商務智能：數據分析的管理視角（原書第3版） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 拉姆什·沙爾達（Ramesh Sharda），[美] 杜爾森·德倫（Dursun Delen），[美] 埃弗雷姆·特班（Efraim Turban） 等 著，趙衛東 譯

圖書標籤:

• 商務智能
• 數據分析
• 管理
• 決策支持係統
• 數據挖掘
• 商業分析
• 數據可視化
• 商業智能工具
• 數據戰略
• 信息管理

齣版社： 機械工業齣版社

ISBN：9787111494393

版次：1

商品編碼：11670153

品牌：機工齣版

包裝：平裝

開本：16開

齣版時間：2015-04-01

用紙：膠版紙

頁數：321

編輯推薦

　　管理導嚮：《商務智能：數據分析的管理視角（原書第3版）》主要從管理視角詳細介紹商務智能的應用和實施，同時非常重視商務智能技術層麵的應用，尤其是新齣現的一些新領域、新應用。
　　真實案例：通過大量全球大公司、小企業、政府機構和非營利組織的真實案例來生動形象地闡述相關概念和理論。
　　集成係統：《商務智能：數據分析的管理視角（原書第3版）》強調支持企業和眾多用戶的係統，而不是孤立的基於互聯網的商務智能係統。
　　熱點研究：本書分彆從理論和應用角度對無綫射頻識彆、雲計算、社交網絡、Web2.0、大數據等進行瞭闡述。

內容簡介

　　《商務智能：數據分析的管理視角（原書第3版）》側重於商務智能和為企業決策提供支持的業務分析。書中不僅介紹瞭傳統的商務智能基本理論和應用，還介紹瞭當前商務智能涉及的新技術和新趨勢，如社交網絡、雲計算、數據分析生態係統以及法律、隱私和道德問題等。
　　《商務智能：數據分析的管理視角（原書第3版）》可以作為管理科學、電子商務和企業管理等專業的MBA、研究生以及本科生商務智能、決策支持係統等課程的教材，也可以作為管理信息係統、商務數據分析等課程的輔助教材，還適閤從事企業信息管理、業務分析的人士閱讀。

作者簡介

　　拉姆什·沙爾達（Ramesh Sharda）博士，商業主管項目主任，信息係統研究所所長，康菲石油公司技術管理主席，俄剋拉荷馬州立大學斯皮爾斯商學院管理科學與信息係統的傑齣貢獻教授，信息係統協會決策支持係統和知識管理專業組（SIGDSS）的共同創辦人，服務於多個編輯委員會。他的研究方嚮包括決策支持係統、商務分析、信息過載管理技術。

　　杜爾森·德倫（Dursun Delen）博士，俄剋拉荷馬州立大學斯皮爾斯商學院管理科學與信息係統教授，創新醫療係統研究中心主任，業務分析教授。他的研究方嚮包括數據和文本挖掘、業務分析、決策支持係統、知識管理、商務智能和企業建模。

　　埃弗雷姆·特班（Efraim Turban）博士，夏威夷大學太平洋信息係統管理研究院訪問學者，曾經就職於多所大學，包括香港城市大學、裏海大學、佛羅裏達國際大學、加利福尼亞州立大學長灘分校、東伊利諾伊大學以及南加利福尼亞大學。他還是世界各地許多公司的谘詢師。他的研究方嚮包括基於Web的決策支持係統、社會化電子商務和協同決策

目錄

Business Intelligence: A Managerial Perspective On Analytics, 3E
齣版者的話
譯者序
前言
作者簡介
第1章　商務智能、數據分析和決策支持概述
1.1　開篇小插麯：Magpie Sensing公司使用分析技術高效而安全地管理疫苗供應鏈
1.2　變化的商業環境和計算機決策支持
1.3　商務智能架構
1.3.1　BI的定義
1.3.2　BI的簡史
1.3.3　BI的架構
1.3.4　BI的起源和驅動力
1.3.5　BI中的多媒體練習
1.4　智能産生、使用與商務智能治理
1.4.1　智能産生和使用的循環過程
1.4.2　智能與竊取
1.5　事務處理與分析處理
1.6　成功的BI實施
1.6.1　典型的BI用戶群體
1.6.2　閤理規劃與業務戰略的統一
1.6.3　實時的、隨需應變的BI是
可以實現的
1.6.4　開發或收購BI係統
1.6.5　理由和成本 -收益分析
1.6.6　安全和隱私保護
1.6.7　係統和應用的集成
1.7　數據分析概述
1.7.1　描述性分析
1.7.2　預測性分析
1.7.3　規範性分析
1.7.4　應用於不同領域的數據分析
1.7.5　數據分析還是數據科學
1.8　大數據分析簡介
1.9　本書的安排
1.10　資源、鏈接和Teradata大學網絡連接
1.10.1　資源和鏈接
1.10.2　供應商、産品和演示
1.10.3　期刊
1.10.4　Teradata大學網絡連接
1.10.5　本書的網站
本章要點
關鍵詞
問題討論
練習
章末應用案例
參考文獻
第2章　數據倉庫
2.1　開篇小插麯：卡普裏島賭場利用企業數據倉庫獲勝
2.2　數據倉庫的定義和概念
2.2.1　什麼是數據倉庫
2.2.2　數據倉庫曆史透視
2.2.3　數據倉庫的特點
2.2.4　數據集市
2.2.5　操作數據存儲
2.2.6　企業數據倉庫
2.2　元數據
2.3　數據倉庫流程概述
2.4　數據倉庫架構
2.4.1　可選的數據倉庫架構
2.4.2　哪種架構最好
2.5　數據集成以及提取、轉換和加載過程
2.5.1　數據集成
2.5.2　提取、轉換和加載
2.6　數據倉庫的開發
2.6.1　數據倉庫開發方法
2.6.2　數據倉庫開發的其他思考
2.6.3　數據倉庫中的數據錶示
2.6.4　數據倉庫中的數據分析
2.6.5　OLAP和OLTP
2.6.6　OLAP操作
2.7　數據倉庫的實施問題
2.8　實時數據倉庫
2.9　數據倉庫管理、安全問題和未來趨勢
2.10　資源、鏈接和Teradata大學網絡連接
2.10.1　資源和鏈接
2.10.2　案例
2.10.3　供應商、産品和演示
2.10.4　期刊
2.10.5　其他參考文獻
2.10.6　Teradata大學網絡連接
本章要點
關鍵詞
問題討論
練習
章末應用案例
參考文獻
第3章　業務報錶、可視化分析與企業
績效管理
3.1　開篇小插麯: 自助服務的報錶環境為企業用戶節省上百萬美元
3.2　業務報錶的定義和概念
3.2.1　什麼是業務報錶
3.2.2　業務報錶係統的組件
3.3　數據與信息可視化
3.4　不同類型的圖錶
3.4.1　基本圖錶
3.4.2　專用圖錶
3.5　數據可視化與可視化分析的齣現
3.5.1　可視化分析
3.5.2　高性能可視化分析環境
3.6　績效儀錶盤
3.6.1　儀錶盤設計
3.6.2　在儀錶盤中尋找什麼
3.6.3　儀錶盤設計的最佳實踐
3.6.4　根據行業標準建立 KPI 基準
3.6.5　利用上下文元數據封裝儀錶盤度量
3.6.6　通過可用性專傢檢驗儀錶盤設計
3.6.7　在儀錶盤中指定警報和異常的優先級
3.6.8　使用用戶評論豐富的儀錶盤
3.6.9　在3個不同層次展示信息
3.6.10　使用儀錶盤設計準則選擇正確的可視化方式
3.6.11　提供指導性分析
3.7　企業績效管理
3.8　績效度量
3.8.1　關鍵績效指標
3.8.2　績效度量係統
3.9　平衡記分卡
3.9.1　4個視角
3.9.2　平衡在BSC中的意義
3.9.3　儀錶盤與平衡記分卡
3.10　作為績效度量係統的六西格瑪
3.10.1　DMAIC績效模型
3.10.2　平衡記分卡與六西格瑪
3.10.3　有效的績效度量
本章要點
關鍵詞
問題討論
練習
章末應用案例
參考文獻
第4章　數據挖掘
4.1　開篇小插麯：坎貝拉公司將高級分析和數據挖掘應用於更多客戶
4.2　數據挖掘概念和應用
4.2.1　定義、特徵和優勢
4.2.2　數據挖掘原理
4.2.3　數據挖掘與統計學
4.3　數據挖掘應用
4.4　數據挖掘過程
4.4.1　步驟1：業務理解
4.4.2　步驟2：數據理解
4.4.3　步驟3：數據準備
4.4.4　步驟4：建模
4.4.5　步驟5：測試和評估
4.4.6　步驟6：部署
4.4.7　其他標準化的數據挖掘過程和方法
4.5　數據挖掘方法
4.5.1　分類
4.5.2　估算分類模型的準確率
4.5.3　數據挖掘聚類分析
4.5.4　關聯規則挖掘
4.6　數據挖掘軟件工具
4.7　數據挖掘的隱私問題、謬誤和隱患
4.7.1　數據挖掘和隱私問題
4.7.2　數據挖掘謬誤和隱患
本章要點
關鍵詞
問題討論
練習
章末應用案例
參考文獻
第5章　文本與Web分析
5.1　開篇小插麯：《危險邊緣》上的人機大戰：Watson的故事
5.2　文本分析和文本挖掘概述
5.3　自然語言處理
5.4　文本挖掘應用
5.4.1　營銷應用
5.4.2　安全應用
5.4.3　生物醫學應用
5.4.4　學術應用
5.5　文本挖掘過程
5.5.1　任務1：建立語料庫
5.5.2　任務2：創建詞項-文檔矩陣
5.5.3　任務3：提取知識
5.6　情感分析
5.6.1　情感分析應用
5.6.2　情感分析過程
5.6.3　極性識彆方法
5.6.4　使用詞典
5.6.5　使用訓練文檔集
5.6.6　識彆句子和短語的語義傾嚮
5.6.7　識彆文檔的語義傾嚮
5.7　Web挖掘概述
5.8　搜索引擎
5.8.1　搜索引擎剖析
5.8.2　開發環
5.8.3　網絡爬蟲
5.8.4　文檔索引器
5.8.5　響應環
5.8.6　查詢分析器
5.8.7　文檔匹配器/排名器
5.8.8　搜索引擎優化
5.8.9　搜索引擎優化的方法
5.9　Web使用挖掘（Web分析）
5.9.1　Web分析技術
5.9.2　Web分析度量
5.9.3　網站可用性
5.9.4　流量來源
5.9.5　訪客特徵
5.9.6　轉化統計
5.10　社交分析
5.10.1　社交網絡分析
5.10.2　社交網絡分析度量
5.10.3　聯係
5.10.4　分布
5.10.5　分割
5.10.6　社交媒體分析
5.10.7　人們如何使用社交媒體
5.10.8　評估社交媒體的影響
5.10.9　社交媒體分析的最佳實踐
本章要點
關鍵詞
問題討論
練習
章末應用案例
參考文獻
第6章　大數據與分析
6.1　開篇小插麯：當大數據遇上大數據科學
6.2　大數據的定義
6.3　大數據分析基礎
6.4　大數據技術
6.4.1　MapReduce
6.4.2　為什麼使用MapReduce
6.4.3　Hadoop
6.4.4　Hadoop如何工作
6.4.5　Hadoop技術組件
6.4.6　Hadoop：利與弊
6.4.7　NoSQL
6.5　數據科學傢
6.6　大數據和數據倉庫
6.6.1　Hadoop的使用案例
6.6.2　數據倉庫的使用案例
6.6.3　灰色區域（任意一個都能勝任）
6.6.4　Hadoop和數據倉庫共存
6.7　大數據供應商
6.8　大數據與流分析
6.8.1　流分析與持久性分析
6.8.2　關鍵事件處理
6.8.3　數據流挖掘
6.9　流分析的應用
6.9.1　電子商務
6.9.2　電信
6.9.3　法律實施與網絡安全
6.9.4　電力行業
6.9.5　金融服務
6.9.6　健康科學
6.9.7　政府
本章要點
關鍵詞
問題討論
練習
章末應用案例
參考文獻
第7章　業務分析：趨勢與前景
7.1　開篇小插麯：俄剋拉荷馬州天然氣及電力公司利用數據分析促進智能能源使用
7.2　為組織提供基於位置的分析
7.2.1　地理空間分析
7.2.2　實時位置智能
7.3　麵嚮消費者的分析應用
7.4　推薦引擎
7.5　Web 2.0革命和在綫社交網絡
7.5.1　Web 2.0的典型特徵
7.5.2　社交網絡
7.5.3　定義和基本信息
7.5.4　商業和企業社交網絡
7.6　雲計算與商務智能
7.6.1　麵嚮服務的DSS
7.6.2　數據即服務
7.6.3　信息即服務
7.6.4　分析即服務
7.7　數據分析對組織的影響
7.7.1　新的組織結構
7.7.2　重構業務流程和虛擬團隊
7.7.3　工作滿意度
7.7.4　工作壓力和焦慮
7.7.5　分析工具對管理人員活動和績效的影響
7.8　法律、隱私和道德問題
7.8.1　法律問題
7.8.2　隱私
7.8.3　最近涉及隱私和數據分析的技術問題
7.8.4　決策中的道德問題和支持
7.9　數據分析生態係統
7.9.1　數據分析行業的類彆
7.9.2　數據基礎設施供應商
7.9.3　數據倉庫行業
7.9.4　中間件/BI平颱行業
7.9.5　數據聚閤商與分發商
7.9.6　專注於分析的軟件開發者
7.9.7　報錶和分析
7.9.8　預測性分析
7.9.9　規範性分析
7.9.10　特定行業或通用的應用開發者、係統集成者
7.9.11　分析工具的用戶組織
7.9.12　行業分析師和影響者
7.9.13　教育機構和認證機構
本章要點
關鍵詞
問題討論
練習
章末應用案例
參考文獻
索引

精彩書摘

　　《商務智能：數據分析的管理視角（原書第3版）》：
　　什麼是大數據
　　我們的大腦運作極其迅速、高效，可以處理各種數據：圖片、文字、音頻、氣味和視頻。我們可以相對容易地處理各種類型的數據。相反，計算機則很難應對數據生成的速度，更不用說快速地分析瞭。這就是為什麼産生瞭大數據問題。那麼什麼是大數據呢？簡單地說，大數據就是不能再用單個存儲單元存儲的數據。通常大數據以不同的形式齣現：結構化、非結構化、數據流等。這些數據的主要來源是網站的點擊流、社交網絡（例如，Facebook）的帖子、交通數據、傳感器、天氣等。搜索引擎（例如，Google）需要查詢並為數10億的頁麵編製索引纔能在1秒內返迴相關結果。雖然這不是實時的，但為因特網上所有的頁麵編製索引可不是件容易的事。幸運的是，Google有能力解決這個問題。除瞭其他工具外，Google還使用瞭大數據分析技術。
　　管理這種規模的數據包含兩方麵：存儲和處理。如果我們能夠購買一個非常昂貴的存儲解決方案，將所有這些數據都存放在一個地方的單個存儲單元內，那麼使該存儲單元具有容錯能力需要花費大量成本。一種聰明的解決方法是將這些數據分塊存儲在不同的機器上，並由網絡相互連接，將數據塊的一份（或者兩份）備份在邏輯上和物理上存儲在網絡的不同地方。這種方法最初由Google使用，稱為Google文件係統（GoogleFileSystem），後來作為Apache項目的Hadoop分布式文件係統（HDFS）開發並發布。
　　然而，存儲這些數據隻完成瞭一半工作。如果不能提供商業價值，數據則毫無價值。換言之，要使數據發揮商業價值，就需要進行分析。如何分析如此龐大的數據？將所有計算交給一颱超級計算機來完成是行不通的。如此規模的數據將對超級計算機産生很大開支。另一種聰明的方法被提齣：將計算推送給數據，而不是將數據推給計算節點。這是一種新的範式，提供瞭一種處理數據的新方法。這就是我們今天稱為Map Reduce的編程範式，使大數據的處理成為現實。MapReduee最初由Google提齣，隨後Apache發布瞭後續版本Hadoop Map Reduceo
　　如今，當我們談論存儲、處理或分析大數據時，總要涉及HDFS和Map Reduce。其他相關的標準和軟件解決方案也被提齣。雖然主要工具都是開源的，但一些公司也在該領域推齣瞭特定的分析硬件和軟件服務，例如：Horton Works、Cloudera和TeradataAster。
　　……

前言/序言

　　Business Intelligence: A Managerial Perspective On Analytics, 3E
　　分析已經成為當今時代的技術驅動器。許多公司，比如IBM、Oracle和Microsoft，正在創建基於分析的新部門，以幫助公司更加靈活有效地進行商業運作。決策者正在使用更加計算機化的工具來支持他們的工作。甚至消費者也在直接或間接地使用分析工具幫助做日常活動的決策，例如購物、健康護理和娛樂。商務智能（Business Intelligence，BI）領域正在朝著實時數據流的創新應用發展，這些數據在過去都沒有被捕獲過，且沒有一種有效的方法對數據進行分析。新的應用轉嚮瞭日常健康護理、運動、娛樂、供應鏈管理、公共設施和幾乎所有可以想象的行業。
　　除瞭傳統的決策支持應用外，第3版利用案例、産品、服務和練習，以及基於網絡的問題討論將讀者的視角擴展到不同的分析類型中。我們重點討論瞭網絡智能和網絡分析，這些內容與電子商務及其他網絡應用領域的商務智能和業務分析（Business Analytics，BA）是並列的。本書由一個獨立網站（pearsonhighered.com/sharda）和dssbibook.com上的一個非獨立站點提供支持。我們也在網站的一個專區提供瞭許多軟件指導書的鏈接。
　　本書旨在嚮讀者介紹統稱為分析的技術。本書介紹瞭這些技術的基本原理、係統構建和使用的方式。我們按照EEE方法來組織這些主題：展示（Exposure）、體驗（Experience）、探索（Explore）。本書主要展示瞭不同分析技術及其應用，旨在使學生瞭解其他組織怎樣運用分析技術做決策或獲得競爭力，並從中收獲知識。我們相信展示可以用分析做些什麼和怎樣做是學習分析的關鍵。在描述這些技術時，我們也介紹瞭一些軟件工具，幫助學生體驗這些技術。雖然每一章都給齣瞭具體的建議，但是學生和教師可以結閤不同的軟件工具使用本書。本書對應的網站包括具體的軟件指導，但是學生仍然能夠通過不同的方法體驗這些技術。最後，我們希望這樣的展示和體驗能夠激勵讀者探索這些技術在他們所在領域的潛能。為瞭促成這樣的探索，我們在書中提供瞭練習，指導讀者加入Teradata大學網絡和其他包含團隊練習的網站。我們也重點介紹瞭在網站中新的創新應用。
　　第3版的大量工作集中在3個部分：改編、內容更新和重點更清晰。除瞭這些修改工作外，我們仍然保留瞭綜閤性和用戶友好性，使本書在市場上占據領先地位。最後，我們提供瞭其他書籍沒有的準確、及時的素材。下麵我們將具體說明第3版中的變化。
　　第3版增加瞭什麼內容
　　為瞭改善質量，第3版對內容進行瞭大規模改編，將本書的重點放到分析上。本版主要圍繞著三種類型的分析組織全書，並且增加瞭許多新內容，刪除瞭一些過時的內容。下麵列齣瞭幾個主要的變化：
　　新的組織結構　本書介紹瞭INFORMS提齣的三種類型的分析：描述性（descriptive）分析預測性（predictive）分析和規範性（prescriptive）分析。第1章首先介紹商務智能和分析，第2章對數據倉庫和數據集成進行概述。第3章包括描述性分析或報錶分析，重點討論可視化和商業性能評估。第4章介紹有關預測性分析的內容。第5章將分析領域擴展至文本、Web和社交媒體。第6章介紹大數據和分析。第7章對業務分析未來的趨勢和主題進行討論，例如基於位置的智能、移動計算、基於雲的分析和隱私/道德問題。第7章還對分析生態係統進行瞭概述，幫助讀者瞭解所有不同的方法。
　　新的章節　本書增加瞭以下章節：
　　第5章涉及許多流行話題，包括文本挖掘、Web分析和社交分析，幾乎是全新的一章（95%是新內容）。
　　第6章介紹大數據和分析，涵蓋瞭大數據技術的主要組成和特徵。本章也是全新的一章（99%是新內容）。
　　第7章分析瞭幾個正在改變或將要改變的分析技術的新現象，包括基於位置的分析應用、麵嚮消費者的分析應用、移動平颱、基於雲的分析和隱私/道德問題。在第7章的結尾，對分析生態係統進行瞭討論（90%是新內容）。
　　精簡的內容　為瞭使本書更加精簡，我們隻保留瞭最常用的內容。我們也幾乎刪除瞭所有網上的內容，使用網站提供更新的內容和鏈接。此外，也減少瞭每章參考文獻的數量。
　　更新的作者團隊　在第2版作者（Turban、Sharda、Delen和King）編寫的精彩內容的基礎上，第3版主要由Ramesh Sharda和Dursun Delen進行修訂。Ramesh Sharda和Dursun Delen在業界和學術界都擁有豐富的決策支持係統和分析方麵的工作經驗。
　　為幻燈片配置的新圖　雖然印刷版保留瞭上一版的原圖並且增加瞭許多新圖，但是我們重畫瞭許多圖，這些彩色圖可以在圖片庫中得到。
　　實時更新網站　本書提供瞭一個網站（dssbibook.com），該網站包括書中提到的新聞故事、軟件和YouTube視頻的鏈接。
　　修訂和更新的內容　幾乎所有的章節都更換瞭新的開篇小插麯和章末應用案例，這些內容都是根據最新的故事和事件編寫的。此外，我們更新瞭本書的應用案例，包括一些特定技術/模型應用的最新案例。我們也刪除瞭一些較老的産品鏈接和參考文獻。最後，大部分章節都有新的練習、網絡任務和討論問題。
　　第3版前幾章的主要變化如下所述。
　　第1章介紹INFORMS提齣的3種類型的分析：描述性分析、預測性分析和規範性分析。正如前麵提到的，我們利用這種分類對本書進行重組。第1章有60%的內容是新的。
　　第2章
　　更新瞭30%的內容（包含案例在內）。
　　新的開篇案例。
　　幾乎全新的案例。
　　一個曆史性的數據倉庫視角。
　　更好地覆蓋瞭多維建模（星形模式和雪花模式）。
　　更好地覆蓋瞭數據倉庫未來的發展。
　　第3章
　　更新瞭60%的內容，尤其是在可視化分析和報錶部分。
　　幾乎全新的案例。
　　第4章
　　更新瞭25%的內容。
　　幾乎全新的案例。
　　第5～7章幾乎是全新的章節。
　　我們對第2版也做瞭一些增強型改進，並更新瞭內容，總結如下：
　　到Teradata大學網絡（TUN）的鏈接　大部分章節包括瞭到TUN的新鏈接（teradata- universitynetwork.com）。
　　書名　書名和重點內容已經明顯改變。
　　軟件支持　TUN網站提供瞭免費的軟件支持以及免費的數據挖掘和其他軟件的鏈接。此外，該網站也提供瞭使用類似軟件的練習。
　　緻謝
　　自從本書第1版齣版以來，有許多人提齣瞭意見和建議，也有許多學生參與瞭章節、軟件和問題的測驗，並輔助我們收集材料。想要列齣所有參與該項目的人是很難的，我們在這裏感謝所有的人。值得特彆提齣的是，他們中有些人做齣瞭卓越貢獻。
　　第一，我們感謝所有為第1～3版正式評審做齣貢獻的人，他們是：
　　Ann Aksut，中部皮德特社區學院
　　Bay Arinze，德雷塞爾大學
　　Ranjit Bose，新墨西哥大學
　　Marty Crossland，中美拿撒勒大學
　　Kurt Engemann，愛納大學
　　Badie Farah，東密歇根大學
　　Gary Farrar，哥倫比亞大學
　　Jerry Fjermestad，新澤西理工學院
　　Christie M. Fuller，路易斯安那理工大學
　　Martin Crossman，布裏奇沃特州立學院
　　Jahangir Karimi，美國科羅拉多大學丹佛學院
　　Huei Lee，東密歇根大學
　　Natalie Nazarenko，紐約州立大學弗雷多尼亞分校
　　Asil Oztekin，馬薩諸塞大學盧維爾分校
　　Kala Chand Seal，洛約拉馬利濛特大學
　　Roger Wilson，費爾濛特州立大學
　　Vincent Yu，密蘇裏科技大學
　　Fan Zhao，佛羅裏達海灣海岸大學
　　同時，我們感謝為第3版圖書和其他決策支持係統書籍——《Business Intelligence and Analytics：Systems for Decision Support》第10版（培生教育，2013）正式評審付齣努力的人。
　　第二，許多人為本書的材料和支持素材做齣瞭貢獻。Teradata（天睿公司）的Susan Baxley和David Schrader幫助我們收集瞭新的TUN內容並獲得許可。《OR/MS Today》的編輯Peter Horner允許我們從《OR/MS Today》和《Analytics Magazine》中總結應用案例。我們也感謝INFORMS允許我們引用《Interfaces》中的內容。這裏，我們特彆感謝來自俄剋拉荷馬州立大學的Natraj Ponna、Daniel Asamoah、Kartik Dasika、Clara Gregory和Amy Wallace的協助。
　　第三，我們感謝Dave King（JDA軟件公司）。對上一版內容做齣主要貢獻的還有同著者：J. Aronson（佐治亞大學）負責數據倉庫一章；Mike Goul（亞利桑那州立大學）主要負責第1章；T. P. Liang（中國颱灣中山大學）主要負責神經網絡內容。Judy Lang曾與我們一起閤作，參與編輯，並在第1版齣版的整個過程中為我們提供指導。
　　第四，感謝與我們閤作的生産商，他們嚮我們提供瞭開發軟件或演示軟件：Acxiom公司（小岩城，阿肯色州）、California Scientific Software公司（內華達城，加利福尼亞州）、Cary Harwin of Catalyst Development公司（尤卡榖，加利福尼亞州）、Demandtec公司（聖卡羅，加利福尼亞州）、DS Group股份有限公司（格林尼治，康涅狄格州）、Greygory Piatesky-Shapiro of KDNuggets.com公司（蓋恩斯維爾，佛羅裏達州）、Gary Lynn of NeuroDimension股份有限公司（蓋恩斯維爾市，佛羅裏達州）、Palisade Software（紐菲德，紐約州）、Promised Land Technologies公司（紐黑文市，康涅狄格州）、Salford Systems（拉由拉布，加利福尼亞州）、Sense Networks（紐約，紐約州）、Gary Miner of StatSoft股份有限公司（塔爾薩，俄剋拉荷馬州）、Ward Systems Group股份有限公司（弗雷德裏剋，馬裏蘭州）、Idea Fisher Systems股份有限公司（歐文，加利福尼亞州）和Wordtech Systems公司（奧林達，加利福尼亞州）。
　　第五，我們感謝Teradata大學網絡，特彆是項目經理Susan Baxley和TUN創始人Hugh Watson。我們還感謝Michael Goul、Barb Wixom和Mary Gros，是他們鼓勵我們將該書與TUN聯閤，並為我們提供瞭大量素材。
　　第六，我們對培生團隊給予錶彰：責任編輯Bob Horan安排瞭這個項目；培生教育的Tom Benfatti編寫瞭內容，Integra軟件服務公司的George和員工將手稿變成書。
　　在此，我們感謝所有這些人和企業，沒有他們的幫助，本書就不可能完成。




alt="" />

《商業智能：驅動企業戰略決策的變革之道》 在瞬息萬變的商業環境中，信息就是力量。然而，僅僅擁有大量數據早已不足以支撐企業在激烈的競爭中脫穎而齣。真正能夠轉化為競爭優勢的，是能夠洞察數據背後深層含義、指導戰略方嚮的智能。本書《商業智能：驅動企業戰略決策的變革之道》正是為緻力於解鎖數據潛能、實現企業智能化轉型的管理者和從業者量身打造的全麵指南。 本書並非簡單羅列技術名詞或介紹冰冷的代碼，而是從戰略層麵齣發，深入剖析商業智能（Business Intelligence, BI）如何成為現代企業不可或缺的核心能力。它著眼於“為什麼”和“如何做”，幫助讀者理解為何BI如此關鍵，以及如何在組織內部有效地構建、實施和優化BI體係，從而實現可持續的業務增長和競爭優勢。 第一部分：重塑認知——理解商業智能的戰略價值 在當今信息爆炸的時代，企業每天都在産生海量的數據：從客戶交易記錄、市場營銷活動反饋，到運營流程效率、供應鏈動態，再到員工績效錶現，無一不蘊含著巨大的商業價值。然而，這些數據如同未經雕琢的原石，需要專業的工具和方法纔能將其轉化為閃耀的鑽石——有價值的商業洞察。 本書的第一部分將引領讀者跳齣傳統的數據處理思維，認識到商業智能的真正戰略意義。它不僅僅是報錶製作和數據可視化，更是企業戰略決策的“韆裏眼”和“順風耳”。我們將探討： 商業智能的演進與未來趨勢： 從早期的報錶係統到如今的預測分析和人工智能驅動的決策支持，BI的進化曆程揭示瞭其不斷適應商業需求變化的能力。瞭解未來的發展方嚮，有助於企業提前布局，抓住機遇。 BI與企業戰略目標的高度契閤： 無論您的企業目標是提升客戶滿意度、優化運營成本、拓展新市場，還是創新産品服務，BI都能提供強有力的支撐。本書將通過豐富的案例，展示BI如何將模糊的戰略願景轉化為可執行、可衡量的具體行動。 數據驅動決策的文化變革： BI的成功實施，絕不僅僅是技術問題，更是一場深刻的組織文化變革。我們將分析如何培養一種崇尚數據、基於事實進行決策的文化，打破部門壁壘，促進跨團隊協作，讓數據成為全員的共同語言。 BI在不同行業和職能領域的應用： 從零售業的精準營銷到製造業的精益生産，從金融業的風險控製到醫療保健的個性化服務，BI的應用場景廣闊而深入。本書將逐一剖析BI在營銷、銷售、運營、財務、人力資源等核心職能部門發揮的關鍵作用。 第二部分：構建基石——打造高效能的BI平颱與體係 有瞭正確的戰略認知，接下來的關鍵是如何構建一個堅實可靠的BI平颱和完善的體係，使其能夠支撐企業持續不斷的數據洞察需求。本部分將深入探討BI平颱建設的核心要素和關鍵考量。 數據源的整閤與治理： 原始數據往往分散在不同的係統、格式各異，這為BI分析帶來瞭巨大的挑戰。本書將詳細介紹數據倉庫（Data Warehouse）、數據集市（Data Mart）的概念，以及ETL（Extract, Transform, Load）過程的重要性。我們將重點講解數據治理（Data Governance）的原則與實踐，確保數據的準確性、一緻性、完整性和安全性，為後續分析打下堅實基礎。 BI工具的選擇與部署： 市場上的BI工具琳琅滿目，各有特色。本書將提供一套係統性的選型指南，幫助管理者根據企業的規模、預算、技術能力和具體需求，選擇最適閤的BI平颱。我們將介紹主流BI工具的功能特點、部署模式（雲端 vs. 本地部署），以及評估工具供應商的維度，確保您的投資物有所值。 數據模型的設計與優化： 數據模型是連接原始數據和最終洞察的橋梁。本書將深入講解維度建模（Dimensional Modeling）等核心數據建模技術，以及如何設計齣既能滿足當前分析需求，又能靈活應對未來變化的優化模型。一個好的數據模型，能夠顯著提升報錶加載速度和查詢效率。 報錶、儀錶闆與自助式分析： 最終，BI的價值體現在能夠將復雜的數據轉化為易於理解的圖錶、報錶和儀錶闆。本書將探討如何設計齣信息量豐富、視覺效果直觀、用戶體驗友好的BI報錶和儀錶闆。同時，我們將重點介紹自助式BI（Self-Service BI）的理念和實現方式，賦能業務用戶獨立進行數據探索和分析，從而提高決策的響應速度。 BI係統的性能優化與可擴展性： 隨著數據量的增長和用戶數量的增加，BI係統的性能和可擴展性變得至關重要。本書將分享性能調優的關鍵技術，以及如何規劃BI係統的未來擴展，確保其能夠隨著業務的發展而持續演進。 第三部分：賦能決策——將BI洞察轉化為 actionable insights 擁有強大的BI平颱隻是第一步，如何將平颱産齣的數據洞察轉化為切實可行的業務行動，實現真正的“智能決策”，纔是BI成功的最終衡量標準。本部分將聚焦於BI的落地應用與價值最大化。 高級分析與預測建模： BI的邊界正在不斷拓展，本書將介紹如何引入更高級的分析技術，如統計分析、機器學習、預測建模等，幫助企業預見未來趨勢、識彆潛在風險、發現新的增長機會。我們將探討這些技術如何與傳統BI相結閤，提供更深層次的洞察。 儀錶闆設計原則與最佳實踐： 一個好的儀錶闆不僅僅是數據的堆砌，更是戰略信息的濃縮。本書將提供一套詳細的儀錶闆設計原則，包括明確的關鍵績效指標（KPIs）、清晰的可視化布局、交互式功能的設計，以及如何根據不同用戶群體定製儀錶闆，確保信息傳遞的效率和有效性。 賦能業務用戶——BI的普及與培訓： BI的價值在於被廣泛使用。本書將強調賦能業務用戶的重要性，提供關於如何進行BI培訓、推廣BI工具使用、建立BI社區以及鼓勵數據驅動文化建設的實用建議。當業務人員能夠輕鬆使用BI工具解決問題時，BI的價值纔能真正釋放。 BI與績效管理聯動： 將BI與企業的績效管理體係緊密結閤，能夠有效地將數據洞察轉化為可衡量的業務成果。本書將探討如何設定基於數據的績效目標，如何通過BI實時監控績效錶現，以及如何利用BI分析績效差異的原因，驅動持續改進。 BI的風險管理與閤規性： 在數據驅動的時代，數據安全、隱私保護和閤規性是不可忽視的重要方麵。本書將指導管理者如何建立BI係統的風險管理框架，確保數據使用符閤相關法律法規要求，維護企業的聲譽和信譽。 BI項目的實施與管理： BI項目的成功離不開有效的項目管理。本書將分享BI項目從需求收集、方案設計、開發實施到上綫運維的全過程管理方法，包括團隊組建、溝通協調、風險控製和變更管理等關鍵環節。 第四部分：邁嚮卓越——BI的持續優化與未來展望 商業智能的旅程並非一蹴而就，而是一個持續學習、不斷優化的過程。本書的最後部分將帶領讀者展望BI的未來，探討如何使BI成為企業持續競爭力的源泉。 BI的成熟度模型與評估： 如何評估企業當前的BI成熟度？本書將介紹BI成熟度模型，幫助管理者識彆企業在BI發展各個階段的優勢與不足，並提供具體的改進方嚮。 AI與機器學習在BI中的深化應用： 人工智能（AI）和機器學習（ML）正在以前所未有的方式重塑BI領域。本書將深入探討AI/ML如何賦能自動化數據分析、智能預測、異常檢測、自然語言交互（NLI）等，為企業帶來更智能、更高效的決策支持。 實時數據分析與流式處理： 隨著業務節奏的加快，對實時數據的需求日益增長。本書將探討實時數據處理技術，如流式計算，如何支持企業在瞬息萬變的商業環境中快速響應。 數據倫理與負責任的AI： 在數據應用日益廣泛的今天，數據倫理和負責任的AI原則變得尤為重要。本書將引導管理者思考如何在BI應用中堅守道德底綫，確保公平、透明和負責任的數據使用。 構建數據驅動型組織： 最終，BI的最高境界是打造一個真正的數據驅動型組織。本書將提供一套係統性的戰略框架，幫助企業將BI深深植根於企業文化和日常運營之中，實現數據智能的全麵普及與價值最大化。 《商業智能：驅動企業戰略決策的變革之道》不僅僅是一本技術手冊，更是一本戰略啓迪之書。它旨在幫助您理解BI的深層價值，掌握構建與應用BI的關鍵技能，並最終將數據轉化為驅動企業持續創新與增長的強大引擎。無論您是企業高管、IT決策者，還是業務分析師，都能從中獲得寶貴的啓示和實用的指導，踏上通往數據智能卓越之路。

評分☆☆☆☆☆

我一直對商業決策背後的邏輯充滿好奇，尤其是當數據變得越來越唾手可得時，如何從中提煉齣有價值的洞察，並將其轉化為切實的商業行動，這似乎是現代企業成功的關鍵。這本書的書名，尤其是“數據分析的管理視角”這幾個字，精準地擊中瞭我的痛點。很多時候，市麵上關於數據分析的書籍，要麼過於側重技術細節，讓人望而卻步，要麼過於理論化，缺乏實際應用指導。我期待這本書能夠架起技術與管理之間的橋梁，讓我這個非技術背景的管理者，也能深刻理解數據分析的原理，掌握分析的方法，更重要的是，能夠將這些分析結果有效地應用於日常的管理決策中，比如市場營銷策略的製定、産品開發的優先級排序、客戶關係的維護等等。我希望這本書能夠幫助我擺脫“憑感覺”做決定的睏境，而是能夠基於可靠的數據分析，做齣更科學、更明智的判斷。我希望它不僅僅提供“是什麼”，更能告訴我“怎麼做”，並且是從一個管理者的角度齣發，考慮資源分配、團隊協作、風險控製等實際問題。

評分☆☆☆☆☆

這本書的封麵設計給我留下瞭深刻的第一印象。它並非那種華而不實的風格，而是透著一種沉穩而專業的質感。深邃的藍色作為主色調，象徵著智慧和深度，而銀色的文字則在深藍的背景下顯得格外醒目，傳遞齣信息和洞察力。書名“商務智能：數據分析的管理視角（原書第3版）”清晰而有力地錶明瞭其核心內容，尤其“管理視角”這個詞，立刻點燃瞭我對這本書的興趣。我一直認為，數據分析不應僅僅是技術人員的專屬領域，而應是管理者們能夠理解、掌握並有效運用的強大工具。原書第3版這個標識，也讓我對這本書的權威性和內容的更新程度有瞭初步的信心，畢竟一本能夠不斷修訂再版的書籍，往往經過瞭時間的檢驗和讀者的反饋，其價值不言而喻。封麵的設計細節，比如字體的大小、排版的疏密，都恰到好處，沒有一絲冗餘，仿佛在暗示著書中內容的精煉和重點突齣。我甚至能想象到，當這本書擺放在辦公室的書架上，它不僅僅是一本書，更是一種態度的體現，一種對數據驅動決策的重視和追求。這讓我對接下來的閱讀充滿瞭期待，希望它能為我帶來全新的視角和實用的知識。

評分☆☆☆☆☆

我個人一直認為，信息時代的核心競爭力，很大程度上體現在對數據的運用能力上。特彆是對於企業管理者而言，如何從海量的數據中挖掘齣有價值的商業洞察，進而指導戰略決策，是區分優秀企業和普通企業的重要標誌。這本書的標題，尤其是“商務智能”和“數據分析的管理視角”這兩個關鍵詞，讓我對其內容充滿瞭期待。我迫切希望書中能夠深入淺齣地闡述，如何將復雜的數據轉化為清晰、可執行的商業洞察。我希望它不僅能夠介紹各種數據分析工具和技術，更重要的是，能夠教導我如何從宏觀的管理層麵去理解和運用這些工具，如何將數據分析的結果有效地融入到企業的戰略規劃、運營優化、風險管理以及客戶關係管理等各個環節。我更期待書中能夠提供一些實際的案例研究，通過具體的商業場景，來展示數據分析在解決實際問題中的強大力量，並且能夠讓我學習到如何構建一個以數據為驅動的企業文化。

評分☆☆☆☆☆

當我在書店瀏覽時，這本書的書名立刻吸引瞭我的目光：“商務智能：數據分析的管理視角（原書第3版）”。“商務智能”這個詞匯本身就充滿瞭吸引力，它暗示著一種能夠提升企業智慧和決策能力的工具。而“數據分析的管理視角”則更是點睛之筆，它錶明這本書並非僅僅關注技術層麵的數據處理，而是從一個更高、更宏觀的視角齣發，探討數據分析如何服務於企業的管理和戰略。我尤其對“原書第3版”這個標記感到欣慰，這通常意味著這本書的內容經過瞭多年的打磨和優化，緊隨行業發展，能夠提供最新、最可靠的知識。作為一個在商業領域摸爬滾打多年的從業者，我深知數據的重要性，但常常感到在數據的海洋中迷失方嚮，不知如何有效地利用它們來指導決策。我希望這本書能夠為我提供一個清晰的框架，讓我能夠更好地理解數據分析的價值，掌握實用的分析方法，並最終將這些知識轉化為提升企業競爭力的實際行動。

評分☆☆☆☆☆

我一直對商業領域的信息化建設和決策支持係統非常感興趣，尤其是在大數據時代，如何將海量的數據轉化為企業決策的有力支撐，是衡量一個企業競爭力的重要標準。這本書的標題，“商務智能：數據分析的管理視角（原書第3版）”，準確地抓住瞭我的興趣點。“商務智能”本身就包含瞭提升商業洞察力的含義，而“數據分析的管理視角”則進一步聚焦瞭其應用層麵，錶明它並非一本純粹的技術手冊，而是更側重於管理者如何理解和運用數據分析來驅動業務發展。我非常期待書中能夠深入探討如何將數據分析融入到企業的日常運營和戰略規劃中，例如在市場營銷、産品開發、客戶服務等方麵的實際應用。同時，“原書第3版”的標識也讓我對其內容的權威性和時效性有瞭更高的期待，我相信它能夠提供當前行業最新的知識和最佳實踐。這本書的標題設計本身就傳遞齣一種專業、務實、且具有前瞻性的信息，讓我對它充滿瞭好奇和求知欲。

評分☆☆☆☆☆

好，好，好，好，好，好，好，好，好，好，好，好，好，好，好，好，好，好。

評分☆☆☆☆☆

一直在京東上買書，最重要的是物流很快，書也是正版的。

評分☆☆☆☆☆

一下子買瞭很多書，慢慢看，讀完評價，包裝不錯

評分☆☆☆☆☆

為瞭瞭解BI買的，還沒看

評分☆☆☆☆☆

一直在京東上買書，最重要的是物流很快，書也是正版的。

評分☆☆☆☆☆

老公買的，學習中

評分☆☆☆☆☆

內容很全麵的書 闡述瞭智能分析在商務領域的應用

評分☆☆☆☆☆

裏麵有很多teradata的案例，挺好的，開拓眼界

評分☆☆☆☆☆

作為教材多次瞭，資料齊全