本书从商务智能的高度来认识和理解，从概念上把商务智能同知识管理、决策支持系统、人工智能等区分开来；全书深入浅出，讲清楚如何去实施一个商务智能项目。所以，本书以微软公司的SQL Server 2005为开发平台，讲授了数据仓库和数据挖掘的实现过程，从而完成本书试图从理论到技术、从技术到实施来理清商务智能的总体思路。

本书可以作为高等院校电子商务专业本科生和研究生相关课程的教学用书或参考用书。

第1章 商务智能概述

 学习目标

 1.1 商务智能产生的背景

 1.2 商务智能的概念

 1.3 商务智能的发展过程

 1.4 商务智能系统概述

 1.5 决策支持系统

 1.6 商务智能的发展与现状

 本章小结

 复习思考题

第2章 数据仓库概述

 学习目标

 2.1 数据仓库的产生与发展

 2.2 数据仓库的概念与特征

 2.3 数据仓库中的重要名词

 2.4 数据仓库中的数据组织

 2.5 数据仓库的体系结构

 2.6 操作型数据存储ODS

 本章小结

 复习思考题

第3章 联机分析处理

 学习目标

 3.1 联机分析处理概念

 3.2 OLAP的多维数据分析

 3.3 OLAP的数据组织

 3.4 数据立方体的计算

 3.5 OLAP的体系结构与展现方式

 3.6 OLAP开发工具

 本章小结

 复习思考题

第4章 数据仓库设计

 学习目标

 4.1 数据仓库设计的三级数据模型

 4.2 数据仓库的设计方法和步骤

 4.3 需求分析

 4.4 概念模型设计

 4.5 逻辑模型设计

 4.6 物理模型设计

 4.7 ETL设计

 4.8 数据仓库设计实例——零售业数据仓库设计

 本章小结

 复习思考题

 技能实训题

第5章 数据仓库实施

 学习目标

 5.1 商务智能开发工具

 5.2 SQL Server数据仓库方案实施

 5.3 设计与创建数据仓库

 5.4 使用SSIS设计ETL

 5.5 创建OLAP数据立方体

 5.6 多维表达式MDX

 5.7 商务智能的前端展示

 本章小结

 复习思考题

 技能实训题

第6章 数据挖掘概述

 学习目标

 6.1 数据挖掘的产生

 6.2 数据挖掘的定义

 6.3 数据挖掘的分类

 6.4 数据挖掘的任务

 6.5 数据挖掘常用技术和工具

 6.6 数据预处理

 6.7 数据挖掘流程

 6.8 数据挖掘应用与发展趋势

 本章小结

 复习思考题

 技能实训题

第7章 数据挖掘基本算法

 学习目标

 7.1 数据挖掘基本分析方法

 7.2 关联分析

 7.3 序列模式分析

 7.4 分类分析

 7.5 聚类分析

 本章小结

 复习思考题

 技能实训题

第8章 统计方法与贝叶斯网络

 学习目标

 8.1 观察数据

 8.2 假设检验

 8.3 预测回归问题

 8.4 方差分析

 8.5 贝叶斯定理

 8.6 朴素贝叶斯分类

 8.7 贝叶斯信念网络

 本章小结

 复习思考题

 技能实训题

第9章 人工神经网络

 学习目标

 9.1 人工神经网络概述

 9.2 人工神经元模型

 9.3 人工神经网络结构

 9.4 感知机

 9.5 多层前馈型网络

 9.6 后向传播

 9.7 解释结果

 9.8 学习任务

 9.9 竞争神经网络

 本章小结

 复习思考题

 技能实训题

第10章 web数据挖掘

 学习目标

 10.1 web数据挖掘概述

 10.2 web内容挖掘

 10.3 web结构挖掘

 10.4 web使用挖掘

 10.5 web数据挖掘的应用

 10.6 web数据挖掘的研究热点与发展趋势

 本章小结

 复习思考题

 技能实训题

第11章 数据挖掘工具

 学习目标

 11.1 SQL Server数据挖掘方案实施

 11.2 OLE DB for DM规范

 11.3 Microsoft数据挖掘模型的使用

 11.4 SQL Server数据挖掘编程

 本章小结

 复习思考题

 技能实训题

第12章 商务智能的设计与实现

 学习目标

 12.1 商务智能的设计与实施

 12.2 几种商务智能解决方案介绍

 12.3 商务智能系统设计案例分析

 12.4 商务智能的应用

 本章小结

 复习思考题

 技能实训题

主要参考文献