许鑫、万家华编著的《商业数据挖掘》通过结合商业环境中的实例，对数据挖掘的概念、流程、方法、工具、应用和最佳实践进行全面介绍，帮助读者了解数据挖掘基本概念、掌握数据挖掘流程以及阶段具体任务和实现方法、了解数据挖掘在解决实际业务问题中的价值，提升商业数据挖掘的能力。

许鑫、万家华编著的《商业数据挖掘》分为基础编、流程编和应用编三部分，基础编包括数据挖掘基础（第1章）、认识和管理数据（第2章）、数据挖掘常用算法（第3章），介绍了数据挖掘基本概念、数据相关知识、常用算法和工具等，帮助阅读者整体上把握商业数据挖掘的应用背景和整体框架。流程编包括数据挖掘过程（第4章）、商业理解（第5章）、数据准备（第6章）、数据理解（第7章）、模型构建（第8章）、模型评估（第9章）和模型应用（第10章），结合电信行业的实例把数据挖掘的整个流程串起来，介绍分类预测模型是如何一步一步实施的，其中还加入了一些电信行业数据挖掘的最佳实践和经验总结。应用编主要从数据挖掘的商业应用（第11章）和如何作专题分析（第12章）两方面展开，通过具体案例展示数据挖掘是如何解决现实商业环境中业务问题的，同时学会怎样进一步完成企业专题分析。

本书简介

基础编

 1 数据挖掘基础

1.1 数据挖掘的产生背景

1.2 数据挖掘的概念定义

1.3 数据挖掘任务与方法

1.4 数据挖掘工具

本章小结

 2 认识和管理数据

2.1 挖掘用数据结构

2.2 挖掘的数据类型

2.3 数据统计特征

2.4 数据转换

2.5 数据质量

2.6 主数据管理

本章小结

 3 数据挖掘常用算法

3.1 决策树

3.2 回归分析

3.3 聚类分析

本章小结

流程编

 4 数据挖掘过程

4.1 Fayyad过程模型

4.2 CRISP-DM过程模型

4.3 Teradata数据挖掘流程

4.4 数据挖掘过程的工作量

本章小结

 5 商业理解

5.1 商业理解任务

5.2 如何定义业务需求

5.3 如何设计模型思路

5.4 实例分析

本章小结

 6 数据准备

6.1 数据准备任务

6.2 设计模型宽表

6.3 如何准备数据

6.4 检查数据质量

本章小结

 7 数据理解

7.1 探索变量

7.2 筛选变量

7.3 预处理数据

7.4 ETL与元数据

本章小结

 8 模型构建

8.1 建模相关任务

8.2 一般建模流程

8.3 设计建模策略

8.4 如何构建模型

本章小结

 9 模型评估

9.1 评价相关任务

9.2 模型性能评估

9.3 业务合理性评估

9.4 业务应用价值评估

本章小结

 10 模型应用

10.1 实施阶段任务

10.2 模型部署与应用

10.3 数据挖掘不是万能的

本章小结

应用编

 11 数据挖掘的商业应用

11.1 商业数据挖掘常见应用

11.2 电信行业中的客户维系应用实例

11.3 文本挖掘下的客户服务应用实例

11.4 金融行业中的客户细分应用实例

本章小结

 12 如何作专题分析

12.1 专题分析概论

12.2 如何澄清业务问题

12.3 如何构建分析思路

12.4 如何进行分析论证

12.5 如何编写分析报告

12.6 如何提升专题分析能力

本章小结

参考文献