商务智能方法与应用

第 1章 1
商　务 智 能 概 述　1
1．1　商务智能产生背景　1
1．1．1　商务智能产生的原因　1
1．1．2　商业决策需要商务智能　3
1．1．3　企业智能化管理需要商务智能　4
1．2　商务智能简介　4
1．2．1　商务智能概念　5
1．2．2　商务智能发展　7
1．2．3　商务智能要求　8
1．2．4　商务智能价值　9
1．3　商务智能基础　10
1．3．1　商务智能的基本架构　10
1．3．2　商务智能的功能　11
1．4　商务智能关键技术　12
1．4．1　数据预处理　12
1．4．2　数据仓库　12
1．4．3　数据挖掘　13
1．4．4　在线分析处理　15
1．4．5　数据可视化　15
1．5　商务智能的相关应用　16
1．5．1　商务智能在教育方面的应用　16
1．5．2　商务智能在客户关系管理的应用　17
1．5．3　商务智能在零售业的应用　17
1．5．4　商务智能在电子商务的应用　18
1．5．5　商务智能在金融业的应用　18
1．5．6　商务智能在保险业的应用　18
1．5．7　商务智能在制造业的应用　19
实验一　销售数据预处理　19
实验二　数据可视化　51
第　2章　77
数　据 仓 库　77
2．1　数据仓库概念　78
2．1．1　什么是数据仓库　78
2．1．2　数据仓库特点　78
2．1．3　数据仓库结构　79
2．1．4　数据仓库与数据库　80
2．1．5　数据仓库和商务智能的关系　81
2．2　ETL过程　81
2．2．1　数据抽取　82
2．2．2　数据转换　82
2．2．3　数据清洗　82
2．2．4　数据装载　83
2．3　数据仓库模型　83
2．3．1　数据模型　84
2．3．2　如何建设数据模型　84
2．3．3　数据仓库建模样例　88
2．4　数据仓库工具Hive　91
2．6．1　Hive基本概念　91
2．6．2　Hive使用场景　91
2．6．3　Hive设计特点　91
2．6．4　Hive体系结构　92
2．6．5　Hive数据存储　93
2．6．6　HiveQL　93
实验三　数据仓库的建立　94
第3章　112
维　度 建 模　112
3．1　维度建模简介　112
3．1．1　维度建模的概念　113
3．1．2　维度建模基本原则　114
3．2　维度表技术基础　115
3．2．1　维度表结构　115
3．2．2　维度代理键　116
3．3．3　多维体系结构　116
3．3．4　缓慢变化维度　119
3．3　事实表技术基础　121
3．3．1　事实表结构　121
3．3．2　可加、半可加、不可加事实　121
3．3．3　事实表中的空值　122
3．3．4　事实表的三种基本类型　122
3．4　维度建模设计的主要流程　123
3．4．1　选择业务过程　123
3．4．2　声明粒度　124
3．4．3　确认维度　124
3．4．4　确认事实　125
3．5　维度模型的误区　125
3．5．1　误区1：维度模型仅用于汇总数据　126
3．5．2　误区2：维度模型是部门级的而不是企业级的　126
3．5．3　误区3：维度模型是不可扩展的　126
3．5．4　误区4：维度模型仅可用于预测　126
3．5．5　误区5：维度模型不能集成　127
实验四　使用Schema Workbench创建Cube　127
第4章　145
在线分析处理-OLAP　145
4．1　OLAP简介　146
4．1．1　OLAP基本概念　147
4．1．2　OLAP特性　150
4．1．3　OLAP多维数据结构　150
4．1．4　OLAP应用　154
4．2　OLAP多维数据分析　155
4．2．1　切片和切块　156
4．2．2　钻取　157
4．2．3　旋转/转轴　157
4．3　OLAP分类　158
4．3．1　OLAP分类　158
4．3．2　ROLAP、MOLAP与HOLAP　158
4．3．3　多维数据模式　160
4．3．4　OLAP体系结构　162
4．3．5　OLAP与OLTP的区别　163
4．4　从OLAP到数据挖掘　163
4．4．1　信息处理　163
4．4．2　OLAP和数据挖掘的关系　164
4．4．3　多维数据挖掘　164
4．5　OLAP操作语言　165
4．5．1　MDX　166
4．5．2　MDX查询语句　167
4．5．3　SQL和MDX的区别　168
4．5．4　MDX表示　170
4．5．5　成员属性和单元属性　170
4．5．6　MDX查询结构　173
4．6　主流的OLAP工具　174
4．6．1　OLAP产品　174
4．6．2　主流OLAP产品比较　176
4．6．3　OLAP实现过程　176
实验五　在线分析　177
第5章　187
商务智能在零售业方面的应用　187
5．1　零售业商务智能现状　187
5．2　顾客关系管理　188
5．3　零售管理业务优化　189
5．4　日常经营分析　190
5．4．1　商品分析　190
5．4．2　销售分析　190
5．4．3　会员卡分析　191
5．4．4　财务分析　191
5．5　零售业案例　193
5．5．1　数据仓库的搭建　194
5．5．2　粒度设计　195
5．5．3　星型模型设计　196
5．5．4　ETL设计　200
5．5．5　OLAP的实现　202
5．5．6　数据挖掘　205
实验六、购物清单关联性分析　212
第6章　222
商务智能在客户关系管理中的应用　222
6．1　CRM概述　222
6．1．1　客户智能　222
6．1．2　数据挖掘应用于客户关系管理　224
6．1．3　客户智能案例　226
6．2　客户细分　227
6．3　客户识别和客户保留　228
6．3．1　数据挖掘应用于客户获取　228
6．3．2　通过当前客户了解潜在客户　229
6．3．3　客户保留　230
6．4　客户维度与属性　232
6．4．1　名字与地址的语法分析　233
6．4．2　国际姓名和地址的考虑　234
6．4．3　客户为中心的日期　236
6．4．4　基于事实表汇聚的维度属性　236
6．4．5　分段属性与记分　237
6．4．6　客户维变化的计算　239
6．4．7　低粒度属性集合的维度表　239
6．4．8　客户层次的考虑　240
6．5　复杂的客户行为　241
6．5．1　行为类型分析　241
6．5．2　连续行为分析　242
6．5．3　行为分析模型　243
6．5．3　时间范围事实表　245
6．5．4　使用满意度指标标记事实表　246
6．5．5　使用异常情景指标标记事实表　247
实验七　航空客运信息挖掘　247
第7章　268
商务智能在电信行业的应用　268
7．1　电信业商务智能现状　268
7．2　应用商务智能的重要意义和必要性　269
7．3　商务智能在电信行业的应用　270
7．4　商务智能关键技术在电信中的应用　274
7．4．1　OLAP在电信中的应用　274
7．4．2　数据挖掘在电信中的应用　275
7．5　数据分析模型　278
7．5．1　大客户资料分析主题的构建　278
7．5．2　网络状况分析主题的构建　280
7．6　数据采集与ETL处理　282
7．6．1　数据采集清洗　282
7．6．2　数据源转换、重整及汇总　283
7．7　OLAP案例研究　283
7．7．1　分析主题的确定　284
7．7．2　选择分析方法　284
7．7．3　定义分析维度　284
7．7．4　根据具体分析主题构造OLAP立方体　285
7．7．5　解析分析结果　286
7．8　数据挖掘在电信行业的应用实例分析　287
7．8．1　应用决策树算法进行客户流失分析　287
7．8．2　应用聚类分析对电信客户进行细分　289
7．8．3　应用数据挖掘预防电信欺诈　293
实验八　移动用户分析　296
第8章　312
商务智能在教育方面的应用　312
8．1　商务智能在教育行业的现状　312
8．2　商务智能在教育行业的应用　313
8．2．1　商务智能在学生管理方面的应用　313
8．2．2　商务智能在课程管理方面的应用　315
8．2．3　商务智能在设施管理方面的应用　316
8．2．4　商务智能在教工管理方面的应用　317
8．2．5　商务智能在科研管理方面的应用　318
8．3　大学案例总线矩阵　319
8．4　商务智能在教育行业案例　320
8．4．1　背景　320
8．4．2　数据仓库设计　321
8．4．3　OLAP设计　332
8．4．4　数据挖掘设计　339
8．4．5　分析和评估　346
实验九　学生兴趣爱好分析　351
第9章　360
商务智能在电子商务方面的应用　360
9．1　商务智能在智能搜索方面的应用　360
9．1．1　网络机器人　361
9．1．2　文本分析　362
9．1．3　搜索条件的获取和分析　363
9．1．4　信息的搜索和排序　364
9．2　商务智能在电子商务情感分析方面的应用　366
9．2．1　评论数据收集及处理　367
9．2．2　扩展特征向量构造　367
9．2．3　情感词库构建　368
9．2．4　情感分析模型　368
9．2．5　情感倾向值计算　368
9．3　商务智能在智能推荐技术方面的应用　369
9．3．1　智能推荐产生背景及定义　369
9．3．2　智能推荐主要算法　371
9．3．3　智能推荐在电子商务中的应用　373
实验十　消费者声音情感分析　375
参考文献　385