商务智能
分享
课程详情
课程评价
spContent=管理信息系统在各商业、机构得到了广泛的实施和应用,运营数据分别被存放在细分后的部门中,这些有重要意义数据由于缺乏整合,形成了企业内部的信息孤岛。 商务智能就是利用数据库存储,数据集成,数据分析技术,把大量的外部环境、内部业务数据转化成为有价值的信息、知识,辅助管理者进行决策。
—— 课程团队
课程概述

随着信息技术的发展以及信息化基础设施的建设,企业和机构在运营过程中积累和收集了大量的业务数据,而决策部门在进行决策时却发现,这些海量的数据很难直接提供有效的、科学的决策支持,将业务数据应用于决策支持不仅是一个学术问题,同时也是一个实际应用问题,具有企业、机构应用需求的紧迫性。

本课程是传统计算机科学和管理科学的交叉学科,是新兴的基于大数据进行科学管理的知识介绍,是面向数据分析和处理的信息技术在商业中的拓展和外延。课程以案例教学为基础,依托先进的数据管理和分析软件,培养学生以数据驱动为基础的商业决策管理和风险控制理念,帮助解决传统商业和金融领域的难题。

本课程强调理论联系实际的培养模式,注重学生学以致用的能力培养 。课程在内容安排上努力使学生能够掌握基本的商务智能基础理论和技术(如,数据仓库、OLAP、数据挖据等),能够针对具体的商业问题,熟练地运用先进的数据管理和分析技术,设计并实施有效的智能解决方案,从而帮助机构提升风险预测和管理能力,促进企业采用以数据为驱动的科学管理理念,完善各种商务流程,增强科学决策能力,从而提高企业的效率和核心竞争力。




授课目标

1.掌握对分析主题的抽象方法和构建模型,设计并实现比较规范的数据仓库系统。 2.掌握多维分析将数据转化为信息的本质,熟练掌握构建多维模型的方法。 3.应用商务智能软件构建数据挖掘模型,并掌握模型评价和选择标准,利用模型进行数据分析和预测。 4.初步具备利用商务智能技术解决实际问题的能力。

课程大纲

第一周 商务智能概述及数据仓库

1.1 商务智能概述

1.2 业务数据和分析数据

1.3 业务数据库和分析型应用

1.4 数据仓库概念

第二周 数据仓库设计

2.1 数据仓库设计方法

2.2 数据仓库三级模型

2.3 物理模型设计

2.4 元数据

2.5 数据的抽取和清洗

2.7 数据仓库实施

2.6 数据转换和装载策略

第三周 联机多维分析

3.1 多维分析模型

3.2 维度和度量

3.3 联机多维分析

第四周 案例背景及数据仓库实施

4.1 案例背景

4.2 事实表和维度表设计

4.3 建立数据库和表

4.4 数据库备份和还原

4.5 利用BI工具创建数据仓库

第五周 创建数据ETL(抽取、转换与装载)项目- 1

5.1 数据源

5.2 装载产品维

5.3 装载国家维

5.4 装载工厂维

5.5 装载材料、机器及机器类别维

第六周 创建数据ETL(抽取、转换与装载)项目- 2

6.1 装载批次维

6.2 装载生产事实表

6.3 装载库存事实表

6.4 包布署

6.5 包调度

第七周 创建多维分析项目- 1

7.1 创建数据源和数据视图

7.2 生成时间属性字段

7.3 创建多维数据集和维度

7.5 维度和维度用法

7.4 创建时间维

第八周 创建多维分析项目- 2

8.1 部署及展现

8.2 创建时间维度

8.3 计算成员和KPI

8.4 分区和聚合

第九周 创建数据挖掘项目

9.1 创建挖掘模型

9.2 模型选择、测试

9.3 模型的使用

9.4 数据挖掘模型应用


预备知识

1、计算机操作基础

2、信息检索基础

3Excel基础

4、计算机程序设计基础

5、数据库理论与应用基础


证书要求

       本课程采用百分制计分,平时单元测验30%,为客观题;平时单元作业30%,为实践报告;随堂布置的课程讨论的表现10%;课程结束考试30%。60分及以上为合格,90分及以上为优秀。

       电子版的课程结业证书免费。纸质版认证证书证书收费:100元/人。


参考资料

1.Delivering Business Intelligence with Microsoft SQL Server 2012 3/E. Brian Larson. McGraw Hill Professional, 2012年3月- 832 页

2. W H Inmon . 数据仓库(第三版). 机械工业出版社, 2003

3. Gordon S. Linoff , Michael J. A. Berry. Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management.  Wiley; 3 edition (2011)

4. Mehmed Kantardzic . 数据挖掘——概念、模型、方法和算法。 清华大学出版社, 2003

5. Ralph KimballMargy RossThe Data Warehouse Toolkit: the Complete Guide to Dimensional ModelingJohn Wiley & Sons Inc.