本書針對高校商學(xué)院商業(yè)分析課程編寫，內(nèi)容涵蓋了所有相關(guān)的商業(yè)分析主題，而且各個主題在設(shè)計(jì)上都是模塊化的，教師授課時可靈活地選擇最符合其課程目標(biāo)的主題。比如，本書可以適用于涵蓋數(shù)據(jù)處理（第2章）、數(shù)據(jù)可視化（第3章）、綜合指標(biāo)（第3章）、統(tǒng)計(jì)理論（第4章和第5章）和回歸分析（第6章和第7章）的入門課程，或側(cè)重于預(yù)測（第8、9、10、11和12章）和預(yù)測性建模（第13章）的高級商業(yè)分析課程。
為適應(yīng)不同學(xué)生對于統(tǒng)計(jì)軟件的需求，本書每個知識點(diǎn)都提供了Excel和 R語言兩種分析方法和實(shí)際操作，而且所有的例題和習(xí)題都是使用撰寫本書時最新版本的軟件解決的，即Microsoft Office Professional 2016、Analytic Solver 2019和 R語言3.5.3版本。
本書的最終目的是讓學(xué)生更好地理解、管理和可視化數(shù)據(jù)，學(xué)會應(yīng)用適當(dāng)?shù)姆治龉ぞ�，并對研究結(jié)果及其相關(guān)性進(jìn)行溝通。
桑吉瓦·加吉亞 (Sanjiv Jaggia) 加利福尼亞州立理工大學(xué)經(jīng)濟(jì)學(xué)和金融學(xué)教授，在印第安納大學(xué)獲得博士學(xué)位，特許金融分析師。其研究興趣集中在商業(yè)統(tǒng)計(jì)學(xué)和計(jì)量經(jīng)濟(jì)學(xué)。在領(lǐng)先的學(xué)術(shù)期刊上發(fā)表多篇論文，出版兩本成功的商業(yè)統(tǒng)計(jì)學(xué)教材。
凱文·勒瓦差拉 (Kevin Lertwachara) 加利福尼亞州立理工大學(xué)信息系統(tǒng)教授，在康涅狄格大學(xué)獲得博士學(xué)位。其研究重點(diǎn)是基于技術(shù)的創(chuàng)新、電子商務(wù)、醫(yī)療保健信息學(xué)和商業(yè)分析，發(fā)表多篇學(xué)術(shù)論文，出版多部學(xué)術(shù)著作。為本科生和研究生講授商業(yè)分析課程。
艾利森·凱利 (Alison Kelly) 波士頓薩�？舜髮W(xué)經(jīng)濟(jì)學(xué)教授，在波士頓學(xué)院獲得博士學(xué)位，特許金融分析師。在學(xué)術(shù)期刊上發(fā)表多篇論文，出版兩本成功的商業(yè)統(tǒng)計(jì)學(xué)教材。她的應(yīng)用統(tǒng)計(jì)學(xué)和計(jì)量經(jīng)濟(jì)學(xué)課程深受學(xué)生和工作人士的歡迎。
陳雷達(dá) (Leida Chen) 加利福尼亞州立理工大學(xué)信息系統(tǒng)教授，在孟菲斯大學(xué)獲得管理信息系統(tǒng)博士學(xué)位。其研究和咨詢興趣集中在商業(yè)分析、技術(shù)擴(kuò)散和全球信息系統(tǒng)等領(lǐng)域。在領(lǐng)先的信息系統(tǒng)期刊上發(fā)表50多篇論文。為本科生和研究生講授商業(yè)分析課程。
第1章 商業(yè)分析導(dǎo)論
1.1 商業(yè)分析概述
1.2 數(shù)據(jù)類型
練習(xí)1.2
1.3 變量和測量尺度
練習(xí)1.3
1.4 數(shù)據(jù)源和文件形式
練習(xí)1.4
1.5 大數(shù)據(jù)寫作
第2章 數(shù)據(jù)管理和處理
2.1 數(shù)據(jù)管理
練習(xí)2.1
2.2 數(shù)據(jù)檢查
練習(xí)2.2
2.3 數(shù)據(jù)準(zhǔn)備
練習(xí)2.3
2.4 轉(zhuǎn)換數(shù)值數(shù)據(jù)
練習(xí)2.4
2.5 轉(zhuǎn)換分類數(shù)據(jù)
練習(xí)2.5
2.6 大數(shù)據(jù)寫作
第3章 數(shù)據(jù)可視化和綜合指標(biāo)
3.1 可視化分類變量和數(shù)值變量的方法
練習(xí)3.1
3.2 將兩個變量之間關(guān)系可視化的方法
練習(xí)3.2
3.3 其他數(shù)據(jù)可視化的方法
練習(xí)3.3
3.4 綜合指標(biāo)
練習(xí)3.4
3.5 檢測異常值
練習(xí)3.5
3.6 大數(shù)據(jù)寫作
第4章 概率與概率分布
4.1 概率的概念與概率公式
練習(xí)4.1
4.2 全概率公式與貝葉斯定理
練習(xí)4.2
4.3 隨機(jī)變量與離散型概率分布
練習(xí)4.3
4.4 二項(xiàng)分布與泊松分布
練習(xí)4.4
4.5 正態(tài)分布
練習(xí)4.5
4.6 大數(shù)據(jù)寫作
第5章 統(tǒng)計(jì)推斷
5.1 抽樣分布
練習(xí)5.1
5.2 估計(jì)
練習(xí)5.2
5.3 假設(shè)檢驗(yàn)
練習(xí)5.3
5.4 大數(shù)據(jù)寫作
第6章 回歸分析
6.1 線性回歸模型
練習(xí)6.1
6.2 模型選擇
練習(xí)6.2
6.3 顯著性檢驗(yàn)
練習(xí)6.3
6.4 模型假設(shè)和常見違例
練習(xí)6.4
6.5 大數(shù)據(jù)寫作
第7章 高級回歸分析
7.1 包含交互變量的回歸模型
練習(xí)7.1
7.2 非線性關(guān)系的回歸模型
練習(xí)7.2
7.3 線性概率模型和邏輯回歸模型
練習(xí)7.3
7.4 交叉驗(yàn)證方法
練習(xí)7.4
7.5 大數(shù)據(jù)寫作
第8 章 數(shù)據(jù)挖掘?qū)д?
8.1 數(shù)據(jù)挖掘概述
8.2 相似性指標(biāo)
練習(xí)8.2
8.3 性能評估
練習(xí)8.3
8.4 主成分分析
練習(xí)8.4
8.5 大數(shù)據(jù)寫作
第9 章 有監(jiān)督數(shù)據(jù)挖掘: k-最近鄰法和樸素貝葉斯方法
9.1 有監(jiān)督數(shù)據(jù)挖掘簡介
9.2 k-最近鄰法
練習(xí)9.2
9.3 樸素貝葉斯方法
練習(xí)9.3
9.4 大數(shù)據(jù)寫作
第10 章 有監(jiān)督數(shù)據(jù)挖掘: 決策樹
10.1 分類樹和回歸樹簡介
10.2 分類樹
練習(xí)10.2
10.3 回歸樹
練習(xí)10.3
10.4 集成樹模型
練習(xí)10.4
10.5 大數(shù)據(jù)寫作
第11章 無監(jiān)督數(shù)據(jù)挖掘
11.1 層次聚類分析
練習(xí)11.1
11.2 k-均值聚類分析
練習(xí)11.2
11.3 關(guān)聯(lián)規(guī)則分析
練習(xí)11.3
11.4 大數(shù)據(jù)寫作
第12章 利用時間序列數(shù)據(jù)進(jìn)行預(yù)測
12.1 時間序列的預(yù)測過程
12.2 簡單平滑法
練習(xí)12.2
12.3 趨勢和季節(jié)性的線性回歸模型
練習(xí)12.3
12.4 趨勢和季節(jié)性的非線性回歸模型
練習(xí)12.4
12.5 數(shù)據(jù)分區(qū)和模型選擇
練習(xí)12.5
12.6 高級指數(shù)平滑法
練習(xí)12.6
12.7 大數(shù)據(jù)寫作
第13章 規(guī)范性分析簡介
13.1 規(guī)范性分析概述
13.2 蒙特卡羅模擬
練習(xí)13.2
13.3 線性規(guī)劃的優(yōu)化
練習(xí)13.3
13.4 整數(shù)規(guī)劃優(yōu)化
練習(xí)13.4
13.5 大數(shù)據(jù)寫作
附錄A 大數(shù)據(jù)集: 變量描述和數(shù)據(jù)字典
附錄B Excel和Excel加載項(xiàng)入門
附錄C R語言入門
附錄D 統(tǒng)計(jì)表
書單推薦
