本书将大数据分析用于管理实践与政策评估中的多个应用场景，运用管理学、数据科学、系统工程、交通工程、统计学、数学等不同学科的分析模型和研究方法，实现多学科的深度交叉融合，促进数据建模与预测科学的发展。
本书的研究内容将有助于提升管理者的决策能力和创新效率，揭示决策范式转变的机理与规律，开展以决策支撑为导向的科学治理，探索研究成果转化政策建议及优化决策模式的有效路径，将研究成果快速转化为政策建议，并直接应用于不同层级的辅助决策。

吴添，清华大学应用经济学博士，中国科学院国家数学与交叉科学中心副研究员；研究领域有产业组织理论、预测与政策分析、配速策略与运动表现分析、大数据等；在国内外重要期刊发表论文30余篇，其中SCI收录24篇；主持国家自然科学基金1项，参与国家体育总局科技攻关课题、国家体育总局体育科学研究所基本科研业务等多个课题。

第一章 神经网络与学习系统在商业计算中的应用综述
一、前言
二、业务活动的神经网络
三、业务活动的深度学习
四、业务活动的机器学习
五、大数据决策分析应用场景
六、本章小结
第二章 可解释的机器学习模型在企业知识管理中的应用
一、前言
二、文献综述
三、数据信息
四、实验
五、讨论
六、本章小结
第三章 通过学习系统探索企业的创新能力
一、前言
二、文献综述
三、数据
四、实验
五、研究结果
六、本章小结
第四章 数据建模与预测分析在绿色智慧交通的应用
一、前言
二、文献综述
三、数据信息
四、研究结果
五、拓展分析
六、本章小结
第五章 大数据背景下绿色交通管理策略研究
一、前言
二、文献综述
三、分析框架
四、基于分类结果的NVC和V3分析
五、政策建议
第六章 复杂环境中的仓储物流导航决策研究
一、前言
二、文献综述
三、研究方法
四、实验结果
五、本章小结
参考文献