齣版者的話
譯者序
前言
作者簡介
第1章　商務智能簡介1
開篇場景：Norfolk Southern利用商務智能進行決策支持獲取成功1
1.1　變化的商務環境和計算機化的決策支持3
1.2　商務智能框架4
1.2.1　BI的定義5
1.2.2　BI的曆史5
1.2.3　BI的架構6
1.2.4　BI的形式8
1.2.5　BI的好處8
1.2.6　事件驅動預警10
1.3　智能創造和使用與商務智能治理11
1.3.1　智能創造和使用的循環過程11
1.3.2　智能與竊取12
1.4　交易處理和分析處理12
1.5　成功的BI實施13
1.5.1　典型的BI用戶群體13
1.5.2　閤適的計劃及其與商業戰略的一緻性13
1.5.3　實時的、基於需求的BI是可達到的14
1.5.4　開發或獲得BI係統14
1.5.5　理由和成本利潤分析14
1.5.6　隱私安全和保護15
1.5.7　係統集成和應用15
1.6　商務智能的主要工具和技術15
1.6.1　技術和工具15
1.6.2　選擇BI供應商16
1.7　本書計劃16
1.8　相關資源、鏈接和Teradata大學網絡的連接17
1.8.1　資源和鏈接17
1.8.2　案例17
1.8.3　供應商、産品和演示17
1.8.4　期刊17
1.8.5　Teradata大學網絡的連接17
1.8.6　本書的網站18
本章重點18
關鍵術語18
討論題18
練習19
本章結尾應用案例19
參考文獻20
第2章　數據倉庫21
開篇場景：DirecTV的蓬勃發展與實時數據倉庫21
2.1　數據倉庫的定義和概念23
2.1.1　什麼是數據倉庫23
2.1.2　數據倉庫的特點23
2.1.3　數據集市24
2.1.4　業務數據存儲24
2.1.5　企業數據倉庫24
2.1.6　元數據26
2.2　數據倉庫流程概述27
2.3　數據倉庫架構28
2.3.1　可選的數據倉庫架構30
2.3.2　哪種架構是最好的33
2.4　數據集成以及提取、轉換和加載的過程34
2.4.1　數據集成34
2.4.2　提取、轉換和加載36
2.5　數據倉庫的開發38
2.5.1　數據倉庫供應商39
2.5.2　數據倉庫開發方法40
2.5.3　數據倉庫開發的其他思考41
2.5.4　數據倉庫中的數據錶示42
2.5.5　數據倉庫中的數據分析43
2.5.6　OLAP與OLTP43
2.5.7　OLAP操作43
2.6　數據倉庫的實施問題46
2.7　實時數據倉庫50
2.8　數據倉庫管理係統、安全問題和未來發展趨勢53
2.9　相關資源、鏈接和Teradata大學網絡的連接55
2.9.1　資源和鏈接55
2.9.2　案例55
2.9.3　供應商、産品和演示56
2.9.4　期刊56
2.9.5　其他參考文獻56
2.9.6　Teradata大學網絡的連接56
本章重點57
關鍵術語57
討論題58
練習58
本章結尾應用案例60
參考文獻61
第3章　業務績效管理64
開篇場景：Harrah公司加倍下注64
3.1　業務績效管理概述66
3.1.1　BPM定義67
3.1.2　比較BPM和BI67
3.2　製定戰略：我們想到哪裏去68
3.2.1　戰略規劃69
3.2.2　戰略差距70
3.3　計劃：我們如何達到那裏70
3.3.1　運營計劃70
3.3.2　財務計劃和預算71
3.4　監控：我們做得怎麼樣71
3.4.1　診斷控製係統72
3.4.2　差異分析的睏難72
3.5　行動和調整：我們需要做什麼不同的嗎74
3.6　績效評價76
3.6.1　KPI和業務指標76
3.6.2　現有績效評價係統存在的問題77
3.6.3　有效的績效指標78
3.7　BPM方法80
3.7.1　平衡記分卡81
3.7.2　六西格瑪83
3.8　BPM技術和應用87
3.8.1　BPM架構87
3.8.2　商業BPM套件89
3.8.3　BPM市場與BI平颱市場對比90
3.9　績效儀錶盤和記分卡90
3.9.1　儀錶盤和記分卡91
3.9.2　儀錶盤設計91
3.9.3　儀錶盤展示的內容92
3.9.4　數據可視化92
本章重點94
關鍵術語96
討論題96
練習96
本章結尾應用案例98
參考文獻100
第4章　商務智能中的數據挖掘102
開篇場景：數據挖掘來到好萊塢102
4.1　數據挖掘概念和定義104
4.1.1　定義、特徵和好處106
4.1.2　數據挖掘的工作原理109
4.2　數據挖掘應用112
4.3　數據挖掘流程115
4.3.1　步驟1：理解業務115
4.3.2　步驟2：理解數據115
4.3.3　步驟3：數據準備116
4.3.4　步驟4：建模118
4.3.5　步驟5：測試和評估118
4.3.6　步驟6：部署119
4.3.7　其他標準化數據挖掘過程和方法120
4.4　數據挖掘方法121
4.4.1　分類121
4.4.2　分類模型正確性估算122
4.4.3　數據挖掘聚類分析127
4.4.4　關聯規則挖掘128
4.5　數據挖掘中的人工神經網絡130
4.5.1　人工神經網絡的要素131
4.5.2　人工神經網絡應用132
4.6　數據挖掘軟件工具134
4.7　關於數據挖掘的一些謊言和謬誤139
本章重點139
關鍵術語140
討論題141
練習141
本章結尾應用案例144
參考文獻145
第5章　文本挖掘與Web挖掘147
開篇場景：文本挖掘與安全和反恐147
5.1　文本挖掘的概念和定義149
5.2　自然語言處理151
5.3　文本挖掘應用155
5.3.1　市場營銷應用155
5.3.2　安全應用155
5.3.3　生物醫學應用157
5.3.4　學術應用158
5.4　文本挖掘過程159
5.4.1　任務1：確定素材160
5.4.2　任務2：創建文獻術語矩陣161
5.4.3　任務3：提取知識162
5.5　文本挖掘工具166
5.5.1　商業軟件工具166
5.5.2　免費軟件工具166
5.6　Web挖掘概述167
5.7　Web內容挖掘和Web結構挖掘168
5.8　Web使用挖掘170
5.9　Web挖掘的成功實例171
本章重點174
關鍵術語175
討論題175
練習175
本章結尾應用案例176
參考文獻177
第6章　商務智能實施：整閤和新興趨勢179
開篇場景：BI Eastern Mountain Sports增加閤作和生産力179
6.1　BI實施：概述181
6.1.1　BI實施因素181
6.1.2　BI實施中的管理問題182
6.2　BI和整閤實施184
6.2.1　整閤的類型184
6.2.2　為什麼進行整閤184
6.2.3　BI整閤的水平185
6.2.4　嵌入式智能係統185
6.3　BI係統與數據庫和其他企業係統的連接185
6.3.1　與數據庫連接186
6.3.2　BI應用和後端係統的整閤186
6.3.3　中間件187
6.4　麵嚮需求的BI188
6.4.1　傳統BI的限製188
6.4.2　麵嚮需求的選擇188
6.4.3　關鍵特性和好處188
6.5　法律、隱私和道德問題190
6.5.1　法律問題190
6.5.2　隱私190
6.5.3　決策和支持中的道德問題191
6.6　BI中的新興話題：概述192
6.7　Web 2.0創新193
6.7.1　Web 2.0的典型特徵193
6.7.2　Web 2.0公司和新的商業模型194
6.8　在綫社交網絡：基礎和示例194
6.8.1　定義和基本信息194
6.8.2　移動社交網絡195
6.8.3　主要的社交網絡服務：Facebook和Orkut195
6.8.4　商業和企業社交網絡的意義196
6.9　虛擬世界198
6.10　社交網絡和BI：協同決策201
6.10.1　協同決策的崛起202
6.10.2　虛擬團隊決策中的協同202
6.11　RFID和新的BI應用機會203
6.12　現實挖掘206
關鍵術語208
討論題209
練習209
本章結尾應用案例211
參考文獻211
術語213
· · · · · · (收起)