处在大数据时代发展的重要节点上，面对数字化生活的新需求、数字化转型的新格局及数字经济的新业态，商务智能正在扮演着越来越重要的角色。商务智能通过数据挖掘和机器学习技术从海量多模态数据中发现潜在、新颖和有用的知识，以支持管理与决策。它是内在技术的，同时也是面向管理决策问题的。
本书旨在把握前沿趋势，以基础篇、方法篇、专题篇三大板块的形式，为读者提供一个技术与管理的融合视角，介绍和阐释商务智能领域的主要知识内涵，包括面向管理决策的商务智能基本原理、主流方法、应用情境和发展前景，帮助读者理解如何通过商务智能进行大数据/人工智能分析和赋能，从而提升组织和个体的核心能力及其竞争优势。
本书既可以作为高等学校信息管理与信息系统、大数据管理与应用、电子商务、管理科学与工程以及工商管理、计算机应用等相关学科专业的高年级本科生和研究生的专业课教材，也可以作为财经类或其他工程类专业学生的专业课/选修课教材，还可以为社会各领域信息化培训和相关管理决策人员提供参考。

陈国青，清华大学经济管理学院EMC讲席教授、学术委员会主任。1992年获比利时鲁汶大学（K.U.Leuven）博士学位。2005年获聘教育部长江学者特聘教授。担任教育部高等学校管理科学与工程类专业教学指导委员会主任委员，国家自然科学基金委大数据重大研究计划指导专家组组长，国家信息化专家咨询委员会委员。国际信息系统学会中国分会（CNAIS）创始主席（2005-2013）。2009年度国际模糊系统学会IFSA Fellow称号获得者，2007年度复旦管理学杰出贡献奖获得者。陈国青教授发表、编写了大量学术论著和教材，包括开发多篇中国企业IT战略与管理案例并被哈佛大学案例库收录。主持多项国家自然科学基金重大项目、国家杰出青年科学基金项目等国家级课题，以及国际合作和企业信息化项目。担任国家精品课“管理信息系统”负责人，全国百篇优秀博士论文指导教师。主要教学与研究领域包括管理信息系统、商务智能与大数据管理决策、电子商务与模糊逻辑等。

基础篇
第1章 引言
1.1 商务智能简介
1.2 商务智能与信息社会
1.2.1 信息技术提升信息社会发展水平
1.2.2 商务智能是信息社会的产物
1.2.3 商务智能是信息社会繁荣的推动力
1.3 商务智能与企业管理
1.3.1 商务智能在企业管理中的作用
1.3.2 商务智能协助企业管理的方式
1.3.3 商务智能的商业价值
1.4 商务智能的方法
1.5 商务智能的数据
小结
思考与练习
第2章 商务智能应用
2.1 制造领域应用
2.2 金融领域应用
2.3 通信领域应用
2.4 生物和医药领域应用
2.5 零售和营销领域应用
2.6 移动商务应用
2.7 社会化商务应用
小结
思考与练习
第3章 商务智能过程
3.1 数据库与事务处理
3.1.1 数据库与数据库管理系统
3.1.2 在线事务处理
3.2 数据仓库与在线分析处理
3.2.1 从事务处理到分析处理
3.2.2 数据仓库
3.3 企业知识发现
3.3.1 OLAP与知识发现
3.3.2 企业内部知识发现
3.3.3 企业外部知识发现
小结
思考与练习
第4章 数据平台
4.1 数据处理技术演进
4.2 数据仓库过程与体系结构
4.3 数据集成、提取与转换
4.3.1 数据提取
4.3.2 数据转换
4.3.3 数据加载
4.3.4 ETL设计与开发
4.4 数据仓库开发、管理与安全
4.4.1 数据仓库开发模式
4.4.2 数据仓库设计
4.4.3 数据仓库的逻辑数据模型
4.4.4 元数据
4.4.5 数据仓库的安全
4.5 分布式数据平台
4.5.1 分布式数据平台概念
4.5.2 分布式数据平台与功能组件
4.6 云数据平台
4.6.1 云数据平台概念
4.6.2 云数据平台与商务智能
小结
思考与练习
第5章 构建商务智能环境
5.1 商务智能环境
5.1.1 确定数据可用的能力
5.1.2 数据挖掘的能力
5.1.3 用户与系统交互的能力
5.2 商务智能组织
5.2.1 外包商务智能
5.2.2 内给商务智能
5.2.3 商务智能组织成员
5.3 商务智能系统
5.3.1 商务智能基础设施
5.3.2 商务智能系统软件
5.3.3 商务智能系统产品
小结
思考与练习
方法篇
第6章 数据预处理
6.1 数据预处理简介
6.1.1 数据预处理的原因
6.1.2 数据预处理的目的
6.1.3 数据预处理的方法
6.2 数据清洗
6.2.1 缺失数据处理
6.2.2 噪声数据处理
6.3 数据集成、规范与归纳
6.3.1 数据集成处理
6.3.2 数据规范化处理
6.3.3 数据归纳处理
6.4 数据消减
6.4.1 数据冗余清除
6.4.2 数据采样
6.4.3 数据立方合计
6.4.4 数据属性选取与生成
6.4.5 数据压缩
6.4.6 数据离散化与概念分层
小结
思考与练习
第7章 关联规则
7.1 关联规则简介
7.2 关联规则挖掘方法
7.3 关联规则兴趣性
7.4 关联规则知识形式扩展
7.4.1 广义关联规则
7.4.2 数量关联规则
7.4.3 时态关联规则
7.5 简单关联规则
小结
思考与练习
第8章 分类分析
8.1 分类分析简介
8.2 决策树分类
8.2.1 决策树构建
8.2.2 决策树剪枝
8.3 贝叶斯分类
8.3.1 贝叶斯定理
8.3.2 简单贝叶斯分类器
8.3.3 贝叶斯信念网络
8.4 其他分类方法
8.4.1 神经元网络分类
8.4.2 支持向量机分类
8.4.3 懒惰型分类器
8.5 分类准确率
8.5.1 分类准确率比较与评估
8.5.2 提高分类器的准确率
小结
思考与练习
第9章 聚类分析
9.1 聚类分析简介
9.2 相似度与距离测度
9.3 聚类分析方法
9.3.1 划分方法
9.3.2 层次方法
9.3.3 基于密度的方法
9.3.4 基于网格的方法
9.3.5 基于模型的方法
9.4 k-means方法
9.5 DBSCAN方法
小结
思考与练习
第10章 社会网络分析
10.1 社会网络的中心性
10.1.1 度中心性
10.1.2 贴近中心性
10.1.3 中介中心性
10.2 社会网络的
10.2.1 度
10.2.2 邻近
10.2.3 等级
10.3 引用社会网络
10.3.1 同引分析
10.3.2 引文耦合
10.4 社会网络的链接分析
10.4.1 PageRank算法
10.4.2 HITS算法
10.5 社会网络中的社区
小结
思考与练习
第11章 概率图模型
11.1 概率图模型简介
11.2 朴素