本书紧密结合经管类学生的知识结构和学习特点，以“商业智能”应用为主线，系统介绍了商业智能的概念、方法、技术及应用，克服了以“数据挖掘”技术为主线的局限性。本书可以作为高等院校高年级本科生的教村，也可以作为MBA的教材，以及T相关专业人员、市场营销人员、管理决策支持等实际经济管理领域实务工作者的参考用书。

第一章 数据挖掘和商业智能
第一节 数据挖掘的兴起
第二节 什么是商业智能
第三节 数据挖掘和商业智能工具
第四节 数据挖掘应用案例
小结
思考与练习
第二章 数据仓库
第一节 数据仓库的概念
第二节 数据仓库的体系结构
第三节 元数据
第四节 数据集市
第五节 数据仓库设计与实施
第六节 Microsoft数据仓库和商业智能工具
第七节 数据仓库设计案例
小结
思考与练习
实验
第三章 数据预处理
第一节 数据预处理的重要性
第二节 数据清洗
第三节 数据集成与转换
第四节 数据消减
第五节 离散化和概念层次树生成
第六节 使用SSIS对数据进行ETL操作
小结
思考与练习
实验
第四章 多维数据分析
第一节 多维数据分析基础
第二节 多维数据分析方法
第三节 多维数据的存储方式
第四节 多维表达式
第五节 使用SQL Server Analysis Server构建维度和多维数据集
第六节 使用Excel数据透视图浏览多维数据集
小结
思考与练习
实验
第五章 用Microsoft SSRS处理智能报表
第一节 SSRS商业智能报表
第二节 使用SSRS创建报表
小结
实验
第六章 数据挖掘技术
第一节 数据挖掘的任务
第二节 数据挖掘的对象
第三节 数据挖掘系统的分类
第四节 数据挖掘项目的生命周期
第五节 数据挖掘面临的挑战及发展
小结
思考与练习
第七章 关联挖掘
第一节 关联规则挖掘
第二节 单维布尔关联规则挖掘
第三节 挖掘多层次关联规则
第四节 多维关联规则的挖掘
第五节 关联挖掘中的相关分析
第六节 利用Microsoft SSAS进行关联挖掘
小结
思考与练习
实验
第八章 分类与预测
第一节 分类与预测基本知识
第二节 有关分类和预测的几个问题
第三节 基于决策树的分类
第四节 贝叶斯分类方法
第五节 神经网络分类方法
第六节 分类器准确性
第七节 预测方法
第八节 Microsoft贝叶斯算法
第九节 Microsoft决策树算法
第十节 Microsoft神经网络算法
小结
思考与练习
实验
第九章 聚类分析
第一节 聚类分析概念
第二节 聚类分析中的数据类型
第三节 主要聚类方法
第四节 划分方法
第五节 层次方法
第六节 基于密度方法
第七节 异常数据分析
第八节 Microsoft聚类算法
小结
思考与练习
实验
第十章 时序数据和序列数据挖掘
第一节 时间序列模型
第二节 Microsoft的时序算法
第三节 Microsoft时序算法示例
第四节 Microsoft的序列模式挖掘
小结
思考与练习
实验
第十一章 基于多维数据集的数据挖掘
第一节 OLAP和数据挖掘之间的关系
第二节 构建OLAP挖掘模型
小结
参考文献