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。

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。

1、计算机操作基础

2、信息检索基础

3、计算机程序设计基础

4、数据库理论与应用基础

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

5. Ralph Kimball，Margy Ross。The Data Warehouse Toolkit: the Complete Guide to Dimensional Modeling。John Wiley & Sons Inc.

6.周志华,机器学习, 清华大学出版社, 2016

7.董付国. Python程序设计基础（第2版）. 北京：清华大学出版社，2018.1