基於大數據時代的商業規則和思維變革，《商務數據分析》將數據挖掘分析理論原理與商務實踐進行融合。通過本圖書及相應課程的學習，使學習者掌握分析事物的數據思維、挖掘數據價值及發揮商業應用的技能，培養結合專業知識，發現、分析並提供解決實際問題方案的思維方式及數據分析技能。《商務數據分析》內容主要包括四大模塊：模塊一 大數據與商務數據分析概述，主要介紹數據分析的起源、對數據分析的認知，包含分析目的、分析類型、作用，數據分析的主要應用，商務數據分析的主要應用場景；模塊二 數據分析基礎及數據挖掘方法，包括Py等

●第一部分大數據基礎
第一章大數據導論3
一、什麼是大數據3
二、為何要做數據挖掘5
三、數據分析的應用7
練習題10
第二章大數據技術11
一、大數據的技術框架11
二、與大數據處理相關的技術12
三、數據挖掘的一般流程14
練習題16
第二部分Python編程基礎
第三章Python環境搭建19
一、Python的版本與安裝19
二、PyCharm的安裝與使用23
三、Anaconda的安裝與使用27
練習題30
第四章Python編程基礎31
一、Python變量設定和賦值數據類型31
二、Python的運算符38
三、控制流42
四、常用函數49
五、Python基礎語法50
練習題54
第五章Python數據挖掘55
一、NumPy模塊55
二、Pandas模塊68
練習題106
第六章Python數據可視化107
一、數據可視化107
二、Pandas繪圖111
三、Matplotlib其他繪圖120
練習題123
第三部分數據挖掘基礎
第七章數據預處理127
一、數據存在的問題127
二、數據預處理的手段129
練習題138
第線性回歸139
一、介紹139
二、解釋模型與預測模型139
三、回歸方程的估計與預測140
四、線性回歸中的變量選擇141
練習題143
第九章K-NN算法145
一、K-NN分類器(分類結果)145
二、K-NN表示數值結果147
三、K-NN算法的優勢和劣勢147
練習題147
第十章樸素貝葉斯分類器149
一、介紹149
二、使用接近(準確)貝葉斯分類器預測150
三、樸素貝葉斯分類器的優缺點153
練習題155
第十一章分類回歸樹156
一、介紹156
二、分類樹157
三、評估分類樹的性能161
四、避免過度擬合162
五、樹的分類規則164
六、兩類以上的分類樹164
七、回歸樹165
八、改進預測：隨機森林和增強樹166
九、樹的優點和缺點167
練習題167
第十二章邏輯回歸169
一、介紹169
二、邏輯回歸模型170
三、評估分類性能172
四、變量的選擇173
五、邏輯回歸分析175
練習題180
第十三章神經網絡181
一、介紹181
二、神經網絡的概念與結構181
三、使網絡適應數據182
四、必需的輸入188
五、預測因素與結果的關繫探討189
六、神經網絡的優缺點190
練習題191
第十四章判別分析192
一、介紹192
二、記錄與類的距離194
三、費雪線性分類函數195
四、判別分析的分類性能195
五、先驗概率196
六、不均衡的錯誤分類代價196
七、超過兩類的分類問題196
八、判別分析的優勢與劣勢198
練習題198
第十五章關聯規則與協同過濾200
一、關聯規則200
二、協同過濾206
三、總結212
練習題212
第十六章聚類分析214
一、介紹214
二、測量兩條記錄之間的距離217
三、兩簇間距離測量221
四、分層(凝聚)聚類222
五、非層次聚類226
練習題228
第十七章時間序列預測230
一、介紹230
二、描述性與預測性建模231
三、商業中流行的預測方法231
四、時間序列成分231
五、數據分區和性能評估234
練習題236
第十八章社交網絡分析237
一、介紹237
二、有向網絡與無向網絡238
三、可視化和分析網絡239
四、社交數據度量和分類241
五、使用網絡指標進行預測和分類244
六、優點和缺點248
練習題249
第十九章文本挖掘250
一、介紹250
二、文本的表格式表示：術語-文檔矩陣和“詞袋”250
三、詞袋與文檔意義提取251
四、文本預處理252
五、實現數據挖掘方法255
六、總結258
練習題258
第四部分經典商務數據分析案例
第二十章國際應用案例261
案例一銀行金融營銷261
案例二波士頓住房262
案例三電腦的選擇262
案例四DriveTime汽車266
案例五寶潔公司洗衣皂270
案例六Studenmund餐廳271
案例七悉尼交通272
案例八ToutBay273
案例九查爾斯讀書俱樂部275
案例十德國信貸279
案例十一Tayko軟件目錄283
案例十二拒接出租車電話287
案例十三肥皂消費者細分288
案例十四交叉銷售290
案例十五預測破產291
第二十一章國內應用案例294
案例一終端換機預測294
案例二高校本科生就業問題研究296
案例三國內旅遊收入影響因素研究300
案例四航空公司客戶價值分析301
案例五數據分析的其他商務應用304
參考文獻309

大數據時代，產業呈現數字化趨勢，使大數據成為核心的生產要素，進而成為推動經濟高質量發展的新動能。以數據生成、采集、存儲、清洗、挖掘、分析、服務為主的大數據產業已成為新興產業，是實現產業結構升級的新路徑。為普及數據素養和技能，構建大數據思維，《商務數據分析》通過介紹數據挖掘方法在商務領域的應用，驅動好奇心，認知商務情境；發現業務問題，明確詮釋問題；探索數據鏡像世界，科學處理、分析數據；理性做出預測、決策，有條不紊地表達，充分發揮數據的商業價值。本書適合高等教育經濟管理專業教學使用，也適合讀者自我提升學習使用，有助於形成數據思維、數據認知、數據合規意識，提升數據處理技能，熟悉商務領域應用，從而提升職業競爭力。

黃翼 著