内容简介
本书从管理的角度出发，不拘泥于复杂的算法和技术细节，旨在帮助初步接触商务智能的读者厘清商务智能与人工智能（AI）、云计算、物联网、大数据、机器学习和数据科学等众多概念的区别和联系，并通过大量的实际案例体会商务智能的功能和价值。本书主要讨论商务分析、数据科学和用于企业决策支持的AI，包括相关概念、技术和应用案例等。全书围绕三种主要的商务分析（描述性分析、预测性分析和规范性分析）组织内容，以反映商务分析的重点。本书可作为高等院校数据科学、数据分析等相关课程的教材，也适合企业管理者、市场分析师和数据科学家等读者阅读。
目录
目 录
译者序
前言
致谢
作者简介
第1章 商务智能、分析、数据
科学与AI概述 1
1.1 开篇小插曲：运动分析—学习
和理解分析应用领域令人兴奋的前沿 2
1.2 不断变化的商业环境和不断发展的决策支持和分析需求 15
决策过程 16
数据分析和决策支持技术 16
1.3 决策过程与计算机化决策支持
框架 18
Simon过程：情报、设计与
选择 18
情报活动阶段：问题（或机会）
识别 19
设计阶段 21
选择阶段 21
实施阶段 21
1.4 计算机决策支持向分析/数据
科学的发展历程 22
1.5 商务智能框架 25
BI的定义 25
BI发展简史 25
BI的体系结构 26
BI的起源和驱动因素 26
商务智能多媒体练习 27
事务处理与分析处理 27
适当规划并与企业战略保持
一致 28
可实现的实时、按需BI 29
开发或获取BI系统 29
合理性和成本效益分析 29
安全及隐私保护 30
系统与应用集成 30
1.6 分析概述 30
描述性分析 31
预测性分析 32
规范性分析 37
分析/数据科学/机器学习/AI 38
1.7 部分领域分析实例 39
医疗保健业分析应用—
Humana 39
零售价值链分析 41
博彩行业分析应用 43
1.8 本书安排 46
1.9 可用资源和Teradata大学学术
链接 47
可用资源和链接 47
供应商、产品和试用软件 47
期刊 47
Teradata大学学术链接 47
第2章 人工智能：概念、驱动
因素、主要技术及其
商业应用 50
2.1 开篇小插曲：Grant Thornton
雇用Aisera聊天机器人减轻IT
服务台负担 51
2.2 人工智能简介 52
人工智能的定义 52
AI机器的主要特征 53
AI的主要要素 53
AI应用 54
AI的主要目标 54
AI的驱动因素 54
AI的优势 55
AI机器的一些局限 56
AI决策的三种风格 57
2.3 人机智能 58
什么是智能 58
AI有多智能 59
测试AI 59
2.4 主要的AI技术及其衍生产品 60
2.5 AI对决策的支持 65
2.6 AI在各种业务功能中的应用 68
AI在会计中的应用 68
AI在金融服务中的应用 69
AI在人力资源管理中的应用 71
AI在市场营销、广告和CRM领域
中的应用 72
AI在生产经营管理中的应用 72
2.7 机器人简介 74
2.8 机器人应用简介 78
自动驾驶汽车：跑起来的机器人 85
2.9 对话式AI—聊天机器人 87
什么是聊天机器人 87
聊天机器人的发展 88
聊天机器人的组成部分及其使用过程 88
使用聊天机器人的驱动因素和
好处 89
全球代表性聊天机器人 90
2.10 企业聊天机器人 90
企业对聊天机器人的兴趣 91
企业聊天机器人：营销和客户
体验 91
可口可乐 91
企业聊天机器人：金融服务 92
企业聊天机器人：服务行业 93
聊天机器人平台 93
企业聊天机器人知识 94
虚拟个人助理 94
如果你是Facebook首席执行官
马克·扎克伯格 94
亚马逊的Alexa和Echo 94
苹果公司的Siri 95
Google Assistant 95
其他个人助理 96
聊天机器人作为专业顾问 96
Robo金融顾问 96
金融机器人顾问的发展 96
第3章 描述性分析：数据的本质、
大数据与统计建模 104
3.1 开篇小插曲：SiriusXM通过数据
驱动式营销吸引新一代无线电
消费者 105
3.2 用于分析的数据的性质 108
3.3 数据的简单分类 111
3.4 数据预处理的艺术与科学 113
3.5 大数据的定义 121
定义大数据的“V” 122
3.6 大数据分析基础 125
大数据分析解决的业务问题 127
3.7 大数据技术 128
Hadoop 128
Hadoop如何工作 128
MapReduce 129
为什么使用MapReduce 130
Hadoop技术组件 130
Hadoop的利与弊 131
Spark与Hadoop 133
NoSQL 135
数据有益 135
3.8 大数据与流分析 136
流分析应用 138
电子商务 138
电信 138
执
前言/序言
前 言
商务分析、数据科学和人工智能已成为当今世界的技术驱动因素。所有大公司和组织都在组建新的组织部门，其工作以分析为重点，目的是帮助公司提高运营效率和效益。决策者使用更多的计算机化工具来支持其工作，消费者也在直接或间接地使用分析工具来对其购物、健康/医疗保健、旅行和娱乐等日常活动做出决策。
决策支持系统、商务智能与商务分析（Business Intelligence, and Business Analytics，BI&BA）领域发展迅速，更加注重创新应用，不断从商业数据流中提取知识和洞察力，这些数据流直到最近才被捕获，更不用说进行有效分析了。在医疗保健、体育、旅游、娱乐、供应链管理、公用事业等各行各业，每天都有新的应用出现。
“分析”（analytics）一词已经演变成其他术语，如数据科学，以及AI、深度学习和物联网等更新的词。ChatGPT公开发布后，其账户注册量在短短两个月内跃升至1亿多，很明显，AI技术正在成为主流。
最近，AI再次成为一个热门词汇，有望对企业和个人生活产生重大影响。我们所著的另一本书《商业分析：基于数据科学及人工智能技术的决策支持系统》（以下简称DSS11）介绍了许多当前的主题。本书上一版从管理的角度涵盖了各个核心领域。基于对这些主题的融合以及从管理视角理解这些主题的需要，我们整合并更新了这两本书的内容编写了本书，精简了覆盖面，使重点更加突出，内容涵盖AI、数据科学和分析领域的大部分重要主题。因此，本书的主题是分析、数据科学和用于企业决策支持的AI。从管理角度出发，本书介绍了商务分析的连续性，从描述性分析（例如数据的本质、统计建模、数据可视化和商务智能）开始，到预测性分析（例如数据挖掘、文本/网络挖掘、社交媒体挖掘），再到规范性分析（例如优化和模拟等）。
此外，本书还介绍了AI、深度学习、机器人、聊天机器人、物联网（IoT），以及网络/
互联网相关的赋能因素。我们特别强调，这些技术是现代商务分析系统的新兴组成部分。AI技术通过实现自主决策以及对决策过程中的步骤加以支持，从而对决策产生重大影响。AI和商务分析通过创造一种协同效应得以相互支持，这种协同效应有助于决策制定。最后，我们对未来趋势、隐私和管理方面的注意事项进行了总结。
本书旨在向读者介绍通常被称为商务分析或数据科学的技术。这些术语可以互换使用。本书介绍了用于设计和开发这些系统的方法、方法论和技术的基本原理。此外，我们还介绍了AI的本质，因为它既与分析有关，也与决策支持的独立学科有关。本书还介绍了这些技术的基本原理以及这些系统的构建和使用方式。
我们采用EEE［即曝光（Exposure）、体验（Experience）和探索（Exploration）］方法介绍上述主题。本书主要对各种分析技术及其应用进行曝光。其理念是：启发读者从其他组织如何利用分析来做出决策或获得竞争优势来学习知识。我们认为，对分析正在做什么，以及如何实现分析进行曝光，这是学习分析知识的关键所在。在介绍这些技术时，我们还介绍了可用于开发此类应用程序的特定软件工具。本书不限于某一种软件工具，因此读者可以使用任何可用的软件工具来体验这些技术。此外，本书每一章都给出了具体的建议，但读者也可以将本书与许多不同的软件工具一起使用。本书第9章介绍了几种软件工具，但读者也可以通过多种不同的方式来体验这些技术。最后，我们希望这种曝光和体验能够激励读者在自己的领域探索这些技术的潜力。为了促进探索，我们会在合适的情况下提供活动和Web站点链接，其中包含团队合作训练。一些章节包括Teradata大学学术网站上提供的资料链接。
如何使用本书？可以在为期一学期的分析/AI概论课程中使用本书，本书包含该课程内容的大部分或全部主题/章节。这种内容安排能提供对许多专题的介绍性概述，教师可以介绍所选主题的任何动手工具和练习，以深入涵盖特定领域。例如，一般的入门课程除了提供其他主题的管理视角的概述外，还可以只介绍数据管理和可视化工具。
使用本书连续教授两门课程。例如，其中一门课程侧重于介绍整个商务分析的总体内容，可以选择第1章、第3～9章的部分章节的内容。作为第一门课程的后续课程，第二门课程可侧重于人工智能和新兴技术，将其作为现代分析技术的推动因素。第二门课程可涵盖第1、2、7章和第8～11章的部分内容，并介绍这些章节中提到的一些技术的软件工具。
如前所述，可以使用本书帮助管理层了解应用程序和技术，本书选定的章节中也包括足够的技术细节，使教师能够专注于一些技术方法和实践练习。
本书特色
本书的大部分具体改进集中在以下四个方面：
内容重新组织
增加新章节
内容更新
重点更突出
改变虽多，但本书仍然保留了使其成为市场领头羊的全面性和用户友好性，我们也提供了更准确、更新的资料。
如上所述，本次修订整合并更新了DSS11和本书上一版的内
