商務(wù)智能與分析：決策支持系統(tǒng)（原書第10版）

譯者序

前言

作者簡介

第一部分　決策與分析

第1章　商務(wù)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(shù)高效而安全地管理疫苗供應(yīng)鏈 2

1.2　不斷變化的商務(wù)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(gòu) 10

1.6　決策支持系統(tǒng)（DSS）的定義與概念 12

1.7　商務(wù)智能的架構(gòu) 13

1.8　商務(wù)分析綜述 18

1.9　大數(shù)據(jù)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(wǎng)絡(luò)連接 30

本章要點 30

關(guān)鍵詞 31

問題討論 31

練習 32

章末應(yīng)用案例　Nationwide Insurance

使用商務(wù)智能完善客戶服務(wù) 33

參考文獻 35

第2章　決策制定的基礎(chǔ)與技術(shù) 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(shè)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(guān)鍵詞 72

問題討論 72

練習 73

章末應(yīng)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(jù)倉庫 78

3.1　開篇案例：卡普里島賭場利用企業(yè)數(shù)據(jù)倉庫獲勝 78

3.2　數(shù)據(jù)倉庫的定義和概念 81

3.3　數(shù)據(jù)倉庫流程概述 87

3.4　數(shù)據(jù)倉庫架構(gòu) 90

3.5　數(shù)據(jù)集成、提取、轉(zhuǎn)換和加載（ETL）過程 97

3.6　數(shù)據(jù)倉庫開發(fā) 101

3.7　數(shù)據(jù)倉庫的實施問題 113

3.8　實時數(shù)據(jù)倉庫 116

3.9　數(shù)據(jù)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(wǎng)絡(luò)連接 125

本章要點 127

關(guān)鍵詞 128

問題討論 128

練習 128

章末應(yīng)用案例　大陸航空公司借助實時數(shù)據(jù)倉庫迅速發(fā)展 131

參考文獻 133

第4章　業(yè)務(wù)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(wù)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(wù)報表的定義和概念 139

4.3　數(shù)據(jù)與信息可視化 145

4.4　不同類型的圖表 150

4.5　數(shù)據(jù)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(guān)鍵詞 178

問題討論 178

練習 179

章末應(yīng)用案例　智能的業(yè)務(wù)報表幫助醫(yī)療機構(gòu)提供更好的服務(wù) 181

參考文獻 183

第三部分　預測性分析

第5章　數(shù)據(jù)挖掘 186

5.1　開篇案例：坎貝拉公司用

高級分析和數(shù)據(jù)挖掘服務(wù)更多客戶 186

5.2　數(shù)據(jù)挖掘的概念和應(yīng)用 189

5.3　數(shù)據(jù)挖掘應(yīng)用 200

5.4　數(shù)據(jù)挖掘流程 203

5.5　數(shù)據(jù)挖掘方法 211

5.6　數(shù)據(jù)挖掘軟件工具 224

5.7　數(shù)據(jù)挖掘的隱私問題、謬誤和隱患 230

本章要點 233

關(guān)鍵詞 234

問題討論 234

練習 235

章末應(yīng)用案例　Macys.com應(yīng)用分析技術(shù)提升顧客購物體驗 238

參考文獻 239

第6章　預測建模相關(guān)技術(shù) 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(jīng)網(wǎng)絡(luò)的基本概念 243

6.3　開發(fā)基于人工神經(jīng)網(wǎng)絡(luò)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(guān)鍵詞 274

問題討論 274

練習 275

章末應(yīng)用案例　Coors利用人工神經(jīng)網(wǎng)絡(luò)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(yīng)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(yīng)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(guān)鍵詞 327

問題討論 328

練習 328

章末應(yīng)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(wǎng)絡(luò)分析、網(wǎng)絡(luò)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(wǎng)絡(luò)挖掘概述 336

8.3　網(wǎng)絡(luò)內(nèi)容和網(wǎng)絡(luò)結(jié)構(gòu)挖掘 338

8.4　搜索引擎 341

8.5　搜索引擎優(yōu)化 348

8.6　網(wǎng)絡(luò)使用挖掘（網(wǎng)絡(luò)分析） 352

8.7　網(wǎng)絡(luò)分析成熟模型和網(wǎng)絡(luò)分析工具 360

8.8　社交分析和社交網(wǎng)絡(luò)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(guān)鍵詞 380

問題討論 380

練習 380

章末應(yīng)用案例　通過網(wǎng)絡(luò)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(shè)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(gòu)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(shè)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(guān)鍵詞 421

問題討論 422

練習 422

章末應(yīng)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(yīng)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(guān)鍵詞 456

問題討論 456

練習 457

章末應(yīng)用案例　惠普應(yīng)用管理科學建模來優(yōu)化供應(yīng)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(lǐng)域 466

11.4　專家系統(tǒng)的基本概念 468

11.5　專家系統(tǒng)的應(yīng)用 471

11.6　專家系統(tǒng)的結(jié)構(gòu) 474

11.7　知識工程 478

11.8　適用于專家系統(tǒng)的問題領(lǐng)域 487

11.9　專家系統(tǒng)的開發(fā) 488

11.10　結(jié)束語 492

本章要點 492

關(guān)鍵詞 493

問題討論 493

練習 494

章末應(yīng)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(shù) 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(guān)鍵詞 523

問題討論 523

練習 524

章末應(yīng)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(jù)與商務(wù)分析的未來發(fā)展方向

第13章　大數(shù)據(jù)與分析 530

13.1　開篇案例：當大數(shù)據(jù)遇上大數(shù)據(jù)科學 530

13.2　大數(shù)據(jù)的定義 534

13.3　大數(shù)據(jù)分析的基礎(chǔ) 539

13.4　大數(shù)據(jù)技術(shù) 544

13.5　數(shù)據(jù)科學家 552

13.6　大數(shù)據(jù)和數(shù)據(jù)倉庫 556

13.7　大數(shù)據(jù)供應(yīng)商 561

13.8　大數(shù)據(jù)與流分析 568

13.9　流分析的應(yīng)用 571

本章要點 575

關(guān)鍵詞 575

問題討論 575

練習 576

章末應(yīng)用案例　Discovery Health利用大數(shù)據(jù)提供更優(yōu)質(zhì)的醫(yī)療 577

參考文獻 579

第14章　商務(wù)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(jù)

分析促進智能能源應(yīng)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(yīng)用 588

14.4　推薦引擎 590

14.5　Web2.0革命和在線社交網(wǎng)絡(luò) 592

14.6　云計算與商務(wù)智能 594

14.7　數(shù)據(jù)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(jù)分析生態(tài)系統(tǒng) 607

本章要點 614

關(guān)鍵詞 615

問題討論 615

練習 616

章末應(yīng)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(shù)語表 620