商务智能与数据挖掘-大纲
《商务智能》课程大纲
《商务智能》教学大纲一、课程设计的背景与目的大数据时代，数据分析无处不在，商场竞争离不开数据决策。
商务智能技术与方法是大数据分析的核心，也是商务决策分析的基础。
本课程是数据科学与大数据技术系列课程之一，强调理论和工程技术应用相结合，学生通过学习该课程后，可以学会商务智能、数据仓库、联机分析处理、数据挖掘、数据可视化等专业术语，掌握数据仓库、联机分析处理、数据挖掘等专业应用技术。
通过本课程学习，学生可以通过专业应用软件对数据进行深层次加工获得有实际应用的有价值信息，增强学生对信息管理的深层次认识。
二、教学目标与课程收获商务智能的实质是从数据中有效地提取信息，为管理者的决策和企业战略开发提供信息支持。
商务智能系统是指运用数据仓库、联机分析和数据挖掘技术来处理和分析商业数据，针对不同的领域提供不同的应用解决方案，协助用户解决商务活动中的复杂问题，从而帮助决策者面对商务环境的快速变化而做出敏捷反应和合理商业决策的管理系统。
三、培训对象具备一定数据库技术和管理知识的学生或企业白领，尤其是产品、市场、财务、研发、供应等部门的决策分析人员。
四、培训学时18小时五、教学内容与要求第一单元：商务智能概述（1小时）【教学内容】商务智能的产生背景，商务智能的基本概念，商务智能的应用范围，商务智能的应用价值，商务智能的体系结构，商务智能的主要功能，商务智能的核心技术，商务智能模型建立，商务智能的应用。
【教学重点及难点】商务智能的基本概念、商务智能技术的发展、商务智能技术、商务智能的体系结构。
【基本要求】了解商务智能项目的应用，商务智能技术的发展，商务智能的应用范围和应用价值等，理解商务智能的核心技术，实现商务智能的工具、技术路线的选择，掌握商务智能的相关基本概念，商务智能的主要功能、商务智能模型建立，商务智能架构，商务智能的项目实施过程。
第二单元：数据仓库（2小时）【教学内容】数据仓库概念与特征，数据仓库开发模型，数据仓库规划与分析，ETL概述，元数据，商业数据维度化分析，工具简介。
第3章 商务智能与数据挖掘
商务智能与数据挖掘
高等教育出版社
2020/8/19
二、数据挖掘的定义
知识发现过程是一个循环反复的过程，每一个步骤如果没有达到预期目标， 都需要回到前一步骤，重新调整并执行
不是每项知识发现的步骤都必须执行 当某个知识发现工作中不存在多 个数据源的时候，步骤（2）便可 以省略 步骤（1）-（4）是数据预处理的 不同形式，为挖掘准备数据。
数据挖掘是20世纪下半叶，在当时多个学科发展的基础上发展起来的。 人们将数据库技术和计算机领域的人工智能（Artificial Intelligence）两者结 合起来，用数据库管理系统存储数据，用计算机分析数据，并且尝试挖掘数据 背后的信息。这两者的结合促生了数据挖掘技术。
数据挖掘融合了数据库、人工智能、机器学习、统计学、高性能计算、 模式识别、神经网络、数据可视化、信息检索和空间数据分析等多个领域的理 论和技术，是21世纪初期对人类产生重大影响的十大新兴技术之一。
按照数据挖掘的功能性，数据挖掘的任务包括预测、分类、聚类分析、关 联规则、奇异值检测和智能推荐等。
预测建模（predictive modeling），采集历史数据并用某种数学模型来
外推将来。有两类预测建模任务：分类，用于预测离散的目标变量；回归，用
于预测连续的目标变量。时间序列预测是采用数列作为输入，表示一系列时间
在知识发现中，至少60%以上的精力 和时间花在了数据预处理过程中。
商务智能与数据挖掘
高等教育出版社
2020/8/19
三、数据挖掘任务
数据挖掘的基本任务可以分为：预测性（predictive）任务和描述性（ descriptive）任务两大类。 预测性任务在当前数据上进行归纳，以便做出预测； 描述性任务刻画目标数据中数据的一般性质，其目标是导出概况数据中潜 在联系的模式。
第1讲 商务智能与数据挖掘概论
8
知识是对信息内容进行提炼、比较、挖掘、 分析、概括、判断和推论。 事实性知识和经验知识：数学公式、规则、模型 （神经网络）
9
管理就是决策
决策需要信息，更离不开知识。知识更多地表现为 经验—学习的结晶。学习的过程是不断地对信息加 工处理。信息的收集、加工、传输与利用贯穿着决 策各阶段的工作过程。 信息已成为企业经营中重要性仅次于人才的第二大 要素。
数据挖掘（信息系统、数据库、概率统计、机器学
习等领域的方法和技术）
数据仓库
多维在线分析
……
商务智能的目标：如何把数据转化为知识，帮 企业获得更多的利润。
15
二、什么是数据挖掘？
数据挖掘是通过自动或半自动的工具对大量的 数据进行探索和分析的过程，其目的是发现有意义 的模式和规律。
大量数据 自动或半自动化的工具 探索有意义的模式和规律
数据挖掘与商务智能
管理学院 信息管理系 徐桂琼 xugq@
1
数据挖掘与商务智能概述
商务智能概述 什么是数据挖掘 数据挖掘的主要技术 数据挖掘的流程 数据挖掘软件演示 数据挖掘的十大算法概述
2
一 商务智能概论
基本概念
何谓智能？企业有智能吗？ 智能的表现
商务智能不是通常的业务处理。它的目标是如何更快、更容易地做更好的决 策。 IBM商务智能解决方案远远不只是数据和技术的组合，BI帮助用户获得正确 的数据，发现它的价值，并共享价值。
13
美国数据仓库研究院的BI体系
（资料来源：美国数据仓库研究院，）
14
商务智能的主要技术
商务智能与数据挖掘商务智能概论
处理 信息
Receiver
•一个人的垃圾（数据）是另一个人的and purpose
•信息是经过某种加工处理后的数据，是反映客观事物规律的一些数据。数据
是信息的载体, 信息是对数据的解释。
《商务智能与数据挖掘》
第1章 商务智能概论 ( 8/54)
70% of employee time spent searching for relevant information
《商务智能与数据挖掘》
第1章 商务智能概论 ( 9/54)
9 2020/3/21
Most Business Users Don’t Have Confidence in Info!
– 商务智能技术可以分析结构化数据、半结构化数据以及非结构化 数据、静态的历史数据和动态数据流等各种类型的数据。
《商务智能与数据挖掘》
第1章 商务智能概论 ( 6/54)
6 2020/3/21
数据：符号、事实和数字
π
How are You?
Happy New Year!
事物运动 记录 数据
解释 信息
智能型企业表现为反应迅速、适应顾客变化的需要和采取 正确的顾客解决方案。
《商务智能与数据挖掘》
随机应变！
第1章 商务智能概论 ( 5/54)
5 2020/3/21
数据
数据
– 数据是可以记录、通信和能识别的符号，它通过有意义的组合来 表达现实世界中的某种实体（具体对象、事件、状态或活动）的 特征。
虽然数据是宝贵的财富，然而许多公司并不能充分利用这种财富，因为信息隐藏在数据中，并 不易识别。
为了在竞争中占得优势地位，必须识别和应用隐藏在所收集的数据中的信息。
电子商务-商务智能与数据挖掘-理论大纲
《商务智能与数据挖掘》课程教学大纲课程代码：040942702课程英文名称： Business Intelligence and Data Mining课程总学时：32 讲课：32 实验：0 上机：0适用专业：电子商务大纲编写（修订）时间：2017.6一、大纲使用说明（一）课程的地位及教学目标当前，新型电子商务模式的发展使得信息量不断增长、信息复杂程度不断提高，在电子商务产业链中的各个参与者都提出了大量的商务智能要求，商务智能已经成为电子商务应用的重要组成部分，基于商务智能的关键技术来挖掘企业重要的信息价值已成为电子商务领域研究和应用的热点。
《商务智能与数据挖掘》是为培养适应新型网络经济和新型电子商务模式发展需要的、应用型的、高层次的专业人才服务的一门专业课。
通过本课程的学习，将使学生熟悉商务智能领域的主流产品及工具；掌握数据挖掘常用的算法及应用场景；能够应用数据挖掘原理和算法，通过对数据的分析和处理，解决商务智能中的实际问题。
（二）知识、能力及技能方面的基本要求通过本课程的教学，使学生达到下列基本要求：1.了解商务智能与数据挖掘研究前沿的最新成果。
2.掌握商务智能与数据挖掘的基本概念和理论。
3.理解商务智能与数据挖掘的相关技术及原理。
4.培养学生解决构造智能商务应用系统、解决商务智能中关键难点问题的能力。
（三）实施说明1.本课程是一个不断发展、更新和完善的理论体系，按学时情况可适当调节授课内容并进行充实和完善。
2.本课程内容采用理论教学与案例教学相结合的方式，使学生不仅能够掌握商务智能与数据挖掘的基本概念、基础理论和经典算法，而且通过案例应用的讲解帮助学生更好地掌握数据挖掘在商务智能数据分析中的实际应用。
（四）对先修课的要求电子商务概论、数据库、数据结构（五）对习题课、实践环节的要求习题部分是对理论知识的理解和消化，同时也是实践环节的理论指导，因此应注意将二者紧密联系，既提高学生的理论水平，又提高其动手实践能力。
《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。
商务智能与数据挖掘 第8章 商务智能与数据挖掘
✓ 隐性知识与显性知识转化：
✓ 个人知识与组织知识转化：
• 隐性转化为隐性 • 隐性转化为显性 • 显性转化为显性 • 显性转化为隐性
• 编码方法 • 个性化方法
内化 阅读、学习、实践
整合、归纳 显性知识
隐性知识 观察、接触、沟通
融合
外化 概况、整理、形成文字、图表等
群化
8.3 知识管理的定义与目标
1 知识管理概述
重要性
✓ 知识对社会经济的推动作用 ✓ 高新技术与知识密集型产品、服务 ✓ 核心竞争力的关键因素：知识获取、创造及应用
必要性
✓ 知识利用的报酬率递增 ✓ 知识不会折旧 ✓ 企业的智力资本、无形资产
8.2 知识的定义与分类
知识的定义
✓ 《韦伯字典》：从研究、调查、观察或经验中获取的事实或想法 ✓ 董纯才：客观世界在人脑中的主观映像 ✓ 达文波特：包含结构化的经验、价值观、语境信息、专家见解和
组织知识的存储与索引
✓ 组织知识记忆的内涵 ✓ 组织记忆的优劣
• 积极面 • 消极面
✓ 组织记忆的建立
案例： AI-STARS（Weiser，1998）是一个典型的记忆系统项目
8.4 组织知识管理的流程
组织知识的传播
✓ 五要素
• 传播源的知识、分享意愿、渠道、学习意愿、传播对象能力
✓ 知识传播、共享策略
第八章
面向商务应用的 知识管理
主要内容 1 知识管理概述
2 知识的定义和分类
3 组织知识管理
4
企业应用中的案例及问题
5 知识管理的发展趋势
商务智能与数据挖掘
2023/2/9
8.1 知识管理概述
知识管理一直存在于人类文明进化的过程中，经 历4个典型发展时期
《电子商务数据挖掘》—教学大纲
电子商务数据挖掘》—教学大纲电子商务数据挖掘—教学大纲一、课程介绍本课程旨在介绍电子商务数据挖掘的基本概念、理论和应用，培养学生对电子商务数据的分析和挖掘能力。
通过学习本课程，学生将能够掌握数据挖掘的基本方法和技术，并能够在电子商务领域中应用这些技术解决实际问题。
二、教学目标1.了解电子商务数据挖掘的基本概念、方法和应用领域。
2.掌握数据清洗、特征选择、数据可视化和模型评估等数据挖掘的基本技术。
3.学会使用数据挖掘工具和软件进行实际操作，从而解决电子商务领域中的实际问题。
4.培养学生的逻辑思维和数据分析能力，提高解决问题的能力。
三、教学内容1.数据挖掘概述电子商务数据挖掘的定义和基本任务电子商务数据挖掘的特点和挑战数据挖掘在电子商务中的应用案例2.数据预处理数据清洗、数据集成、数据转换和数据规约缺失数据处理和异常值处理3.特征选择与降维特征选择的方法和技术主成分分析和因子分析的基本原理4.数据可视化数据可视化的基本原理和方法基于数据可视化的电子商务分析案例5.分类与预测决策树算法和朴素贝叶斯算法支持向量机和神经网络的基本原理6.聚类与关联规则挖掘聚类算法和关联规则挖掘的基本原理基于聚类和关联规则挖掘的电子商务应用案例7.模型评估与部署模型评估的指标和方法模型部署与结果解释四、教学方法1.授课与讨论相结合，理论与实践并重。
2.鼓励学生独立思考和实践，注重培养解决实际问题的能力。
3.使用实际的案例和数据进行课堂演示和实验操作。
4.鼓励学生进行小组讨论和项目实践，提升团队合作和表达能力。
五、考核方式1.平时成绩（包括课堂表现、作业和实验报告等）占60%。
2.期末考试占40%。
六、参考教材1.___等.《数据挖掘与分析实战》.___.2.何明明.《Python数据挖掘与分析实战》.___.七、备注本教学大纲仅供参考，根据实际教学情况可能会有适当调整，具体以课程实施时的教师要求为准。
《商务智能》课程大纲
《商务智能》课程教学大纲课程代码：ABGS0632课程中文名称:商务智能课程英文名称：Business intelligence课程性质：选修课程学分数：1课程学时数：16授课对象：电子商务本课程的前导课程：电子商务数据库技术一、课程简介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。
学生通过选修本课程，可以了解数据仓库与数据挖掘技术概况、数据仓库基本原理，理解OLAP的基本原理并掌握OLAP基本技术，了解关联规则挖掘、聚类分析、决策树分类等数据挖掘算法基本思想，掌握数据挖掘算法模型的应用。
通过具体应用案例的学习，理解商务智能的实现技术及其应用价值。
二、教学基本内容和要求（黑体，小4号字）（一）概述1.数据仓库的发展2.数据挖掘概述重点：传统数据库与数据仓库的区别难点：传统数据库与数据仓库的区别了解数据仓库发展历程，数据挖掘概念、数据挖掘过程与数据挖掘的类型，数据仓库与数据挖掘的主要应用。
理解数据仓库与传统数据库的区别。
（二）数据仓库原理1.数据仓库的体系结构2.数据仓库的基本概念3.数据仓库的特点4.数据仓库的数据组织重点：数据仓库体系的三个层次，数据仓库的概念模型与逻辑模型。
难点：数据仓库的元数据模型了解数据仓库的基本概念、特点，数据仓库的粒度、元数据模型等。
理解数据仓库体系结构，数据仓库的概念模型与逻辑模型。
（三）OLAP的基本原理与技术1.OLAP概念2.OLAP数据模型3.多维数据显示4.OLAP的多维数据分析5.OLAP分析工具重点：多维数据显示、分析技术与相关工具使用方法。
难点：多维数据分析技术。
了解OLAP基本概念，MOLAP，ROLAP。
理解并掌握多维数据分析的基本技术及其工具使用方法。
- 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)。
《商务智能与数据挖掘》教学大纲
课程编号：070663B
课程类型：□通识教育必修课□通识教育选修课
专业必修课□专业选修课
□学科基础课
总学时：48 讲课学时：32 实验（上机）学时： 16
学分：3
适用对象：信息管理与信息系统专业（卓越班）
先修课程：程序设计基础与应用、计算机网络技术与应用
一、教学目标
本课程主要学习商务智能与数据挖掘的方法和技术。
商务智能是近几年的研究热点，数据挖掘是实现商务智能的重要手段。
教学的主要目标是使学生掌握当前商务智能中使用的核心技术，培养学生运用数据挖掘算法进行数据处理和分析的能力，让学习理解不同算法的应用场景，从而使学生学会利用数据挖掘算法完成数据分析。
因此该课程是先修课程“程序设计基础与应用”、“计算机网络技术与应用”的延续，并可为后续的专业课程打下良好的基础。
二、教学内容及其与毕业要求的对应关系
（一）教学内容
本课程主要教学内容是在学生掌握程序设计基础与应用、计算机网络技术与应用等基本原理后，学习如何分析数据、如何利用数据挖掘算法解决问题。
具体包括：商务智能概论、商务智能中的核心技术、商务智能与知识管理、数据挖掘基础、数据挖掘的目的任务、数据挖掘的技术方法等。
（二）教学方法和手段
根据教学目标，拟采用的教学方法有：课堂讲解基本概念和核心知识，讲授和讨论相结合领会知识要点，案例教学训练解决问题的能力，借助数据挖掘软件让学生进行上机操作和具体实践。
（三）实践教学环节要求
根据教学进度和要求布置相应的小作业，通过上机实践。
每一章都有对应的上机内容。
建议安装和配置软件进行自学，完成案例的内容。
通过上机学习本课程的理论，掌握常用数据挖掘算法，能够基于数据挖掘算法进行数据分析工作。
（四）学习要求
为有效学习本课程，要求学生首先学习程序设计基础与应用、计算机网络技术与应用等基本原理。
按照大纲熟读教材，并通过课后思考和上机实践进行多角度和多层次的反复学习。
（五）与毕业要求的关系
商务智能和数据挖掘是信息管理与信息系统专业的学生必须掌握的一门基础课程，是信息时代发展的必要产物。
在学生的毕业设计中，学生可以使用商务智能和数据挖掘中的算法、技术完成毕业设计中核心智能模块的设计和实现。
（六）教学中应注意的问题
由于程序设计基础与应用、计算机网络技术与应用等是该课程的先修基础，如果学生先修基础课没有学好，本课程的实验环节将无法正常进行。
因此，教学中需要根据学生掌握先修课程基础情况，由易到难循序渐进学习编程及数据分析相关工具和技术。
三、各教学环节学时分配
教学课时分配
四、教学内容
第一章商务智能概论
教学内容：介绍商务智能的基础理论。
重点和难点：商务智能的概念和架构体系。
考核要求：掌握商务智能的概念、掌握商务智能的架构体系、了解主流的商务智能产品。
第二章商务智能中的核心技术
教学内容：数据仓库、OLAP技术。
重点和难点：数据仓库的定义与特点、数据仓库基本架构及模型设计、OLAP 的定义、OLAP多维数据分析。
考核要求：掌握数据仓库、OLAP的定义，学会数据仓库基本架构及模型设计和OLAP多维数据分析的要点。
第三章商务智能与知识管理
教学内容：知识管理、知识管理技术、知识管理系统、知识管理与商务智能的关系、商务智能环境下的企业知识管理。
重点和难点：知识管理的概念、知识管理与商务智能的相同点以及不同点。
考核要求：掌握知识管理的概念、知识管理与商务智能的相同点以及不同点。
第四章数据挖掘基础
教学内容：数据挖掘的产生与发展、数据挖掘的定义、数据挖掘过程、数
据挖掘系统、数据挖掘的功能和方法。
重点和难点：数据挖掘的定义、数据挖掘的方法。
考核要求：理解数据挖掘的定义、了解常用的数据挖掘方法有哪些。
第五章数据挖掘的目的任务
教学内容：关联分析、分类分析聚类分析、离群数据分析、序列模式分析、分形模式分析。
重点和难点：常用的数据挖掘的目的任务分析方法。
考核要求：掌握关联规则的种类、掌握分类的方法、了解常用聚类方法的原理。
第六章数据挖掘的技术方法
教学内容：决策树、粗糙集、关联规则、神经网络方法、基于案例推理遗传算法、模糊技术。
重点和难点：Apriori算法、FP-tree算法、SVM及其学习算法。
考核要求：掌握常用关联规则、理解SVM学习算法的原理。
五、考核方式、成绩评定
本课程的考核分为平时考核及期末考核两种形式，注重实践环节的考核。
本课程平时成绩占40%，期末考试成绩占60%。
平时考核采用撰写实验报告、课堂案例讨论等方式。
期末考核采用闭卷考试形式，要注重知识应用能力和解决问题能力的考核上，而知识点的记忆和理解要服务于学生能力的提高和巩固。
六、主要参考书及其他内容
（一）推荐教材
1. 蔡晓妍著.商务智能与数据挖掘.北京：清华大学出版社,2016.
（二）主要学习参考书
1.（英）约翰尼斯·莱道尔特著. 数据挖掘与商务分析：R语言.北京：机
械工业出版社,2016.
执笔人：孙茂华
教研室主任：范烺
系教学主任审核签名：。