中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
以利為利:財政關系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護視角
-
>
營銷管理
-
>
茶葉里的全球貿易史(精裝)
-
>
近代華商股票市場制度與實踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
商業智能原理與應用 版權信息
- ISBN：9787308188241
- 條形碼：9787308188241 ; 978-7-308-18824-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
商業智能原理與應用 內容簡介
本書緊密結合經管類學生的知識結構和學習特點, 以“商業智能”應用為主線, 系統介紹了商業智能的概念、方法、技術及應用, 克服了以“數據挖掘”技術為主線的局限性。以MS SQL Server為數據倉庫管理平臺, 以SQL Server Business Intelligence Development Visual Studio作為商業智能開發平臺, 采用導航式教學方式, 進行豐富的案例演示, 采用二維碼引導的操作過程視頻, 學生易于學習和掌握。并探索建立人機在線互動的操作指導實驗教學模式。
商業智能原理與應用 目錄
**章 數據挖掘和商業智能
**節 數據挖掘的興起
第二節 什么是商業智能
第三節 數據挖掘和商業智能工具
第四節 數據挖掘應用案例
小結
思考與練習
第二章 數據倉庫
**節 數據倉庫的概念
第二節 數據倉庫的體系結構
第三節 元數據
第四節 數據集市
第五節 數據倉庫設計與實施
第六節 Microsoft數據倉庫和商業智能工具
第七節 數據倉庫設計案例
小結
思考與練習
實驗
第三章 數據預處理
**節 數據預處理的重要性
第二節 數據清洗
第三節 數據集成與轉換
第四節 數據消減
第五節 離散化和概念層次樹生成
第六節 使用SSIS對數據進行ETL操作
小結
思考與練習
實驗
第四章 多維數據分析
**節 多維數據分析基礎
第二節 多維數據分析方法
第三節 多維數據的存儲方式
第四節 多維表達式
第五節 使用SQL Server Analysis Server構建維度和多維數據集
第六節 使用Excel數據透視圖瀏覽多維數據集
小結
思考與練習
實驗
第五章 用Microsoft SSRS處理智能報表
**節 SSRS商業智能報表
第二節 使用SSRS創建報表
小結
實驗
第六章 數據挖掘技術
**節 數據挖掘的任務
第二節 數據挖掘的對象
第三節 數據挖掘系統的分類
第四節 數據挖掘項目的生命周期
第五節 數據挖掘面臨的挑戰及發展
小結
思考與練習
第七章 關聯挖掘
**節 關聯規則挖掘
第二節 單維布爾關聯規則挖掘
第三節 挖掘多層次關聯規則
第四節 多維關聯規則的挖掘
第五節 關聯挖掘中的相關分析
第六節 利用Microsoft SSAS進行關聯挖掘
小結
思考與練習
實驗
第八章 分類與預測
**節 分類與預測基本知識
第二節 有關分類和預測的幾個問題
第三節 基于決策樹的分類
第四節 貝葉斯分類方法
第五節 神經網絡分類方法
第六節 分類器準確性
第七節 預測方法
第八節 Microsoft貝葉斯算法
第九節 Microsoft決策樹算法
第十節 Microsoft神經網絡算法
小結
思考與練習
實驗
第九章 聚類分析
**節 聚類分析概念
第二節 聚類分析中的數據類型
第三節 主要聚類方法
第四節 劃分方法
第五節 層次方法
第六節 基于密度方法
第七節 異常數據分析
第八節 Microsoft聚類算法
小結
思考與練習
實驗
第十章 時序數據和序列數據挖掘
**節 時間序列模型
第二節 Microsoft的時序算法
第三節 Microsoft時序算法示例
第四節 Microsoft的序列模式挖掘
小結
思考與練習
實驗
第十一章 基于多維數據集的數據挖掘
**節 OLAP和數據挖掘之間的關系
第二節 構建OLAP挖掘模型
小結
參考文獻
**節 數據挖掘的興起
第二節 什么是商業智能
第三節 數據挖掘和商業智能工具
第四節 數據挖掘應用案例
小結
思考與練習
第二章 數據倉庫
**節 數據倉庫的概念
第二節 數據倉庫的體系結構
第三節 元數據
第四節 數據集市
第五節 數據倉庫設計與實施
第六節 Microsoft數據倉庫和商業智能工具
第七節 數據倉庫設計案例
小結
思考與練習
實驗
第三章 數據預處理
**節 數據預處理的重要性
第二節 數據清洗
第三節 數據集成與轉換
第四節 數據消減
第五節 離散化和概念層次樹生成
第六節 使用SSIS對數據進行ETL操作
小結
思考與練習
實驗
第四章 多維數據分析
**節 多維數據分析基礎
第二節 多維數據分析方法
第三節 多維數據的存儲方式
第四節 多維表達式
第五節 使用SQL Server Analysis Server構建維度和多維數據集
第六節 使用Excel數據透視圖瀏覽多維數據集
小結
思考與練習
實驗
第五章 用Microsoft SSRS處理智能報表
**節 SSRS商業智能報表
第二節 使用SSRS創建報表
小結
實驗
第六章 數據挖掘技術
**節 數據挖掘的任務
第二節 數據挖掘的對象
第三節 數據挖掘系統的分類
第四節 數據挖掘項目的生命周期
第五節 數據挖掘面臨的挑戰及發展
小結
思考與練習
第七章 關聯挖掘
**節 關聯規則挖掘
第二節 單維布爾關聯規則挖掘
第三節 挖掘多層次關聯規則
第四節 多維關聯規則的挖掘
第五節 關聯挖掘中的相關分析
第六節 利用Microsoft SSAS進行關聯挖掘
小結
思考與練習
實驗
第八章 分類與預測
**節 分類與預測基本知識
第二節 有關分類和預測的幾個問題
第三節 基于決策樹的分類
第四節 貝葉斯分類方法
第五節 神經網絡分類方法
第六節 分類器準確性
第七節 預測方法
第八節 Microsoft貝葉斯算法
第九節 Microsoft決策樹算法
第十節 Microsoft神經網絡算法
小結
思考與練習
實驗
第九章 聚類分析
**節 聚類分析概念
第二節 聚類分析中的數據類型
第三節 主要聚類方法
第四節 劃分方法
第五節 層次方法
第六節 基于密度方法
第七節 異常數據分析
第八節 Microsoft聚類算法
小結
思考與練習
實驗
第十章 時序數據和序列數據挖掘
**節 時間序列模型
第二節 Microsoft的時序算法
第三節 Microsoft時序算法示例
第四節 Microsoft的序列模式挖掘
小結
思考與練習
實驗
第十一章 基于多維數據集的數據挖掘
**節 OLAP和數據挖掘之間的關系
第二節 構建OLAP挖掘模型
小結
參考文獻
展開全部
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
詩經-先民的歌唱
- >
隨園食單
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
煙與鏡
- >
經典常談
- >
唐代進士錄
- >
自卑與超越
本類暢銷
