本书从商务智能的产生背景、发展历程入手，阐述了商务智能数据管理、商务智能数据分析、商务智能应用模式、商务智能管理变革、商务智能系统构建及商务智能未来趋势；介绍了商务智能的数据准备技术、数据存储技术、数据分析技术等；论述了商务智能系统的解决方案、行业应用、行业影响，以及在工业4.0背景下新的发展方向。本书在参考相关书籍的基础上，将案例、理论、方法、工具和实践相结合，将技术和管理相融合，覆盖多个学科，立足于当前大数据技术的发展和大数据政策的支持，探讨大数据环境下商务智能的发展，内容具有传承性、新颖性和启发性。

前 言 信息技术与经济社会的交汇融合引发了数据的迅猛增长，人类正在从IT时代走向DT(Data Technology)时代，大数据将成为推动经济转型发展的新动力，国务院文件《促进大数据发展行动纲要》中明确了将推动大数据在电子商务等新兴产业的应用列为国家需求。在DT时代，企业的决策也将从以经验为主的人工决策和以模型为主的模型决策，向以大数据驱动的智能决策快速发展。国务院文件《新一代人工智能发展规划》中明确指出，国家亟须推广基于人工智能的新型商务服务与决策系统，并鼓励围绕企业管理提供定制化商务智能决策服务。在DT时代，虽然数据作为企业核心资产受到前所未有的重视，但一方面企业觉得可以坐拥数据“金山”，“数据为王”；另一方面，企业对发挥数据价值力不从心，觉得数据无用，IT时代的生产率悖论正在演变为DT时代的大数据悖论。商务智能(Business Intelligence，BI)诞生于20世纪90年代末的IT时代，是一种基于数据的商务决策技术，企业利用商务智能进行业务监控、业务分析、工作协作和知识发现。在DT时代，大数据悖论正在成为企业使用商务智能的最大痛点之一，企业如何才能充分利用商务智能挖掘大数据价值，从而在战略上获得竞争优势，是企业面临的巨大挑战。 商务智能目前正面临的挑战，一方面来自技术本身，以人工智能、区块链、大数据等为主的新兴技术正在以颠覆性的潜力，为商务智能带来方法和思路上的变革，数据孤岛依旧存在，并且大数据所具有的数据体量大、数据类型多、处理速度快、价值密度低的4V特征，使商务智能所面临的数据分析的挑战更加复杂；另一方面来自人类社会，被复杂性和不确定性围绕着的现代社会，出现了信息管理部门割裂和管理流程落后的问题，如企业的大数据思维与管理实际脱节，大数据使能得不到充分发挥。从复杂社会技术系统视角来看，商务智能的发展离不开数据，它需要以数据为桥梁连接技术和社会两大交错关联的子系统，这两个子系统通过数据、信息和知识在三个层面交互，从而涌现出商务智能的新思维、新方法和新模式。其中，数据就好比商务智能系统的“血液”，企业在商务智能中对数据的应用需要经历数据采集、数据整合、数据融合、数据智能等不同阶段。图1给出了复杂社会技术系统视角下的商务智能系统构建与本书对应的篇章设计框架。 商务智能系统可以看作复杂社会技术系统，它的成败不仅取决于技术因素，环境、人员、组织等社会因素也起着重要的作用。商务智能系统的复杂性体现在商务智能系统处于快速变化和突发性频出的复杂大数据环境中、各种因素的互动中，以及局部和整体之间存在的非线性关系中；并且整体问题往往很难用还原论思维来通过解释局部因素再组合叠加去进行解释。因此，需要以复杂的社会技术系统视角来全面看待商务智能系统的构建。整个商务智能系统应该由技术子系统和社会子系统两个子系统构成，要以用户为中心，技术子系统最终要实现数据智能，社会子系统最终要实现网络协同；在企业、用户、市场等多源异构大数据融合的环境中，要消除物理和逻辑数据孤岛，实现大数据的价值创造。 大数据环境下的商务智能正在向基于大数据融合的数据智能方向发展，这需要数据驱动与模型驱动相结合，需要同时关注因果和相关。大数据融合驱动的商务智能，需要在分析方法上进行外部嵌入和技术增强，需要在价值创造上进行使能创新。与传统商务智能的最大区别在于，基于大数据融合的新型商务智能要建立数据互联网，以实现大数据的“联接”“互动”“结网”(如图1所示)，即实现大数据联接从而增强商务智能用户分析，实现大数据相关主体互动从而促使商务智能新业务模式涌现，实现大数据技术和社会方面诸多元素的结网从而推动大数据使能创新，最终实现商务智能与企业管理浑然一体的新型商务智能系统。 图1 复杂社会技术系统视角下的商务智能系统构建与本书对应的篇章设计框架 因此，本书将在复杂社会技术系统视角下，分别从技术子系统的数据层、分析层、应用层，以及社会子系统和技术子系统整体，系统性地讨论商务智能系统构建的五方面内容，分别对应本书的第二篇～第六篇：商务智能数据管理、商务智能数据分析、商务智能应用模式、商务智能管理变革、商务智能系统构建。第一篇和第七篇分别设计成商务智能概述和商务智能未来趋势。 其中，第一篇商务智能概述总括了商务智能的基本概念和发展历程；第二篇商务智能数据管理涵盖了数据管理与知识管理、数据整合与数据融合、数据预处理和数据仓库的理论总结；第三篇商务智能数据分析，首先梳理了描述性统计分析、数据挖掘等商务智能数据处理的一般流程与特点，随后有针对性地阐述了社会网络分析、文本挖掘、知识图谱和深度学习四个热门数据分析工具；第四篇商务智能应用模式，首先介绍了决策支持和精准营销，随后结合案例对智能客服、智能物流和智慧医疗三个领域进行了剖析；第五篇商务智能管理变革则重点从使能创新、业务流程重组和组织变革三个视角解释了商务智能对企业管理的具体影响，并分析了商务智能对经济社会的影响与自身发展；第六篇商务智能系统构建从宏观角度阐述了企业构建商务智能数据规划的定位，介绍了架构设计的方法与商务智能的主流工具，还讨论了数据隐私、伦理和道德相关问题；第七篇商务智能未来趋势从新兴技术和发展理念上描绘了商务智能未来的发展趋势。 本书可作为3学分或2学分的本科教学阶段课程的教材使用，可以帮助电子商务、信息管理与信息系统、大数据管理与应用等本科专业的学生系统地掌握商务智能的基本原理、相关技术、应用模式及其带来的管理变革，从而使其建立起商务智能理论与实践的基本框架，为后续学习机器学习、大数据分析、数据挖掘等技术课程奠定基础。无论课程是3学分的还是2学分的，也无论专业是偏重管理的还是偏重技术的，本书都适用，但是建议讲授内容覆盖全书七篇内容，授课时可根据实际需要和相关专业对是否学习每篇中的章节进行适当调整。此外，书中还选编了一批习题可供练习，希望有助于学习者更系统地理解商务智能系统的理论与实践。 本书的写作得益于与学生的讨论与合作，在此深表感谢。在写作过程中，左任衔博士组织全书写作，硕士研究生易梦馨、张梦溪和唐振华负责章节写作，夏梦晨、刘涛和杨亚璇负责局部写作和格式校对，孙朴、李秋贝、刘一媛、黄茜和李欣儒在书稿后期参与稿件通读、细节打磨等工作，再次感谢他们对本书的贡献。 特别感谢电子工业出版社的王二华老师对商务智能和大数据领域的持续关注，以及对本书出版的大力支持。2019年，我们一起组织了第一届全国高校大数据和商务智能人才培养论坛，2020年因为新冠肺炎疫情耽搁了，直到2021年7月，我们又一起组织了第二届全国高校大数据和商务智能人才培养论坛。该论坛坚持产教融合的思路，邀请了学术界和产业界共同研讨，以期实现人才培养的有效衔接，两届论坛共吸引了来自全国100多所院校的300多名老师参与研讨。希望本书出版后，可以成功地应用于教学中，并在教学中持续改进书稿质量，通过再版以形成良性的教研质量提升循环，为践行产教融合提供一个有效路径。 最后，期望读者可以提出宝贵的建议和意见，如有不妥之处可随时反馈给我们，我们会及时进行更正和改进，以进一步提高本书质量。除每年继续组织全国高校大数据和商务智能人才培养论坛外，我们也会不定期地组织相关教学研讨会，期望能够与大家一起推动商务智能人才的培养进程，为数字经济的发展贡献力量。 吴 江 前 言 信息技术与经济社会的交汇融合引发了数据的迅猛增长，人类正在从IT时代走向DT(Data Technology)时代，大数据将成为推动经济转型发展的新动力，国务院文件《促进大数据发展行动纲要》中明确了将推动大数据在电子商务等新兴产业的应用列为国家需求。在DT时代，企业的决策也将从以经验为主的人工决策和以模型为主的模型决策，向以大数据驱动的智能决策快速发展。国务院文件《新一代人工智能发展规划》中明确指出，国家亟须推广基于人工智能的新型商务服务与决策系统，并鼓励围绕企业管理提供定制化商务智能决策服务。在DT时代，虽然数据作为企业核心资产受到前所未有的重视，但一方面企业觉得可以坐拥数据“金山”，“数据为王”；另一方面，企业对发挥数据价值力不从心，觉得数据无用，IT时代的生产率悖论正在演变为DT时代的大数据悖论。商务智能(Business Intelligence，BI)诞生于20世纪90年代末的IT时代，是一种基于数据的商务决策技术，企业利用商务智能进行业务监控、业务分析、工作协作和知识发现。在DT时代，大数据悖论正在成为企业使用商务智能的最大痛点之一，企业如何才能充分利用商务智能挖掘大数据价值，从而在战略上获得竞争优势，是企业面临的巨大挑战。 商务智能目前正面临的挑战，一方面来自技术本身，以人工智能、区块链、大数据等为主的新兴技术正在以颠覆性的潜力，为商务智能带来方法和思路上的变革，数据孤岛依旧存在，并且大数据所具有的数据体量大、数据类型多、处理速度快、价值密度低的4V特征，使商务智能所面临的数据分析的挑战更加复杂；另一方面来自人类社会，被复杂性和不确定性围绕着的现代社会，出现了信息管理部门割裂和管理流程落后的问题，如企业的大数据思维与管理实际脱节，大数据使能得不到充分发挥。从复杂社会技术系统视角来看，商务智能的发展离不开数据，它需要以数据为桥梁连接技术和社会两大交错关联的子系统，这两个子系统通过数据、信息和知识在三个层面交互，从而涌现出商务智能的新思维、新方法和新模式。其中，数据就好比商务智能系统的“血液”，企业在商务智能中对数据的应用需要经历数据采集、数据整合、数据融合、数据智能等不同阶段。图1给出了复杂社会技术系统视角下的商务智能系统构建与本书对应的篇章设计框架。 商务智能系统可以看作复杂社会技术系统，它的成败不仅取决于技术因素，环境、人员、组织等社会因素也起着重要的作用。商务智能系统的复杂性体现在商务智能系统处于快速变化和突发性频出的复杂大数据环境中、各种因素的互动中，以及局部和整体之间存在的非线性关系中；并且整体问题往往很难用还原论思维来通过解释局部因素再组合叠加去进行解释。因此，需要以复杂的社会技术系统视角来全面看待商务智能系统的构建。整个商务智能系统应该由技术子系统和社会子系统两个子系统构成，要以用户为中心，技术子系统最终要实现数据智能，社会子系统最终要实现网络协同；在企业、用户、市场等多源异构大数据融合的环境中，要消除物理和逻辑数据孤岛，实现大数据的价值创造。 大数据环境下的商务智能正在向基于大数据融合的数据智能方向发展，这需要数据驱动与模型驱动相结合，需要同时关注因果和相关。大数据融合驱动的商务智能，需要在分析方法上进行外部嵌入和技术增强，需要在价值创造上进行使能创新。与传统商务智能的最大区别在于，基于大数据融合的新型商务智能要建立数据互联网，以实现大数据的“联接”“互动”“结网”(如图1所示)，即实现大数据联接从而增强商务智能用户分析，实现大数据相关主体互动从而促使商务智能新业务模式涌现，实现大数据技术和社会方面诸多元素的结网从而推动大数据使能创新，最终实现商务智能与企业管理浑然一体的新型商务智能系统。 图1 复杂社会技术系统视角下的商务智能系统构建与本书对应的篇章设计框架 因此，本书将在复杂社会技术系统视角下，分别从技术子系统的数据层、分析层、应用层，以及社会子系统和技术子系统整体，系统性地讨论商务智能系统构建的五方面内容，分别对应本书的第二篇～第六篇：商务智能数据管理、商务智能数据分析、商务智能应用模式、商务智能管理变革、商务智能系统构建。第一篇和第七篇分别设计成商务智能概述和商务智能未来趋势。 其中，第一篇商务智能概述总括了商务智能的基本概念和发展历程；第二篇商务智能数据管理涵盖了数据管理与知识管理、数据整合与数据融合、数据预处理和数据仓库的理论总结；第三篇商务智能数据分析，首先梳理了描述性统计分析、数据挖掘等商务智能数据处理的一般流程与特点，随后有针对性地阐述了社会网络分析、文本挖掘、知识图谱和深度学习四个热门数据分析工具；第四篇商务智能应用模式，首先介绍了决策支持和精准营销，随后结合案例对智能客服、智能物流和智慧医疗三个领域进行了剖析；第五篇商务智能管理变革则重点从使能创新、业务流程重组和组织变革三个视角解释了商务智能对企业管理的具体影响，并分析了商务智能对经济社会的影响与自身发展；第六篇商务智能系统构建从宏观角度阐述了企业构建商务智能数据规划的定位，介绍了架构设计的方法与商务智能的主流工具，还讨论了数据隐私、伦理和道德相关问题；第七篇商务智能未来趋势从新兴技术和发展理念上描绘了商务智能未来的发展趋势。 本书可作为3学分或2学分的本科教学阶段课程的教材使用，可以帮助电子商务、信息管理与信息系统、大数据管理与应用等本科专业的学生系统地掌握商务智能的基本原理、相关技术、应用模式及其带来的管理变革，从而使其建立起商务智能理论与实践的基本框架，为后续学习机器学习、大数据分析、数据挖掘等技术课程奠定基础。无论课程是3学分的还是2学分的，也无论专业是偏重管理的还是偏重技术的，本书都适用，但是建议讲授内容覆盖全书七篇内容，授课时可根据实际需要和相关专业对是否学习每篇中的章节进行适当调整。此外，书中还选编了一批习题可供练习，希望有助于学习者更系统地理解商务智能系统的理论与实践。 本书的写作得益于与学生的讨论与合作，在此深表感谢。在写作过程中，左任衔博士组织全书写作，硕士研究生易梦馨、张梦溪和唐振华负责章节写作，夏梦晨、刘涛和杨亚璇负责局部写作和格式校对，孙朴、李秋贝、刘一媛、黄茜和李欣儒在书稿后期参与稿件通读、细节打磨等工作，再次感谢他们对本书的贡献。 特别感谢电子工业出版社的王二华老师对商务智能和大数据领域的持续关注，以及对本书出版的大力支持。2019年，我们一起组织了第一届全国高校大数据和商务智能人才培养论坛，2020年因为新冠肺炎疫情耽搁了，直到2021年7月，我们又一起组织了第二届全国高校大数据和商务智能人才培养论坛。该论坛坚持产教融合的思路，邀请了学术界和产业界共同研讨，以期实现人才培养的有效衔接，两届论坛共吸引了来自全国100多所院校的300多名老师参与研讨。希望本书出版后，可以成功地应用于教学中，并在教学中持续改进书稿质量，通过再版以形成良性的教研质量提升循环，为践行产教融合提供一个有效路径。 最后，期望读者可以提出宝贵的建议和意见，如有不妥之处可随时反馈给我们，我们会及时进行更正和改进，以进一步提高本书质量。除每年继续组织全国高校大数据和商务智能人才培养论坛外，我们也会不定期地组织相关教学研讨会，期望能够与大家一起推动商务智能人才的培养进程，为数字经济的发展贡献力量。 吴 江

目 录 第一篇 商务智能概述 第1章 商务智能基础 2 1.1 商务智能的基本概念 2 1.1.1 数据、信息、知识和智能 2 1.1.2 商务智能的定义 3 1.2 商务智能的发展历程 5 1.2.1 事务处理系统 5 1.2.2 高级管理人员信息系统 6 1.2.3 管理信息系统 6 1.2.4 决策支持系统 6 1.2.5 商务智能系统 7 1.3 大数据环境下的商务智能研究 7 第二篇 商务智能数据管理 第2章 数据管理与知识管理 13 2.1 主数据管理 14 2.1.1 主数据的概念 14 2.1.2 主数据管理的概念 15 2.1.3 主数据管理的优点 15 2.2 元数据管理 17 2.2.1 元数据的定义 17 2.2.2 元数据管理的定义 17 2.2.3 元数据管理平台的功能 17 2.2.4 元数据管理的意义 18 2.3 知识管理 21 2.3.1 知识管理的定义 21 2.3.2 知识管理的特点 21 第3章 数据整合与数据融合 23 3.1 数据整合 23 3.1.1 数据整合的概念 23 3.1.2 数据整合的挑战 24 3.1.3 数据整合的优势 25 3.1.4 数据整合的方式 26 3.2 数据融合 28 3.2.1 数据融合的目的 29 3.2.2 数据融合的特征 29 第4章 数据预处理 32 4.1 基本概念 32 4.2 数据清洗 33 4.2.1 缺失值 33 4.2.2 噪声数据 33 4.3 数据集成 34 4.3.1 实体识别问题 35 4.3.2 冗余和相关分析 35 4.4 数据归约 37 4.4.1 维度归约方法 37 4.4.2 维度变换方法 38 4.4.3 数据抽样方法 38 4.5 数据变换 39 4.5.1 规范化处理 40 4.5.2 离散化处理 40 4.5.3 稀疏化处理 41 第5章 数据仓库 45 5.1 数据仓库的定义及产生的背景 46 5.1.1 数据仓库的定义 46 5.1.2 数据仓库产生的背景 47 5.2 数据仓库的特点 47 5.2.1 面向主题 47 5.2.2 集成性 47 5.2.3 集合性 47 5.2.4 稳定性 47 5.2.5 时变性 48 5.2.6 决策支持 48 5.3 数据仓库的数据模型与应用 48 5.3.1 数据仓库中常见的数据模型 48 5.3.2 数据仓库的应用 49 5.4 数据存储 51 5.4.1 数据集市 51 5.4.2 数据中转区 51 5.4.3 可操作数据存储 52 5.4.4 个人数据存储 52 5.5 ETL 53 5.5.1 ETL的概念 53 5.5.2 ETL过程 53 5.5.3 典型ETL工具 54 5.6 联机分析处理 55 5.6.1 联机分析处理的定义 55 5.6.2 联机分析处理的特点 55 5.6.3 联机分析处理的分类 56 5.6.4 多维联机分析处理 56 第三篇 商务智能数据分析 第6章 描述性统计分析 61 6.1 描述性统计分析概述 61 6.2 常用的指标和统计图形 62 6.2.1 常用的指标 62 6.2.2 常用的统计图形 63 6.3 描述性统计分析实践 66 第7章 数据挖掘 72 7.1 数据挖掘简介 73 7.1.1 数据挖掘的定义 73 7.1.2 数据挖掘的任务 73 7.2 关联规则 73 7.2.1 关联规则的相关概念 74 7.2.2 关联规则的挖掘方法 75 7.2.3 关联规则的模型评估 80 7.3 分类分析 81 7.3.1 分类分析的基本概念 81 7.3.2 分类方法 82 7.3.3 分类分析的模型评估 86 7.4 聚类分析 88 7.4.1 聚类分析的基本概念 88 7.4.2 聚类方法 88 7.4.3 聚类分析的模型评估 92 7.5 预测分析 93 7.5.1 预测的基本概念 94 7.5.2 回归分析预测法 95 第8章 社会网络分析 101 8.1 社会网络分析的基础概念 101 8.1.1 社会网络 101 8.1.2 三元闭包 102 8.1.3 桥和捷径 102 8.2 社会网络分析的工具 102 8.2.1 社会网络分析工具简介 102 8.2.2 Networkx简介 104 8.3 社会网络分析的理论发展 106 8.3.1 七桥问题 107 8.3.2 “弱连接优势”理论 107 8.3.3 结构洞理论 108 8.3.4 小世界现象 108 8.3.5 长尾理论 109 8.4 社会网络分析的计算方法 111 8.4.1 社会网络在计算机中的表示 111 8.4.2 社会网络测量指标 111 8.5 社会网络分析在商务智能中的 应用 116 8.5.1 协同过滤推荐 116 8.5.2 长尾营销 117 第9章 文本挖掘 119 9.1 文本挖掘的概念和步骤 119 9.1.1 文本挖掘的基本概念 119 9.1.2 文本挖掘的具体步骤 120 9.2 文本挖掘的发展和前景 121 9.2.1 文本挖掘的发展 121 9.2.2 文本挖掘的前景 123 9.3 文本挖掘的关键技术 123 9.3.1 文本分类 123 9.3.2 文本聚类 125 9.3.3 文本摘要 126 9.3.4 主题模型 127 9.3.5 序列标注 128 第10章 知识图谱 130 10.1 知识图谱的基本概念和构建 步骤 130 10.1.1 知识图谱的基本概念 130 10.1.2 知识图谱的构建步骤 132 10.2 知识图谱的由来和发展 136 10.2.1 知识图谱的由来 136 10.2.2 知识图谱在相关领域的 发展 136 10.3 知识图谱的关键技术 137 10.3.1 知识图谱的技术流程 137 10.3.2 知识图谱的技术要素 138 10.4 知识图谱的行业应用与难点 问题 141 10.4.1 知识图谱的行业应用 141 10.4.2 知识图谱的难点问题 143 第11章 深度学习 145 11.1 深度学习概述 145 11.1.1 深度学习的起源和发展 145 11.1.2 深度学习的基本概念 146 11.2 神经网络 146 11.2.1 神经网络的基本概念 146 11.2.2 神经网络的工作原理 147 11.2.3 神经网络的训练循环 147 11.3 深度学习的经典模型及其 应用 148 11.3.1 卷积神经网络 148 11.3.2 循环神经网络 151 11.3.3 生成对抗网络 153 11.3.4 强化学习 153 11.4 深度学习的发展前景 154 第四篇 商务智能应用模式 第12章 决策支持 156 12.1 决策支持的基本理论 157 12.1.1 决策的定义与过程 157 12.1.2 基于决策支持系统的决策 支持 158 12.2 商务智能决策支持系统 161 12.2.1 商务智能决策支持系统的 功能和特点 161 12.2.2 商务智能决策支持系统体系 结构的发展 162 12.2.3 商务智能决策支持系统的 应用 163 12.3 企业商务智能决策支持系统的 架构与实现 164 12.3.1 企业商务智能决策支持系统 的架构 164 12.3.2 企业商务智能决策支持系统 的实现 166 第13章 精准营销 169 13.1 精准营销概述 170 13.1.1 精准营销的概念 170 13.1.2 精准营销的特征 171 13.1.3 精准营销的实现方法 171 13.2 推荐系统概述 172 13.2.1 推荐系统的发展背景 172 13.2.2 推荐系统的模块与分类 172 13.3 几种常见的推荐方法 174 13.3.1 基于用户的协同推荐 174 13.3.2 基于物品的协同推荐 175 13.3.3 隐语义模型方法 177 13.3.4 基于关联规则推荐 178 13.3.5 组合推荐 179 13.4 使用基于用户的推荐方法推荐 电影 180 13.5 推荐系统评测指标 183 13.5.1 用户满意度 183 13.5.2 预测准确率 183 13.5.3 覆盖率 184 13.5.4 多样性 185 13.5.5 新颖性和惊喜度 185 第14章 智能客服 188 14.1 客户关系管理 188 14.1.1 客户关系管理的定义 188 14.1.2 客户关系管理的应用层次 189 14.1.3 商务智能对客户关系管理 的支持 190 14.1.4 基于商务智能的客户关系 管理系统的结构 191 14.2 基于商务智能的客户关系管理 的应用设计 192 14.2.1 数据仓库的设计 192 14.2.2 客户关系管理的客户数据挖掘设计 192 14.3 智能客服概述 195 14.3.1 智能客服的发展现状 195 14.3.2 智能客服的概念 196 14.3.3 智能客服系统的原理 196 14.3.4 智能客服系统的关键技术 196 14.4.5 智能客服的应用 198 14.4 铁路12306线上智能客服 系统 199 14.4.1 背景 199 14.4.2 系统功能 199 14.4.3 系统架构 200 第15章 智能物流 202 15.1 传统物流与智能物流 202 15.1.1 传统物流的定义 202 15.1.2 智能物流的定义 203 15.2 智能物流的作用与特点 204 15.2.1 智能物流的作用 204 15.2.2 智能物流发展的特点 205 15.2.3 智能物流系统的特点 205 15.2.4 智能物流的技术特点 205 15.3 智能物流的关键技术— RFID 206 15.3.1 RFID系统的基本结构 206 15.3.2 RFID标签 206 15.3.3 RFID技术与智能物流 207 15.3.4 RFID技术存在的问题 207 第16章 智慧医疗 209 16.1 智慧医疗概述 209 16.1.1 智慧医疗的起源 209 16.1.2 智慧医疗的概念 209 16.1.3 智慧医疗的作用 210 16.2 智慧医疗的服务模式 211 16.2.1 商务智能与智慧医疗 211 16.2.2 服务模式 212 16.3 智慧医疗存在的问题与未来 发展 214 16.3.1 当前智慧医疗存在的 问题 214 16.3.2 智慧医疗的未来发展 215 第五篇 商务智能管理变革 第17章 商务智能使能创新 218 17.1 大数据技术背景及政策 218 17.1.1 大数据技术背景 218 17.1.2 大数据技术政策 219 17.2 大数据背景下的商务智能 219 17.2.1 大数据商务智能变革 219 17.2.2 大数据商务智能变革带来的 挑战 220 17.3 商务智能使能重组 221 17.3.1 使能的概念 221 17.3.2 大数据商务使能重组 222 17.4 重组后的价值创造 222 17.4.1 商务智能价值具体表现 222 17.4.2 商务智能企业应用的价值 体现 223 17.4.3 用户行为演化识别 224 17.4.4 风险评估与监测 224 17.4.5 商业(服务)模式创新 225 第18章 商务智能业务流程重组 227 18.1 大数据商务智能背景下的决策 范式重组 227 18.1.1 大数据背景下决策问题的 转变 227 18.1.2 大数据商务智能决策范式 重组 228 18.2 业务流程智能 229 18.2.1 业务流程智能概述 229 18.2.2 业务流程智能重组的优势 230 18.2.3 产品流转实时监控智能化 231 18.2.4 招聘流程智能化 232 18.2.5 人工智能代替人力 233 第19章 商务智能组织变革 235 19.1 通信技术与组织变革 235 19.1.1 通信技术对现有组织架构的 冲击 235 19.1.2 通信技术给现有组织架构 发展带来的机遇 236 19.2 组织转型与组织价值创造 236 19.2.1 通信技术推动组织转型 236 19.2.2 通信技术对IT管理的 挑战 237 19.3 大数据技术平台的出现 237 19.3.1 企业引入大数据技术 平台 237 19.3.2 大数据技术平台的收益与 挑战 237 19.4 组织协作方式改变 238 19.4.1 传统组织协作方式的 问题 238 19.4.2 组织协作数字化转型 238 第20章 商务智能对经济社会的影响与 自身发展 240 20.1 商务智能对高校和政府管理的 影响 240 20.1.1 高校信息化治理方案 240 20.1.2 现代政府的电子政务 241 20.2 商务智能的引入带来伦理问题 和法律问题 244 20.2.1 数据伦理和法律问题 244 20.2.2 个人设备的隐私侵入 245 20.2.3 商务智能的应用准则 247 20.3 商务智能分析生态系统的 构成 248 20.3.1 基础服务提供者 248 20.3.2 分析软件和分析算法提 供者 249 第六篇 商务智能系统构建 第21章 商务智能数据规划 252 21.1 战略定位 252 21.1.1 宏观愿景 252 21.1.2 微观操作 253 21.2 实施规划 255 21.2.1 原则 255 21.2.2 目标 256 21.2.3 组织结构设计 256 21.2.4 技术方案 257 21.2.5 人才规划 257 21.2.6 数据投入与数据产出的 管理 258 21.2.7 数据风险管理 258 第22章 商务智能系统架构 260 22.1 架构设计方法论 260 22.1.1 逻辑架构设计 260 22.1.2 数据架构设计 261 22.1.3 开发架构设计 262 22.1.4 运行架构设计 263 22.1.5 物理架构设计 263 22.2 分布式架构设计 264 22.2.1 分布式架构设计简介 264 22.2.2 微服务架构设计 264 22.2.3 基于云端的分布式部署 266 22.3 大数据架构设计 268 22.3.1 大数据架构设计简介 268 22.3.2 主流大数据架构框架 268 22.3.3 大数据分析与挖掘 269 第23章 商务智能主流工具 271 23.1 FineReport 272 23.1.1 FineReport简介 272 23.1.2 FineReport的使用 272 23.1.3 FineReport的二次开发 275 23.2 Tableau 275 23.2.1 Tableau简介 275 23.2.2 Tableau的基本概念与 操作 275 23.2.3 Tableau的操作举例 276 23.2.4 Tableau的其他介绍 276 23.3 Quick BI 277 23.3.1 Quick BI简介 277 23.3.2 Quick BI的特点 278 23.3.3 Quick BI的使用 278 23.4 Qlik Sense 280 23.4.1 Qlik Sense的安装 280 23.4.2 Qlik Sense的使用 280 23.5 其他商务智能工具 281 23.5.1 Microsoft Power BI 281 23.5.2 SAP BO 281 23.5.3 IBM Cognos 281 23.5.4 亿信ABI 282 第24章 商务智能引发的问题和应用 准则 283 24.1 商务智能引发的伦理、隐私 问题 283 24.1.1 数据采集的伦理问题 283 24.1.2 数据使用的隐私问题 283 24.1.3 数据取舍的伦理问题 284 24.2 商务智能应用准则 284 24.2.1 提高数据收集、使用、存储 过程中的透明度 284 24.2.2 调整个人的隐私观 285 24.2.3 搭建共同价值平台 285 24.2.4 寻求合理的伦理决策点 285 第七篇 商务智能未来趋势 第25章 新兴技术应用 287 25.1 商务智能与5G技术 287 25.1.1 5G技术简介 287 25.1.2 5G技术在商务智能中的 应用 289 25.2 商务智能与物联网技术 290 25.2.1 物联网技术简介 290 25.2.2 物联网技术在商务智能中的 应用 290 25.3 商务智能与区块链技术 292 25.3.1 区块链技术简介 292 25.3.2 区块链技术在商务智能中的 应用 293 第26章 未来发展趋势 297 26.1 自助式商务智能 297 26.1.1 自助式商务智能的概念 297 26.1.2 自助式商务智能和其他商务 智能方式的比较 298 26.1.3 自助式商务智能平台的 选择 299 26.1.4 自助式商务智能给企业带来 的优势 300 26.2 可解释商务智能 301 26.2.1 可解释商务智能的 重要性 301 26.2.2 可解释商务智能的关键技术—可解释人工智能 302 26.3 基于大数据融合的新型商务智能 303 26.3.1 大数据融合的基本概念 303 26.3.2 大数据融合驱动的商务智能 304