本书紧密结合经管类学生的知识结构和学习特点，以“商业智能”应用为主线，系统介绍了商业智能的概念、方法、技术及应用，克服了以“数据挖掘”技术为主线的局限性。本书可以作为高等院校高年级本科生的教村，也可以作为MBA的教材，以及T相关专业人员、市场营销人员、管理决策支持等实际经济管理领域实务工作者的参考用书。
□□章 数据挖掘和商业智能
□□节 数据挖掘的兴起
第二节 什么是商业智能
第三节 数据挖掘和商业智能工具
第四节 数据挖掘应用案例
小结
思考与练习
第二章 数据仓库
□□节 数据仓库的概念
第二节 数据仓库的体系结构
第三节 元数据
第四节 数据集市
第五节 数据仓库设计与实施
第六节 Microsoft数据仓库和商业智能工具
第七节 数据仓库设计案例
小结
思考与练习
实验
第三章 数据预处理
□□节 数据预处理的重要性
第二节 数据清洗
第三节 数据集成与转换
第四节 数据消减
第五节 离散化和概念层次树生成
第六节 使用SSIS对数据进行ETL操作
小结
思考与练习
实验
第四章 多维数据分析
□□节 多维数据分析基础
第二节 多维数据分析方法
第三节 多维数据的存储方式
第四节 多维表达式
第五节 使用SQL Server Analysis Server构建维度和多维数据集
第六节 使用Excel数据透视图浏览多维数据集
小结
思考与练习
实验
第五章 用Microsoft SSRS处理智能报表
□□节 SSRS商业智能报表
第二节 使用SSRS创建报表
小结
实验
第六章 数据挖掘技术
□□节 数据挖掘的任务
第二节 数据挖掘的对象
第三节 数据挖掘系统的分类
第四节 数据挖掘项目的生命周期
第五节 数据挖掘面临的挑战及发展
小结
思考与练习
第七章 关联挖掘
□□节 关联规则挖掘
第二节 单维布尔关联规则挖掘
第三节 挖掘多层次关联规则
第四节 多维关联规则的挖掘
第五节 关联挖掘中的相关分析
第六节 利用Microsoft SSAS进行关联挖掘
小结
思考与练习
实验
第八章 分类与预测
□□节 分类与预测基本知识
第二节 有关分类和预测的几个问题
第三节 基于决策树的分类
第四节 贝叶斯分类方法
第五节 神经网络分类方法
第六节 分类器准确性
第七节 预测方法
第八节 Microsoft贝叶斯算法
第九节 Microsoft决策树算法
第十节 Microsoft神经网络算法
小结
思考与练习
实验
第九章 聚类分析
□□节 聚类分析概念
第二节 聚类分析中的数据类型
第三节 主要聚类方法
第四节 划分方法
第五节 层次方法
第六节 基于密度方法
第七节 异常数据分析
第八节 Microsoft聚类算法
小结
思考与练习
实验
第十章 时序数据和序列数据挖掘
□□节 时间序列模型
第二节 Microsoft的时序算法
第三节 Microsoft时序算法示例
第四节 Microsoft的序列模式挖掘
小结
思考与练习
实验
第十一章 基于多维数据集的数据挖掘
□□节 OLAP和数据挖掘之间的关系
第二节 构建OLAP挖掘模型
小结
参考文献
精品教材 更多
