本书是高等学校信息管理与信息系统系列教材之一。本书共分9章，主要内容有导论、大数据商务分析系统搭建技术、经典数据分析方法及工具、面向大数据商务分析的描述性分析和可视化、面向大数据商务分析的数据挖掘、深度学习技术、大数据商务分析在传统行业中的应用、大数据商务分析在各组织部门中的作用，以及大数据商务分析在新兴领域中的应用。本书内容系统、案例丰富、实用性强。

本书可作为高等学校信息管理与信息系统专业、大数据应用与管理专业、计算机应用专业及相关专业大数据商务分析课程教材，也可作为从事商务数据分析及相关工作人员的参考读物。

前辅文
第1章 导论
  1.1 大数据分析的产生
   1.1.1 互联网技术的发展及广泛应用
   1.1.2 计算机硬件的提升
   1.1.3 新的处理方法的出现
   1.1.4 大数据分析的出现
  1.2 大数据商务分析及其价值
   1.2.1 大数据分析与人工智能
   1.2.2 大数据分析的误区
   1.2.3 大数据分析与大数据商务分析
   1.2.4 大数据商务分析的价值
  1.3 大数据商务分析师所需技能
  1.4 大数据商务分析的基本流程
第2章 大数据商务分析系统搭建技术
  2.1 数据收集、存储和清理
   2.1.1 数据收集
   2.1.2 数据存储
   2.1.3 数据清理
  2.2 大数据存储技术
   2.2.1 基于关系数据库的大数据存储技术
   2.2.2 基于NoSQL数据库的大数据存储技术
   2.2.3 基于分布式文件系统的大数据存储技术
  2.3 大数据计算技术
   2.3.1 批处理大数据计算技术——MapReduce计算模型
   2.3.2 实时大数据计算技术
  2.4 典型大数据计算平台
   2.4.1 Hadoop平台
   2.4.2 Spark平台
第3章 经典数据分析方法及工具
  3.1 经典统计学数据分析方法
   3.1.1 方差分析
   3.1.2 回归分析
   3.1.3 聚类分析
   3.1.4 判别分析
   3.1.5 主成分分析
   3.1.6 因子分析
   3.1.7 Logistic回归
  3.2 经典统计学数据分析在大数据商务分析中面临的挑战
   3.2.1 容量
   3.2.2 速度
   3.2.3 多样
   3.2.4 真实性
   3.2.5 隐私和保密
  3.3 经典统计学数据分析在大数据商务分析中的价值
  3.4 SPSS数据分析案例：利用RFM模型对客户进行分类
第4章 面向大数据商务分析的描述性分析和可视化
  4.1 描述性统计分析
   4.1.1 描述性统计分析概述
   4.1.2 描述性统计分析的内容及指标
   4.1.3 描述性统计分析常用图表类型
  4.2 可视化
   4.2.1 可视化概念
   4.2.2 可视化应用领域
   4.2.3 可视化工具介绍
  4.3 Tableau数据可视化案例
   4.3.1 动态图
   4.3.2 文字云
   4.3.3 “发货配送周期”可视化
   4.3.4 设计动态仪表板
第5章 面向大数据商务分析的数据挖掘
  5.1 数据挖掘
  5.2 数据挖掘的流程
  5.3 数据挖掘相关技术
   5.3.1 关联分析
   5.3.2 分类分析
   5.3.3 聚类分析
第6章 深度学习技术
  6.1 深度学习概述
   6.1.1 深度学习的发展
   6.1.2 深度学习的主要过程
  6.2 卷积神经网络
   6.2.1 卷积神经网络的一般结构
   6.2.2 卷积层
   6.2.3 降采样层
   6.2.4 局部连接
   6.2.5 权值共享
   6.2.6 卷积层的操作
   6.2.7 降采样层的操作
   6.2.8 误差逆传播算法
   6.2.9 Softmax回归
  6.3 循环神经网络
   6.3.1 循环神经网络概述
   6.3.2 长短期记忆网络
   6.3.3 长短期记忆网络的工作原理
第7章 大数据商务分析在传统行业中的应用
  7.1 零售行业
   7.1.1 零售行业的大数据
   7.1.2 零售行业的大数据应用
   7.1.3 实际案例分析
  7.2 电信行业
   7.2.1 电信行业的大数据
   7.2.2 电信行业的大数据应用
   7.2.3 实际案例分析
  7.3 能源行业
   7.3.1 能源行业的大数据
   7.3.2 能源行业的大数据应用
   7.3.3 实际案例分析
  7.4 制造行业
   7.4.1 制造行业的大数据
   7.4.2 制造行业的大数据应用
   7.4.3 实际案例分析
  7.5 金融行业
   7.5.1 金融行业的大数据
   7.5.2 金融行业的大数据应用
   7.5.3 实际案例分析
第8章 大数据商务分析在各组织部门中的作用
  8.1 人力资源部门
   8.1.1 大数据分析在招聘中的作用
   8.1.2 大数据分析在员工培训中的作用
   8.1.3 大数据分析在绩效和薪酬管理中的作用
   8.1.4 实际案例分析
  8.2 财务部门
   8.2.1 财务数据的处理效率
   8.2.2 企业财务风险处置
   8.2.3 企业预算管理
   8.2.4 实际案例分析
  8.3 营销部门
   8.3.1 数据采集与分析
   8.3.2 广告的精准定位与投放
   8.3.3 实时监控与调整
   8.3.4 实际案例分析
  8.4 采购部门
   8.4.1 提升采购物流效率
   8.4.2 节约采购成本
   8.4.3 实现企业信息共享
   8.4.4 实际案例分析
  8.5 研发部门
   8.5.1 对研发成本管理的作用
   8.5.2 对研发过程的作用
   8.5.3 实际案例分析
第9章 大数据商务分析在新兴领域中的应用
  9.1 需求方平台
   9.1.1 DSP的构成
   9.1.2 数据管理平台中的商务分析方法
   9.1.3 实际案例分析
  9.2 基于位置服务
   9.2.1 LBS的数据特点
   9.2.2 LBS的大数据分析流程
   9.2.3 实际案例分析
  9.3 搜索引擎
   9.3.1 搜索引擎的数据特点
   9.3.2 搜索引擎的大数据分析流程
   9.3.3 实际案例分析
  9.4 社会化媒体
   9.4.1 社会化媒体的数据特点
   9.4.2 社会化媒体的大数据分析流程
   9.4.3 实际案例分析
  9.5 点击数据
   9.5.1 CTR的数据特点
   9.5.2 CTR的大数据分析流程
   9.5.3 实际案例分析
  9.6 金融科技
   9.6.1 金融科技的数据特点
   9.6.2 金融科技的大数据分析流程
   9.6.3 实际案例分析
参考文献