商務(wù)智能

內(nèi)容概要

　　《計算機(jī)科學(xué)叢書·商務(wù)智能：管理視角（原書第2版）》主要介紹商務(wù)智能、知識管理、數(shù)據(jù)挖掘和其他智能系統(tǒng)的基礎(chǔ)和應(yīng)用知識，并通過例子、產(chǎn)品、服務(wù)和練習(xí)，以及基于網(wǎng)絡(luò)的問題討論擴(kuò)展了讀者對網(wǎng)絡(luò)世界的理解。第2版的改進(jìn)主要集中在3個領(lǐng)域：數(shù)據(jù)挖掘、文本挖掘和Web挖掘、實施和新技術(shù)。
　　本書可以作為商務(wù)智能課程的教材，也可以作為管理信息系統(tǒng)簡介或者商務(wù)戰(zhàn)略的教材，還可以作為MBA技術(shù)管理課程的補(bǔ)充讀物，或者注重管理視角的管理科學(xué)和管理信息系統(tǒng)項目的教材。

作者簡介

　　Efraim
Turban執(zhí)教于夏威夷大學(xué)，暢銷教材作者、著名的電子商務(wù)學(xué)者。曾任美國加利福尼亞長島州立大學(xué)管理信息系統(tǒng)教授，香港城市大學(xué)和香港科技大學(xué)訪問教授。他曾撰寫出版了十多部著作和大量論文，并擔(dān)任多家雜志的編輯以及多家跨國公司和政府的顧問，是商務(wù)和金融計算機(jī)決策支持領(lǐng)域最多產(chǎn)的學(xué)者之一。
　　Ramesh Sharda是俄克拉荷馬州立大學(xué)西爾斯工商管理學(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)研究所所長，Conoco
Phillps公司技術(shù)管理主席。
　　Dursun Delen是俄克拉荷馬州立大學(xué)西爾斯工商管理學(xué)院管理科學(xué)與信息系統(tǒng)的副教授。
　　David King有25年主持決策支持開發(fā)、性能管理和企業(yè)系統(tǒng)軟件的經(jīng)驗。他還服務(wù)于許多工業(yè)咨詢委員會和大學(xué)董事會。

書籍目錄

出版者的話
譯者序
前言
作者簡介　
第1章 商務(wù)智能簡介
　開篇場景：Norfolk Southern利用商務(wù)智能進(jìn)行決策支持獲取成功
　1.1 變化的商務(wù)環(huán)境和計算機(jī)化的決策支持
　1.2 商務(wù)智能框架
　1.2.1 BI的定義
　1.2.2 BI的歷史
　1.2.3 BI的架構(gòu)
　1.2.4 BI的形式
　1.2.5 BI的好處
　1.2.6 事件驅(qū)動預(yù)警
　1.3 智能創(chuàng)造和使用與商務(wù)智能治理
　1.3.1 智能創(chuàng)造和使用的循環(huán)過程
　1.3.2 智能與竊取
　1.4 交易處理和分析處理
　1.5 成功的BI實施
　1.5.1 典型的BI用戶群體
　1.5.2 合適的計劃及其與商業(yè)戰(zhàn)略的一致性
　1.5.3 實時的、基于需求的BI是可達(dá)到的
　1.5.4 開發(fā)或獲得BI系統(tǒng)
　1.5.5 理由和成本一利潤分析
　1.5.6 隱私安全和保護(hù)
　1.5.7 系統(tǒng)集成和應(yīng)用
　1.6 商務(wù)智能的主要工具和技術(shù)
　1.6.1 技術(shù)和工具
　1.6.2 選擇BI供應(yīng)商
　1.7 本書計劃
　1.8 相關(guān)資源、鏈接和Teradata大學(xué)網(wǎng)絡(luò)的連接
　1.8.1 資源和鏈接
　1.8.2 案例
　1.8.3 供應(yīng)商、產(chǎn)品和演示
　1.8.4 期刊
　1.8.5 Teradata大學(xué)網(wǎng)絡(luò)的連接
　1.8.6 本書的網(wǎng)站
　本章重點
　關(guān)鍵術(shù)語
　討論題
　練習(xí)
　本章結(jié)尾應(yīng)用案例
　參考文獻(xiàn)　
第2章 數(shù)據(jù)倉庫
　開篇場景：DirecTV的蓬勃發(fā)展與實時數(shù)據(jù)倉庫
　2.1 數(shù)據(jù)倉庫的定義和概念
　2.1.1 什么是數(shù)據(jù)倉庫
　2.1.2 數(shù)據(jù)倉庫的特點
　2.1.3 數(shù)據(jù)集市
　2.1.4 業(yè)務(wù)數(shù)據(jù)存儲
　2.1.5 企業(yè)數(shù)據(jù)倉庫
　2.1.6 元數(shù)據(jù)
　2.2 數(shù)據(jù)倉庫流程概述
　2.3 數(shù)據(jù)倉庫架構(gòu)
　2.3.1 可選的數(shù)據(jù)倉庫架構(gòu)
　2.3.2 哪種架構(gòu)是最好的
　2.4 數(shù)據(jù)集成以及提取、轉(zhuǎn)換和加載的過程
　2.4.1 數(shù)據(jù)集成
　2.4.2 提取、轉(zhuǎn)換和加載
　2.5 數(shù)據(jù)倉庫的開發(fā)
　2.5.1 數(shù)據(jù)倉庫供應(yīng)商
　2.5.2 數(shù)據(jù)倉庫開發(fā)方法
　2.5.3 數(shù)據(jù)倉庫開發(fā)的其他思考
　2.5.4 數(shù)據(jù)倉庫中的數(shù)據(jù)表示
　2.5.5 數(shù)據(jù)倉庫中的數(shù)據(jù)分析
　2.5.6 OLAP與OLTP
　2.5.7 OLAP操作
　2.6 數(shù)據(jù)倉庫的實施問題
　2.7 實時數(shù)據(jù)倉庫
　2.8 數(shù)據(jù)倉庫管理系統(tǒng)、安全問題和未來發(fā)展趨勢
　2.9 相關(guān)資源、鏈接和Teradata大學(xué)網(wǎng)絡(luò)的連接
　2.9.1 資源和鏈接
　2.9.2 案例
　2.9.3 供應(yīng)商、產(chǎn)品和演示
　2.9.4 期刊
　2.9.5 其他參考文獻(xiàn)
　2.9.6 Teradata大學(xué)網(wǎng)絡(luò)的連接
　本章重點
　關(guān)鍵術(shù)語
　討論題
　練習(xí)
　本章結(jié)尾應(yīng)用案例
　參考文獻(xiàn)　
第3章 業(yè)務(wù)績效管理
　開篇場景：Harrah公司加倍下注
　3.1 業(yè)務(wù)績效管理概述
　3.1.1 BPM定義
　3.1.2 比較BPM和BI
　3.2 制定戰(zhàn)略：我們想到哪里去
　3.2.1 戰(zhàn)略規(guī)劃
　3.2.2 戰(zhàn)略差距
　3.3 計劃：我們?nèi)绾芜_(dá)到那里
　3.3.1 運(yùn)營計劃
　3.3.2 財務(wù)計劃和預(yù)算
　3.4 監(jiān)控：我們做得怎么樣
　3.4.1 診斷控制系統(tǒng)
　3.4.2 差異分析的困難
　3.5 行動和調(diào)整：我們需要做什么不同的嗎
　3.6 績效評價
　3.6.1 KPI和業(yè)務(wù)指標(biāo)
　3.6.2 現(xiàn)有績效評價系統(tǒng)存在的問題
　3.6.3 有效的績效指標(biāo)
　3.7 BPM方法
　3.7.1 平衡記分卡
　3.7.2 六西格瑪
　3.8 BPM技術(shù)和應(yīng)用
　3.8.1 BPM架構(gòu)
　3.8.2 商業(yè)BPM套件
　3.8.3 BPM市場與BI平臺市場對比
　3.9 績效儀表盤和記分卡
　3.9.1 儀表盤和記分卡
　3.9.2 儀表盤設(shè)計
　3.9.3 儀表盤展示的內(nèi)容
　3.9.4 數(shù)據(jù)可視化
　本章重點
　關(guān)鍵術(shù)語
　討論題
　練習(xí)
　本章結(jié)尾應(yīng)用案例
　參考文獻(xiàn)　
第4章 商務(wù)智能中的數(shù)據(jù)挖掘
　開篇場景：數(shù)據(jù)挖掘來到好萊塢
　4.1 數(shù)據(jù)挖掘概念和定義
　4.1.1 定義、特征和好處
　4.1.2 數(shù)據(jù)挖掘的工作原理
　4.2 數(shù)據(jù)挖掘應(yīng)用
　4.3 數(shù)據(jù)挖掘流程
　4.3.1 步驟1：理解業(yè)務(wù)
　4.3.2 步驟2：理解數(shù)據(jù)
　4.3.3 步驟3：數(shù)據(jù)準(zhǔn)備
　4.3.4 步驟4：建模
　4.3.5 步驟5：測試和評估
　4.3.6 步驟6：部署
　4.3.7 其他標(biāo)準(zhǔn)化數(shù)據(jù)挖掘過程和方法
　4.4 數(shù)據(jù)挖掘方法
　4.4.1 分類
　4.4.2 分類模型正確性估算
　4.4.3 數(shù)據(jù)挖掘聚類分析
　4.4.4 關(guān)聯(lián)規(guī)則挖掘
　4.5 數(shù)據(jù)挖掘中的人工神經(jīng)網(wǎng)絡(luò)
　4.5.1 人工神經(jīng)網(wǎng)絡(luò)的要素
　4.5.2 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用
　4.6 數(shù)據(jù)挖掘軟件工具
　4.7 關(guān)于數(shù)據(jù)挖掘的一些謊言和謬誤
　本章重點
　關(guān)鍵術(shù)語
　討論題
　練習(xí)
　……
第5章 文本挖掘與Web挖掘
第6章 商務(wù)智能實施：整合和新興趨勢
術(shù)語
　　

章節(jié)摘錄

版權(quán)頁：插圖：當(dāng)今的商務(wù)環(huán)境在不斷地改變并且變得越來越復(fù)雜。組織、個人、公眾都面臨著巨大的壓力，這些壓力迫使他們要對變化的環(huán)境做出快速的反應(yīng)，同時還要求他們在運(yùn)作方法上有創(chuàng)新精神。這就需要組織機(jī)構(gòu)靈活并且頻繁快速地在戰(zhàn)略層、戰(zhàn)術(shù)層、操作層做出決策。有些決策是非常復(fù)雜的，做出這樣的決策需要大量相關(guān)的數(shù)據(jù)、信息和知識。在需要決策的框架中，處理這些數(shù)據(jù)就需要企業(yè)能夠做出非常迅速、實時的行動，這通常需要某些計算機(jī)化的支持。本書講述了如何將商務(wù)智能作為一種計算機(jī)化的支持應(yīng)用到管理決策中。在重點講述針對決策支持的商務(wù)智能的理論和概念基礎(chǔ)的同時，也涉及有效的商務(wù)工具和技術(shù)。本章一方面詳細(xì)介紹了這些內(nèi)容，另一方面也對本書的內(nèi)容進(jìn)行了概述。在美國有4個大型的鐵路貨運(yùn)公司，Norfolk Southern（以下簡稱為NS）是其中之一。每天，公司在東部的22個州、哥倫比亞區(qū)、安大略、加拿大有大約500輛貨運(yùn)火車在運(yùn)行，運(yùn)行的總里程有21000英里。公司有超過260億的固定資產(chǎn)和超過30000名員工。在一個多世紀(jì)的時間里，鐵路行業(yè)一直是一個受到嚴(yán)格管制的行業(yè)。NS及其前身主要是依靠管理自己的成本來盈利的。管理者將主要的精力放在了對現(xiàn)有軌道車輛的優(yōu)化利用上，依靠公司的固定資產(chǎn)來獲得更多的成果。在1980年，行業(yè)開始部分放松管制，這就為公司之間合并提供了機(jī)會。與此同時，公司可以基于自己的服務(wù)來收費并和顧客訂立合同。準(zhǔn)時送貨成了影響這個行業(yè)的重要因素。在一段時間里，NS公司適應(yīng)業(yè)界變化的對策是變成了一個“預(yù)定鐵路”。這就意味著公司必須要制定一套固定的火車運(yùn)行時刻表，為行駛在火車與碼頭之間的汽車制定一套固定節(jié)點。在這種情況下，管理者能夠預(yù)測什么時候他們可以將貨物送達(dá)客戶。

編輯推薦

《商務(wù)智能:管理視角(原書第2版)》是電子商務(wù)領(lǐng)域著名學(xué)者Turban教授的又一力作。全書側(cè)重于商務(wù)智能和為企業(yè)決策提供支持的商務(wù)分析。，書中不僅介紹了傳統(tǒng)的商務(wù)智能基本理論和應(yīng)用，還介紹了當(dāng)前商務(wù)智能涉及的新技術(shù)和新趨勢，如文本挖掘、Web挖掘、社交網(wǎng)絡(luò)和云計算等?！渡虅?wù)智能:管理視角(原書第2版)》既可作為商務(wù)智能課程的教材，也可作為管理信息系統(tǒng)導(dǎo)論或商務(wù)戰(zhàn)略的教材，同時還可以作為MBA技術(shù)管理課程的補(bǔ)充讀物。《商務(wù)智能:管理視角(原書第2版)》特色：管理導(dǎo)向：《商務(wù)智能:管理視角(原書第2版)》主要從管理視角詳細(xì)介紹商務(wù)智能的應(yīng)用和實施，同時也非常重視商務(wù)智能技術(shù)層面的應(yīng)用，介紹了數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、數(shù)據(jù)可視化和人工神經(jīng)網(wǎng)絡(luò)等基本理論及其在管理決策方面的應(yīng)用。真實案例：通過大量全球大公司、小企業(yè)、政府機(jī)構(gòu)和非營利組織的真實案例來生動形象地闡述相關(guān)概念和理論。集成系統(tǒng)：《商務(wù)智能:管理視角(原書第2版)》強(qiáng)調(diào)那些支持企業(yè)和企業(yè)眾多用戶的系統(tǒng)，而不是孤立的基于互聯(lián)網(wǎng)的商務(wù)智能系統(tǒng)。熱點研究：無線射頻識別、云計算、社交網(wǎng)絡(luò)、Web2.0、虛擬世界等，《商務(wù)智能:管理視角(原書第2版)》分別從理論和應(yīng)用角度對它們進(jìn)行了闡述。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    商務(wù)智能 PDF格式下載

---