随着信息技术的发展以及信息化基础设施的建设,企业和机构在运营过程中积累和收集了大量的业务数据,而决策部门在进行决策时却发现,这些海量的数据很难直接提供有效的、科学的决策支持,将业务数据应用于决策支持不仅是一个学术问题,同时也是一个实际应用问题,具有企业、机构应用需求的紧迫性。
本课程是传统计算机科学和管理科学的交叉学科,是新兴的基于大数据进行科学管理的知识介绍,是面向数据分析和处理的信息技术在商业中的拓展和外延。课程以案例教学为基础,依托先进的数据管理和分析软件,培养学生以数据驱动为基础的商业决策管理和风险控制理念,帮助解决传统商业和金融领域的难题。
本课程强调理论联系实际的培养模式,注重学生学以致用的能力培养 。课程在内容安排上努力使学生能够掌握基本的商务智能基础理论和技术(如,数据仓库、OLAP、数据挖据等),能够针对具体的商业问题,熟练地运用先进的数据管理和分析技术,设计并实施有效的智能解决方案,从而帮助机构提升风险预测和管理能力,促进企业采用以数据为驱动的科学管理理念,完善各种商务流程,增强科学决策能力,从而提高企业的效率和核心竞争力。
1.掌握对分析主题的抽象方法和构建模型,设计并实现比较规范的数据仓库系统。 2.掌握多维分析将数据转化为信息的本质,熟练掌握构建多维模型的方法。 3.应用商务智能软件构建数据挖掘模型,并掌握模型评价和选择标准,利用模型进行数据分析和预测。 4.初步具备利用商务智能技术解决实际问题的能力。
本课程采用百分制计分,平时成绩占30%,期末考试成绩占60%,实践成绩占10%。60分及以上为合格,90分及以上为优秀。
1、计算机操作基础
2、信息管理基础
1.刘红岩等著. 商务智能方法与应用. 清湖大学出版社. 2013年.
2.Delivering Business Intelligence with Microsoft SQL Server 2012 3/E. Brian Larson. McGraw Hill Professional, 2012年.
3. W H Inmon 著. 数据仓库(第三版). 机械工业出版社, 2003.
4. Gordon S. Linoff , Michael J. A. Berry. Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management. Wiley; 3 edition (2011)。
5. Mehmed Kantardzic 著. 数据挖掘——概念、模型、方法和算法. 清华大学出版社, 2003.
6. Ralph Kimball,Margy Ross. The Data Warehouse Toolkit: the Complete Guide to Dimensional Modeling. John Wiley & Sons Inc.
1、本课程需要哪些前期知识?
本课程需要学习者具有计算机操作基础。
2、学习本课程需要有哪些准备?
作为商务智能通识学习者,可以不用提前准备计算机环境和先修知识,通过对本课程的学习能够掌握和了解商务智能的概念,了解在决策环境下的数据存储和管理方法,以及描述性数据分析、探索性数据分析和数据可视化的基本概念和方法,为在工作中利用这些方法进行科学决策奠定基础。
对于专业学习者需要安装商务智能开发应用环境,本课程使用的是Microsoftware的SQL Server2012版中的Business Intelligence(简称BI)开发平台和相应模块。在课程相应章节会提供案例数据以方便学习者通过案例操作巩固知识点,更加深入的理解商务智能的理念,掌握商务智能系统开发的方法。