商务智能实验三
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。
商务智能实验报告册
随着信息技术的飞速发展，大数据时代已经到来。
商务智能（Business Intelligence，BI）作为一种利用先进技术对数据进行收集、处理、分析和展示的方法，已成为企业提升竞争力、优化决策的重要手段。
为了让学生深入了解商务智能的理论和实践，我们开展了商务智能实验课程。
二、实验目的1. 理解商务智能的基本概念、技术方法和应用领域；2. 掌握商务智能软件的使用方法，如Power BI、Tableau等；3. 培养学生分析数据、挖掘信息、解决实际问题的能力；4. 提高学生团队合作和沟通能力。
三、实验内容1. 商务智能基础知识（1）商务智能的定义、发展历程和未来趋势；（2）商务智能的关键技术，如数据仓库、数据挖掘、数据可视化等；（3）商务智能应用领域，如市场营销、客户关系管理、供应链管理、人力资源管理等。
2. 商务智能软件应用（1）Power BI：学习Power BI的基本操作，包括数据连接、数据建模、数据可视化等；（2）Tableau：学习Tableau的基本操作，包括数据连接、数据操作、数据可视化等。
3. 实际案例分析（1）选取一家企业，收集相关数据，分析其业务状况；（2）运用商务智能软件，对收集到的数据进行处理和分析；（3）根据分析结果，提出针对性的建议，帮助企业优化业务。
1. 实验准备：了解实验内容，熟悉实验软件，准备实验数据。
2. 数据收集：收集企业业务数据，包括销售数据、客户数据、财务数据等。
3. 数据处理：运用商务智能软件，对收集到的数据进行清洗、整合、建模等操作。
4. 数据分析：根据实验目的，对处理后的数据进行深入分析，挖掘有价值的信息。
5. 结果展示：运用商务智能软件，将分析结果以图表、报表等形式展示。
6. 撰写实验报告：总结实验过程、实验结果和实验心得。
五、实验成果1. 理论知识：掌握商务智能的基本概念、技术方法和应用领域；2. 实践技能：熟练运用商务智能软件，具备数据分析、挖掘信息的能力；3. 团队合作：与同学共同完成实验，提高团队协作和沟通能力；4. 解决问题：针对实际问题，提出优化建议，为企业创造价值。
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。
《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。
商务智能概论实验报告
商务智能概论实验报告商务智能，这个词听上去就像是高深莫测的科技语言，其实没那么复杂。
想象一下，你在公司里拼命工作，数据在你面前像一堆没头苍蝇似的飞来飞去。
每天面对那些枯燥的数字，真是让人头疼得想撞墙。
不过，别担心，商务智能就是为了让这一切变得简单易懂。
就像开车一样，明明有个导航系统帮你指路，结果你还非要用老式地图，那真是自找麻烦。
商务智能就像那台导航，帮你从繁琐的数据中找到方向，驾驭那些看似混乱的信息。
说到这里，咱们得先搞明白商务智能到底是个什么东西。
它可不是天上掉下来的仙丹，而是一个综合了数据分析、数据挖掘、数据可视化等一系列技术的大礼包。
你可以把它想成是一个强大的工具箱，里面有各种各样的工具，能帮你从大量的数据中提取出有价值的信息。
就像寻宝一样，你需要花点时间去翻找，才能找到那颗闪闪发光的宝石。
通过这些工具，你可以更好地了解市场、客户和竞争对手，简直就像一位智慧的顾问，让你在商战中始终占得先机。
我知道，有些人一听到“数据分析”就像看到数学题一样心慌。
但商务智能的魅力就在于它的直观和简单。
举个例子，很多商务智能工具都有那种炫酷的图表功能，数据一输入，瞬间变成五颜六色的饼图、柱状图。
看着这些图表，谁会再觉得数据乏味呢？就像在餐桌上，色香味俱全的菜肴总是能勾起人的食欲。
你看看这边的销售数据，哎呀，这个季度的销售额突然上升，想必是产品火了。
再看看那边的客户反馈，嘿，原来大家都在夸这个服务好，难怪生意越来越红火。
商务智能不仅能帮你看清大局，还是个好帮手呢。
想象一下，你作为一个小公司的老板，每天忙得像个陀螺，根本没时间关注每一个细节。
这时候，商务智能就像是你的得力助手，帮你监测销售趋势、客户行为，让你随时掌握公司的动态。
你只需要在工具上点点鼠标，数据就会乖乖地呈现在你面前。
真是省时省力，心里踏实得很。
有了这些数据支持，你在做决策时就能底气十足，不用再像过去那样摸着石头过河，生怕走错一步。
商务智能不仅仅是简单的图表和数据，它还有更深的意义。
《商务智能》-课程教学大纲
《商务智能》课程教学大纲一、课程基本信息课程代码：16153303课程名称：商务智能英文名称：Business Intelligence课程类别：专业课（专业必修课）学时：48学分：3适用对象: 信息管理与信息系统、大数据管理与应用、电子商务等专业考核方式：考查先修课程：数据结构、数据库、管理学、管理统计学、管理信息系统二、课程简介中文简介：本课程采用理论教学与实验训练相结合，培养学生掌握商务智能的基本知识，数据挖掘的基本概念、基础理论和经典算法。
引入IBM SPSS Modeler、Python等数据挖掘软件，实验操作面向实际应用的实验项目，训练学生数据采集处理、分析模型构建及参数调整优化等能力。
通过采用系列实验、课程作业、课堂讨论、案例分析等教学方法帮助学生更好地理解掌握商务智能的理论方法及技术应用。
倡导“案例式”教学，注重理论知识讲授与应用能力培养结合，使学生初步具备商务智能的基本认知，能够将数据挖掘方法应用解决实际问题。
英文简介：With the combination of theoretical teaching and experimental training, this course trains students to master the basic knowledge of business Intelligence, basic concepts of data mining, basic data mining theory and classical algorithms. Some data mining software as IBM SPSS Modeler, Python and others are introduced to train students' abilities to finish data collection, data processing, analysis model building, parameter adjustment and model optimization. This course introduces series practical application-oriented experiments, course assignments, class discussions, case analysis and other teaching methods to help students better understand the theoretical methods and technical applications of business intelligence. With "case-based" teaching, the combination of theoretical knowledge teaching and application ability training will made students have the basic knowledge of Business Intelligence initially, and can apply data mining methods to solve practical problems.三、课程性质与教学目的本课程是面向信息管理与信息系统专业、大数据管理与应用专业的专业必修课。
实验报告
实验一OLAP分析技术一、实验目的通过实验理解商务智能中的OLAP分析技术原理，通过设计掌握从业务数据库进行OLAP的使用方法。
二、实验内容1.熟悉OLAP工具的使用环境；2.掌握OLAP工具的操作方法。
三、实验步骤1.建立系统数据源连接在控制面板/管理工具/数据源 (ODBC)建立指向“C:\Program Files\Microsoft Analysis Services\Samples\FoodMart 2000.mdb”的系统DSN。
2.启动 Analysis Manager3.建立数据库和数据源4.建立多维数据集5.编辑多维数据集6.设计存储和处理多维数据集7.浏览多维数据集数据1).在 Analysis Manager 树窗格中，右击“Sales”多维数据集，然后单击“浏览数据”命令。
2).出现多维数据集浏览器，如下图所示。
显示由多维数据集的一个维度和度量值组成的网格。
其它四个维度显示在浏览器的上方。
3)可以把浏览器的上方维度拖动到网格的中间替换网格中的维度4)通过展开“所有Time”和“1998”节点，然后单击“Quarter 1”，可以对网格中的数据进行筛选，使筛选出的数据为仅反映该季度情况的数字。
5) 双击网格中的‘＋’，可以深化数据。
6)完成后，单击“关闭”按钮关闭多维数据集浏览器。
实验二使用 Microsoft 聚集创建 OLAP 数据挖掘模型一、实验目的建立Microsoft 聚集数据挖掘模型。
二、实验内容（1）创建创建将客户群划分为逻辑段的数据挖掘模型（2）读取包含在各个聚集（客户段）中的信息三、实验步骤1.在Analysis Manager 树窗格中展开“多维数据集”文件夹，右击“Sales”多维数据集，然后单击“新建挖掘模型”命令。
2.在挖掘模型向导的“选择数据挖掘技术”步骤中，在“技术”框中单击“Microsoft 聚集”。
单击“下一步”按钮。
3.在“选择事例”步骤中的“维度”框中，选择“Customer”。
《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。
商务智能理论与应用3-数据库
– 按照某种数据模型,将整个组织的全部数据组织成 一个结构化的数据整体，即实现了整体数据的结 构化。
– 数据模型不仅描述数据本身,还描述了数据之间的 联系。
– 数据不再面向应用，而是面向系统，弹性更大。 – 存取方式更灵活，存取粒度可为数据项。
3. 数据独立性高
• 包括数据的物理独立性和逻辑独立性
– 物理独立性：指用户的应用程序与存储在磁盘 上的数据库中的数据相互独立。
– 逻辑独立性：指用户的应用程序与数据库的逻 辑结构相互独立。
– 数据描述、定义从应用程序中分离出来，独立 于应用程序而存在，相互独立，互不依赖，大 大简化了应用程序的设计维护的工作量。
处理方式
人工管理阶段
科学计算 无直接存取存储设备 没有操作系统 批处理
数据的管理者 用户（程序员） 数据面向的对象 某一应用程序
● 计算机管理的数据量大，关系复杂， 应用程序2 共享性要求强（多种应用、不同语
言共享数据）
…
数据库 管理系统
DBMS
数 据 库
● 外存有了大容量磁盘，光盘
应用程序n
● 软件价格上升，硬件价格下降。
常见DBMS：Oracle, IBM DB2, Informix,
特点
Sybase, SQL Server, FoxPro, Access等
…… ……
籍贯 广东 河南 上海 上海
……
修改后的学生基本信息记录表
学号
奖惩情况
200505101 2005-06学年一等奖学金
奖惩情况表
200505101 2005-06学年校三好学生
200505106 2005-06学年一等奖学金
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：
天津商业大学商务智能实验报告3
天津商业大学学生实验报告开课实验室：信息专业实验室403 开课时间 2016 -3-2实验报告
（5）指定表类型。
注1.每个实验项目一份实验报告。
2.实验报告第一页学生必须使用规定的实验报告纸书写，附页用实验报告附页纸或A4纸书写，字迹工整，曲线要画在坐标纸上，线路图要整齐、清楚（不得徒手画）。
3．实验教师必须对每份实验报告进行批改，用红笔指出实验报告中的错、漏之处，并给出评语、成绩，签全名、注明日期。
4.待实验课程结束以后，要求学生把实验报告整理好，交给实验指导教师，加上实验课学生考勤及成绩登记表（见附件2）、目录和学院统一的封面（见附件3）后，统一装订成册存档。
制表单位：设备处。
BI实验
商务智能（BI）
课
程
实
验
实验一：SQL Server 分析服务
实验目的：
（1）熟悉SQL Server 的安装
（2）掌握SQL Server中分析服务的使用方法
实验二：决策树模型的实现
实验目的：
（1）理解决策树模型的算法
（2）掌握SQL Server中实现决策树模型的方法
实验三：贝叶斯分类的实现
实验目的：
（1）理解贝叶斯分类的算法
（2）掌握SQL Server中实现贝叶斯分类的方法
实验目的：
（1）理解关联规则的算法
（2）掌握SQL Server中实现关联规则的方法
实验目的：
（1）理解层次聚类分析的算法
（2）理解时序聚类分析的算法
（3）掌握SQL Server中实现聚类分析的方法
实验目的：
（1）理解回归分析的算法
（2）掌握SQL Server中实现回归分析的方法
实验目的：
（1）理解神经网络的训练方法
（2）掌握SQL Server中实现神经网络的方法。
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。
商务实验复盘实验报告(3篇)
第1篇一、实验背景随着我国经济的快速发展，商务活动日益频繁，商务实验作为检验和提升商务策略、技能的重要手段，越来越受到企业和研究机构的重视。
本实验旨在通过模拟真实商务场景，对参与者的商务决策能力、沟通协调能力、团队协作能力等方面进行综合评估，为后续的商务实践提供有益的参考。
二、实验目的1. 培养参与者的商务决策能力，提高其对市场趋势、竞争对手、客户需求等信息的分析能力。
2. 锻炼参与者的沟通协调能力，提升其在商务谈判、团队协作等方面的实战技巧。
3. 增强参与者的团队协作能力，培养其团队精神、协作意识和领导能力。
4. 通过复盘实验，总结经验教训，为后续的商务实践提供指导。
三、实验内容本次实验以模拟商务谈判为主要内容，参与者分为两组，分别扮演甲方和乙方。
实验过程中，双方就某一产品或项目的合作进行谈判，包括产品介绍、价格协商、合作条款等环节。
四、实验过程1. 准备阶段：实验前，参与者需了解相关背景资料，包括产品特点、市场行情、竞争对手等，为谈判做好准备。
2. 谈判阶段：双方根据准备阶段的信息，展开谈判。
谈判过程中，参与者需充分发挥自己的沟通协调能力和团队协作能力，争取达成共识。
3. 复盘阶段：谈判结束后，双方进行复盘，总结经验教训，分析成功与失败的原因。
五、实验结果1. 决策能力：通过模拟商务谈判，参与者对市场信息、竞争对手、客户需求等方面的分析能力得到提升。
2. 沟通协调能力：在谈判过程中，参与者学会了如何运用有效的沟通技巧，协调各方利益，达成共识。
3. 团队协作能力：实验过程中，参与者充分展现了团队协作精神，共同应对谈判中的挑战。
4. 复盘效果：复盘阶段，参与者能够客观分析自身和团队的表现，找出不足，为后续的商务实践提供指导。
六、实验总结与建议1. 加强市场调研：在商务实验中，参与者需充分了解市场行情、竞争对手、客户需求等信息，为决策提供依据。
2. 提高沟通技巧：商务谈判中，沟通技巧至关重要。
参与者需学会倾听、表达、说服等技巧，提高谈判效果。
《商务智能基础》三级项目
大连东软信息学院《商务智能基础》三级项目指导书信息管理系班级：信息1学号：姓名：一、项目基本信息1．项目名称：商务智能项目实践2．课内学时：4学时二、项目教学目标通过实际项目实践，强化学生运用所学知识的能力。
要求学生通过项目实践强化对数据仓库模型、联机分析处理、数据挖掘等的理解。
三、项目设计思路在数据仓库模型部分，利用销售数据信息建立星型、雪花、星座模型；在联机分析处理部分给定销售数据，要求学生从不同角度、不同维度进行信息查询，了解OLAP查询信息的灵活性；在数据挖掘部分，要求学生通过SQL Server BI进行关联分析模型建立，加深学生对数据挖掘的理解。
四、项目内容及实施计划三级项目实施进度图（甘特图）项目一：联机分析处理应用1.学时课内学时：2学时课外学时：2.项目目的与要求通过实践让学生深入理解联机分析处理的作用、数据方体建立过程、切片、切块、钻取操作。
3.项目环境SQL Server BI4.项目内容(1) 由事实表Fact Internet Sales及维表Customer、Product、Time、Geography构成的模型叫什么模型？截图显示该模型。
星型模型(2) California, Florida, New South Wales, New York四个地区（维度：Customer-State Province Name）；第三季度（在维度Time上选择Calendar Quarter）；产品(维度product)Model Name 维 Water Bottle的销售额。
(3) 有住房的客户（House Owner Flag为1）在2003及2004年购买层次为中档（M）的产品的销售额。
(4) 有住房的客户（House Owner Flag为1）在2003及2004年购买层次为中档（M）的产品的销售额。
(5) 同时显示不同年度(Calendar Year)的销售总额。
(6) 同时显示Water Bottle在不同年度的销售数据。
- 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)。
将ID属性在“Preprocess”选项卡去除后，切换到“Classify”选项卡，点击“Choose”按钮后可以看到很多分类或者回归的算法分门别类的列在一个树型框里。3.6版的Weka中，树型框下方有一个“Filter...”按钮，点击可以根据数据集的特性过滤掉不合适的算法。数据集的输入属性中有“Binary”型（即只有两个类的分类型）和数值型的属性，而Class变量是“Binary”的；于是我们勾选“Binary attributes”“Numeric attributes”和“Binary class”。
右键点击“Results list”刚才出现的那一项，弹出菜单中选择“Visualize tree”，新窗口里可以看到图形模式的决策树。
结论分析与体会：
通过本实验，了解Weka关于分类和回归(classify)选项卡的有关功能；掌握分类有关操作的步骤；初步了解Weka中关于分类结果的分析方法。
计算机科学与技术学院实验报告
实验题目：预测性数据挖掘
学号：
日期：2012-11-21
班级：电商09
姓名：
Email：
实验目的：
1)了解Weka关于分类和回归(classify)选项卡的有关功能
2)掌握分类有关操作的步骤
3)初步了解Weka中关于分类结果的分析方法
硬件环境：
电子商务实验室计算机
软件环境：
选上“Cross-validation”并在“Folds”框填上“10”。点“Start”按钮开始让算法生成决策树模型。很快，用文本表示的一棵决策树，以及对这个决策树的误差分析等等结果出现在右边的“Classifier output”中。
同时左下的“Results list”出现了一个项目显示刚才的时间和算法名称。
点“OK”后回到树形图，可以发现一些算法名称变灰了，说明它们不能用。选择“trees”下的“J48”，这就是C4.5算法，它没有变成灰色。
点击“Choose”右边的文本框，弹出新窗口为该算法设置各种参数。点“More”查看参数说明，点“Capabilities”是查看算法适用范围。这里把参数保持默认。