第一组商务智能实验一
面向企业需求的商务智能课程实验设计
面向企业需求的商务智能课程实验设计摘要：针对目前专业课程实验教学与企业实际需求脱节的情况，指出传统专业课程实验教学中存在的弊端，阐述针对企业需求改进专业课程实验设计的必要性，以商务智能课程为例探讨面向企业需求的专业课实验实施方法。
关键词：商务智能；面向企业需求；教学改革；实验随着互联网的快速发展及其竞争的加剧，商务智能已成为企业竞争的利器。
商务智能是用数据仓库技术、多维分析和数据挖掘等技术对业务数据进行系统的储存、管理和分析，为企业的各种经营活动提供决策支持。
在这种背景下，为了应对市场的人才需求，许多高等院校都加大了商务智能课程的建设力度。
商务智能具有很强的实践性，企业注重商务智能人才应用所学知识与技能分析实际问题和解决问题的能力，然而目前大多数高校的课程实验设置与企业的实际需求之间尚有一定差距。
国外学者已开始探索符合企业人才需求的商务智能教学方法，如挪威大学的Wanda Presthus等提出基于现实难题的教学方法，它是由基于难题的教学方法（puzzle-based learning）衍生而来。
难题是实际应用中的问题，由来自企业的运营数据与解决方案组成，解决商务智能教学有效开展的问题。
一项对SAP大学联盟10名讲师的调查显示，他们通过引用实际应用的案例，把数据处理、分析、工具以及应用等都融入商务智能课程的教学中。
商务智能是一个多领域组合的新兴学科，现代人才的培养需要改变传统教学以知识传授为导向的旧模式，逐渐建立以企业需求为导向的新模式，培养目标要面向企业需求，着重培养更贴近实际工程项目的专业型、应用型和创新型人才；因此在商务智能人才培养过程中，探索如何适应社会需要和改善专业课程的实验设计非常必要。
总体上，目前各高校的商务智能课程建设还侧重于理论教学，还未将实验教学放在足够重要的位置。
在这种情况下，学生对商务智能的理解较肤浅，对商务智能的工程实践也比较片面。
1 专业课程实验教学现状分析1.1 现代企业人才观现代企业需要的是具有一定创新能力的应用型人才，然而国内高校专业课的教学多偏重理论知识的传授，学生的动手能力、分析和解决实际问题能力以及创新能力还存在提高的空间。
《商务智能方法与应用》教学大纲
商务智能方法与应用（含实验）（）教学大纲（2018版）曙光瑞翼教育2018年8月前言一、大纲编写依据《商务智能方法与应用》是高校面向全校的公选课，是一门理论结合实践，专业性并不强的大数据相关课程。
通过该课程的学习，培养学生设计和使用商务智能相关技术的能力，熟悉商务智能的基本概念及构成，重点掌握商务智能在各个领域的应用，以及如何进行建立数据仓库、如何进行在线分析处理、如何实现数据挖掘与数据可视化。
通过这一系类的技术如何帮助决策者进行决策。
二、课程目的1、知识目标本课程目的是通过讲授及有关讨论使学生掌握在当今商务环境下如何整合和优化企业的信息资源，充分发挥企业的“知识资本”优势，将信息转换成企业智能，并进一步转换为企业利润。
通过本课程的学习及讨论，将培养学生如何整合企业内部资源并部署实施商务智能战略的能力。
主要重点在于大数据行业内的商务智能工具的应用以及行业实践。
2、能力目标(1) 实践能力通过本课程的学习，对学生进行实践技能的训练，巩固其在课堂上所学书本知识，加深对商务智能的基本概念、基本原理和分析方法的理解，掌握商务智能的核心技术与工具，并能运用典型的商务智能工具处理、解决一些实际问题。
同时，通过实践教学活动，拓宽学生的知识领域，锻炼学生的实践技能，培养科学严谨、求真务实的工作作风。
(2) 创新能力通过使用商务智能原理与应用的学习，从数据采集、数据分析、数据挖掘、数据可视化的工作原理与应用等方面，使学生具备一定的使用商务智能主流工具进行数据分析的能力。
三、教学方法1、课堂教学(1) 讲授本课程的教学内容以讲授为主，讲授的主要内容有商务智能关键技术：数据仓库、在线分析处理、维度建模。
根据教学大纲的要求，突出重点和难点。
(2) 教师指导下的学生自学指导学生自主学习商务智能相关技术与主流商务智能相关工具。
教师通过给出一些相关的实例程序帮助学生理解和进行方案设计，并布置相应的上机习题让学生进行练习。
(3) 其它教学方法采用多媒体辅助教学手段，结合传统教学方法，解决好教学内容多、信息量大与学时少的矛盾；充分利用学校的图书馆的资源优势，查阅与课程相关的资料；通过布置课程设计来提高学生的综合处理问题的能力和软件开发的能力。
商务智能实验报告
商务智能实验报告标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]《数据挖掘与商务智能实验》实验报告实验题目：数据挖掘的基本数据分析姓名：王俊学号：4指导教师：张大斌实验时间：2016年 11月 10日实验题纲：一、实验目的1）熟悉基本数据分析的处理流程。
2）进一步熟练掌握拍SPSS Modeler工具的操作。
二、实验内容内容一：数据的质量探索步骤1 建立数据流1)在“源”中通过拖入“Statistics”文件节点读入数据。
2)建立“类型”节点，并说明各个变量角色。
这里指定“流失”为目标变量。
3）选择“输出”选项卡中“数据审核”节点并将其连接到数据流的恰当位置，点击鼠标右键，在“质量”选项卡下，选择检测方法为平均值的标准差。
步骤2 结果输出实验结果输出如图所示。
图中蓝色部分表示输出变量取YES，即客户流失的样本数，可以看出，各个变量上流失客户的取值均不同。
内容二：基本描述分析这里分析的目标是对电信客户数据的基本服务、开通月数、免费部分和无线费用之间的相关系数以反映变量之间的相互关系。
步骤1 建立数据流选择“输出”选项卡中的“统计量”节点。
步骤2 设置相关参数1）双击“统计量”节点，进行相应的设置。
在“检查”框中添加开通月数、基本费用、免费部分和无线费用。
2）在“相关”框中添加年龄、收入和家庭人数。
如图所示。
3）在“相关设置”中，勾选“按重要性定义相关强度”。
如图所示。
计算结果如图所示。
可以看出，以“基本费用”为例，它与“年龄”和“收入”都有相关性，它们之间简单相关系数虽然为和，但从统计量的角度来看有95%以上的把握认为它们之间是非0相关。
“基本费用”与“家庭人数”呈负弱相关。
内容三：绘制散点图数值之间变量的相关性可以采用上一个实验，也可以通过散点图来直接观察，此次主要观察基本费用和年龄之间的相关性。
步骤1 构建数据流选择“图形”选项卡中的“图”节点。
步骤2 设置相关参数1）双击“图”节点，选择编辑菜单，进行参数窗口的设置。
商务智能实训实验报告
商务智能实训实验报告组长：李承冲2012211195组员：姜俏南2012211172刘启丽2012211171贾晓锋2012211173王昱2012211194陆为2012211180一、BP算法.................................................................................................................................. - 0 -1.算法介绍........................................................................................................................... - 0 -2.BP网络的解析步骤.......................................................................................................... - 2 -3.运行的可视结果............................................................................................................... - 3 -4.算法特点分析................................................................................................................... - 4 -5.发展趋势........................................................................................................................... - 5 -6.参考文献........................................................................................................................... - 5 -二、Apriori算法 .......................................................................................................................... - 5 -1.算法介绍........................................................................................................................... - 5 -2.算法流程........................................................................................................................... - 5 -3.运行的可视结果............................................................................................................... - 6 -4.最新改进或最新应用情况............................................................................................... - 8 -5.参考文献列表................................................................................................................... - 8 -三、Bays算法............................................................................................................................. - 9 -1.算法介绍........................................................................................................................... - 9 -2.伪代码及流程................................................................................................................... - 9 -3.运行的可视结果............................................................................................................. - 10 -4.最新改进及最新应用情况............................................................................................. - 11 -5.参考文献列表................................................................................................................. - 11 -四、ID3算法 ............................................................................................................................. - 12 -1.算法介绍......................................................................................................................... - 12 -2.流程................................................................................................................................. - 12 -3.运行的可视结果............................................................................................................. - 12 -4.不足及改进思路............................................................................................................. - 12 -5.参考文献列表................................................................................................................. - 13 -五、kNN算法............................................................................................................................ - 13 -1.算法介绍......................................................................................................................... - 14 -2.算法流程......................................................................................................................... - 14 -3.运行的可视结果............................................................................................................. - 14 -4.算法特点分析................................................................................................................. - 15 -5.最新改进或最新应用情况............................................................................................. - 15 -六、K均值算法....................................................................................................................... - 16 -1.算法介绍......................................................................................................................... - 16 -2.流程................................................................................................................................. - 16 -3.运行的可视结果............................................................................................................. - 17 -4.最新改进或最新应用情况............................................................................................. - 20 -5.参考文献列表................................................................................................................. - 20 - 附录 ............................................................................................................................................ - 20 -1.BP算法代码.................................................................................................................... - 21 -2.Apriori算法代码.......................................................................................................... - 51 -3.B ays算法代码................................................................................................................ - 60 -4.ID3算法代码.................................................................................................................. - 90 -5.kNN算法代码.................................................................................................................. - 99 -6.K均值算法代码............................................................................................................ - 102 -一、BP 算法1.算法介绍典型的BP 网络分为三层（图4.4），即输入层、隐含层和输出层。
《电子商务应用》实验指导书-实验1
实验1《电子商务网站系统规划》实验学时： 2每组人数： 1实验类型： 2 （1：基础性2：综合性3：设计性4：研究性）实验要求： 1 （1：必修2：选修3：其它）实验类别： 3 （1：基础2：专业基础3：专业4：其它）一、实验目的1．对现行电子商务系统进行分析和研究，通过对现有系统的分析并结合所选课题撰写系统规划报告，设计电子商务系统的功能模块结构；2．掌握电子商务系统战略规划的内容与方法，掌握一般电子商务系统体系的基本构成、各个部分的作用及其相互关系，掌握《电子商务系统规划报告》的撰写方法。
二、实验内容1. 从以下十个选题中任意选择一个（也可选其他主题，网站名字可以更换）：(1) 蓝天数码街：主营电脑配件、笔记本和其他数码产品。
(2) 靓丽服饰城：主营各种时尚、流行的职业装、家居服和牛仔系列等，同时也代销多种世界品牌的服饰。
(3) 阳光大本营：主营各式体育用品，在市内商业街已经营多年，有很广泛、固定的客户群，商店的售后服务周到及时。
(4) 紫涵美丽店：主营各类品牌保健品，包括天然的美容食品和各类保养品及药品等。
(5) 星城礼品坊：主营各类鲜花、礼品和玩具，在市内有多家连锁店，可提供在线预订与送货上门服务。
(6) 魅力名妆屋：主营各类品牌化妆品，包括国内、国际多种著名品牌。
(7) 博学图书城：主营各类图书及正版光盘。
(8) 求知网校：在线IT网络教育平台，可提供在线教学服务，采用购买积分卡充值模式，提供各类IT教学资源。
(9) 趣比网：面向年轻朋友的比价和导购网站，为当前主流B2C和C2C平台提供一个全新的入口。
(10) 考友集中营：为各类考试考友提供一个沟通、交流和学习平台，包括考研、英语四六级、会计证、软考、雅思、托福等多个考试频道。
2. 研究至少3家已有类似业务的系统，分析其栏目设置、界面特色、功能特色、优缺点、盈利模式、支付方式、配送方式、主要实现技术等相关内容。
3. 根据选题，假定拟开发一个全新的B2C电子商务系统（目标系统），对该电子商务系统进行系统规划，正确撰写《电子商务系统规划报告》。
《决策支持与商务智能》课程实验指导书
《决策支持与商务智能》课程实验指导书实验学时：课内实验16学时、课外实践0学时实验类型：综合性实验要求：必修适用对象：信息管理与信息系统、计算机科学与技术、软件工程实验一：熟悉Python语法和掌握数据特征及相似性度量方法，2学时一、实验目的1. 熟悉Python基本语法和常用函数；2. 熟悉Numpy、Scipy、Matplotlib、Pandas等常用技术包；3. 学会使用WinPython开发平台；4. 熟练掌握数据统计特征的分析方法，五树概况，中位数、均值、众数等。
5. 熟练使用常用数据相似性度量方法，例如，曼哈顿距离、欧式距离、闵考斯福基距离、余弦等。
二、实验内容1.数据统计特征的分析方法，五树概况，中位数、均值、众数等。
2.数据之间相似性度量方法，包括曼哈顿距离、欧式距离、闵考斯福基距离、余弦。
三、实验原理、方法和手段1. 实验原理：●WinPython开发平台是目前Python源程序开发中比较重要的工具，使用它基本上可以完成数据分析所有的操作，如关联规则分析、分类分析、聚类分析等。
●数据统计特征是数据分析的基础。
●数据之间的相似性是许多数据分析任务常用的技巧，如聚类分析中簇之间聚类的度量。
2. 方法与手段：先由教师讲解并演示，然后学生根据实验报告进行实验。
四、实验环境、条件若干台装有WinPython开发平台的计算机。
五、实验组织运行要求本实验是演示性+综合性实验，采用集中授课形式组织教学，先由教师讲解并演示，然后学生根据实验报告进行实验。
六、实验步骤1. 随机生成长度为奇数或者偶数长度的整数序列，编程求出五数概况、中位数、均值、众数；2. 给定my_list1 = [5, 0, 3, 0, 2, 0, 0, 2, 0, 0]，my_list2 = [3, 0, 2, 0, 1, 1, 0, 1, 0, 1]，分别利用哈顿距离、欧式距离、闵考斯福基距离、余弦计算二者之间的相似性。
七、实验报告河南财经政法大学计算机与信息工程学院实验报告实验项目名称熟悉Python语法和掌握数据特征及相似性度量方法课程名称决策支持与商务智能成绩评定实验类型：验证型□综合型√设计型□实验日期指导教师学生姓名学号专业班级一、实验项目训练方案二、实验总结与评价实验二：频繁模式与关联规则挖掘，6学时一、实验目的1. 了解关联规则、频繁模式、支持度、可信度的基本原理和计算方法；2. 熟练掌握频繁模式挖掘算法；3. 熟练使用Python编写APRIORI、FP-Growth以及基于APRIORI的提升算法；4. 学会利用频繁模式生成关联规则。
《商务智能》课程作业：分析文章的运用方法、解决问题和实现步骤
**********大学本科生课程论文（课程作业）课程名：商务智能学生姓名：学号：专业：信息管理与信息系统班级：授课教师：由于本学期，我们班级学习了《商务智能》的理论课程，以及我们团队实践了《影响教风学风因素的统计分析》的课程实习。
所以，在拥有“运用SPSS统计分析”理论知识和实践经验的前提下，我通过对cssci期刊文章的高级检索，选取了两篇关于使用SPSS统计软件所做的实证分析文章，希望在分析文章“运用了什么统计方法，解决了何种问题，运用了什么步骤”的基础上，得出关于统计分析的个人总结。
期刊文章一（1）来源期刊期刊名称：财经理论与实践主办单位：湖南大学CN：CN43-1057/F（2）文章信息题目：省域科技资源配置状况评价——以湖南省“两型社会”建设中的科技配置为例作者：何文举；马海燕；聂国卿机构：湖南大学经济与贸易学院；湖南商学院经济与贸易学院关键词：科技资源；配置状况；两型社会；支撑能力【运用的统计方法】此篇文章，通过借助SPSS统计软件，采用聚类分析、相关分析、因子分析等统计方法，对湖南省14个市州的科技资源配置状况进行评价分析。
具体是运用了主因子分析法，将多个指标化为少数综合性指标，并采用相关分析来选取科技投入和产出指标。
而作者为了体现投入指标之间的相对独立性和集中度，根据相关系数的大小，剔除相关性较小的指标，从而确定研究指标。
对科技资源配置的分析，采用因子分析对湖南省各市州科技资源配置水平进行评估。
【文章解决的问题】以湖南省为例，对该省域地级市的科技资源配置状况进行分析评价，反映出我国省域科技支撑体系的构建离“两型社会”建设的要求存在一定的差距关，可以促进产学研结合，做到科技资源的优势配。
【其具体的步骤】一、变量选取及数据来源。
由于各项指标的满意值与不允许值一般均取自指标的最优值与最差值，因此，功效系数法的优点是能反映一时点各地区在同一指标中的地位。
运用功效系数法对数据进行变换，消除观测量纲的差异及数量级所造成的影响。
商务智能系统课程设计
商务智能系统课程设计一、课程目标知识目标：1. 学生能理解商务智能系统的基本概念、功能及其在商业决策中的作用；2. 学生能够掌握商务智能系统中数据挖掘、数据仓库、在线分析处理等关键技术；3. 学生能够了解商务智能系统在市场营销、客户关系管理、供应链管理等方面的应用。
技能目标：1. 学生能够运用数据挖掘技术对大量数据进行有效分析，提取有价值的信息；2. 学生能够运用商务智能系统进行在线分析处理，为商业决策提供支持；3. 学生能够结合实际案例，设计并优化商务智能系统的应用方案。
情感态度价值观目标：1. 培养学生对商务智能系统的兴趣，激发其学习热情；2. 培养学生具备批判性思维，学会从多角度分析问题，形成独立见解；3. 培养学生具备团队协作精神，能够在小组讨论中发挥积极作用，共同解决问题。
本课程旨在帮助高年级学生深入理解商务智能系统的相关知识，提高其在实际应用中的技能水平。
结合学生特点和教学要求，课程目标具体、可衡量，为教学设计和评估提供明确依据。
通过本课程的学习，学生将能够掌握商务智能系统的核心知识，具备实际应用能力，并在情感态度价值观方面得到全面发展。
二、教学内容1. 商务智能系统基本概念- 商务智能系统的定义与功能- 商务智能系统的演变与发展趋势2. 商务智能系统关键技术- 数据仓库的构建与管理- 数据挖掘的算法与应用- 在线分析处理技术3. 商务智能系统应用案例分析- 市场营销策略优化- 客户关系管理- 供应链优化与库存管理4. 商务智能系统应用方案设计- 需求分析- 系统设计- 系统实施与评估教学内容依据课程目标进行选择和组织，确保科学性和系统性。
教学大纲明确如下：第一周：商务智能系统基本概念第二周：数据仓库的构建与管理第三周：数据挖掘的算法与应用第四周：在线分析处理技术第五周：市场营销策略优化案例分析第六周：客户关系管理案例分析第七周：供应链优化与库存管理案例分析第八周：商务智能系统应用方案设计教学内容与课本紧密关联，涵盖商务智能系统的核心知识。
《商务智能》实验指导书
《商务智能》实验指导实验1：数据仓库的建立一．实验目的与任务：1．了解SQL Server 2005环境，掌握建立数据库的基本操作。
2．设计并创建基于维度模型的“超市销售分析”数据库。
二．实验时间：2学时三．实验步骤：1．构建并熟悉SQL Server 2005实验环境。
2．在指定磁盘上建立“超市销售分析”数据库。
3．在数据库中分别建立事实表和维表，并设置主键及参照约束：事实表（序号，日期，商店编号，商品编号，销售数量，销售金额）商品表（商品编号，商品名称，规格型号，单位，售价，大类别，小类别）商店表（商店编号，商店名称，地址，经理，省市，地市）时间表（日期，年份，月份，日）4．向各表中输入部分数据。
注意：输入的数据要有一定的代表性。
5．熟悉各种SQL命令。
6．分离数据库，将数据库文件复制到优盘，或发送到邮箱。
实验2：联机分析系统的建立与应用一．实验目的与任务：1．学习联机分析系统的建立步骤与常用分析方法。
2．创建超市销售分析联机分析星形（或雪花）模型，并具体分析。
二．实验时间：2学时三．实验步骤：1．创建一个名称为超市销售分析的商务智能项目。
图2在上图中的“名称”栏输入项目的名称（自己命名），在“位置”栏选定该项目内容存放的位置。
确定后，屏幕右上方出现“解决方案资源管理器”。
以后的分析操作按照此处指定的步骤进行。
2．定义数据源：指出分析数据的来源，即数据所在的数据库。
在“管理器”中选择“数据源”后，在快捷菜单中选“新建数据源”。
然后按照向导提示操作。
在上图中选择“新建”。
在上图中输入数据库所在的服务器名称，并选择数据所在的数据库。
2．定义数据源视图：在数据库中，选择要用到的表、视图。
在“管理器”中选“数据源视图”中的“新建”功能。
按照向导提示操作。
在上图中选择是需要的表。
4 生成多维数据集：确定事实表（度量值）、维表（层次）等。
在上图中选“使用数据源生成多维数据集”。
不选“自动生成”。
在上图中指明事实表和外表。
商务智能实验一
实验一数据仓库的构建一、实验目的1. 初步了解Analysis Manager（分析管理器）的工作环境。
2. 学习掌握Analysis Manager的基本操作。
3. 熟悉星型模型的设计过程，并能够根据要求建立多维数据库。
二、实验内容1．安装和启动根据安装文件的说明安装数据库管理系统。
了解Analysis Manager的运行方式，正确配置Analysis Manager的运行环境。
2．建立数据源和数据源视图建立数据源，根据要求设置数据源，设计维表和事实表，根据需要设计数据源视图，完成维表和事实表之间的对应操作。
3．设计星型模型利用数据库中的数据架构一个星型模型的多维数据库。
假设我们是一家超市的数据管理员，市场部要按产品和顾客分析1997年进行的所有销售业务和数据，我们按其要求进行设计和建立。
三、实验要求掌握数据仓库的设计和实现过程。
四、实验准备认真理解教材中的数据仓库的概念，理解数据源和事实表、维表的意义。
五、实验原理、方法和手段六、实验条件SQL Server 2005七、实验步骤一、实验前数据导入1、单击“开始”，指向“所有程序”，再指向 Microsoft SQL Server 2005，再单击SQL Server Management Studio。
2、进入页面后，连接到服务器页面时，选择服务器类型为“数据库引擎”，服务器名称输入为“（每个电脑的标签）”，身份验证默认“Windows身份验证”，点击连接。
3、进入页面后，右击“文件”，点“新建数据库”，在数据库名称写入自己的名字，如wxm（王小明），然后回车。
4、右击自己新建的数据库wxm，在“任务”下拉菜单选择“导入数据”。
5、进入导入导出向导，下一步，数据源选择“Microso ft Access”，文件名浏览E 盘中的“foodmart 2000.mdb”，下一步。
6、选择目标为“Microsoft OLE DB Provider for SQL Server ”，服务器名和数据库wxm就是刚才建立的，点下一步。
商务智能方法与应用课内实验报告-实验1
7、添加外键
8、通过数据关系图建立外键
9、数据库备份
10、还原数据库
11、通过拷贝还原数据库
12、使用BI工具新建数据仓库
6.实验总结：
在这次实验中我电脑上原来的sql打不开了，所以又重装了一遍sql对于其安装过程中遇到的一些问题的解决办法更加深刻了。然后练习建立数据库和表，还有备份和还原，以前我们学数据库的时候都是用的sql语句，没有用过窗口直接建立，这次实验让我感受到了窗口操作的便捷，还了解到了关于解决拷贝还原数据库的权限问题的方法。最后就是又接触到了一个可以建立数据库的新工具——BI，感觉自己学到了很多，获益匪浅。
（4）利用BI工具创建数据仓库
3.实验要求：
理解案例背景，研究数据仓库的构建方法。
4.实验准备：
下载、安装、启动SQL Server软件。
5.实验过程：
1、首先通过老师提供的资源安装SQLserver2012
2、打开sql
3、新建数据库
4、新建DimProductType表
5、新建DimProductSubType表
信息管理学院
（课程上机）实验报告
实验课程名称:商务智能方法与应用专业:管理科学班级:****学号:***姓名:***成绩:实验名称Biblioteka 数据仓库实施实验地点
家中
实验时间
3月20日
1.实验目的：
理解数据仓库的概念和实施方法。
2.实验内容：
（1）下载和安装SQL Server
（2）建立数据库和表
（3）数据库备份和还原
实验报告
课程名称商务智能方法与应用_
实验项目___数据仓库实施______
实验仪器计算机
商务智能 上机实验报告1 运用SPSS完成数据挖掘过程
（商务智能）实验报告1、数据清洗：有以下四种方法(1)排序（升序或降序） data-sort cases：将大数据按照指定列进行升或降序排列（2）更替缺失值transform-replace missing values：将某列中缺失的值用均值、中值或中间填补以v8为例，选择平均值方法(3)删除方法见4、数据选择(4)双重排序 data-split file：将大数据以两列的条件进行排序选第二个 compare groups结果：v2列排了顺序、v5在v2的基础上进行了排序2、数据集成将两个sav文件和并在一起，进行横向或纵向的叠加，例如选择v3、v5、v6、v7更改*号（源文件里的名字）的名字 rename，在空白行中显示（2）横向合并：data-merge files-add variables（1）普通：直接输入简单数学表达式Traget value 为新的列名（例如设为v11，表达式为V5+V6）结果：仅将v5<80情况下的数据进行求和结果：v11列为v5的绝对值进入old an new values（例如将一百分制为标准的转换为一五分制为标准，在中体现）结果：v555列为新增列，将70以下的数变为3进入if，设置限值（例如v5<70,continue）将不符合条件的删除掉（或过滤掉） unselected cases are deleted5、数据挖掘Analyze-classify-k-means cluster：进行数据选择，为模式评估作铺垫打开另存的另一份文件（例如选择v5）迭代了两次7、知识呈现：将数据以图形（柱状图、饼图等）的形式展现出来（1）Graphs-bar，simple（柱状图）结果：以v5列的数据进行柱状图展示结果：以v5列的数据进行饼图展示。
商务智能课程实验指导书
4•如何分析挖掘模型的预测结果？
实验
一.实验目的
通过本实验使学生理解分类挖掘的功能和作用。熟悉SQL Server2005中决策树挖掘函
数，如何使用DMX中的决策树挖掘函数、数据库对象建立决策树挖掘模型，使用决策树挖 掘模型并以可视化方式显示有效的分类/决策树模式
b.单击服务器名称，即可建立与Analysis Servers的连接。
c.右击服务器名称，然后单击“新建数据库”命令。
d.在“数据库”对话框中的“数据库名称”框中，输入“教程”，然后单击“确定”
按钮。
e.在Analysis Manager树窗格中展开服务器，然后展开刚才创建的“教程”数据库。 建立数据源
2.DMX关联挖掘函数；
3•查看挖掘模型结构；
4•查看挖掘结果
五.实验环境
1•硬件设备要求：
PC及其联网环境；
2•软件设备要求：
操作系统Windows, SQL Server 2005, SQL Server 2005 BI DEV STUDIO。
六•实验内容及步骤
为某大型超市建立一个关联数据挖掘模型，挖掘出季节变化与食品的顾客消费行为之间
选 择妊 弟空连按 的遨I站
□LE DE標供者
4-.□ UL_E DB I?十心甘a.tl召k"
DEFroviderF®rD-i-t-aiMinincServiccs
DEProvri derforTn.d.4JE±xt^vi.
LlIJPr C3 IT1f C3X~TKIL -W-rXIH tJ" ul>l Ath ixhk;
4.多维数据集
五.实验环境
1•硬件设备要求：
sqlserver商务智能实验指导书
sqlserver商务智能实验指导书国贸学院实验项目讲义《商业智能》编写单位：编写教师：适用专业：编写日期：国贸学院杨风召电子商务2022.09.05《商务智能》课程实验指导实验一数据仓库的构建一、实验目的及要求（一）实验目的2．掌握典型的关系型数据库及其数据仓库系统的工作原理以及应用方法；3．掌握数据仓库建立的基本方法及其相关工具的使用。
（二）实验要求利用实验室和指导教师提供的实验软件，认真完成规定的实验项目，真实地记录实验中遇到的各种问题和解决的方法与过程，并绘出模拟实验案例的数据仓库模型。
实验完成后，应根据实验情况写出实验报告。
二、实验设备及软件基于NT的局域网络，服务器与客户端安装MSSQLServer服务系统以及AnalyiService系统。
三、实验内容以SQLServer为系统平台，设计、建立数据库，并以此为基础创建数据仓库。
四、实验步骤1．启动SQLServer服务启动SQLServer实例时即启动了SQLServer服务。
启动SQLServer服务之后，用户便可与服务器建立新连接。
SQLServer服务可在本地或远程作为MicrooftWindowNT4.0或Window2000服务启动和停止。
SQLServer服务若是默认实例，则被称为MSSQLServer；若是命名实例，则被称为MSSQL$intancename。
2．注册服务器右击一个服务器或服务器组，然后单击\新建SQLServer注册\命令。
在\服务器\框中，键入服务器名。
若要指定SQLServer企业管理器（作为客户端）与运行正在注册的MicrooftSQLServer实例的服务器之间的连接，请执行下列操作之一：单击\使用Window身份验证\或-单击\使用SQLServer身份验证\在\服务器组\列表中，单击一个服务器组。
执行下列一个或多个操作：选择\在控制台中显示SQLServer服务器的状态\复选框以打开服务轮询。
商务智能实验7报告
《数据挖掘与商务智能实验》实验报告实验题目：统计分析：逻辑回归：王俊学号：4指导教师：大斌实验时间：2016.11.092016年11月10日实验题纲：一、实验目的1）了解和熟悉SPSSModeler及其相关知识。
2）掌握SPSSModeler工具建立多项Logistic回归的方法。
3）学会运用SPSSModeler进行多项Logistic回归的容。
二、实验容本实验采用的数据源来自文件Brand.sav。
该数据集的变量分别是不同性别（x2，1为男，2为女）、三种职业（x1）顾客选购三种品牌（x3）的数据。
本实验主要探讨的例子说明多项Logistic回归的操作和意义。
三、实验步骤与结果步骤1构建多项式Logistic回归数据流1）通过“Statistic文件”节点读入文件名为Brand.sav的数据。
2）数据流中添加“类型”节点。
3）在“建模”模块下选择“Logistic”节点连接在数据流的恰当位置。
步骤2设置相关参数1）右击“类型”节点，将x3设置为目标，其他保持不变，如图所示。
2）右击“Logistic”节点，在模型下，将使用分区数据勾选为“无”，采用的过程选择“多项式”，“多项式过程”中“方法”采用“进入法”，其他保持不变，如图所示。
步骤3结果运行本例的计算结果如图所示。
结果包含两个回归方程。
以第三种职业作为职业的参照水平，以女性作为性别的参照水平，研究对象是选择第一品牌的概率与第三品牌概率之比的自然对数。
当性别相同时，第一种职业的比数自然对数比第三种职业（参照水平）平均减少了1.315，第一种职业是第三种职业的0.269倍。
第一种职业选择第一品牌的倾向不如第三种职业，且统计显著，第一种职业选择第一品牌的倾向性与第三种职业有显著差异。
当职业相同时，男性的比数自然对数比女性（参照水平）平均多0.747个单位，男性是女性的2.112倍。
男性较女性更倾向选择第一品牌，且统计表明，男性选择第一品牌的倾向性与女性有显著差异。
商务智能与数据挖掘实验报告
商务智能与数据挖掘实验报告课程：商务智能与数据挖掘地点:L2607时间：2012年5月13日==Summary ====Detailed Accuracy By Class ===0.8241Weighted Avg. 0.885 =Confusion Matrix === ab<—classifiedas 14 31 a = N 0 91 b = Y minNumObj 2345Correctly Classified Instances23 22 23 23 (8&4615%)(84.6154%)(8&4615%)(88.4615%)由上表，可知minNumObj 为2时，准确率最高。
根据测试数集，利用准确率最高的模型得到的结果:PrecisionRecall F-McasurcROC AreaClass1 0.824 0.903 0.892 N ().75 1 0.857 0.892 Y0.9130.8850.8870.892Correctly Classified Instances Incorrectly Classified Instances Kappa statistic Mean absolute error Root mean squared error Relative absolute error Root relative squared error Total Number of Instances 23 88.4615 % 311.5385 %0.7636 0.141 0.3255 30.7368 % 68.0307 % 26TP Rate 系统默认trees-J48决策树算法中minNumObj=2,得到如下结果FP Rate 0 ().176［制Weka Classifier Tree Visualizer: 11:22:13 ・ trees.J48 （旳帖02）［u> ］回j Tree View分析说明：在用J48对数据集进行分类时采用了10折交叉验证(Folds=10)来选择和评估模型，其中属性值有两个Y, No 一部分结果如下：Correctly Classified Instances 23 88.4615 %Incorrectly Classified Instances 3 11.5385 %===Confusion Matrix ==a b <— classified as14 31 a = N0 91 b = Y这个矩阵是说，原来是“Y”的实例，有14个被止确的预测为“Y”,有3个错误的预测成了原本是“NO”葩实例有0个被止确的预测成为“Y”，有9个正确的预测成了“N”。
《商务智能》课程设计指导书
《商务智能》课程设计指导书与任务书经济与管理学院管理科学与工程系《商务智能》课程设计指导书一、课程设计的目的《商务智能》课程设计是为“数据仓库与数据挖掘”课程独立开设的实践性课程。
《商务智能》课程设计的主要目的是通过实际的数据仓库与数据挖掘应用课题设计与研究，巩固数据仓库与数据挖掘理论知识，进一步熟悉数据仓库与数据挖掘的设计与分析技术，提高学生的动手能力以及分析问题和解决问题的能力。
二．课程设计的选题下面的题目可供参考：1．高校本科生管理**方案设计2．高校研究生管理**方案设计3．高校图书馆管理**方案设计4．电信企业客户管理**方案设计5．连锁超市销售管理系统**方案设计6．网店销售管理**方案设计7．银行管理（贷款、信用卡、存取款等）**方案设计8．飞机订票、售票及旅客管理**方案设计9．火车订票、售票及旅客管理**方案设计10．保险（汽车保险、财产保险等）管理**方案设计11．机动车、驾驶员、交通事故管理**方案设计12．消防管理及火灾管理**方案设计13．连锁酒店客房、顾客、住宿管理**方案设计三．课程设计的形式2-3个学生为一组。
在共同讨论的基础上，确定分析领域及分析方案。
然后，每人负责其中一部分内容。
五．课程设计报告内容及格式课程设计报告对设计方案进行综合分析与说明。
具体过程和内容可参考“电信企业客户管理客户流失预测方案设计”案例。
排版要求：A4纸。
一级标题四号宋体加粗，二级标题小四号宋体加粗，内容为五号宋体。
所有内容为1.5倍行距。
包含的内容及格式见下页。
《商务智能》课程设计报告班级：学号：姓名：同组人:指导教师：王建仁/李明日期：2016.01.04--2016.01.08题目1．需求分析2．数据理解说明目前的数据状况。
3．挖掘（或分析）数据准备联机分析处理系统：说明维度模型设计方案及理由。
数据挖掘：说明宽表设计方案及理由。
4．数据挖掘（或分析）过程4.1挖掘算法与挖掘软件选择说明选用的挖掘算法与挖掘软件。
商务智能-完整版共31页文档
CATSA 案例分析
宋晶、顾启灿
小组成员及分工
第一组：第二组：
分工：
才帆
方秀峰 ————第一题
陈燊
庞达 ————第二题
邓毅峰 伍超强 ————第二题
林星凯 袁佳静 ————第三题
王昱茗 单丽静 ————第四题
顾启灿 宋晶 ————第五题+PPT+演讲
案例介绍
CATSA
Canadian Air Transport Security Authority 加拿大航空运输安全管理局
Training list
Financial program
Operation program
Question 3
数据采集提升方向：
细化采信集的息源数源据细化
定义统一的数据格式及标准字段
优化采格集格式式和标存准储介化质 优化数存据采储集的高频效率 化
Question 4
什么是B.I.?
《商务智能.管理视角》
机场 负责加拿大89个指定机场的安全问题
安检人员 与私人公司签订（一般）3年期合同，由其 雇佣安检人员 严格的培训与考核 穿着统一制服
一旦安检设备出故障，
CASTA要求能够及时反
两方面挑运战营挑战 估计拦截约10
2004年成千亿上违百禁起物重 3700万大乘事客故
应，并且继续运作 要求安检人员严格按
成立于2012年4月1日 非营利性公司 与多方合作，确保加拿大航空安全
RCMP、Transport Canada 、CSIS etc.
1. 温哥华机场炸弹事件
Ai时r In间dia：Fl1ig9h8t 518年2: 6蒙月特2利2尔日—新德里
329人死亡！
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
四川大学课程实验报告目录1、商务智能概述、功能与技术支柱、应用前景与发展趋势 (3)1.1 商务智能概述 (3)1.2 BI的技术结构与功能 (3)1.3 企业BI的前景与趋势 (5)1.3.1BI 与搜索技术的融合 (5)1.3.2 BI 在物联网中的应用 (6)1.3.2BI公司的并购 (7)2、商务智能在各行业的运用情况 (8)2.1 商务智能在电信行业的运用 (8)2.1.1 行业介绍 (8)2.1.2 主要业务范围 (8)2.1.3 行业目前的特点 (8)2.1.4 商务智能对电信行业的作用 (8)2.2 商务智能在金融证券行业的运用 (9)2.2.1 主要业务范围 (9)2.2.3 商务智能在金融证券行业的一些运用系统 (10)2.3保险业 (10)2.3.1业务范围 (10)2.3.2 行业特点 (11)2.3.3 BI的作用 (11)2.4 零售业 (12)2.4.1 业务范围 (12)2.4.2 行业特点 (12)2.4.3 BI的作用 (13)2.5 物流业 (13)2.5.1 业务范围 (13)2.5.2 行业特点 (14)2.5.3 BI的作用 (14)2.6 政府政务 (14)2.6.1 业务范围 (14)2.6.2 行业特点 (14)2.6.3 BI的作用 (14)2.7 制造行业 (15)2.7.1业务范围 (15)2.7.2行业特点 (15)2.7.3 BI的作用 (15)3 应用案例——数据挖掘在电信行业客户关系管理中的应用 (16)3.1背景 (16)3.2数据挖掘应用的具体工具 (16)3.3 数据挖掘在客户关系管理的应用 (17)3.4数据挖掘应用案例——用决策树方法进行客户流失分析 (17)4 商务智能软件应用情况 (22)4.1 商务智能软件市场简介 (22)4.1.1 商务智能软件国外市场发展简介 (22)4.1.2 商务智能国内市场发展简介 (23)4.1.3 商务智能市场竞争状况简介 (23)4.2 主流商务智能产品 (24)4.3 主流软件对比 (26)4.4 商务智能软件主要产品 (27)4.5 我国商务智能软件应用状况 (27)4.6 商务智能软件应用的未来发展 (29)附：小组分工 (29)1、商务智能概述、功能与技术支柱、应用前景与发展趋势1.1 商务智能概述商务智能指利用数据仓库、数据挖掘技术对客户数据进行系统地储存和管理，并通过各种数据统计分析工具对客户数据进行分析，提供各种分析报告，如客户价值评价、客户满意度评价、服务质量评价、营销效果评价、未来市场需求等，为企业的各种经营活动提供决策信息。
多数企业将其定义为：商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。
商务智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。
目前，企业界、学术界对商业智能的定义并不统一，例如： IBM(企业界)（朱晓武.商务智能的理论和应用研究综述.计算机系统应用,2007(1):114-117.）认为BI 是一种能力，通过使用企业的数据资产来制订更好的商务决策。
企业的决策人员以数据仓库为基础，经过各种查询分析工具、联机分析处理或者是数据挖掘加上决策人员的行业知识，从数据仓库中获得有利的信息，进而帮助企业提高利润，增加生产力和竞争力。
Olsza k(2002，Shake S M, Gembick M P. The waroom gudie to competitive intelligence. New York: McGraw-Hill,1999.)认为 BI 是一系列的概念、方法和流程的集合，其目标不仅仅是帮助决策，而且支持企业的战略实施。
它的主要任务是面向不同信息源的智能浏览、集中、综合以及多维分析。
本文在阅读文献的基础上，结合国内外BI实施情况，参照王茁的观点，总结认为BI是一种解决方案，它的核心任务是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过数据、转换、装载（ETL，extraction，transformation，loading）抽取过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP 工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
1.2 BI的技术结构与功能虽然 BI 不能简单地理解为一些软件及数据库的组合，但是IT技术在 BI 中还是发挥了基础性的作用，从数据的收集、储存到整合应用等整个商务智能运行环节，其中与 BI 实现的功能相对应的关键技术包括数据仓库技术、OLAP 技术、数据挖掘与可视化技术等。
针对 BI 的系统结构，不同的组织、学者、机构等针对各自研究重点与领域给出了许多不同的结构模式，这是一种非常正常的现象，因为 BI 本质上是服务于企业管理与决策的由一组软件技术构成的解决方案，并不是静态的软件包，BI 面对不同的应用、行业必须呈现出不同的结构和功能，以满足具体的应用需要，没有必要追求BI 结构的形式上的统一。
以 BI 的核心——数据仓库为基础，以美国数据仓库研究院给出的 BI 架构为例说明 BI 的技术结构，如图 1所示：(数据来源:美国数据仓库研究院)美国数据仓库研究院的商务智能架构由左右两个部分组成:左边为数据仓库环境，右边为分析环境。
其中，数据仓库系统是商业智能应用的核心，它是整个系统存储和管理数据及信息的地方。
商务智能技术，也即企业利用数据仓库、数据挖掘、联机分析处理、决策支持系统等现有信息系统对企业经营过程中产生的大量结构化和非结构化商务数据和信息进行收集、整理、分析，以便辅助企业做出正确决策，采取有效商务行动，优化商务流程，是全面提高商务绩效的工具、方法、技术的统称( Rouibah K, Ould-ali S. Puzzle: A concept and prototype for linking business intelligence to business strategy. Journal of Strategic Information and System,2002,11(2):133-152. ).商务智能技术是企业提升智能化决策水平的一系列关键技术，是多项技术交叉在一起的复合应用。
表1对目前常见的商务智能技术进行了总结：商务智能技术是企业智能化决策的重要手段和工具，其基本应用包括个性化的信息分析、预测、辅助决策。
商务智能支持企业内各种角色的应用：战略决策层将通过建立战略企业管理模式的商务智能系统来实时了解企业对战略目标的执行程度；中、高层管理人员通过建立运营智能系统来随时了解企业运行情况；企业分析研究人员则可通过商务智能分析工具对企业现状进行分析，向高层领导提供分析结果，支持决策。
商务智能提供了一种战略的、战术的、功能性的框架在组织中处理商务分析需求，表2展示了商业智能技术在企业不同层次的功能：1.3 企业BI的前景与趋势商务智能从诞生到普及伴随着企业信息化进程的不断推进，正处在高速发展的阶段，经历着剧烈的变革，这其中既缘于技术进步的驱动，更缘于市场对企业BI 提出的新需求，对BI 的未来趋势有以下观点。
1.3.1BI 与搜索技术的融合目前企业实践中遇到的问题是，有价值的信息高度分散在企业的各个角落，这是信息管理领域早已公认的事实，同时也是多年来未被攻克的一个难题。
在BI的数据挖掘技术不断演进的同时，隐藏于一个简单 Web页面之后的企业搜索技术的介入，有望为企业用户提供一条快速、简单且更加理想化的信息访问通道。
在BI运行过程中，敏捷、准确地制作报表并分析是恒定不变的法则，但是在数据的实时展现和信息获取的易用性方面,BI与用户的实际期望值之间一直存在距离。
虽然各大BI厂商都力图把自己的产品打造得更贴近客户需求、界面更友好，但BI 报表定制对绝大多数的企业员工而言，依然是一个神秘的领域。
企业业务信息的掘取似乎是那些统计学专业人才方能胜任的工作。
最近几年来,BI厂商一直在寻找让 BI应用更加平民化或大众化的方法，但直到BI 与企业搜索技术交叠之后，才使用户看到了BI应用最有价值的一面。
BI 与搜索技术的融合带来的明显好处有两个方面：①BI 数据更易于访问，用户不必知道信息来自何方，这是搜索为BI领域带来的革命性改变。
具体来说，就是用户在进行BI 数据访问时，并不需要了解在企业搜索引擎背后数据收集、数据过滤、报表定位以及报表重建等步骤是怎样运作的。
他们所要做的只是熟悉企业搜索引擎的使用方法，了解它和基于Web 的消费类搜索引擎的细微差异，以及如何使用它的高级搜索选项。
②整合结构化与非结构化数据。
回顾BI 的技术发展史，传统BI 主要提供结构化信息的搜索。
但对于非结构化数据的搜索，一些 BI 厂商提供的文本挖掘技术覆盖能力有限。
在技术的区分方面，结构化数据搜索主要包含数值计算和分析技术，非结构化数据主要围绕关键词、主题词或元数据的搜索，其核心技术仍是结构化查询。
企业搜索技术将帮助企业解决非结构化数据检索问题。
其关键作用是扩大数据查询和分析的范围，建立结构化与非结构化查询结果的关联关系，有效弥补 BI 数据挖掘和文本挖掘技术的不足。
BI与搜索技术融合的构想一经提出，就被寄予了厚望。
人们希望这种融合能够解决那些长期悬而未决的问题。
传统 BI 所实现的结构化数据搜索无法向用户提供上下文关联信息，这样的问题最终会通过元数据搜索的介入而得到解决，就像在数据库领域XML 所获得的成功一样。
但是在目前，海量的结构化数据与非结构化数据的结合仍是一个难题。
非结构化数据搜索的挑战在于，如何驾驭如此庞大、高容量的文档信息(焦慧敏,汪林林.商务智能在现代企业中的应用与研究.计算机工程与设计,2006(7):2503-2506.)。
BI 与搜索的融合不是单纯易用性的改进，需要解决的关键问题包括实施成本、技术标准化等。
虽然现有的解决方案已经能够支持企业对BI与搜索系统的同步部署，但是分步实施仍是最佳选择。
企业BI 实施者需要协调 BI 和搜索的部署特性，BI 项目强调以客户应用为中心，而搜索强调技术标准化，在技术融合过程中需要加以调和。
真正的融合应该是无缝的，BI与搜索在现阶段的融合表现显然与这一标准还有很大距离。
结构化和非结构化数据搜索怎样自然结合是症结之一。
结构化和非结构化信息的搜索技术是截然不同的，非结构化搜索的技术也有进一步的细分。