电子工业出版社-网上书店

处在大数据时代发展的重要节点上，面对数字化生活的新需求、数字化转型的新格局及数字经济的新业态，商务智能正在扮演着越来越重要的角色。商务智能通过数据挖掘和机器学习技术从海量多模态数据中发现潜在、新颖和有用的知识，以支持管理与决策。它是内在技术的，同时也是面向管理决策问题的。本书旨在把握前沿趋势，以基础篇、方法篇、专题篇三大板块的形式，为读者提供一个技术与管理的融合视角，介绍和阐释商务智能领域的主要知识内涵，包括面向管理决策的商务智能基本原理、主流方法、应用情境和发展前景，帮助读者理解如何通过商务智能进行大数据/人工智能分析和赋能，从而提升组织和个体的核心能力及其竞争优势。

目  录
基 础 篇
第1章  引言	003
1.1  商务智能简介	004
1.2  商务智能与信息社会	007
1.2.1  信息技术提升信息社会发展水平	007
1.2.2  商务智能是信息社会的产物	010
1.2.3  商务智能是信息社会繁荣的推动力	011
1.3  商务智能与企业管理	013
1.3.1  商务智能在企业管理中的作用	013
1.3.2  商务智能协助企业管理的方式	014
1.3.3  商务智能的商业价值	015
1.4  商务智能的方法	016
1.5  商务智能的数据	019
小结	020
思考与练习	021
第2章  商务智能应用	022
2.1  制造领域应用	023
2.2  金融领域应用	026
2.3  通信领域应用	029
2.4  生物和医药领域应用	031
2.5  零售和营销领域应用	033
2.6  移动商务应用	036
2.7  社会化商务应用	037
小结	039
思考与练习	040
第3章  商务智能过程	041
3.1  数据库与事务处理	043
3.1.1  数据库与数据库管理系统	043
3.1.2  在线事务处理	044
3.2  数据仓库与在线分析处理	045
3.2.1  从事务处理到分析处理	045
3.2.2  数据仓库	047
3.3  企业知识发现	050
3.3.1  OLAP与知识发现	051
3.3.2  企业内部知识发现	052
3.3.3  企业外部知识发现	052
小结	054
思考与练习	054
第4章  数据平台	055
4.1  数据处理技术演进	056
4.2  数据仓库过程与体系结构	058
4.3  数据集成、提取与转换	060
4.3.1  数据提取	060
4.3.2  数据转换	062
4.3.3  数据加载	063
4.3.4  ETL设计与开发	063
4.4  数据仓库开发、管理与安全	064
4.4.1  数据仓库开发模式	064
4.4.2  数据仓库设计	066
4.4.3  数据仓库的逻辑数据模型	068
4.4.4  元数据	070
4.4.5  数据仓库的安全	072
4.5  分布式数据平台	074
4.5.1  分布式数据平台概念	074
4.5.2  分布式数据平台与功能组件	075
4.6  云数据平台	078
4.6.1  云数据平台概念	078
4.6.2  云数据平台与商务智能	079
小结	081
思考与练习	081
第5章  构建商务智能环境	083
5.1  商务智能环境	084
5.1.1  确定数据可用的能力	084
5.1.2  数据挖掘的能力	085
5.1.3  用户与系统交互的能力	085
5.2  商务智能组织	086
5.2.1  外包商务智能	088
5.2.2  内给商务智能	089
5.2.3  商务智能组织成员	090
5.3  商务智能系统	090
5.3.1  商务智能基础设施	090
5.3.2  商务智能系统软件	091
5.3.3  商务智能系统产品	094
小结	096
思考与练习	096
方 法 篇
第6章  数据预处理	099
6.1  数据预处理简介	100
6.1.1  数据预处理的原因	100
6.1.2  数据预处理的目的	102
6.1.3  数据预处理的方法	102
6.2  数据清洗	103
6.2.1  缺失数据处理	103
6.2.2  噪声数据处理	105
6.3  数据集成、规范与归纳	107
6.3.1  数据集成处理	107
6.3.2  数据规范化处理	108
6.3.3  数据归纳处理	110
6.4  数据消减	115
6.4.1  数据冗余清除	115
6.4.2  数据采样	116
6.4.3  数据立方合计	117
6.4.4  数据属性选取与生成	118
6.4.5  数据压缩	120
6.4.6  数据离散化与概念分层	121
小结	124
思考与练习	125
第7章  关联规则	126
7.1  关联规则简介	127
7.2  关联规则挖掘方法	130
7.3  关联规则兴趣性	133
7.4  关联规则知识形式扩展	136
7.4.1  广义关联规则	136
7.4.2  数量关联规则	138
7.4.3  时态关联规则	139
7.5  简单关联规则	140
小结	143
思考与练习	144
第8章  分类分析	145
8.1  分类分析简介	146
8.2  决策树分类	147
8.2.1  决策树构建	148
8.2.2  决策树剪枝	151
8.3  贝叶斯分类	153
8.3.1  贝叶斯定理	153
8.3.2  简单贝叶斯分类器	153
8.3.3  贝叶斯信念网络	155
8.4  其他分类方法	157
8.4.1  神经元网络分类	157
8.4.2  支持向量机分类	157
8.4.3  懒惰型分类器	158
8.5  分类准确率	159
8.5.1  分类准确率比较与评估	159
8.5.2  提高分类器的准确率	164
小结	165
思考与练习	165
第9章  聚类分析	167
9.1  聚类分析简介	168
9.2  相似度与距离测度	169
9.3  聚类分析方法	172
9.3.1  划分方法	172
9.3.2  层次方法	173
9.3.3  基于密度的方法	175
9.3.4  基于网格的方法	175
9.3.5  基于模型的方法	176
9.4  k-means方法	176
9.5  DBSCAN方法	179
小结	184
思考与练习	185
第10章  社会网络分析	186
10.1  社会网络的中心性	187
10.1.1  度中心性	188
10.1.2  贴近中心性	188
10.1.3  中介中心性	189
10.2  社会网络的权威	190
10.2.1  度权威	190
10.2.2  邻近权威	191
10.2.3  等级权威	192
10.3  引用社会网络	192
10.3.1  同引分析	192
10.3.2  引文耦合	193
10.4  社会网络的链接分析	193
10.4.1  PageRank算法	194
10.4.2  HITS算法	196
10.5  社会网络中的社区	198
小结	199
思考与练习	200
第11章  概率图模型	201
11.1  概率图模型简介	202
11.2  朴素贝叶斯模型	203
11.3  隐马尔可夫模型	205
11.3.1  马尔可夫过程	205
11.3.2  隐马尔可夫建模与处理	206
11.4  高斯混合模型	209
11.5  LDA模型	211
小结	214
思考与练习	215
第12章  神经元网络	216
12.1  神经元网络简介	217
12.2  前馈神经元网络	218
12.2.1  神经元	218
12.2.2  激活函数	218
12.2.3  前馈神经元网络	220
12.3  卷积神经元网络	222
12.3.1  卷积层	222
12.3.2  汇聚层	224
12.3.3  卷积神经元网络结构	225
12.3.4  典型卷积神经元网络	225
12.4  循环神经元网络	226
12.4.1  循环神经元网络基础结构	227
12.4.2  长/短期记忆网络	228
12.4.3  门控循环单元网络	230
12.5  注意力机制	231
12.5.1  多头注意力模型	232
12.5.2  自注意力模型	232
小结	234
思考与练习	234
第13章  多模态数据表征	236
13.1  文本表征	237
13.1.1  词袋模型	237
13.1.2  Word2vec模型	239
13.1.3  Doc2vec模型	240
13.1.4  主题模型	241
13.2  图像表征	243
13.3  音频表征	244
13.4  视频表征	247
小结	248
思考与练习	248
专 题 篇
第14章  信息提取与洞察	251
14.1  “大数据—小数据”问题概述	252
14.2  代表性信息提取	254
14.2.1  代表性评估测度	254
14.2.2  代表性信息提取方法	255
14.3  一致性信息提取	257
14.3.1  一致性评估测度	258
14.3.2  一致性信息提取方法	259
14.4  多样性信息提取	260
14.4.1  多样性评估测度	261
14.4.2  多样性信息提取方法	262
小结	263
思考与练习	264
第15章  关联分类	265
15.1  生成分类关联规则	266
15.2  分类关联规则剪枝	269
15.2.1  后剪枝方式	269
15.2.2  先剪枝方式	272
15.3  构建分类器	275
15.3.1  单一规则分类器	275
15.3.2  多规则分类器	277
15.4  混合型关联分类	278
15.5  GARC方法解析	278
15.5.1  GARC思路与算法框架	279
15.5.2  数据实验与方法比较	282
小结	285
思考与练习	286
第16章  不确定性知识发现	288
16.1  不确定性信息表达	289
16.2  分区中的边界问题	296
16.3  数据间的部分隶属性	300
16.4  不完整数据依赖	303
小结	307
思考与练习	307
第17章  智能推荐	309
17.1  信息推荐方法	310
17.1.1  推荐系统概述	310
17.1.2  协同过滤推荐方法	312
17.1.3  推荐系统评测指标	314
17.1.4  消费者信息搜索过程中的推荐	316
17.2  多模态信息推荐	319
17.2.1  多模态信息表征	320
17.2.2  多视图信息整合	322
17.2.3  商品推荐场景	322
17.3  序列推荐	323
17.4  捆绑推荐	325
小结	328
思考与练习	328
第18章  商务智能的经济社会影响与发展	329
18.1  商务智能与管理决策	330
18.2  商务智能的发展趋势	332
18.2.1  移动商务智能	332
18.2.2  人工智能赋能	333
18.2.3  数据安全与隐私保护	334
18.2.4  数据治理	336
小结	337
思考与练习	338
参考文献	339
索引词检索目录	362

前  言
不断动态涌现、交融渗透的技术革命与管理变革，给我国经济社会生活持续提供了难得的动力、多样性和探索空间，同时带来了知识的更迭、复杂性和诸多挑战。处在大数据时代发展的重要节点上，面对数字化生活的新需求、数字化转型的新格局，以及数字经济中的新业态，本书旨在把握前沿趋势，为读者提供一个技术与管理的融合视角，介绍和阐释商务智能领域的主要知识内涵，包括面向管理决策的商务智能基本原理、主流方法、应用情境和发展前景。
作为一个相对新兴的领域，商务智能（Business Intelligence，BI）在近些年来得到了飞速发展。首先，商务智能是不断拓新的理论、方法、技术发展的产物，是信息科学、管理学、决策科学等学科的交叉领域。其次，商务智能通过数据挖掘和机器学习技术从海量多模态数据中发现潜在、新颖和有用的知识，以支持组织的管理与决策。它是内在技术的，同时也是面向管理决策问题的。最后，商务智能包括一系列高级商务分析（Business Analytics，BA）方法，具有广阔的应用前景。特别值得一提的是，商务智能的应用既可以建立在组织中的全面信息化实施框架基础之上，也可以仅针对具体业务问题在局部业务单元和环节上展开。此外，在大数据环境中，内外数据融合成为商务分析的基本特征。也就是说，商务智能的视角也从传统的组织内部拓展到组织外部，并更具有社会化、移动化、智能化的特点。
由于商务智能已经形成了比较成熟的知识体系框架，而在知识内涵上又与信息技术革新和管理应用需求保持联动，所以从数字化演进的角度出发，商务智能具有鲜明的动态性和时代感。鉴于此，开展商务智能知识教育和人才培养是我国现代化建设乃至数字经济发展的需要，也是我国高校相关学科（如管理科学与工程、工商管理等）和相关专业（如信息管理与信息系统、大数据管理与应用、电子商务、计算金融、管理工程等）建设的重要内容。
本书仍然采用与前两版（《商务智能原理与方法》，电子工业出版社，2009年、2014年版）一致的主体构架，包括基础篇、方法篇、专题篇三大知识板块。整体上沿着商务智能应用、方法和发展的总脉络，试图较全面地涵盖商务智能领域的基础知识和主流内容，同时融入若干前沿成果以体现新兴特征与前瞻性，如机器学习、大数据、人工智能等方面的新内容。
基础篇着重介绍商务智能的概念和用途、应用领域和环境，以及对于组织管理决策的影响。其中更新了各章相关内容并注重体现大数据特征、用户生成内容（User Generated Content，UGC）、移动商务和社会商务应用等知识点，同时新增了企业知识发现、数据平台、新型商务智能系统等方面的内容。
方法篇详细讨论商务智能领域和业务管理决策中的重要机器学习和商务分析方法。其中更新了原有关联、分类、聚类、社会网络分析等主要知识形式和挖掘方法的相关内容，注重体现大数据、人工智能等知识点，同时新增了概率图模型、神经元网络、多模态数据表征等内容。
专题篇重点关注商务智能领域的若干课题。其中更新了关联分类、不确定性知识发现、推荐方法、商务智能的经济社会影响等相关内容，新增了信息提取与洞察（如“大数据—小数据”问题）、智能推荐（如多模态信息推荐、序列推荐、捆绑推荐）、人工智能赋能、数据治理等内容。
本书既可以作为高等学校信息管理与信息系统、大数据管理与应用、电子商务、管理科学与工程以及工商管理、计算机应用等相关学科专业的高年级本科生和研究生的专业课教材，也可以作为财经类或其他工程类专业学生的专业课/选修课教材。教学中可以单独或组合性地使用本书知识板块的内容。此外，本书内容可以为社会各领域信息化培训和相关管理决策人员提供参考。
本书内容反映了我们多年在教学实践和素材上的积累，也部分反映了我们相关研究团队的若干成果。我们衷心感谢清华大学经济管理学院（暨电子商务实验室、人工智能管理研究中心、中国零售研究中心）、清华大学现代管理研究中心、中国人民大学商学院对于相关研究和本书编写提供的工作条件，衷心感谢教育部人文社会科学重点研究基地项目的资助（17JJD630006）和国家自然科学基金项目的资助（72172070、72072177、71772177）。本书从第1版的立意、写作到完稿及之后的各版修编过程都得到了许多专家学者的关注和支持，包括国家信息化专家咨询委员会和信息化与信息社会丛书编委会的曲维枝主任、周宏仁副主任等及大连理工大学的王众托院士、哈尔滨工业大学的李一军教授等专家学者的意见和建议，对此我们深表谢意。除了本书编著者参与的研究工作以及负责本书各版的整体框架和知识模块设计、各章修编和统纂，感谢本书作者所在研究团队其他部分成员在相关领域的学术贡献以及本书各版编写团队的高水平工作。特别地，在本书第3版修订过程中，清华大学博士生金恩泽、田智航、王涵非、庄园等参与了素材整理及部分初编工作，做出了辛勤努力和出色贡献。同时，我们由衷感谢电子工业出版社及刘宪兰编辑在本书策划、协调、修编和出版发行中所做的大量杰出工作。
由于时间和水平有限，本书难免存在不足之处，恳请广大读者批评指正。
陈国青  卫强  张瑾
2023年3月于北京

陈国青，清华大学经济管理学院教授。国家自然科学基金委大数据重大研究计划指导专家组组长，教育部高等学校管理科学与工程类专业教学指导委员会主任，国家信息化专家咨询委员会成员，教育部新文科建设工作组成员。曾任国际模糊系统学会（IFSA）副主席，CNAIS创始主席，国际管理商学院联盟（PIM）联执主席。曾多年担任清华大学经济管理学院常务副院长、学术委员会主任、讲席教授。担任/曾任中国信息经济学会等多个国内一级学会副理事长。曾主持国家自然科学基金委重大项目等多个国家级科研项目，以及多个国际合作项目、企业信息战略管理项目等。

本书配套资源下载

对不起，暂无音视频资源！

商务智能原理与方法（第3版）