商業(yè)分析:基于數(shù)據(jù)科學(xué)及人工智能技術(shù)的決策支持系統(tǒng)(原書第11版)
定 價(jià):199 元
叢書名:數(shù)據(jù)分析與決策技術(shù)叢書
- 作者:[美]拉姆什·沙爾達(dá),[美]杜爾森·德倫,[美]埃弗瑞姆·特班著
- 出版時(shí)間:2022/5/1
- ISBN:9787111704355
- 出 版 社:機(jī)械工業(yè)出版社
- 中圖法分類:F713.51
- 頁碼:
- 紙張:膠版紙
- 版次:
- 開本:16開
本書是對分析 (或商業(yè)分析) 的技術(shù)以及用于設(shè)計(jì)和開發(fā)決策支持系統(tǒng)的基本方法、技術(shù)和軟件的全面介紹。除了傳統(tǒng)的決策支持應(yīng)用程序外,本書還介紹了人工智能、機(jī)器學(xué)習(xí)、機(jī)器人技術(shù)、聊天機(jī)器人、物聯(lián)網(wǎng)和與互聯(lián)網(wǎng)相關(guān)的技術(shù),通過提供示例、產(chǎn)品、服務(wù)和練習(xí)闡述各種類型的分析。
分析已經(jīng)成為這十年的技術(shù)驅(qū)動(dòng)力。IBM、Oracle、Microsoft等公司正在創(chuàng)建專注于分析的新組織單元,這有助于企業(yè)提高效率。決策者正在利用數(shù)據(jù)和計(jì)算機(jī)工具做出更好的決策,甚至消費(fèi)者也在直接或間接地使用分析工具,來對購物、醫(yī)療保健和娛樂等日;顒(dòng)做出決策。商業(yè)分析(BA)/數(shù)據(jù)科學(xué)(DS)/決策支持系統(tǒng)(DSS)/商務(wù)智能(BI)領(lǐng)域發(fā)展迅速,更專注于創(chuàng)新的方法和應(yīng)用程序,以利用甚至在之前的一段時(shí)間沒有捕獲到(更不用說以任何重要的方式進(jìn)行分析)的數(shù)據(jù)流?蛻絷P(guān)系管理、銀行和金融業(yè)、醫(yī)療保健和醫(yī)藥、體育和娛樂、制造業(yè)和供應(yīng)鏈管理、公用事業(yè)和能源,以及幾乎所有可以想象的行業(yè)每天都會(huì)出現(xiàn)新的應(yīng)用程序。
本書的主題是用于支持企業(yè)決策的分析、數(shù)據(jù)科學(xué)和人工智能技術(shù)。除了傳統(tǒng)的決策支持應(yīng)用程序外,此版本還通過介紹人工智能、機(jī)器學(xué)習(xí)、機(jī)器人技術(shù)、聊天機(jī)器人、物聯(lián)網(wǎng)和與互聯(lián)網(wǎng)相關(guān)的使能技術(shù),并提供示例,帶領(lǐng)讀者深入了解各種類型的分析。我們強(qiáng)調(diào)這些技術(shù)是現(xiàn)代商業(yè)分析系統(tǒng)的新興組成部分。人工智能技術(shù)通過實(shí)現(xiàn)自主決策和支持決策過程中的步驟,對決策產(chǎn)生重大影響。人工智能和分析相互支持,通過協(xié)同來協(xié)助決策。
本書的目的是向讀者介紹通常稱為分析或商業(yè)分析(眾所周知的其他名稱還有決策支持系統(tǒng)、執(zhí)行信息系統(tǒng)和商務(wù)智能等)的技術(shù),可以等價(jià)地使用這些術(shù)語。本書介紹用于設(shè)計(jì)和開發(fā)這些系統(tǒng)的基本方法及技術(shù)。此外,我們還介紹人工智能的基本原理以及獨(dú)立的決策支持規(guī)程。
我們遵循EEE(接觸、體驗(yàn)、探索)方法來介紹這些主題。本書主要介紹各種分析技術(shù)以及它們的應(yīng)用。我們的想法是,讀者將從其他組織如何使用分析做出決策或獲得競爭優(yōu)勢受到啟發(fā)。我們相信,這種接觸學(xué)習(xí)的方法以及如何實(shí)現(xiàn)它是學(xué)習(xí)分析的關(guān)鍵。在描述這些技術(shù)時(shí),我們還介紹了可用于開發(fā)此類應(yīng)用程序的特定軟件工具。本書不局限于任何一個(gè)軟件工具,因此讀者可以使用任何數(shù)量的可用軟件工具體驗(yàn)這些技術(shù)。每一章都有具體建議,但是讀者可以使用許多不同的軟件工具。后,我們希望這種接觸和體驗(yàn)?zāi)軌蚣?lì)讀者探索這些技術(shù)在各自領(lǐng)域的潛力。
第11版中所做的改進(jìn)主要集中在三個(gè)方面:重組、內(nèi)容更新(包括人工智能、機(jī)器學(xué)習(xí)、聊天機(jī)器人和機(jī)器人技術(shù))和更清晰的焦點(diǎn)。盡管本書內(nèi)容有了許多變化,但我們?nèi)匀槐3至诉^去幾十年使本書成為暢銷書的全面性和用戶友好性。我們還優(yōu)化了本書的篇幅和內(nèi)容:去除了舊的、多余的材料,添加和組合了與當(dāng)前趨勢相符的材料。后,我們提供了沒有在任何其他書中出現(xiàn)過的準(zhǔn)確和更新的材料。接下來我們將詳細(xì)描述第11版的變化。
第11版有什么新內(nèi)容
為了改進(jìn)內(nèi)容并與不斷發(fā)展的技術(shù)趨勢保持同步,本版本進(jìn)行了一次重大重組,以更好地反映當(dāng)前對分析及其支持的技術(shù)的關(guān)注。本書的前三個(gè)版本從傳統(tǒng)的DSS轉(zhuǎn)換為BI,然后從BI轉(zhuǎn)換為BA,并與Teradata大學(xué)網(wǎng)絡(luò)(TUN)建立了緊密的聯(lián)系。以下總結(jié)了對本版本所做的主要更改。
新組織。本書現(xiàn)在主要圍繞兩個(gè)主題進(jìn)行組織:不同類型的分析的動(dòng)機(jī)、概念和方法(主要集中在預(yù)測性和規(guī)范性分析上);驅(qū)動(dòng)現(xiàn)代分析領(lǐng)域的新技術(shù),如人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、機(jī)器人技術(shù)、物聯(lián)網(wǎng)、智能/機(jī)器人協(xié)作輔助系統(tǒng)等。全書共五部分。部分(第1~3章)介紹分析與人工智能:第1章介紹決策支持和相關(guān)技術(shù)的歷程,首先簡要介紹經(jīng)典的決策和決策支持系統(tǒng),然后介紹商務(wù)智能,后介紹分析、大數(shù)據(jù)和人工智能;第2章對人工智能進(jìn)行更深入的介紹;第3章介紹數(shù)據(jù)問題以及描述性分析,包括統(tǒng)計(jì)概念和可視化。第二部分(第4~7章)介紹預(yù)測性分析和機(jī)器學(xué)習(xí):第4章介紹數(shù)據(jù)挖掘的應(yīng)用和數(shù)據(jù)挖掘過程;第5章介紹用于預(yù)測性分析的機(jī)器學(xué)習(xí)技術(shù);第6章介紹深度學(xué)習(xí)和認(rèn)知計(jì)算;第7章關(guān)注文本挖掘應(yīng)用以及Web分析,包括社交分析、情感分析等。第三部分(第8和9章)介紹規(guī)范性分析和大數(shù)據(jù):第8章討論規(guī)范性分析,包括優(yōu)化和仿真;第9章介紹大數(shù)據(jù)分析的更多細(xì)節(jié),還介紹基于云的分析和位置分析。第四部分(第10~13章)介紹機(jī)器人、社交網(wǎng)絡(luò)、人工智能和物聯(lián)網(wǎng):第10章介紹工業(yè)和消費(fèi)者應(yīng)用中的機(jī)器人,并研究這些設(shè)備對未來社會(huì)的影響;第11章著重于協(xié)作系統(tǒng)、眾包;第12章回顧個(gè)人助理、聊天機(jī)器人,以及這個(gè)領(lǐng)域令人興奮的發(fā)展;第13章研究物聯(lián)網(wǎng)及其在決策支持和智能社會(huì)中的潛力。第五部分(第14章)簡要討論分析以及人工智能的安全、隱私和社會(huì)層面的內(nèi)容。
新的章節(jié)。我們應(yīng)該注意到,本書包含的幾章已在《商務(wù)智能:數(shù)據(jù)分析的管理視角(原書第4版)》(Pearson,2018)(以下簡稱BI4e)中提供。這些章節(jié)的結(jié)構(gòu)和內(nèi)容在編入本書之前已經(jīng)有所更新,但下面各章的變化更為顯著。當(dāng)然,BI4e的一些章節(jié)并沒有包含在本書的前幾個(gè)版本中。
第2章 該章介紹了人工智能的基本原理,概述了人工智能的優(yōu)點(diǎn),并將人工智能與人類智能進(jìn)行了比較,描述了人工智能的應(yīng)用領(lǐng)域。通過會(huì)計(jì)、金融服務(wù)、人力資源管理、市場營銷和CRM以及生產(chǎn)運(yùn)營管理中的示例應(yīng)用說明了人工智能給業(yè)務(wù)帶來的好處(全新)。
第6章
前言
致謝
作者簡介
部分 分析和人工智能簡介
第1章 用于決策支持的商務(wù)智能、分析、數(shù)據(jù)科學(xué)和人工智能系統(tǒng)概述2
1.1 開篇小插曲:通力電梯和自動(dòng)扶梯公司的智能系統(tǒng)是如何工作的3
1.2 不斷變化的商業(yè)環(huán)境、決策支持與分析需求5
1.3 決策過程和計(jì)算機(jī)化決策支持框架8
1.4 計(jì)算機(jī)決策支持向商務(wù)智能/分析/數(shù)據(jù)科學(xué)的發(fā)展20
1.5 分析概述29
1.6 相關(guān)領(lǐng)域中的分析示例37
1.7 人工智能簡介50
1.8 分析與人工智能的融合58
1.9 分析生態(tài)系統(tǒng)綜述63
1.10 本書規(guī)劃64
1.11 相關(guān)資源65
本章要點(diǎn)66
討論67
參考文獻(xiàn)67
第2章 人工智能:概念、驅(qū)動(dòng)力、主要技術(shù)和商業(yè)應(yīng)用70
2.1 開篇小插曲:INRIX解決了交通問題71
2.2 人工智能概論73
2.3 人類智能與計(jì)算機(jī)智能79
2.4 主要人工智能技術(shù)和衍生產(chǎn)品82
2.5 人工智能對決策的支持91
2.6 人工智能在會(huì)計(jì)中的應(yīng)用95
2.7 人工智能在金融服務(wù)中的應(yīng)用97
2.8 人工智能在人力資源管理中的應(yīng)用101
2.9 人工智能在營銷、廣告和客戶關(guān)系管理中的應(yīng)用103
2.10 人工智能在生產(chǎn)運(yùn)營管理中的應(yīng)用107
本章要點(diǎn)109
討論110
參考文獻(xiàn)111
第3章 數(shù)據(jù)性質(zhì)、統(tǒng)計(jì)建模和可視化113
3.1 開篇小插曲:SiriusXM通過數(shù)據(jù)驅(qū)動(dòng)型營銷吸引新一代的廣播消費(fèi)者114
3.2 數(shù)據(jù)的性質(zhì)117
3.3 簡單的數(shù)據(jù)分類法120
3.4 數(shù)據(jù)預(yù)處理的藝術(shù)和科學(xué)124
3.5 用于業(yè)務(wù)分析的統(tǒng)計(jì)建模133
3.6 用于推論統(tǒng)計(jì)的回歸建模143
3.7 業(yè)務(wù)報(bào)告154
3.8 數(shù)據(jù)可視化157
3.9 不同類型的圖表和圖形162
3.10 視覺分析的出現(xiàn)165
3.11 信息儀表板172
本章要點(diǎn)177
討論177
參考文獻(xiàn)178
第二部分 預(yù)測性分析/機(jī)器學(xué)習(xí)
第4章 數(shù)據(jù)挖掘過程、方法和算法182
4.1 開篇小插曲:美國邁阿密戴德警察局使用預(yù)測性分析來預(yù)測和打擊犯罪182
4.2 數(shù)據(jù)挖掘概念186
4.3 數(shù)據(jù)挖掘應(yīng)用196
4.4 數(shù)據(jù)挖掘過程199
4.5 數(shù)據(jù)挖掘方法206
4.6 數(shù)據(jù)挖掘軟件工具221
4.7 數(shù)據(jù)挖掘隱私問題、誤解和失誤227
本章要點(diǎn)231
討論232
參考文獻(xiàn)233
第5章 用于預(yù)測性分析的機(jī)器學(xué)習(xí)技術(shù)234
5.1 開篇小插曲:預(yù)測建模有助于更好地理解和管理復(fù)雜的醫(yī)療程序234
5.2 神經(jīng)網(wǎng)絡(luò)的基本概念237
5.3 神經(jīng)網(wǎng)絡(luò)架構(gòu)241
5.4 支持向量機(jī)245
5.5 基于過程的支持向量機(jī)使用方法254
5.6 用于預(yù)測的鄰近法256
5.7 樸素貝葉斯分類法260
5.8 貝葉斯網(wǎng)絡(luò)268
5.9 集成建模274
本章要點(diǎn)286
討論287
參考文獻(xiàn)288
第6章 深度學(xué)習(xí)和認(rèn)知計(jì)算290
6.1 開篇小插曲:利用深度學(xué)習(xí)和人工智能打擊欺詐291
6.2 深度學(xué)習(xí)介紹294
6.3 “淺”神經(jīng)網(wǎng)絡(luò)基礎(chǔ)299
6.4 基于神經(jīng)網(wǎng)絡(luò)系統(tǒng)的開發(fā)流程308
6.5 闡明ANN黑箱原理314
6.6 深度神經(jīng)網(wǎng)絡(luò)317
6.7 卷積神經(jīng)網(wǎng)絡(luò)323
6.8 循環(huán)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)334
6.9 實(shí)現(xiàn)深度學(xué)習(xí)的計(jì)算機(jī)框架341
6.10 認(rèn)知計(jì)算344
本章要點(diǎn)354
討論356
參考文獻(xiàn)357
第7章 文本挖掘、情感分析和社交分析360
7.1 開篇小插曲:Amadori集團(tuán)將消費(fèi)者情感轉(zhuǎn)化為近實(shí)時(shí)銷售361
7.2 文本分析和文本挖掘概述363
7.3 自然語言處理369
7.4 文本挖掘應(yīng)用375
7.5 文本挖掘過程382
7.6 情感分析390
7.7 Web挖掘概述401
7.8 搜索引擎406
7.9 Web使用情況挖掘(Web分析)413
7.10 社交分析419
本章要點(diǎn)428
討論429
參考文獻(xiàn)430
第三部分 規(guī)范性分析和大數(shù)據(jù)
第8章 規(guī)范性分析:優(yōu)化與仿真434
8.1 開篇小插曲:費(fèi)城學(xué)區(qū)使用規(guī)范性分析來尋找外包巴士路線的解決方案435
8.2 基于模型的決策436
8.3 決策支持的數(shù)學(xué)模型的結(jié)構(gòu)442
8.4 確定性、不確定性和風(fēng)險(xiǎn)444
8.5 電子表格決策模型446
8.6 數(shù)學(xué)規(guī)劃優(yōu)化450
8.7 多重目標(biāo)、靈敏度分析、假設(shè)分析和單變量求解460
8.8 基于決策表和決策樹的決策分析464
8.9 仿真簡介466
8.10 視覺交互仿真473
本章要點(diǎn)478
討論479
參考文獻(xiàn)479
第9章 大數(shù)據(jù)、云計(jì)算和位置分析:概念和工具481
9.1 開篇小插曲:在電信公司中使用大數(shù)據(jù)方法分析客戶流失情況482
9.2 大數(shù)據(jù)定義485
9.3 大數(shù)據(jù)分析基礎(chǔ)490
9.4 大數(shù)據(jù)技術(shù)494
9.5 大數(shù)據(jù)與數(shù)據(jù)倉庫503
9.6 內(nèi)存分析和Apache Spark508
9.7 大數(shù)據(jù)和流分析514
9.8 大數(shù)據(jù)提供商和平臺(tái)519
9.9 云計(jì)算和業(yè)務(wù)分析526
9.10 基于位置的組織分析537
本章要點(diǎn)544
討論544
參考文獻(xiàn)545
第四部分 機(jī)器人、社交網(wǎng)絡(luò)、人工智能與物聯(lián)網(wǎng)
第10章 機(jī)器人:工業(yè)和消費(fèi)者領(lǐng)域的應(yīng)用548
10.1 開篇小插曲:機(jī)器人為患者和兒童提供情感支持548
10.2 機(jī)器人技