出版者的话
译者序
前言
作者简介
第1章　商务智能简介1
开篇场景：Norfolk Southern利用商务智能进行决策支持获取成功1
1.1　变化的商务环境和计算机化的决策支持3
1.2　商务智能框架4
1.2.1　BI的定义5
1.2.2　BI的历史5
1.2.3　BI的架构6
1.2.4　BI的形式8
1.2.5　BI的好处8
1.2.6　事件驱动预警10
1.3　智能创造和使用与商务智能治理11
1.3.1　智能创造和使用的循环过程11
1.3.2　智能与窃取12
1.4　交易处理和分析处理12
1.5　成功的BI实施13
1.5.1　典型的BI用户群体13
1.5.2　合适的计划及其与商业战略的一致性13
1.5.3　实时的、基于需求的BI是可达到的14
1.5.4　开发或获得BI系统14
1.5.5　理由和成本利润分析14
1.5.6　隐私安全和保护15
1.5.7　系统集成和应用15
1.6　商务智能的主要工具和技术15
1.6.1　技术和工具15
1.6.2　选择BI供应商16
1.7　本书计划16
1.8　相关资源、链接和Teradata大学网络的连接17
1.8.1　资源和链接17
1.8.2　案例17
1.8.3　供应商、产品和演示17
1.8.4　期刊17
1.8.5　Teradata大学网络的连接17
1.8.6　本书的网站18
本章重点18
关键术语18
讨论题18
练习19
本章结尾应用案例19
参考文献20
第2章　数据仓库21
开篇场景：DirecTV的蓬勃发展与实时数据仓库21
2.1　数据仓库的定义和概念23
2.1.1　什么是数据仓库23
2.1.2　数据仓库的特点23
2.1.3　数据集市24
2.1.4　业务数据存储24
2.1.5　企业数据仓库24
2.1.6　元数据26
2.2　数据仓库流程概述27
2.3　数据仓库架构28
2.3.1　可选的数据仓库架构30
2.3.2　哪种架构是最好的33
2.4　数据集成以及提取、转换和加载的过程34
2.4.1　数据集成34
2.4.2　提取、转换和加载36
2.5　数据仓库的开发38
2.5.1　数据仓库供应商39
2.5.2　数据仓库开发方法40
2.5.3　数据仓库开发的其他思考41
2.5.4　数据仓库中的数据表示42
2.5.5　数据仓库中的数据分析43
2.5.6　OLAP与OLTP43
2.5.7　OLAP操作43
2.6　数据仓库的实施问题46
2.7　实时数据仓库50
2.8　数据仓库管理系统、安全问题和未来发展趋势53
2.9　相关资源、链接和Teradata大学网络的连接55
2.9.1　资源和链接55
2.9.2　案例55
2.9.3　供应商、产品和演示56
2.9.4　期刊56
2.9.5　其他参考文献56
2.9.6　Teradata大学网络的连接56
本章重点57
关键术语57
讨论题58
练习58
本章结尾应用案例60
参考文献61
第3章　业务绩效管理64
开篇场景：Harrah公司加倍下注64
3.1　业务绩效管理概述66
3.1.1　BPM定义67
3.1.2　比较BPM和BI67
3.2　制定战略：我们想到哪里去68
3.2.1　战略规划69
3.2.2　战略差距70
3.3　计划：我们如何达到那里70
3.3.1　运营计划70
3.3.2　财务计划和预算71
3.4　监控：我们做得怎么样71
3.4.1　诊断控制系统72
3.4.2　差异分析的困难72
3.5　行动和调整：我们需要做什么不同的吗74
3.6　绩效评价76
3.6.1　KPI和业务指标76
3.6.2　现有绩效评价系统存在的问题77
3.6.3　有效的绩效指标78
3.7　BPM方法80
3.7.1　平衡记分卡81
3.7.2　六西格玛83
3.8　BPM技术和应用87
3.8.1　BPM架构87
3.8.2　商业BPM套件89
3.8.3　BPM市场与BI平台市场对比90
3.9　绩效仪表盘和记分卡90
3.9.1　仪表盘和记分卡91
3.9.2　仪表盘设计91
3.9.3　仪表盘展示的内容92
3.9.4　数据可视化92
本章重点94
关键术语96
讨论题96
练习96
本章结尾应用案例98
参考文献100
第4章　商务智能中的数据挖掘102
开篇场景：数据挖掘来到好莱坞102
4.1　数据挖掘概念和定义104
4.1.1　定义、特征和好处106
4.1.2　数据挖掘的工作原理109
4.2　数据挖掘应用112
4.3　数据挖掘流程115
4.3.1　步骤1：理解业务115
4.3.2　步骤2：理解数据115
4.3.3　步骤3：数据准备116
4.3.4　步骤4：建模118
4.3.5　步骤5：测试和评估118
4.3.6　步骤6：部署119
4.3.7　其他标准化数据挖掘过程和方法120
4.4　数据挖掘方法121
4.4.1　分类121
4.4.2　分类模型正确性估算122
4.4.3　数据挖掘聚类分析127
4.4.4　关联规则挖掘128
4.5　数据挖掘中的人工神经网络130
4.5.1　人工神经网络的要素131
4.5.2　人工神经网络应用132
4.6　数据挖掘软件工具134
4.7　关于数据挖掘的一些谎言和谬误139
本章重点139
关键术语140
讨论题141
练习141
本章结尾应用案例144
参考文献145
第5章　文本挖掘与Web挖掘147
开篇场景：文本挖掘与安全和反恐147
5.1　文本挖掘的概念和定义149
5.2　自然语言处理151
5.3　文本挖掘应用155
5.3.1　市场营销应用155
5.3.2　安全应用155
5.3.3　生物医学应用157
5.3.4　学术应用158
5.4　文本挖掘过程159
5.4.1　任务1：确定素材160
5.4.2　任务2：创建文献术语矩阵161
5.4.3　任务3：提取知识162
5.5　文本挖掘工具166
5.5.1　商业软件工具166
5.5.2　免费软件工具166
5.6　Web挖掘概述167
5.7　Web内容挖掘和Web结构挖掘168
5.8　Web使用挖掘170
5.9　Web挖掘的成功实例171
本章重点174
关键术语175
讨论题175
练习175
本章结尾应用案例176
参考文献177
第6章　商务智能实施：整合和新兴趋势179
开篇场景：BI Eastern Mountain Sports增加合作和生产力179
6.1　BI实施：概述181
6.1.1　BI实施因素181
6.1.2　BI实施中的管理问题182
6.2　BI和整合实施184
6.2.1　整合的类型184
6.2.2　为什么进行整合184
6.2.3　BI整合的水平185
6.2.4　嵌入式智能系统185
6.3　BI系统与数据库和其他企业系统的连接185
6.3.1　与数据库连接186
6.3.2　BI应用和后端系统的整合186
6.3.3　中间件187
6.4　面向需求的BI188
6.4.1　传统BI的限制188
6.4.2　面向需求的选择188
6.4.3　关键特性和好处188
6.5　法律、隐私和道德问题190
6.5.1　法律问题190
6.5.2　隐私190
6.5.3　决策和支持中的道德问题191
6.6　BI中的新兴话题：概述192
6.7　Web 2.0创新193
6.7.1　Web 2.0的典型特征193
6.7.2　Web 2.0公司和新的商业模型194
6.8　在线社交网络：基础和示例194
6.8.1　定义和基本信息194
6.8.2　移动社交网络195
6.8.3　主要的社交网络服务：Facebook和Orkut195
6.8.4　商业和企业社交网络的意义196
6.9　虚拟世界198
6.10　社交网络和BI：协同决策201
6.10.1　协同决策的崛起202
6.10.2　虚拟团队决策中的协同202
6.11　RFID和新的BI应用机会203
6.12　现实挖掘206
关键术语208
讨论题209
练习209
本章结尾应用案例211
参考文献211
术语213
· · · · · · (收起)