本书比较全面地介绍了数据、模型与决策的基本内容，总体可以分成运筹学和统计学两大部分。运筹学解决的主要问题是，帮助决策者在有限的资源条件下最优地实现组织目标，并为决策提供科学依据，涉及本书的前两篇共6章的内容。统计学是收集、分析、展示和解释数据的科学，也称为数据科学，涉及本书的后两篇共7章的内容。 本书主要有三个特色。第一，本书内容为编者多年教学经验的提炼和升华。本书编者多年处在本科生和研究生的教学第一线，对数据、模型与决策的理论方法有较深的理解和把握。第二，本书侧重管理决策问题的实践，强调建模和分析，对于过深的理论细节则从略。第三，本书体现了数据、模型与决策的最新研究进展和成果，具有较强的时代感。与一般的教材相比，本书增加了大数据与商务智能的相关内容，并对当今机器学习的应用热点——深度学习进行了介绍。

第1章 概述
1.1 数据、模型和决策的关系
1.2 数学模型相关概念
1.3 数据、模型与决策的工作步骤
1.4 数据、模型与决策的主要内容及本书结构
第一篇 优化模型与网络分析
第2章 线性规划
2.1 线性规划的模型
2.2 图解法与解的性质
2.3 线性规划应用举例
2.4 0-1规划
2.5 线性规划的软件求解
习题
第3章 图与网络分析
3.1 图的基本概念
3.2 最小支撑树问题
3.3 最短路问题
3.4 最大流问题
3.5 网络计划
习题
第二篇 决策与对策
第4章 决策分析
4.1 决策的基本概念
4.2 风险型决策
习题
第5章 多目标决策
5.1 多目标决策问题简介
5.2 德尔菲法
5.3 TOPSIS法
5.4 层次分析法
习题
第6章 库存决策
6.1 供应链视角下的库存问题
6.2 确定型库存模型
6.3 随机型库存模型——报童模型
习题
第7章 博弈论
7.1 博弈问题的构成与分类
7.2 非合作博弈
7.3 联盟博弈
习题
第三篇 数据描述与统计推断
第8章 数据描述与展示
8.1 数据的基本概念
8.2 数据的综合描述
8.3 用图表展示数据
习题
第9章 统计推断
9.1 统计推断中的几种重要分布
9.2 样本统计量的抽样分布
9.3 参数估计
9.4 假设检验
9.5 多个正态总体均值的比较——方差分析
9.6 非参数假设检验——X2检验
9.7 态性检验
习题
第四篇 大数据分析与商务智能
第10章 大数据与商务智能基础
10.1 大数据的含义
10.2 大数据的特征（5V）
10.3 大数据的来源及典型应用领域
10.4 大数据与商务智能的关系
10.5 大数据分析方法简介
习题
第11章 线性回归模型
11.1 回归分析概述
11.2 经典线性回归模型
11.3 放松基本假定的线性回归
11.4 含有虚拟变量的线性回归模型
11.5 自变量的筛选与线性回归模型的选择
习题
第12章 线性分类模型
12.1 分类问题概述
12.2 Logistic回归
12.3 线性判别分析
12.4 两总体分类模型的评估
习题
第13章 无监督学习
13.1 主成分分析
13.2 聚类分析
习题
第14章 深度学习简介
14.1 深度学习与数据分析
14.2 深度学习典型模型
14.3 深度学习应用
14.4 深度学习前沿技术
14.5 本章小结
习题
参考文献