化分析和報告部分
大多數(shù)案例是新的
第5章,“數(shù)據挖掘”
25%的新材料
大多數(shù)案例是新的
第6章,“預測建模相關技術”
55%的新材料
大多數(shù)案例是新的
關于SVM和kNN的新小節(jié)
第7章,“文本分析、文本挖掘和情感分析”
50%的新材料
大多數(shù)案例是新的
關于情感分析的新章節(jié)(占整章的1/3)
第8章,“網絡分析、網絡挖掘和社交分析”(新的一章)
95%的新材料
第9章,“基于模型制定決策:優(yōu)化和多目標系統(tǒng)”
所有案例都是新的
新增了層次分析法
新增了混合整數(shù)規(guī)劃應用和練習的例子
約50%的新材料
此外,所有的微軟Excel相關介紹已經更新至Microsoft Excel 2010版本。
第10章,“建模和分析:啟發(fā)式搜索方法和仿真”
現(xiàn)在這一章引入了遺傳算法和各種類型的仿真模型
新增了其他類型的仿真建模,如基于代理建模和系統(tǒng)動力學建模
全新案例
約60%的新材料
第11章,“自動決策系統(tǒng)和專家系統(tǒng)”
拓展介紹自動決策系統(tǒng),包括航空業(yè)的示例
新的專家系統(tǒng)的示例
新案例
約50%的新材料
第12章,“知識管理和協(xié)作系統(tǒng)”
這兩個主題合并為一章
新增知識管理應用的案例
約25%的新材料
第13章和第14章如前所述大多是新章節(jié)。
我們保留了許多過去版本的改進之處并更新了相關內容。總結如下:
Teradata大學網絡(TUN)的鏈接。大多數(shù)章節(jié)包括TUN的新的鏈接(teradata-universitynetwork.com)。我們鼓勵教師注冊并加入teradatauniversitynetwork.com,并通過這個網站探索各種可用的內容。通過TUN可以獲得案例、白皮書和軟件練習,這可以保持課堂內容的新穎和及時性。
書的標題。顯然,這本書的標題和重點已經改變了很多。
軟件支持。TUN網站不僅免費提供軟件支持,還免費提供數(shù)據挖掘和其他軟件的鏈接。此外,該網站提供使用這些軟件的練習題。
補充包:pearsonhighered.com/sharda
一個全面靈活的技術支持軟件包可以提升教學質量和學習體驗。在本書的網站(pearsonhighered.com/sharda)上讀者可獲取下列給教師和學生補充的材料。
教師手冊。教師手冊包括整個課程以及每個章節(jié)的學習目標、每一章最后的問題和練習答案、教學建議(包括項目指導)。教師手冊在pearsonhighered.com/sharda上可以獲得。
測試題和TestGen軟件。測試題包括判斷題、多項選擇題、填空題和問答題,問題都按難易水平進行了劃分。測試題在Microsoft Word和TestGen上可用。培生教育集團的測試產生軟件可以從www.pearsonhighered.com/irc上獲得。軟件兼容PC/MAC,預加載了所有測試題的問題。你可以手動或隨機查看測試問題和利用拖拽來創(chuàng)建一個測試,也可以根據需要添加或修改問題。我們的TestGen可以轉換來使用BlackBoard、WebCT、Moodle、D2L和Angel。這些轉換可以在pearsonhighered.com/sharda上找到,TestGen可以在www.respondus.com上找到。
幻燈片。本書提供可以闡述文中關鍵概念的幻燈片。教師從pearsonhighered.com/sharda上可以下載幻燈片。
鳴謝
自本書的第1版出版以來,許多人提出了建議和批評。幾十名學生參與測試各種章節(jié)、軟件和問題以及協(xié)助收集材料。本書不可能寫下所有參加這個項目的人的名字,但我們要感謝所有的人。有些人做出了重要的貢獻,在此特別指出。
首先,我們感謝那些對第10版提供了正式評論的人(學校以評論日期為準)。人名略。
我們感謝那些為本書提供了文本材料或支持材料的人。Susan Baxley和Terad
譯者序
前言
作者簡介
第一部分 決策與分析
第1章 商務智能、分析和決策支持概述 2
1.1 開篇案例:Magpie Sensing公司使用分析技術高效而安全地管理疫苗供應鏈 2
1.2 不斷變化的商務環(huán)境和計算機決策支持 4
1.3 管理決策 6
1.4 決策的信息系統(tǒng)支持 8
1.5 計算機決策支持的早期架構 10
1.6 決策支持系統(tǒng)(DSS)的定義與概念 12
1.7 商務智能的架構 13
1.8 商務分析綜述 18
1.9 大數(shù)據分析簡介 26
1.10 本書安排 28
1.11 資源、鏈接以及Teradata大學的網絡連接 30
本章要點 30
關鍵詞 31
問題討論 31
練習 32
章末應用案例 Nationwide Insurance
使用商務智能完善客戶服務 33
參考文獻 35
第2章 決策制定的基礎與技術 36
2.1 開篇案例:惠普利用電子表格進行決策建模 36
2.2 決策制定:介紹和定義 39
2.3 決策制定過程的階段 41
2.4 決策:情報階段 43
2.5 決策:設計階段 45
2.6 決策:抉擇階段 53
2.7 決策:實施階段 54
2.8 如何支持決策 55
2.9 決策支持系統(tǒng):性能 57
2.10 決策支持系統(tǒng)分類 60
2.11 決策支持系統(tǒng)的組件 62
本章要點 70
關鍵詞 72
問題討論 72
練習 73
章末應用案例 一家大型航運公司(CSAV)的物流優(yōu)化 73
參考文獻 75
第二部分 描述性分析
第3章 數(shù)據倉庫 78
3.1 開篇案例:卡普里島賭場利用企業(yè)數(shù)據倉庫獲勝 78
3.2 數(shù)據倉庫的定義和概念 81
3.3 數(shù)據倉庫流程概述 87
3.4 數(shù)據倉庫架構 90
3.5 數(shù)據集成、提取、轉換和加載(ETL)過程 97
3.6 數(shù)據倉庫開發(fā) 101
3.7 數(shù)據倉庫的實施問題 113
3.8 實時數(shù)據倉庫 116
3.9 數(shù)據倉庫管理、安全問題和未來趨勢 121
3.10 資源、鏈接和Teradata大學網絡連接 125
本章要點 127
關鍵詞 128
問題討論 128
練習 128
章末應用案例 大陸航空公司借助實時數(shù)據倉庫迅速發(fā)展 131
參考文獻 133
第4章 業(yè)務報表、可視化分析與企業(yè)績效管理 135
4.1 開篇案例:自助服務的報表環(huán)境
為企業(yè)用戶節(jié)省上百萬美元 136
4.2 業(yè)務報表的定義和概念 139
4.3 數(shù)據與信息可視化 145
4.4 不同類型的圖表 150
4.5 數(shù)據可視化與可視化分析的興起 153
4.6 績效儀表盤 159
4.7 企業(yè)績效管理 164
4.8 績效評價 168
4.9 平衡計分卡 170
4.10 六西格瑪績效評價系統(tǒng) 173
本章要點 177
關鍵詞 178
問題討論 178
練習 179
章末應用案例 智能的業(yè)務報表幫助醫(yī)療機構提供更好的服務 181
參考文獻 183
第三部分 預測性分析
第5章 數(shù)據挖掘 186
5.1 開篇案例:坎貝拉公司用
高級分析和數(shù)據挖掘服務更多客戶 186
5.2 數(shù)據挖掘的概念和應用 189
5.3 數(shù)據挖掘應用 200
5.4 數(shù)據挖掘流程 203
5.5 數(shù)據挖掘方法 211
5.6 數(shù)據挖掘軟件工具 224
5.7 數(shù)據挖掘的隱私問題、謬誤和隱患 230
本章要點 233
關鍵詞 234
問題討論 234
練習 235
章末應用案例 Macys.com應用分析技術提升顧客購物體驗 238
參考文獻 239
第6章 預測建模相關技術 240
6.1 開篇案例:預測建模有助于更好地理解和管理復雜的醫(yī)療過程 240
6.2 神經網絡的基本概念 243
6.3 開發(fā)基于人工神經網絡的系統(tǒng) 253
6.4 使用敏感性分析來探測ANN中的黑箱 257
6.5 支持向量機 260
6.6 基于過程方法的SVM使用 267
6.7 用于預測的最近鄰方法 269
本章要點 273
關鍵詞 274
問題討論 274
練習 275
章末應用案例 Coors利用人工神經網絡提升啤酒風味 279
參考文獻 281
第7章 文本分析、文本挖掘和情感分析 283
7.1 開篇案例:機器與人類在《危險邊緣》的競爭:Watson的故事 283
7.2 文本分析和文本挖掘的概念和定義 286
7.3 自然語言處理 291
7.4 文本挖掘應用 295
7.5 文本挖掘過程 302
7.6 文本挖掘工具 311
7.7 情感分析概述 314
7.8 情感分析應用 317
7.9 情感分析過程 319
7.10 情感分析和語音分析 323
本章要點 326
關鍵詞 327
問題討論 328
練習 328
章末應用案例 BBVA無死角監(jiān)控并改進其在線聲譽 330
參考文獻 332
第8章 網絡分析、網絡挖掘和社交分析 333
8.1 開篇案例:安全第一保險加深與投保人的聯(lián)系 333
8.2 網絡挖掘概述 336
8.3 網絡內容和網絡結構挖掘 338
8.4 搜索引擎 341
8.5 搜索引擎優(yōu)化 348
8.6 網絡使用挖掘(網絡分析) 352
8.7 網絡分析成熟模型和網絡分析工具 360
8.8 社交分析和社交網絡分析 366
8.9 社交媒體的定義和概念 370
8.10 社交媒體分析 373
本章要點 379
關鍵詞 380
問題討論 380
練習 380
章末應用案例 通過網絡和預測性分析跟蹤學生 381
參考文獻 383
第四部分 規(guī)范性分析
第9章 基于模型制定決策:優(yōu)化和多目標系統(tǒng) 386
9.1 開篇案例:中西部獨立輸電系統(tǒng)運營商通過更好地設備規(guī)劃和容量規(guī)劃節(jié)省數(shù)十億美元 387
9.2 決策支持系統(tǒng)建模 388
9.3 決策支持中數(shù)學模型的構建 393
9.4 確定性、不確定性和風險 394
9.5 決策建模與電子表格 397
9.6 數(shù)學規(guī)劃優(yōu)化 399
9.7 多目標、靈敏度分析、假設分析和單變量求解 409
9.8 用決策表和決策樹進行決策分析 413
9.9 通過成對比較進行多目標決策 415
本章要點 421
關鍵詞 421
問題討論 422
練習 422
章末應用案例 國際援外合作署緊急項目的預先部署 426
參考文獻 427
第10章 建模和分析:啟發(fā)式搜索方法和仿真 429
10.1 開篇案例:系統(tǒng)動力學幫助美國福陸公司更好地計劃項目和變更管理 429
10.2 解決問題的搜索方法 431
10.3 遺傳算法和開發(fā)遺傳算法應用 434
10.4 仿真 439
10.5 可視化交互仿真 446
10.6 系統(tǒng)動力學建模 450
10.7 基于代理建模 453
本章要點 456
關鍵詞 456
問題討論 456
練習 457
章末應用案例 惠普應用管理科學建模來優(yōu)化供應鏈,并贏得大獎 457
參考文獻 459
第11章 自動決策系統(tǒng)和專家系統(tǒng) 461
11.1 開篇案例:洲際酒店集團使用決策規(guī)則來優(yōu)化酒店房價 461
11.2 自動決策系統(tǒng) 463
11.3 人工智能領域 466
11.4 專家系統(tǒng)的基本概念 468
11.5 專家系統(tǒng)的應用 471
11.6 專家系統(tǒng)的結構 474
11.7 知識工程 478
11.8 適用于專家系統(tǒng)的問題領域 487
11.9 專家系統(tǒng)的開發(fā) 488
11.10 結束語 492
本章要點 492
關鍵詞 493
問題討論 493
練習 494
章末應用案例 紐約州的稅收優(yōu)化 495
參考文獻 496
第12章 知識管理和協(xié)作系統(tǒng) 497
12.1 開篇案例:專業(yè)知識傳輸系統(tǒng)訓練未來的軍隊人員 498
12.2 知識管理介紹 501
12.3 知識管理的方法 505
12.4 知識管理中的信息技術 508
12.5 群體決策:特點、過程、好處和障礙 511
12.6 用計算機系統(tǒng)支持群體工作 513
12.7 間接支持決策制定的工具 515
12.8 直接計算機支持決策制定:從群體決策支持系統(tǒng)到群體支持系統(tǒng) 518
本章要點 521
關鍵詞 523
問題討論 523
練習 524
章末應用案例 通過共享數(shù)字法醫(yī)知識解決犯罪 525
參考文獻 527
第五部分 大數(shù)據與商務分析的未來發(fā)展方向
第13章 大數(shù)據與分析 530
13.1 開篇案例:當大數(shù)據遇上大數(shù)據科學 530
13.2 大數(shù)據的定義 534
13.3 大數(shù)據分析的基礎 539
13.4 大數(shù)據技術 544
13.5 數(shù)據科學家 552
13.6 大數(shù)據和數(shù)據倉庫 556
13.7 大數(shù)據供應商 561
13.8 大數(shù)據與流分析 568
13.9 流分析的應用 571
本章要點 575
關鍵詞 575
問題討論 575
練習 576
章末應用案例 Discovery Health利用大數(shù)據提供更優(yōu)質的醫(yī)療 577
參考文獻 579
第14章 商務分析:趨勢及未來的影響 581
14.1 開篇案例:俄克拉何馬州
天然氣及電力公司利用數(shù)據
分析促進智能能源應用 581
14.2 為組織提供基于地理位置的分析 583
14.3 面向消費者的分析應用 588
14.4 推薦引擎 590
14.5 Web2.0革命和在線社交網絡 592
14.6 云計算與商務智能 594
14.7 數(shù)據分析對組織的影響 600
14.8 法律、隱私和道德問題 603
14.9 數(shù)據分析生態(tài)系統(tǒng) 607
本章要點 614
關鍵詞 615
問題討論 615
練習 616
章末應用案例 Alteryx幫助南方州立合作社優(yōu)化營銷活動 617
參考文獻 618
術語表 620