Efraim Turban执教于夏威夷大学，畅销教材作者、著名的电子商务学者。曾任美国加利福尼亚长岛州立大学管理信息系统教授，香港城市大学和香港科技大学访问教授。他曾撰写出版了十多部著作和大量论文，并担任多家杂志的编辑以及多家跨国公司和政府的顾问，是商务和金融计算机决策支持领域最多产的学者之一。
    Ramesh Sharda是俄克拉荷马州立大学西尔斯工商管理学院管理科学与信息系统的杰出贡献教授，信息系统研究所所长，Conoco Phillps公司技术管理主席。
    Dursun Delen是俄克拉荷马州立大学西尔斯工商管理学院管理科学与信息系统的副教授。
    David King有25年主持决策支持开发、性能管理和企业系统软件的经验。他还服务于许多工业咨询委员会和大学董事会。

    《计算机科学丛书·商务智能：管理视角（原书第2版）》主要介绍商务智能、知识管理、数据挖掘和其他智能系统的基础和应用知识，并通过例子、产品、服务和练习，以及基于网络的问题讨论扩展了读者对网络世界的理解。第2版的改进主要集中在3个领域：数据挖掘、文本挖掘和Web挖掘、实施和新技术。
    本书可以作为商务智能课程的教材，也可以作为管理信息系统简介或者商务战略的教材，还可以作为MBA技术管理课程的补充读物，或者注重管理视角的管理科学和管理信息系统项目的教材。

    数据仓库的未来发展趋势
    数据仓库领域正在／已经成为近几十年来信息技术中的活跃领域，同时BI也证实了该领域的重要性将会日渐增加。下面是近来流行的、将在定义未来数据仓库中起着重要作用的概念和技术。
    来源（从不同和分散的来源获取数据）
    开源软件 在数据仓库、商业智能和数据集成领域中，开源软件工具的运用正以空前的水平增长。数据仓库领域开源软件的增长基于很好的理由（Russom，2009）：（1）经济衰退带动了人们对低成本开源软件的兴趣；（2）开源工具正在进入新的成熟阶段；（3）开源软件发展了传统企业软件而不是代替它们。
    软件即服务 （Software as a Service．Saas），“扩展的ASP模型”SaaS是部署信息系统应用的一种创造性方法，应用提供商向用户提供面向需求的服务许可应用程序（通常在因特网上）。SaaS软件供应商使用自己的服务托管应用程序或者上传应用程序至客户端。本质上，SaaS是ASP模型的全新和改进版本。数据仓库用户很难发现能满足特殊需求的基于SaaS应用程序和资源。随着这些软件的提供变得越来越便捷，作为数据仓库的应用平台，SaaS的吸引力和实际使用也会增加。
    云计算 云计算 也许是近年来最新和最具创新性的平台，其中汇聚和虚拟化了大量硬件和软件资源，因此当需要时，它们可以被自由分配给应用和软件平台。随着工作量的增加，信息系统应用程序也按比例增加。虽然云计算和类似的虚拟技术程序是为业务应用程序而建立的，但数据仓库应用平台也开始运用这些技术。当数据仓库中的数据量变化不可预测，决策规划能力变得困难时，云计算中的动态分配可发挥重大作用。
    数据仓库应用程序 近年来，数据仓库领域中讨论最广泛的问题之一就是数据仓库应用程序。该问题的初始定义与一个整体性解决方案有关，该解决方案仅给数据仓库提供全面的技术堆栈（软件、硬件等）。从那时起，它的定义就被修改了，它开始提供局部技术匹配服务以满足用户的特殊需求。未来发展趋势是基于最佳组合哲理。
    基础设施（系统架构—软件和硬件—系统升级）
    实时数据仓库 RDW意味着现行数据仓库的数据更新周期更加频繁（几乎同步于操作型数据库中的数据更新）。实时数据仓库系统能达到近实时数据更新，其数据延迟通常从几分钟到几小时不等。随着延迟的减少，数据更新的成本看似是成倍增长。未来的许多技术进步（从自动数据获取到智能软件代理）使得实时数据仓库的价格可以负担得起。
    数据管理技术和实践 下一代数据仓库平台最迫切的需求包括技术和实践，一般我们并不认为这是平台的一部分。特别地，许多用户需要更新数据管理工具，这些工具可以通过数据仓库处理数据。未来主数据管理技术将迅速发展。这一全新且极其重要的概念正在日渐流行，原因如下：（1）与业务系统更紧密的集成需要MDM；（2）大多数据仓库仍缺少MDM和数据质量功能；（3）常规和财务报表必须完全清晰和准确。
    ……

出版者的话
译者序
前言
作者简介

第1章 商务智能简介
开篇场景：Norfolk Southern利用商务智能进行决策支持获取成功
1.1 变化的商务环境和计算机化的决策支持
1.2 商务智能框架
1.2.1 BI的定义
1.2.2 BI的历史
1.2.3 BI的架构
1.2.4 BI的形式
1.2.5 BI的好处
1.2.6 事件驱动预警
1.3 智能创造和使用与商务智能治理
1.3.1 智能创造和使用的循环过程
1.3.2 智能与窃取
1.4 交易处理和分析处理
1.5 成功的BI实施
1.5.1 典型的BI用户群体
1.5.2 合适的计划及其与商业战略的一致性
1.5.3 实时的、基于需求的BI是可达到的
1.5.4 开发或获得BI系统
1.5.5 理由和成本一利润分析
1.5.6 隐私安全和保护
1.5.7 系统集成和应用
1.6 商务智能的主要工具和技术
1.6.1 技术和工具
1.6.2 选择BI供应商
1.7 本书计划
1.8 相关资源、链接和Teradata大学网络的连接
1.8.1 资源和链接
1.8.2 案例
1.8.3 供应商、产品和演示
1.8.4 期刊
1.8.5 Teradata大学网络的连接
1.8.6 本书的网站
本章重点
关键术语
讨论题
练习
本章结尾应用案例
参考文献

第2章 数据仓库
开篇场景：DirecTV的蓬勃发展与实时数据仓库
2.1 数据仓库的定义和概念
2.1.1 什么是数据仓库
2.1.2 数据仓库的特点
2.1.3 数据集市
2.1.4 业务数据存储
2.1.5 企业数据仓库
2.1.6 元数据
2.2 数据仓库流程概述
2.3 数据仓库架构
2.3.1 可选的数据仓库架构
2.3.2 哪种架构是最好的
2.4 数据集成以及提取、转换和加载的过程
2.4.1 数据集成
2.4.2 提取、转换和加载
2.5 数据仓库的开发
2.5.1 数据仓库供应商
2.5.2 数据仓库开发方法
2.5.3 数据仓库开发的其他思考
2.5.4 数据仓库中的数据表示
2.5.5 数据仓库中的数据分析
2.5.6 OLAP与OLTP
2.5.7 OLAP操作
2.6 数据仓库的实施问题
2.7 实时数据仓库
2.8 数据仓库管理系统、安全问题和未来发展趋势
2.9 相关资源、链接和Teradata大学网络的连接
2.9.1 资源和链接
2.9.2 案例
2.9.3 供应商、产品和演示
2.9.4 期刊
2.9.5 其他参考文献
2.9.6 Teradata大学网络的连接
本章重点
关键术语
讨论题
练习
本章结尾应用案例
参考文献

第3章 业务绩效管理
开篇场景：Harrah公司加倍下注
3.1 业务绩效管理概述
3.1.1 BPM定义
3.1.2 比较BPM和BI
3.2 制定战略：我们想到哪里去
3.2.1 战略规划
3.2.2 战略差距
3.3 计划：我们如何达到那里
3.3.1 运营计划
3.3.2 财务计划和预算
3.4 监控：我们做得怎么样
3.4.1 诊断控制系统
3.4.2 差异分析的困难
3.5 行动和调整：我们需要做什么不同的吗
3.6 绩效评价
3.6.1 KPI和业务指标
3.6.2 现有绩效评价系统存在的问题
3.6.3 有效的绩效指标
3.7 BPM方法
3.7.1 平衡记分卡
3.7.2 六西格玛
3.8 BPM技术和应用
3.8.1 BPM架构
3.8.2 商业BPM套件
3.8.3 BPM市场与BI平台市场对比
3.9 绩效仪表盘和记分卡
3.9.1 仪表盘和记分卡
3.9.2 仪表盘设计
3.9.3 仪表盘展示的内容
3.9.4 数据可视化
本章重点
关键术语
讨论题
练习
本章结尾应用案例
参考文献

第4章 商务智能中的数据挖掘
开篇场景：数据挖掘来到好莱坞
4.1 数据挖掘概念和定义
4.1.1 定义、特征和好处
4.1.2 数据挖掘的工作原理
4.2 数据挖掘应用
4.3 数据挖掘流程
4.3.1 步骤1：理解业务
4.3.2 步骤2：理解数据
4.3.3 步骤3：数据准备
4.3.4 步骤4：建模
4.3.5 步骤5：测试和评估
4.3.6 步骤6：部署
4.3.7 其他标准化数据挖掘过程和方法
4.4 数据挖掘方法
4.4.1 分类
4.4.2 分类模型正确性估算
4.4.3 数据挖掘聚类分析
4.4.4 关联规则挖掘
4.5 数据挖掘中的人工神经网络
4.5.1 人工神经网络的要素
4.5.2 人工神经网络应用
4.6 数据挖掘软件工具
4.7 关于数据挖掘的一些谎言和谬误
本章重点
关键术语
讨论题
练习
……
第5章 文本挖掘与Web挖掘
第6章 商务智能实施：整合和新兴趋势
术语