商务智能 数据分析的管理视角 英文版 第4版PDF电子书下载

查看更多关于的内容

第1章 商务智能、商务分析和数据科学概述 3

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 4

1.2 变化的商业环境，决策支持和商务分析的需求变化 11

1.3 计算机决策支持向商务分析和数据科学的演变 13

1.4 商务智能框架 15

商务智能的定义 16

商务智能的简史 16

商务智能的架构 16

商务智能的起源和驱动力 16

应用案例1.1 Sabre通过仪表盘和分析帮助客户 18

商务智能多媒体应用 19

事务处理与分析处理 19

进行适当的规划并与企业战略保持一致 20

实时按需的BI实现 21

开发或获取BI系统 21

合理性和成本效益分析 22

安全和隐私保护 22

系统和应用集成 22

1.5 商务分析概述 22

描述性分析 24

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 24

应用案例1.3 西门子通过使用数据可视化降低成本 25

预测性分析 25

应用案例1.4 运动损伤分析 26

规范性分析 26

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 27

商务分析应用于不同领域 27

商务分析或数据科学 28

1.6 所处领域的商务分析实例 29

应用于医疗保健的商务分析——Humana实例 29

零售价值链中的商务分析 33

1.7 大数据分析简介 35

什么是大数据 35

应用案例1.6 CenterPoint Energy使用实时大数据分析改善客户服务 37

1.8 商务分析生态系统概述 37

数据生成基础设施提供商 39

数据管理基础设施提供商 39

数据仓库提供商 40

中间件提供商 40

数据服务提供商 40

专注于商务分析的软件开发者 41

应用开发者：特定行业或一般行业 42

商务分析行业分析师和有影响力者 43

学术机构和认证机构 44

监管者和政策制定者 45

分析用户组织 45

本书计划 46

资源、链接和Teradata大学网络连接 47

第2章 描述性分析Ⅰ：数据的性质、统计建模与可视化 53

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 54

2.2 数据的性质 57

2.3 数据的简单分类 61

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 63

2.4 数据预处理的艺术与科学 65

应用案例2.2 通过数据驱动分析提高学生保留率 68

2.5 用于商务分析的统计建模 74

用于描述性分析的描述性统计 75

集中趋势度量（也可以称作位置或中心度量） 76

算术平均数 76

中位数 77

众数 77

离散趋势度量（也可称为散布或分散度量） 77

极差 78

方差 78

标准差 78

平均绝对偏差 78

四分位数与四分位距 78

箱图 79

分布形状 80

技术洞察2.1 如何使用Microsoft Excel进行描述性统计 82

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 84

2.6 用于推断性统计的回归建模 86

我们如何开发线性回归模型 87

我们如何知道模型是否足够好 88

什么是线性回归最重要的假设 89

逻辑回归 90

应用案例2.4 预测NCAA碗赛结果 91

时间序列预测 96

2.7 业务报表 98

应用案例2.5 纸质报表的洪水结束于FEMA 100

2.8 数据可视化 101

数据可视化简史 101

应用案例2.6 Macfarlan Smith使用Tableau Online提高运营绩效洞察 103

2.9 不同类型的图表 106

基本图表 106

专用图表 107

你应该使用哪种图表 108

2.10 可视化分析的兴起 110

技术洞察2.2 商务智能和分析平台的Gartner魔力象限 111

可视化分析 112

高效率可视化分析环境 112

技术洞察2.3 通过数据和可视化讲出色的故事 113

2.11 信息仪表盘 117

应用案例2.7 Dallas Cowboys使用Tableau与Teknion获得高分 118

仪表盘设计 119

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 119

在仪表盘中要寻找的内容 121

仪表盘设计的最佳实践 121

符合行业标准的基准关键绩效指标 121

使用情境的元数据包装仪表盘指标 121

通过可用性专家验证仪表盘设计 122

把传输到仪表盘的报警或异常按优先级划分并排序 122

以业务用户评论丰富仪表盘 122

从三个不同层次呈现信息 122

使用仪表盘设计原则选取正确的视觉构造 122

为指导性分析做准备 122

第3章 描述性分析Ⅱ：商务智能和数据仓库 127

3.1 开篇小插曲：利用商务智能和数据仓库定位税务欺诈 128

3.2 商务智能与数据仓库 130

什么是数据仓库 131

数据仓库的历史视角 132

数据仓库的特征 133

数据集市 134

操作数据存储 135

企业数据仓库 135

元数据 135

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 135

3.3 数据仓库过程 137

3.4 数据仓库架构 139

可选的数据仓库架构 142

哪种架构最好 144

3.5 数据集成以及提取、转换和加载过程 145

数据集成 146

应用案例3.2 BP Lubricants公司实现BIGS成功 146

提取、转换和加载 148

3.6 数据仓库的开发 150

应用案例3.3 使用Teradata分析的SAP解决方案加速大数据交付 151

数据仓库开发方法 153

数据仓库开发的其他思考 156

数据仓库中的数据表示 156

技术洞察3.1 托管数据仓库 157

数据仓库中的数据分析 158

OLAP和OLTP 158

OLAP操作 159

3.7 数据仓库的实施问题 160

大型数据仓库和可扩展性 162

应用案例3.4 EDW帮助连接密歇根的政府机构 163

3.8 数据仓库管理、安全问题和未来趋势 164

数据仓库的未来 165

技术洞察3.2 数据湖 166

3.9 企业绩效管理 170

闭环BPM周期 171

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 173

3.10 绩效度量 175

关键绩效指标 176

绩效度量系统 177

3.11 平衡记分卡 177

四个视角 177

平衡在平衡记分卡中的意义 179

3.12 作为绩效度量系统的六西格玛 179

DMAIC绩效模型 180

平衡记分卡与六西格玛 180

有效的绩效度量 181

应用案例3.6 Expedia.com的客户满意度记分卡 182

第4章 预测性分析Ⅰ：数据挖掘的过程、方法和算法 189

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 190

4.2 数据挖掘概念与应用 193

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 194

定义、特征和优势 196

数据挖掘原理 197

应用案例4.2 戴尔在21世纪通过分析保持敏捷和高效 198

数据挖掘与统计学 203

4.3 数据挖掘应用 203

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 205

4.4 数据挖掘过程 206

步骤1：业务理解 207

步骤2：数据理解 208

步骤3：数据准备 208

步骤4：建模 209

应用案例4.4 数据挖掘有助于癌症研究 209

步骤5：测试和评估 212

步骤6：部署 212

其他数据挖掘标准化过程和方法 212

4.5 数据挖掘方法 215

分类 215

估计分类模型的准确度 216

应用案例4.5 InfluenceHealth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 223

数据挖掘聚类分析 225

关联规则挖掘 227

4.6 数据挖掘软件工具 231

应用案例4.6 数据挖掘来到好莱坞：预测电影的商业成功 233

4.7 数据挖掘的隐私问题、谬误和隐患 237

应用案例4.7 预测客户购买模式——Target公司的故事 238

数据挖掘谬误和隐患 238

第5章 预测性分析Ⅱ：文本、Web以及社交媒体分析 247

5.1 开篇小插曲：《Jeopardy》上的人机大战：Watson的故事 248

5.2 文本分析与文本挖掘概述 251

技术洞察5.1 文本挖掘术语 253

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 254

5.3 自然语言处理 255

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 257

5.4 文本挖掘应用 261

营销应用 261

安全应用 261

应用案例5.3 挖掘谎言 262

生物医学应用 264

学术应用 266

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 266

5.5 文本挖掘过程 268

任务1：建立语料库 269

任务2：创建词项-文档矩阵 269

任务3：提取知识 271

应用案例5.5 使用文本挖掘研究文献综述 273

5.6 情感分析 276

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 277

情感分析应用 280

情感分析过程 282

极性识别方法 284

使用词典 284

使用训练文档集 285

识别句子和短语的语义倾向 286

识别文档的语义倾向 286

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 286

5.7 Web挖掘概述 287

Web内容挖掘和Web结构挖掘 289

5.8 搜索引擎 291

搜索引擎剖析 292

搜索引擎优化 294

搜索引擎优化方法 295

技术洞察5.3 最流行的排名前15的搜索引擎（2016年8月） 296

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 297

5.9 Web使用挖掘（Web分析） 298

Web分析技术 299

Web分析指标 300

网站可用性 300

流量来源 301

访客特征 302

转化统计 302

5.10 社交分析 304

社交网络分析 304

社交网络分析指标 305

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 305

社交媒体分析 309

人们如何使用社交媒体 310

度量社交媒体的影响 311

社交媒体分析的最佳实践 311

第6章 规范性分析：优化和模拟 319

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 320

6.2 基于模型的决策 322

规范性分析模型案例 322

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 323

识别问题和环境分析 324

模型类别 324

应用案例6.2 Ingram Micro使用商务智能应用进行定价决策 325

6.3 用于决策支持的数学模型的结构 328

决策支持数学模型的组件 329

数学模型的结构 329

6.4 确定性、不确定性以及风险分析 330

确定性下的决策 330

不确定性下的决策 331

风险分析 331

6.5 使用电子表格进行决策建模 331

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 332

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 333

应用案例6.5 Metro Mealson Wheels Treasure Valley使用Excel来寻找最佳的配送路线 334

6.6 数学规划优化 336

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 337

线性规划模型 338

线性规划中的建模：一个例子 339

实现 344

6.7 多目标、敏感性分析、假设分析和目标寻求 346

多目标 346

敏感性分析 347

假设分析 348

目标寻求 348

6.8 基于决策表和决策树的决策分析 349

决策表 350

决策树 351

6.9 模拟概论 352

模拟的主要特征 352

应用案例6.7 乙型肝炎干预的模拟效果 353

模拟的优点 354

模拟的缺点 355

模拟方法 355

模拟类型 356

蒙特卡罗模拟 357

离散事件模拟 358

应用案例6.8 Cosan使用模拟改善其可再生能源供应链 358

6.10 视觉交互式模拟 359

传统模拟的不足 359

视觉交互式模拟 359

视觉交互式模型和决策支持系统 360

模拟软件 360

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 361

第7章 大数据概念和工具 369

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 370

7.2 大数据的定义 373

大数据的特征定义 374

技术洞察7.1 数据规模越来越大，越来越大 375

应用案例7.1 市场分析或预测的替代数据 377

7.3 大数据分析的基础 378

大数据分析解决的业务问题 381

应用案例7.2 前五大投资银行实现了真正的单一来源 382

7.4 大数据技术 383

MapReduce 383

为什么使用MapReduce 385

Hadoop 385

Hadoop如何工作 385

Hadoop技术组件 386

Hadoop的优缺点 387

技术洞察7.2 关于Hadoop的一些神秘事实 388

NoSQL 389

应用案例7.3 eBay的大数据解决方案 390

应用案例7.4 了解Twitter上医疗保健信息的质量和可靠性 392

7.5 大数据和数据仓库 393

Hadoop用例 393

数据仓库用例 394

灰色区域 395

Hadoop和数据仓库共存 396

7.6 大数据供应商和平台 397

IBM Info Sphere BigInsights 398

应用案例7.5 使用社交媒体预测流感活动 400

Teradata Aster 401

应用案例7.6 从电子病历数据仓库分析疾病模式 402

技术洞察7.3 如何在大数据上取得成功 405

7.7 大数据和流分析 406

流分析与永久分析 408

关键事件处理 408

数据流挖掘 408

7.8 流分析的应用 409

电子商务 409

电信 409

应用案例7.7 Salesforce正在使用流数据提升客户价值 410

执法和网络安全 411

电力行业 411

金融服务 411

健康科学 411

政府 412

第8章 商务分析的未来趋势、隐私和管理思考 417

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 418

8.2 物联网 419

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 420

应用案例8.2 Rockwell Automation监控昂贵的石油和天然气探测资产 421

IoT技术基础设施 422

RFID传感器 422

雾计算 425

IoT平台 426

应用案例8.3 Pithey Bowes与General Electric IoT平台合作优化生产 426

IoT初创生态系统 427

物联网的管理注意事项 428

8.3 云计算和商务分析 429

数据即服务（DaaS） 431

软件即服务（SaaS） 432

平台即服务（PaaS） 432

基础设施即服务（IaaS） 432

云计算的基本技术 433

云部署模型 433

主要分析云平台提供商 434

分析即服务（AaaS） 435

代表性的分析即服务产品 435

使用云基础设施的说明性分析应用 436

8.4 为组织提供基于位置的分析 441

地理空间分析 441

应用案例8.4 Great Clips采用空间分析来减少位置决策的时间 443

应用案例8.5 Starbucks利用GIS和分析在全球各地扩展 444

实时位置智能 445

应用案例8.6 Quiznos吸引顾客策略 446

消费者的分析应用 446

8.5 合法性、隐私和道德问题 448

法律问题 448

隐私 449

收集个人信息 449

移动用户隐私 450

国土安全和个人隐私 450

隐私和分析中的最新技术问题 451

谁拥有我们的私有数据 452

决策与支持中的道德准则 452

8.6 分析在组织中的影响 453

新组织单元 454

通过使用分析重新设计组织 455

分析对于管理人员的活动、绩效和工作满意度的影响 455

行业结构调整 456

自动化对工作的影响 457

分析的意外影响 458

8.7 数据科学家成为一种职业 459

数据科学家来自哪里 459

技术洞察8.1 数据科学家的典型工作招聘海报 461

词汇表 467

查看更多关于的内容