暂无评论
图文详情
- ISBN:9787308188241
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:26cm
- 页数:337页
- 出版时间:2020-02-01
- 条形码:9787308188241 ; 978-7-308-18824-1
内容简介
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。以MS SQL Server为数据仓库管理平台, 以SQL Server Business Intelligence Development Visual Studio作为商业智能开发平台, 采用导航式教学方式, 进行丰富的案例演示, 采用二维码引导的操作过程视频, 学生易于学习和掌握。并探索建立人机在线互动的操作指导实验教学模式。
目录
**章 数据挖掘和商业智能
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
**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
展开全部
本类五星书
本类畅销
-
富爸爸穷爸爸
¥40.9¥89.0 -
理想书店(八品)
¥26.2¥79.5 -
底层逻辑:看清这个世界的底牌
¥29.7¥69.0 -
李诞脱口秀工作手册
¥16.0¥42.0 -
文案高手
¥11.5¥36.0 -
狼道
¥8.8¥35.0 -
金字塔原理
¥68.6¥88.0 -
麦肯锡问题分析与解决技巧
¥11.2¥35.0 -
国际经贸规则变局与重塑
¥48.3¥69.0 -
工业稳增长长效机制及政策框架研究
¥47.6¥68.0 -
数据要素市场――全球数字经济竞争新蓝海
¥62.3¥89.0 -
未来产业发展――全球模式与中国路径
¥48.3¥69.0 -
原则
¥51.9¥98.0 -
定位-争夺用户心智的战争-经典重译版
¥41.3¥59.0 -
宗庆后内部讲话-关键时.宗庆后说了什么
¥12.7¥39.8 -
货币论-下卷
¥27.2¥32.0 -
萨缪尔森谈失业与通货膨胀
¥10.0¥25.0 -
萨缪尔森谈金融贸易与开放经济
¥11.0¥25.0 -
费曼超级学习法 理解更快、保留更高,27个高级学习模型
¥33.4¥49.9 -
营销管理
¥91.6¥158.0