陈国青，清华大学经济管理学院教授、博士生导师、常务副院长。教育部长江学者特聘教授、EMC2信息系统讲席教授；教育部管理科学与工程类学科教学指导委员会副主任，国际信息系统协会中国分会（CNAIS）主席。1992年获比利时鲁汶大学博士学位，是1999年度国家杰出青年科学基金获得者。主要教学与研究领域包括管理信息系统、商务智能与管理决策、信息管理与电子商务、软计算与数据建模。
　　卫强，清华大学经济管理学院副教授。2003年获清华大学博士学位，并获清华大学优秀博士毕业生称号；是2007年美国麻省理工学院斯隆管理学院访问学者。在国内外学术期刊与国际会议上发表学术论文三十余篇，如《Decision Support Systems》、《Information Sciences》、《International Journal of Approximate Reasoning》、《International Journal ofIntelligent Systems》等。主要教学与研究领域包括商务智能与数据挖掘、管理信息系统、数据库与数据建模、不确定性信息处理、管理系统模拟。

    商务智能通过数据挖掘技术从海量数据中发现潜在、新颖和有用的知识，体现了信息技术融合背景下进行精益化管理和科学化决策的能力。《商务智能原理与方法》从商务角度入手，以基础篇、方法篇、专题篇三大板块的形式，较全面地涵盖了商务智能领域的基础知识、基本原理和技术方法等内容；融入了若干前沿成果和最新应用；同时结合经济和管理实例，说明如何通过商务智能的方法来分析企业经营、优化企业运作，从而提升企业竞争优势。
　　《商务智能原理与方法》既可以作为高等学校管理科学与工程及工商管理、计算机应用相关学科高年级本科生和研究生的教材，也可以作为企、事业单位信息化的培训教材，以及相关工程与管理决策人员的参考书。

    关联规则（AR，AssociationRule）反映了一种特定的数据之间的联系。以零售行业的商场购物篮分析为例，对于商场管理决策者来讲，大都会非常关心商场中经常购物的顾客的购物习惯，特别是希望了解顾客在购物过程中会对哪些商品一起购买。为了获取这些潜在的信息，就需要对顾客在商场中的交易记录进行分析。这些分析结果可以帮助商场制定有针对性的商品摆放布局和营销广告计划，以及决定库存和上货策略。例如，购物篮分析可以帮助商场的管理人员设计不同的商品布局。一种策略是：把经常同时购买的商品放在比较近的货架上，便于顾客同时购买这些商品。例如，如果购买体育用品的顾客也倾向于同时购买棉织巾品，那么将体育用品和棉织巾品放在近一些的位置，可能会促进两者的销售。另一种策略是：将顾客经常一起购买的商品放在比较远的位置（如商场的两端），这就会促使顾客在购买两种商品时走更多的路并浏览更多货架，从而达到诱导他们买更多商品的目的。例如，顾客在购买羽毛球拍后，在去买浴巾的路上可能会看到休闲服装、护肤用品等商品，以刺激顾客的其他消费。同时，购物篮分析还可以帮助商场管理人员确定哪些商品可以进行捆绑销售。此外，这种关联知识还有助于进行库存管理。在决定是否对某种薄利或滞销商品进行清仓和减持处理时，可能需要分析是否存在着其他联动购买行为。如果知道联动购买的其他商品能够带来较好的营业额和利润，库存策略会进行调整。
　　如果我们把商场内的所有商品设置为一个集合，每个商品就是一个数据项（item）。商场的交易数据库通常包含每个顾客每一次购买的商品记录。关联规则表达的就是商品间联动购买（商品名称联动出现）的情况。例如，购买羽毛球拍的顾客也倾向于同时购买浴巾，这种关联关系可以用以下的关联规则来表示：羽毛球拍==>浴巾。这样的一条规则在数据库中是否具有代表性、重要性及有用性，需要经过多个步骤来评判。首先，规则中的数据（如羽毛球拍和浴巾）是否出现得足够频繁；其次，数据之间的联系（如购买羽毛球拍的顾客也购买了浴巾）是否足够紧密；再者，数据之间的联系是否符合其他兴趣性的考虑（如规则的冗余、简化、前后数据项重要性等）。

    基础篇
第1章 引言
1.1 商务智能简介
1.2 商务智能与信息社会
1.2.1 商务智能是信息社会的产物
1.2.2 商务智能是信息社会繁荣的推动力
1.3 商务智能与企业管理
1.3.1 商务智能在企业管理中的作用
1.3.2 商务智能协助企业管理的方式
1.3.3 商务智能的商业价值
1.4 商务智能与数据挖掘
1.4.1 数据挖掘的概念
1.4.2 数据挖掘的特点
1.5 商务智能与新技术融合
1.6 小结
思考练习题

第2章 商务智能过程
2.1 数据库与事务处理
2.1.1 数据库与数据库管理系统
2.1.2 在线事务处理
2.2 数据仓库与在线分析处理
2.2.1 从事务处理到分析处理
2.2.2 数据仓库
2.3 知识发现与可持续竞争优势
2.3.1 OLAP与知识发现
2.3.2 使用数据挖掘增强企业竞争优势
2.4 小结
思考练习题

第3章 数据仓库
3.1 数据处理技术演进
3.2 数据仓库过程与体系结构
3.3 数据集成、提取与转换
3.3.1 数据提取
3.3.2 数据转换
3.3.3 数据加载
3.3.4 ETL设计与开发
3.4 数据仓库开发、管理与安全
3.4.1 数据仓库开发模式
3.4.2 数据仓库设计
3.4.3 数据仓库的数据模型
3.4.4 元数据
3.4.5 数据仓库的安全
3.5 小结
思考练习题

第4章 商务智能应用
4.1 制造领域应用
4.2 金融领域应用
4.3 电信领域应用
4.4 生物与医药领域应用
4.5 零售与营销领域应用
4.6 Web应用
4.7 商务智能系统与产品
4.7.1 商务智能解决方案系统结构
4.7.2 商务智能系统产品
4.8 小结
思考练习题

第5章 构建商务智能环境
5.1 商务智能环境
5.1.1 确定什么数据可用的能力
5.1.2 数据挖掘的能力
5.1.3 用户-系统交互能力
5.2 商务智能组织
5.2.1 外包商务智能
5.2.2 内给商务智能
5.2.3 商务智能组织成员
5.3 商务智能基础设施
5.4 商务智能系统软件
5.5 小结
思考练习题
方法篇

第6章 关联规则
6.1 关联规则简介
6.2 关联规则挖掘方法
6.3 关联规则兴趣性
6.4 关联规则知识形式扩展
6.4.1 广义关联规则
6.4.2 数量关联规则
6.5 简单关联规则
6.6 小结
思考练习题

第7章 分类分析
7.1 分类分析简介
7.2 决策树分类
7.2.1 决策树构建
7.2.2 决策树剪枝
7.3 贝叶斯分类
7.3.1 贝叶斯定理
7.3.2 简单贝叶斯分类器
7.3.3 贝叶斯信念网络
7.4 其他分类方法
7.4.1 神经元网络分类
7.4.2 支持向量机分类
7.4.3 懒惰型分类器
7.5 分类准确率
7.5.1 分类准确率比较与评估
7.5.2 提高分类器的准确率
7.6 小结
思考练习题

第8章 聚类分析
8.1 聚类分析简介
8.2 相似度及距离测度
8.3 聚类分析方法
8.3.1 划分方法
8.3.2 层次方法
8.3.3 基于密度的方法
8.3.4 基于网格的方法
8.3.5 基于模型的方法
8.4 k-means方法
8.5 DBSCAN方法
8.6 小结
思考练习题

第9章 概念描述
9.1 概念描述简介
9.2 描述统计学方法
9.3 数据归纳
9.3.1 属性概化
9.3.2 属性消减
9.3.3 数据表示
9.4 数据对比
9.4.1 数据对比方法
9.4.2 数据对比表示
9.5 小结
思考练习题

第10章 数据预处理
10.1 数据预处理简介
10.1.1 数据预处理的原因
10.1.2 数据预处理的目的
10.1.3 数据预处理的方法
10.2 数据清洗
10.2.1 缺失数据处理
10.2.2 噪声数据处理
10.3 数据集成与规范
10.3.1 数据集成处理
10.3.2 数据规范处理
10.4 数据消减
10.4.1 清除冗余数据
10.4.2 采样
10.4.3 数据立方合计
10.4.4 属性选取与生成
10.4.5 数据压缩
10.4.6 离散化与概念分层方法
10.5 小结
思考练习题
专题篇

第11章 时态模式
11.1 时态数据类型与模式
11.2 时态关联规则
11.3 序列相似性
11.3.1 距离测度法
11.3.2 模式匹配法
11.4 时态关系模式
11.5 时态数据的表达与转换
11.6 小结
思考练习题

第12章 关联分类
12.1 生成分类关联规则
12.2 分类关联规则剪枝
12.2.1 后剪枝方法
12.2.2 先剪枝方法
12.3 构建分类器
12.3.1 单一规则分类器
12.3.2 多规则分类器
12.4 混合型关联分类
12.5 GARC方法解析
12.5.1 GARC思路与算法框架
12.5.2 数据实验与方法比较
12.6 小结
思考练习题

第13章 不确定性知识发现
13.1 不确定性信息表达
13.2 分区中的边界问题
13.3 数据间的部分隶属性
13.4 不完整数据依赖
13.5 小结
思考练习题

第14章 复杂类型数据的挖掘
14.1 复杂类型数据
14.2 多维分析和描述性挖掘
14.3 空间数据挖掘
14.4 多媒体数据挖掘
14.5 文本数据挖掘
14.6 Web挖掘
14.7 小结
思考练习题

第15章 商务智能经济社会影响与发展
15.1 商务智能经济社会影响
15.1.1 “长尾”与“利基”市场
15.1.2 隐私与安全
15.2 商务智能的发展趋势
15.2.1 商务智能技术标准
15.2.2 实时商务智能
15.2.3 移动商务智能
15.3 小结
思考练习题
参考文献