发帖
雷达卡
- 作者： (美)拉姆什.沙尔达 杜尔森.德伦 埃弗雷姆.特班
- 译者： 赵卫东
- 出版社：机械工业出版社
- ISBN：9787111494393
- 上架时间：2015-3-25
- 出版日期：2015 年3月
- 开本：16开
- 页码：321
- 版次：3-1
- 所属分类：
计算机 > 数据库 > 数据库存储与管理
编辑推荐
拉姆什·沙尔达、杜尔森·德伦、埃弗雷姆·特班所*的《商务智能(数据分析的管理视角原书第3版)/数据科学与工程技术丛书》主要从管理视角详细介绍商务智能的应用和实施，同时非常重视商务智能技术层面的应用，尤其是*新出现的一些新领域、新应用。通过大量全球大公司、小企业、政府机构和非营利组织的真实案例来生动形象地阐述相关概念和理论。
本书分别从理论和应用角度对无线射频识别、云计算、社交网络、Web2.0、大数据等进行了阐述。强调支持企业和众多用户的系统，而不是孤立的基于互联网的商务智能系统。
内容简介书籍
计算机书籍
本书主要介绍了商务智能一些核心技术的应用，包括数据仓库、业务报表与企业绩效管理、数据挖掘、文本与Web分析、大数据分析等内容，通过大量的案例和练习使读者容易理解和掌握商务智能在业务决策中的应用。第3版的改进主要集中在以下方面：文本与Web挖掘、大数据与分析以及商务分析的趋势与前景等。本书可以作为管理科学、电子商务和企业管理等专业的MBA、研究生以及本科生商务智能、决策支持系统等课程的教材，也可以作为管理信息系统、商务数据分析等课程的辅助教材，还适合从事企业信息管理、业务分析的人士阅读。
前言 Business Intelligence: A Managerial Perspective On Analytics, 3E
分析已经成为当今时代的技术驱动器。许多公司，比如IBM、Oracle和Microsoft，正在创建基于分析的新部门，以帮助公司更加灵活有效地进行商业运作。决策者正在使用更加计算机化的工具来支持他们的工作。甚至消费者也在直接或间接地使用分析工具帮助做日常活动的决策，例如购物、健康护理和娱乐。商务智能（Business Intelligence，BI）领域正在朝着实时数据流的创新应用发展，这些数据在过去都没有被捕获过，且没有一种有效的方法对数据进行分析。新的应用转向了日常健康护理、运动、娱乐、供应链管理、公共设施和几乎所有可以想象的行业。
除了传统的决策支持应用外，第3版利用案例、产品、服务和练习，以及基于网络的问题讨论将读者的视角扩展到不同的分析类型中。我们重点讨论了网络智能和网络分析，这些内容与电子商务及其他网络应用领域的商务智能和业务分析（Business Analytics，BA）是并列的。本书由一个独立网站（pearsonhighered.com/sharda）和dssbibook.com上的一个非独立站点提供支持。我们也在网站的一个专区提供了许多软件指导书的链接。
本书旨在向读者介绍统称为分析的技术。本书介绍了这些技术的基本原理、系统构建和使用的方式。我们按照EEE方法来组织这些主题：展示（Exposure）、体验（Experience）、探索（Explore）。本书主要展示了不同分析技术及其应用，旨在使学生了解其他组织怎样运用分析技术做决策或获得竞争力，并从中收获知识。我们相信展示可以用分析做些什么和怎样做是学习分析的关键。在描述这些技术时，我们也介绍了一些软件工具，帮助学生体验这些技术。虽然每一章都给出了具体的建议，但是学生和教师可以结合不同的软件工具使用本书。本书对应的网站包括具体的软件指导，但是学生仍然能够通过不同的方法体验这些技术。最后，我们希望这样的展示和体验能够激励读者探索这些技术在他们所在领域的潜能。为了促成这样的探索，我们在书中提供了练习，指导读者加入Teradata大学网络和其他包含团队练习的网站。我们也重点介绍了在网站中新的创新应用。
第3版的大量工作集中在3个部分：改编、内容更新和重点更清晰。除了这些修改工作外，我们仍然保留了综合性和用户友好性，使本书在市场上占据领先地位。最后，我们提供了其他书籍没有的准确、及时的素材。下面我们将具体说明第3版中的变化。
第3版增加了什么内容
为了改善质量，第3版对内容进行了大规模改编，将本书的重点放到分析上。本版主要围绕着三种类型的分析组织全书，并且增加了许多新内容，删除了一些过时的内容。下面列出了几个主要的变化：
新的组织结构本书介绍了INFORMS提出的三种类型的分析：描述性（descriptive）分析预测性（predictive）分析和规范性（prescriptive）分析。第1章首先介绍商务智能和分析，第2章对数据仓库和数据集成进行概述。第3章包括描述性分析或报表分析，重点讨论可视化和商业性能评估。第4章介绍有关预测性分析的内容。第5章将分析领域扩展至文本、Web和社交媒体。第6章介绍大数据和分析。第7章对业务分析未来的趋势和主题进行讨论，例如基于位置的智能、移动计算、基于云的分析和隐私/道德问题。第7章还对分析生态系统进行了概述，帮助读者了解所有不同的方法。
新的章节本书增加了以下章节：
第5章涉及许多流行话题，包括文本挖掘、Web分析和社交分析，几乎是全新的一章（95%是新内容）。
第6章介绍大数据和分析，涵盖了大数据技术的主要组成和特征。本章也是全新的一章（99%是新内容）。
第7章分析了几个正在改变或将要改变的分析技术的新现象，包括基于位置的分析应用、面向消费者的分析应用、移动平台、基于云的分析和隐私/道德问题。在第7章的结尾，对分析生态系统进行了讨论（90%是新内容）。
精简的内容为了使本书更加精简，我们只保留了最常用的内容。我们也几乎删除了所有网上的内容，使用网站提供更新的内容和链接。此外，也减少了每章参考文献的数量。
更新的作者团队在第2版作者（Turban、Sharda、Delen和King）编写的精彩内容的基础上，第3版主要由Ramesh Sharda和Dursun Delen进行修订。Ramesh Sharda和Dursun Delen在业界和学术界都拥有丰富的决策支持系统和分析方面的工作经验。
为幻灯片配置的新图虽然印刷版保留了上一版的原图并且增加了许多新图，但是我们重画了许多图，这些彩色图可以在图片库中得到。
实时更新网站本书提供了一个网站（dssbibook.com），该网站包括书中提到的新闻故事、软件和YouTube视频的链接。
修订和更新的内容几乎所有的章节都更换了新的开篇小插曲和章末应用案例，这些内容都是根据最新的故事和事件编写的。此外，我们更新了本书的应用案例，包括一些特定技术/模型应用的最新案例。我们也删除了一些较老的产品链接和参考文献。最后，大部分章节都有新的练习、网络任务和讨论问题。
第3版前几章的主要变化如下所述。
第1章介绍INFORMS提出的3种类型的分析：描述性分析、预测性分析和规范性分析。正如前面提到的，我们利用这种分类对本书进行重组。第1章有60%的内容是新的。
第2章
↓展开全部内容
媒体评论 《商务智能：数据分析的管理视角（原书第3版）》：
什么是大数据
我们的大脑运作极其迅速、高效，可以处理各种数据：图片、文字、音频、气味和视频。我们可以相对容易地处理各种类型的数据。相反，计算机则很难应对数据生成的速度，更不用说快速地分析了。这就是为什么产生了大数据问题。那么什么是大数据呢？简单地说，大数据就是不能再用单个存储单元存储的数据。通常大数据以不同的形式出现：结构化、非结构化、数据流等。这些数据的主要来源是网站的点击流、社交网络（例如，Facebook）的帖子、交通数据、传感器、天气等。搜索引擎（例如，Google）需要查询并为数10亿的页面编制索引才能在1秒内返回相关结果。虽然这不是实时的，但为因特网上所有的页面编制索引可不是件容易的事。幸运的是，Google有能力解决这个问题。除了其他工具外，Google还使用了大数据分析技术。
管理这种规模的数据包含两方面：存储和处理。如果我们能够购买一个非常昂贵的存储解决方案，将所有这些数据都存放在一个地方的单个存储单元内，那么使该存储单元具有容错能力需要花费大量成本。一种聪明的解决方法是将这些数据分块存储在不同的机器上，并由网络相互连接，将数据块的一份（或者两份）备份在逻辑上和物理上存储在网络的不同地方。这种方法最初由Google使用，称为Google文件系统（GoogleFileSystem），后来作为Apache项目的Hadoop分布式文件系统（HDFS）开发并发布。
然而，存储这些数据只完成了一半工作。如果不能提供商业价值，数据则毫无价值。换言之，要使数据发挥商业价值，就需要进行分析。如何分析如此庞大的数据？将所有计算交给一台超级计算机来完成是行不通的。如此规模的数据将对超级计算机产生很大开支。另一种聪明的方法被提出：将计算推送给数据，而不是将数据推给计算节点。这是一种新的范式，提供了一种处理数据的新方法。这就是我们今天称为Map Reduce的编程范式，使大数据的处理成为现实。MapReduee最初由Google提出，随后Apache发布了后续版本Hadoop Map Reduceo
如今，当我们谈论存储、处理或分析大数据时，总要涉及HDFS和Map Reduce。其他相关的标准和软件解决方案也被提出。虽然主要工具都是开源的，但一些公司也在该领域推出了特定的分析硬件和软件服务，例如：Horton Works、Cloudera和TeradataAster。
……
书摘 《商务智能：数据分析的管理视角（原书第3版）》：
什么是大数据
我们的大脑运作极其迅速、高效，可以处理各种数据：图片、文字、音频、气味和视频。我们可以相对容易地处理各种类型的数据。相反，计算机则很难应对数据生成的速度，更不用说快速地分析了。这就是为什么产生了大数据问题。那么什么是大数据呢？简单地说，大数据就是不能再用单个存储单元存储的数据。通常大数据以不同的形式出现：结构化、非结构化、数据流等。这些数据的主要来源是网站的点击流、社交网络（例如，Facebook）的帖子、交通数据、传感器、天气等。搜索引擎（例如，Google）需要查询并为数10亿的页面编制索引才能在1秒内返回相关结果。虽然这不是实时的，但为因特网上所有的页面编制索引可不是件容易的事。幸运的是，Google有能力解决这个问题。除了其他工具外，Google还使用了大数据分析技术。
管理这种规模的数据包含两方面：存储和处理。如果我们能够购买一个非常昂贵的存储解决方案，将所有这些数据都存放在一个地方的单个存储单元内，那么使该存储单元具有容错能力需要花费大量成本。一种聪明的解决方法是将这些数据分块存储在不同的机器上，并由网络相互连接，将数据块的一份（或者两份）备份在逻辑上和物理上存储在网络的不同地方。这种方法最初由Google使用，称为Google文件系统（GoogleFileSystem），后来作为Apache项目的Hadoop分布式文件系统（HDFS）开发并发布。
然而，存储这些数据只完成了一半工作。如果不能提供商业价值，数据则毫无价值。换言之，要使数据发挥商业价值，就需要进行分析。如何分析如此庞大的数据？将所有计算交给一台超级计算机来完成是行不通的。如此规模的数据将对超级计算机产生很大开支。另一种聪明的方法被提出：将计算推送给数据，而不是将数据推给计算节点。这是一种新的范式，提供了一种处理数据的新方法。这就是我们今天称为Map Reduce的编程范式，使大数据的处理成为现实。MapReduee最初由Google提出，随后Apache发布了后续版本Hadoop Map Reduceo
如今，当我们谈论存储、处理或分析大数据时，总要涉及HDFS和Map Reduce。其他相关的标准和软件解决方案也被提出。虽然主要工具都是开源的，但一些公司也在该领域推出了特定的分析硬件和软件服务，例如：Horton Works、Cloudera和TeradataAster。
……
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
