随着信息技术的不断发展，人们拥有大量的数据，如何运用这些数据并从中挖掘出有意义的信息和知识。

由刘伟江编著的《商务智能（概念方法及在管理中的应用）》注重理论与实践相结合，以商务智能的三个组成部分——数据仓库、联机分析和数据挖掘为主线，分别介绍了各部分所涉及的相关概念、方法和技术。本书面向管理中的问题，注重实际应用，可操作性强，并在书中对这些方法和技术进行介绍的过程中，力图结合管理中的实际问题，以期为企业的决策提供有价值的参考。

由刘伟江编著的《商务智能（概念方法及在管理中的应用）》从商务智能的三个组成部分——数据仓库、联机分析和数据挖掘人手，以Microsoft公司提供的SQL Server 2005平台为载体，利用网上公开的Foodmart 2000．mdb数据集中的数据，在介绍相关理论知识的同时，以具体实例的形式，从技术和应用两个方面对商务智能中所涉及的相关概念、方法及在管理中的应用进行了详细介绍。

《商务智能（概念方法及在管理中的应用）》以非常易于理解的方式展示了商务智能的内容，实践性强，既可作为高等院校相关专业本科生或研究生的教科书，也可作为对商务智能感兴趣的相关人员的参考书。

前言

第1章 概述

 1.1 商务智能简介

1.1.1 商务智能概念

1.1.2 商务智能的发展

1.1.3 从数据处理的角度看商务智能的组成

 1.2 为什么需要商务智能

 1.3 商务智能工具

第2章 数据仓库

　2.1 数据仓库概述

　 2.1.1 数据仓库的概念及特点

　 2.1.2 数据库与数据仓库的区别

　 2.1.3 数据仓库的技术支持

　2.2 数据仓库的设计

　2.3 数据仓库的构建实例——以Foodmart 2000.mdL数据集为例

第3章 数据预处理

 3.1 为什么需要预处理数据

 3.2 数据清理

3.2.1 空缺值处理

3.2.2 异常值检测

3.2.3 重复记录检测

 3.3 数据集成

 3.4 数据变换

 3.5 数据归约

第4章 联机分析处理

　4.1 0LAP的概念与特点

　 4.1.1 0LAP的概念

　 4.1.2 0LAP的特点

　 4.1.3 0LTP和OLAP的对比

　4.2 0LAP的一些基本概念

　4.3 0LAP的分类

　4.4 0LAP的基本操作

　4.5 0LAP——以Foodreart 2000.mdb数据集中库存数据表等相关数据为例

第5章 分类

　5.1 分类的概念

　5.2 决策树分类

　 5.2.1  基本概念

　 5.2.2 决策树的生成过程

5.2.3 决策树停止的条件

5.2.4 决策树的修剪

5.2.5 决策树的评估

 5.4 人工神经网络分类

5.4.1 人工神经网络概述

5.4.2 神经元的数学模型

5.4.3 人工神经网络模型

5.4.4 神经网络拓扑结构的确定

 5.5 分类过程中面临的问题——不均衡数据集

 5.6 其他分类方法

5.6.1 k一最近邻居法

5.6.2 粗糙集分类法

 5.7 Microson分类挖掘模型的操作过程——以基于决策树的客户分类为例

第6章 关联规则

 6.1 关联规则简介

 6.2 关联规则的分类

 6.3 南事务数据库挖掘单维关联规则

6.3.1 Aprior算法

6.3.2 频繁模式增长

 6.4 关联规则的推广

6.4.1 多层关联规则

6.4.2 多维关联规则

 6.5 时序关联规则

 6.6 商品关联关系分析——以Foodmart 2000.mdb数据集中1997年销售数据为例

第7章聚类

 7.1 简介

 7.2 聚类分析算法

7.2.1 K一均值簇算法

7.2.2 EM算法

 7.3 聚类分析的应用

 7.4 聚类分析的操作过程——基于客户价值的聚类分析

第8章 商务智能在管理中的应用

 8.1 基于决策树的职员职位影响因素研究

 8.2 基于聚类方法的广告效应差异分析

 8.3 基于贝叶斯方法和决策树方法的顾客分类效果比较研究

 8.4 基于聚类方法的顾客特征分析