《大数据商务分析》是高等学校信息管理与信息系统系列教材之一。
《大数据商务分析》共分9章,主要内容有导论、大数据商务分析系统搭建技术、经典数据分析方法及工具、面向大数据商务分析的描述性分析和可视化、面向大数据商务分析的数据挖掘、深度学习技术、大数据商务分析在传统行业中的应用、大数据商务分析在各组织部门中的作用,以及大数据商务分析在新兴领域中的应用。
《大数据商务分析》内容系统、案例丰富、实用性强。
《大数据商务分析》可作为高等学校信息管理与信息系统专业、大数据应用与管理专业、计算机应用专业及相关专业大数据商务分析课程教材,也可作为从事商务数据分析及相关工作人员的参考读物。
随着信息技术的普及,各种传统组织纷纷实现了信息化。信息化使得组织在提升运营效率的同时累积了大量的相关数据,为其后续利用ABCD技术,即人工智能(artificial intelligence)、区块链(blockchain)、云计算(cloud computing)、大数据分析(big data analytics)进行数字化转型打下了扎实的基础。在数字化进程中,大量曾经默默无闻的组织因此受益一跃成为时代的宠儿,也有大量当年辉煌无比的组织被时代所遗弃。因此,这个时代的组织迫切地希望能够了解这些数字化转型技术,并掌握利用其来打开这个时代成功之门的方法。
毫无疑问,以ABCD技术为代表的新一代信息技术每一项都有其自身特点,都在数字化转型过程中发挥着不可替代的作用。相对而言,区块链和云计算在这些技术中是底层技术,而人工智能和大数据分析直接面向组织决策的制定。并且,对于组织的决策而言,大数据分析更为关键且更具适用性。因此,在高等学校经济管理类的课程体系中,大数据分析已经成为至关重要、必不可少的组成部分。
我们在长期的大数据分析课程教学和研究实践中发现,目前大部分大数据分析类教材主要聚焦于分布式存储等底层技术,很少有针对高等学校经济管理类学生编写的教材。尽管底层技术对于组织来说也是极其重要的,但是对于高等学校经济管理类的学生而言,技术性有余而商业性不足。为此,我们希望有一本能让并不精通信息技术的人也能看懂的介绍大数据商务分析的书。这也是我们最终决定自己动手编写这本书的直接原因。
本书旨在让读者了解如何使用大数据技术来进行商务分析,以大数据商务分析的过程为主线,介绍大数据商务分析系统搭建技术、经典数据分析方法及工具、面向大数据商务分析的描述性分析和可视化、面向大数据商务分析的数据挖掘、深度学习技术等相关技术,并给出大数据分析在传统行业中的典型应用案例。本书避免对大数据技术的原理着墨过多,突出大数据技术在商业场景中的实际应用。我们并不期望读者在学习完本书后就能搭建起一个大数据分析平台或者写出复杂的代码进行大数据分析,而是希望读者能够通过学习对大数据分析在商业中的应用有一个大概的了解,掌握一些简单的技术,并懂得在企业中如何制定正确的大数据分析战略。
叶强,管理学博士,哈尔滨工业大学经济与管理学院教授、博士生导师、院长,大数据与金融科技研究所所长;国家杰出青年科学基金获得者,教育部高等学校管理科学与工程类专业教学指导委员会委员,全国工商管理专业学位研究生教育指导委员会委员,管理科学与工程学会副理事长、大数据与商务分析分会主任,中国信息经济学会副理事长、金融科技专业委员会主任,中国系统工程学会信息系统工程专业委员会副理事长。曾先后在得克萨斯大学奥斯汀分校、加利福尼亚大学圣迭戈分校、香港理工大学做研究和教学工作。近年来在Information Systems Research、Production and Operations Management、Journal of Management Information Systems和Tourism Management等国际管理学主流学术期刊发表30余篇论文。获2017年度中国信息经济学乌家培奖。多次入选爱思唯尔发布的“中国高被引学者”榜单。主要研究领域为电子商务与管理信息系统、人工智能与大数据商务分析、金融科技。
方斌,管理学博士,厦门大学管理学院副教授。近年来在Journal of Management Information Systems、Information & Management、Tourism Management等国际管理学主流学术期刊发表多篇论文,主持国家自然科学基金资助项目2项。主要研究领域为电子商务、社交媒体、消费者行为。
张紫琼,管理学博士,哈尔滨工业大学经济与管理学院教授,优秀青年科学基金获得者。现任国务院学位委员会第八届学科评议组成员(管理科学与工程)。近年来,在MIS Quarterly、Tourism Management、Journal of Travel Research、《管理科学学报》等国内外管理学主流学术期刊发表30余篇论文;曾获得教育部“新世纪优秀人才支持计划”项目、霍英东教育基金会高等院校青年教师基金项目资助。主要研究领域为电子商务、消费者行为。
第1章 导论
1.1 大数据分析的产生
1.1.1 互联网技术的发展及广泛应用
1.1.2 计算机硬件的提升
1.1.3 新的处理方法的出现
1.1.4 大数据分析的出现
1.2 大数据商务分析及其价值
1.2.1 大数据分析与人工智能
1.2.2 大数据分析的误区
1.2.3 大数据分析与大数据商务分析
1.2.4 大数据商务分析的价值
1.3 大数据商务分析师所需技能
1.4 大数据商务分析的基本流程
第2章 大数据商务分析系统搭建技术
2.1 数据收集、存储和清理
2.1.1 数据收集
2.1.2 数据存储
2.1.3 数据清理
2.2 大数据存储技术
2.2.1 基于关系数据库的大数据存储技术
2.2.2 基于NoSQL数据库的大数据存储技术
2.2.3 基于分布式文件系统的大数据存储技术
2.3 大数据计算技术
2.3.1 批处理大数据计算技术——MapReduce计算模型
2.3.2 实时大数据计算技术
2.4 典型大数据计算平台
2.4.1 Hadoop平台
2.4.2 Spark平台
第3章 经典数据分析方法及工具
3.1 经典统计学数据分析方法
3.1.1 方差分析
3.1.2 回归分析
3.1.3 聚类分析
3.1.4 判别分析
3.1.5 主成分分析
3.1.6 因子分析
3.1.7 Logistic回归
3.2 经典统计学数据分析在大数据商务分析中面临的挑战
3.2.1 容量
3.2.2 速度
3.2.3 多样
3.2.4 真实性
3.2.5 隐私和保密
3.3 经典统计学数据分析在大数据商务分析中的价值
3.4 SPSS数据分析案例:利用RFM模型对客户进行分类
第4章 面向大数据商务分析的描述性分析和可视化
4.1 描述性统计分析
4.1.1 描述性统计分析概述
4.1.2 描述性统计分析的内容及指标
4.1.3 描述性统计分析常用图表类型
4.2 可视化
4.2.1 可视化概念
4.2.2 可视化应用领域
4.2.3 可视化工具介绍
4.3 Tableau数据可视化案例
4.3.1 动态图
4.3.2 文字云
4.3.3 “发货配送周期”可视化
4.3.4 设计动态仪表板
第5章 面向大数据商务分析的数据挖掘
5.1 数据挖掘
5.2 数据挖掘的流程
5.3 数据挖掘相关技术
5.3.1 关联分析
5.3.2 分类分析
5.3.3 聚类分析
第6章 深度学习技术
6.1 深度学习概述
6.1.1 深度学习的发展
6.1.2 深度学习的主要过程
6.2 卷积神经网络
6.2.1 卷积神经网络的一般结构
6.2.2 卷积层
6.2.3 降采样层
6.2.4 局部连接
6.2.5 权值共享
6.2.6 卷积层的操作
6.2.7 降采样层的操作
6.2.8 误差逆传播算法
6.2.9 Softmax回归
6.3 循环神经网络
6.3.1 循环神经网络概述
6.3.2 长短期记忆网络
6.3.3 长短期记忆网络的工作原理
……
第7章 大数据商务分析在传统行业中的应用
第8章 大数据商务分析在各组织部门中的作用
第9章 大数据商务分析在新兴
参考文献