本书从实用的角度出发，采用理论与实践相结合的方式，介绍商务智能的基础知识，力求培养读者使用商务智能技术解决问题的能力。全书内容商务智能的基本概念、商务智能系统的架构、商务智能涉及到的数据处理的核心技术、商务智能在零售业、商务智能在客户关系管理、商务智能在电信业、商务智能在教育业以及商务智能在电子商务等方面的应用。本书作为商务智能的入门教材，目的不在于覆盖商务智能技术的所有知识点，而是介绍商务智能的主要应用，使读者了解商务智能的基本构成以及如何应对个行业各的特色问题构建商务智能系统。为了增强实践效果，本书中引入了5个基础性案例，帮助读者了解商务智能涉及到的基本技术的知识和技能。在此基础上又引入了5个综合性案例，帮助读者掌握商务智能如何在各种不同行业场景下构建商务智能系统。 张小梅，凯里学院计算机专业教授，现任凯里学院大数据工程学院院长。中国民盟成员，贵州省政府特殊津贴获得者，贵州省 “省级教学名师”，贵州省“省级优秀教师”，黔东南州“州管专家”，凯里学院“学术带头人”，贵州省计算机学会常务理事。曾先后到过四川大学、国防科学技术大学、湖南师范大学、济南大学访问学习。近年来主要从事物联网应用研究；作为负责人承担各级各类课题共20余项：其中省部级以上项目6项，地厅级项目5项，主编教材6部。出版学术专著2部，获实用新型专利2项；获贵州省教学成果“二等奖”1项，在贵州省 “多媒体教育软件大赛”中荣获“二等奖”2项，全国多媒体教育软件大赛“优秀奖”1项。发表学术论文20余篇。 第 1章 1商　务 智 能 概 述　11．1　商务智能产生背景　11．1．1　商务智能产生的原因　11．1．2　商业决策需要商务智能　31．1．3　企业智能化管理需要商务智能　41．2　商务智能简介　41．2．1　商务智能概念　51．2．2　商务智能发展　71．2．3　商务智能要求　81．2．4　商务智能价值　91．3　商务智能基础　101．3．1　商务智能的基本架构　101．3．2　商务智能的功能　111．4　商务智能关键技术　121．4．1　数据预处理　121．4．2　数据仓库　121．4．3　数据挖掘　131．4．4　在线分析处理　151．4．5　数据可视化　151．5　商务智能的相关应用　161．5．1　商务智能在教育方面的应用　161．5．2　商务智能在客户关系管理的应用　171．5．3　商务智能在零售业的应用　171．5．4　商务智能在电子商务的应用　181．5．5　商务智能在金融业的应用　181．5．6　商务智能在保险业的应用　181．5．7　商务智能在制造业的应用　19实验一　销售数据预处理　19实验二　数据可视化　51第　2章　77数　据 仓 库　772．1　数据仓库概念　782．1．1　什么是数据仓库　782．1．2　数据仓库特点　782．1．3　数据仓库结构　792．1．4　数据仓库与数据库　802．1．5　数据仓库和商务智能的关系　812．2　ETL过程　812．2．1　数据抽取　822．2．2　数据转换　822．2．3　数据清洗　822．2．4　数据装载　832．3　数据仓库模型　832．3．1　数据模型　842．3．2　如何建设数据模型　842．3．3　数据仓库建模样例　882．4　数据仓库工具Hive　912．6．1　Hive基本概念　912．6．2　Hive使用场景　912．6．3　Hive设计特点　912．6．4　Hive体系结构　922．6．5　Hive数据存储　932．6．6　HiveQL　93实验三　数据仓库的建立　94第3章　112维　度 建 模　1123．1　维度建模简介　1123．1．1　维度建模的概念　1133．1．2　维度建模基本原则　1143．2　维度表技术基础　1153．2．1　维度表结构　1153．2．2　维度代理键　1163．3．3　多维体系结构　1163．3．4　缓慢变化维度　1193．3　事实表技术基础　1213．3．1　事实表结构　1213．3．2　可加、半可加、不可加事实　1213．3．3　事实表中的空值　1223．3．4　事实表的三种基本类型　1223．4　维度建模设计的主要流程　1233．4．1　选择业务过程　1233．4．2　声明粒度　1243．4．3　确认维度　1243．4．4　确认事实　1253．5　维度模型的误区　1253．5．1　误区1：维度模型仅用于汇总数据　1263．5．2　误区2：维度模型是部门级的而不是企业级的　1263．5．3　误区3：维度模型是不可扩展的　1263．5．4　误区4：维度模型仅可用于预测　1263．5．5　误区5：维度模型不能集成　127实验四　使用Schema Workbench创建Cube　127第4章　145在线分析处理-OLAP　1454．1　OLAP简介　1464．1．1　OLAP基本概念　1474．1．2　OLAP特性　1504．1．3　OLAP多维数据结构　1504．1．4　OLAP应用　1544．2　OLAP多维数据分析　1554．2．1　切片和切块　1564．2．2　钻取　1574．2．3　旋转/转轴　1574．3　OLAP分类　1584．3．1　OLAP分类　1584．3．2　ROLAP、MOLAP与HOLAP　1584．3．3　多维数据模式　1604．3．4　OLAP体系结构　1624．3．5　OLAP与OLTP的区别　1634．4　从OLAP到数据挖掘　1634．4．1　信息处理　1634．4．2　OLAP和数据挖掘的关系　1644．4．3　多维数据挖掘　1644．5　OLAP操作语言　1654．5．1　MDX　1664．5．2　MDX查询语句　1674．5．3　SQL和MDX的区别　1684．5．4　MDX表示　1704．5．5　成员属性和单元属性　1704．5．6　MDX查询结构　1734．6　主流的OLAP工具　1744．6．1　OLAP产品　1744．6．2　主流OLAP产品比较　1764．6．3　OLAP实现过程　176实验五　在线分析　177第5章　187商务智能在零售业方面的应用　1875．1　零售业商务智能现状　1875．2　顾客关系管理　1885．3　零售管理业务优化　1895．4　日常经营分析　1905．4．1　商品分析　1905．4．2　销售分析　1905．4．3　会员卡分析　1915．4．4　财务分析　1915．5　零售业案例　1935．5．1　数据仓库的搭建　1945．5．2　粒度设计　1955．5．3　星型模型设计　1965．5．4　ETL设计　2005．5．5　OLAP的实现　2025．5．6　数据挖掘　205实验六、购物清单关联性分析　212第6章　222商务智能在客户关系管理中的应用　2226．1　CRM概述　2226．1．1　客户智能　2226．1．2　数据挖掘应用于客户关系管理　2246．1．3　客户智能案例　2266．2　客户细分　2276．3　客户识别和客户保留　2286．3．1　数据挖掘应用于客户获取　2286．3．2