内容简介
《商业分析——与数据沟通》针对高校商学院商业分析课程编写，内容涵盖了所有相关的商业分析主题，而且各个主题在设计上都是模块化的，教师授课时可灵活地选择符合其课程目标的主题。比如，该书可以适用于涵盖数据处理（第2章）、数据可视化（第3章）、综合指标（第3章）、统计理论（第4章和第5章）和回归分析（第6章和第7章）的入门课程，或侧重于预测（第8、9、10、11和12章）和预测性建模（第13章）的高级商业分析课程。
为适应不同学生对于统计软件的需求，该书每个知识点都提供了Excel和R语言两种分析方法和实际操作，而且所有的例题和习题都是使用撰写该书时新版本的软件解决的，即Microsoft Office Professional 2016、Analytic Solver 2019和R语言3.5.3版本。
《商业分析——与数据沟通》的最终目的是让学生更好地理解、管理和可视化数据，学会应用适当的分析工具，并对研究结果及其相关性进行沟通。
目录
第1章 商业分析导论
1.1 商业分析概述
1.2 数据类型
练习1.2
1.3 变量和测量尺度
练习1
1.4 数据源和文件形式
练习1.4
1.5 大数据写作
第2章 数据管理和处理
2.1 数据管理
练习2
2.2 数据检查
练习2.2
2.3 数据准备
练习2.3
2.4 转换数值数据
练习2.4
2.5 转换分类数据
练习2.5
2.6 大数据写作
第3章 数据可视化和综合指
3.1 可视化分类变量和数值变量的方法
练习3
3.2 将两个变量之间关系可视化的方法
练习3.2
3.3 其他数据可视化的方法
练习3.3
3.4 综合指标
练习3
3.5 检测异常值
练习3
3.6 大数据写作
第4章 概率与概率分布
4.1 概率的概念与概率公式
练习4.1
4.2 全概率公式与贝叶斯定理
练习4
4.3 随机变量与离散型概率分布
练习4
4.4 二项分布与泊松分布
练习4
4.5 正态分布
练习4
4.6 大数据写作
……
第5章 统计推断
第6章 回归分析
第7章 高级回归分析
第8章 数据挖掘导论
第9章 有监督数据挖掘：k-最近邻法和朴素贝叶斯方法
第10章 有监督数据挖掘：决策树
第11章 无监督数据挖掘
第12章 利用时间序列数据进行预测
第13章 规范性分析简介
附录A 大数据集：变量描述和数据字典
附录B Excel和Excel加载项入门
附录C R语言入门
附录D 统计表
试读
本书的关键特点
商业分析的教学方法包括了我们在商业统计学教材中的流行功能，以及与商业分析有关的新功能。无数的评论者提供了他们的反馈和指导，以确保我们建立了一个我们认为能满足市场需求的产品。
数据分析的整体方法
商业分析是一个非常广泛的话题，由统计学、计算机科学和管理信息系统组成。其在商业领域有着广泛的应用，例如市场营销、人力资源管理、经济学、会计学和金融学。
本书提供了一种整体的商业分析方法，将定性推理与定量工具相结合，以确定关键的商业问题,并将分析结果转化为提高商业绩效的决策。
具体步骤为直觉和领域知识→数学解释→数据分析→可操作的见解。
综合的引入案例
每一章的开篇都有一个真实的引入案例，构成了本章中几个例子的基础。例子中的问题为掌握本章中最重要的学习要点提供了路线图。一旦回答了与案例相关的问题，就会出现每一章引入案例的概要。
大数据写作
商业分析的一个显著特点是可以选择与学生有关联的众多应用程序相关的大数据集。在大多数章节中，我们都有一个指定的部分，在那里我们使用这些大数据集来帮助介绍问题，制定可能的解决方案，并根据本章中介绍的概念交流研究结果。通过这份样本报告，我们向学生展示如何通过交流从非技术角度获得的见解来阐明分析的商业价值。
数据挖掘
数据挖掘是企业希望大学毕业生具备的最受欢迎的技能之一。它利用大型数据集和计算机能力来构建支持决策的预测模型。除了专门介绍线性和逻辑回归模型的两个综合章节，以及关于商业预测的一章外，本书还包括了4个有关数据挖掘的单独章节。这些章节包括有监督和无监督学习的详细分析，涵盖了相关主题，如主成分分析、k最近邻法、朴素贝叶斯方法、分类树和回归树、集成树、层次聚类、k均值聚类以及关联规则。每章都提供了相关的现实问题、概念解释和易于理解的计算机说明。在这四章中有超过200个习题。
关于数据挖掘的4 章内容：
● 数据挖掘导论；
● 有监督数据挖掘: k最近邻法和朴素贝叶斯方法；
● 有监督数据挖掘：决策树；
● 无监督数据挖掘。
计算机软件
本书包括以 Microsoft Excel、AnalyticSolver (用于数据挖掘分析的Excel附加软件) 以及R语言(一种将统计数据包的便利性与编码功能相结合的强大软件)为特色的实践教程和问题解决示例。学生学习使用软件解决实际问题，并强化章节中讨论的概念。学生还将学习如何使用软件中的图表和信息图形将数据可视化并与之进行交流。
练习题和相关资源
在每一章中都有来自各行各业的数十个应用示例，包括商业、经济、体育、健康、住房、环境、投票、心理学等。我们知道辅助工具的重要性，如《教师解决方案手册》(ISM)和技术组件，特别是相关链接。在编写本书的同时，我们开发了这些组件，希望使得这部分组件与书中内容无缝连接。我们从经验中知道，这些组件不能孤立地开发。例如，我们检查每个连接练习，评估舍入规则并修改公差级别。鉴于我们的用户对《商业统计学》一书提供了有很积极的反馈，因此我们在《商业分析》中也采用了相同的方法。
前言/序言
近年来，数据分析取得了飞跃性的发展，改变了企业的决策方式。该领域的爆发式增长主要是由于大量数据的可用性不断增强，以及计算能力的提高和复杂算法的发展。学院和大学比以往任何时候都更需要强调商业分析的课程，而公司也需要精通数据的专业人士，将数据转化为见解和行动。为了满足这些需求，商学院一直在争先恐后地将商业分析纳入本科课程。在研究生阶段，学习该课程正迅速成为MBA项目、商业分析专业硕士和证书项目的要求。
我们希望通过编写《商业分析：与数据沟通》，让学生更好地理解、管理和可视化数据，学会应用适当的分析工具，并交流研究结果及相关性。与其他简单地重新包装传统统计学和运筹学主题的教材不同，我们的教材将数据处理、描述性分析、预测性分析和规范性分析等主题无缝地编织成一个有凝聚力的整体。
实践证明，体验式学习在商业分析等应用学科和复杂学科的教学中是有效的。在本书中，我们提供了一个整体的分析过程，包括处理现实生活中不一定“干净”或“小”的数据。同样，我们通过在每一章中加入引入案例概要（简短的写作样本）和报告样本（较长的写作样本），强调了有效交流研究结果的重要性。这些特点可以帮助学生通过交流从非技术角度获得的见解来阐明数据分析的商业价值，从而培养他们的技能。
本书全面覆盖了所有相关的商业分析主题，使教师能够灵活地选择最符合其课程目标的主题。所有章节的设计都是模块化的，这使得教师可以只讲解他们打算涵盖的关键章节或章节中的部分内容。例如，本书可以用于数据处理（第2章）、数据可视化（第3章）、统计理论（第4章和第5章）和回归分析（第6章和第7章）的入门课程，或侧重于预测（第8、9、10、11和12章）和预测性建模（第13章）的高级商业分析课程。
在本书中，我们选择了带有Analytic Solver（一个Excel插件）的Excel和R语言作为软件包，它们具有可访问性、易用性和强大的功能，可以演示分析概念，并对真实世界的数据进行分析。在大多数章节中，教师可以根据课程目标和学生的技术背景选择讲解Excel或R语言（或两者）。学生可以通过大学计算机实验室、教育许可证和免费的开源许可证来获得这些软件包。在这一版本中，所有的例题和练习都是使用撰写本书时最新版本的软件解决的，即Microsoft Office Professional2016、Analytic Solver 2019和R 3.5.3版本。我们建议使用相同版本的软件，这样可以更加方便地复制书中的结果。当这些软件包的新版本在未来发布时，我们计划将实质性的变化纳入未来版本的文本中，如果差异相对较小，则在网上提供更新。
