本书的两位作者都有丰富的商业数据分析实战经验和数据挖掘教学经验，奥尔森教授主要关注于多重目标决策，曾在80多家相关期刊上发表过研究成果；石勇教授的研究领域主要是信息超载、多重标准决策和电信管理，曾为许多著名公司做过数据挖掘和知识管理等项目的咨询工作。

本书综合商业专业知识和数据挖掘模型开发于一体，系统地介绍了数据挖掘商业环境、数据挖掘技术及其在商业中的应用。在注重对数据挖掘技术讲解的同时，强调了数据挖掘在商业决策领域中的应用，弥补了大多数数据仓库技术类书籍商业应用不足的缺点。

本书综合商业专业知识和数据挖掘模型开发于一体，系统地介绍了数据挖掘商业环境、数据挖掘技术及其在商业中的应用。在注重对数据挖掘技术讲解的同时，强调了数据挖掘在商业决策领域中的应用，弥补了大多数数据仓库技术类书籍商业应用不足的缺点。本书主线清晰，案例丰富，语言精练。

本书既可以作为商业专业本科生、研究生的教材，也可以在MBA、EMBA教学和企业培训中使用。

译者序

作者简介

前言

第一部分 导论

第1章 商业数据挖掘简介

　1.1 介绍

　1.2 进行数据挖掘需要什么

　1.3 数据挖掘

　1.4 集聚营销

　1.5 商业数据挖掘

　1.6 数据挖掘工具

第2章 数据挖掘过程与知识发

　2.1 CRISP-DM

　2.2 知识发现过程

第3章 数据挖掘的数据库支持

　3.1 数据仓库

　3.2 数据集市

　3.3 联机分析处理

　3.4 数据仓库的实现

　3.5 元数据

　3.6 系统示范

　3.7 数据质量

　3.8 软件产品

　3.9 实例

第二部分 数据挖掘工具

第4章 数据挖掘方法概述

　4.1 数据挖掘方法

　4.2 数据挖掘视野

　4.3 数据挖掘的作用

　4.4 实证数据集

 附录4A

第5章 聚类分析

　5.1 聚类分析

　5.2 聚类分析的描述

　5.3 类数量的变动

　5.4 聚类分析的运用

　5.5 在软件中使用聚类分析

　5.6 大数据集的方法运用

　5.7 软件产品

 附录5A

第6章 数据挖掘中的回归算法

　6.1 回归模型

　6.2 逻辑回归

　6.3 线性判别分析

　6.4 数据挖掘中回归的实际应用

　6.5 大样本数据集的模型应用

第7章 数据挖掘中的神经网络

　7.1 神经网络

　7.2 数据挖掘中的神经网络

　7.3 神经网络的商业应用

　7.4 神经网络应用于大样本数据集

　7.5 神经网络产品

第8章 决策树算法

　8.1 决策树的工作方式

　8.2 机器学习

　8.3 决策树的应用

　8.4 决策树法运用到大型的数据集

　8.5 决策树的软件产品

 附录8A

第9章 基于线性规划的方法

　9.1 线性判别分析

　9.2 多重标准线性规划分类

　9.3 模糊线性规划分类

　9.4 信用卡证券管理：线性规划的实际应用

　9.5 线性规划的软件支持

 附录9A

第三部分 商业应用

第10章 商业数据挖掘的应用

　10.1 应用

　10.2 不同数据挖掘方法的比较

第11章 市场购物篮分析

　11.1 定义

　11.2 实证

　11.3 市场购物篮分析的局限

　11.4 市场购物篮分析软件

 附录11A

第四部分 发展中的问题

第12章 文本挖掘与web挖掘

　12.1 文本挖掘

　12.2 Web挖掘

 附录12A

第13章 数据挖掘中的道德规范

　13.1 数据访问的隐患

　13.2 Web数据挖掘问题

　13.3 网络问题

　13.4 网络道德

　13.5 控制方法

术语表

注释