商业数据分析原理、方法与应用_[美]马克· J. 施尼德詹斯（Marc J. Schniederjans）[美]_9787111602095

针对商业数据分析的教学需求, 本书提供了综合而完整的知识体系｡本书介绍了新的商业数据分析理念, 阐述了什么是商业数据分析､为什么它如此有价值､如何应用它, 并介绍了现在常用的重要统计技术､方法和软件工具｡本书阐述了商业分析中的三种数据分析———描述性数据分析､预测性数据分析､规范性数据分析, 并指导用户认识理解自己的数据分析项目｡本书将基本概念与工具､技术及实际应用结合起来, 通过实例, 循序渐进地厘清那些企业或其他组织中可以用商业数据分析来解决的共性问题｡事实已经证明, 商业数据分析的原则､概念和应用提供了行之有效的理论和方法, 成功地将它整合到组织当中, 能帮助组织有效提升智能决策的竞争优势｡
本书适合高校相关专业学生作为教材使用, 也可供想了解大数据､数据分析如何帮助商业运营的管理者参考｡

前言
我们每天都要面对大爆炸式的信息, 我们尽力汇总整理信息, 并运用信息来帮助决策, 但有时候还是会被大量的数据所淹没｡这可能导致我们得出错误的结论, 同时做出错误的决定｡例如一家全球性公司, 在从世界各地收集数百万笔交易和客户行为数据时, 单独就数据量而言, 也会使得查找有用的客户信息这一任务几乎不可能完成｡对于这家公司, 以及更小的企业来说, 解决方案是应用商业数据分析( Business Analytics, BA)｡商业数据分析可以帮助人们整理大数据文件(称为“大数据”), 在预测未来时, 寻找有用的行为模式, 并据此配置资源以实现最优化决策｡商业数据分析是一个逐步深入的过程, 帮助企业收集有用信息, 以系统化程序来管理大数据, 进而解决问题, 找准提高公司绩效的机会｡
本书为商业数据分析的基础教学而编写, 既可服务于大学教育, 也可服务于实践者｡除了为商业数据分析提供最新的文献和研究外, 本书利用简单的术语及其在实践中十分有用的辅助方法, 来解释商业数据分析流程｡
就整体而言, 本书所阐述的统计和定量工具中需要的数学知识不超过高中代数的水平｡为了服务于读者需求, 我们给出大量实例和案例, 以训练读者运用普通的商业数据分析工具和软件｡从业者可以发现, 对商业数据分析方法进行研究, 有益于考察所探讨的专题｡大学师生可以发现, 每章学习目标和对问题的讨论有助于满足他们的需求｡
本书的目标是阐明什么是商业数据分析, 为什么商业数据分析十分重要, 以及如何应用商业数据分析｡为实现这个目标, 本书将介绍概念内容､相关软件和一些分析工具｡
概念内容
本书的前面8 章阐述有关的概念内容(参看第1 章的1. 4 节关于本书内容的组织结构)｡本书的概念内容远远超出商业数据分析的范围｡本书将要解释: 对于提供问题的解决方案来说, 为什么商业数据分析是十分重要的,如何用它来实现竞争优势, 以及如何协调组织更好地利用它｡本书解释了在组织中应用商业数据分析时需要用到的管理知识, 还有商业数据分析人员应该拥有的技能｡本书还阐述了数据管理问题, 例如数据收集､业务外包､数据质量及变革管理, 因为这些内容和商业数据分析有关｡
在建立管理基础来解释商业数据分析是什么和为什么重要之后, 剩下各章则关注如何运用商业数据分析｡为使这三个过程具体化, 我们将商业数据分析解释为具有描述性､预测性以及规范性的分析步骤｡对于每一个步骤, 本书提供了一系列策略, 以及商业数据分析流程的最佳实践指南｡
相关软件
商业数据分析的绝大部分工作都要使用软件｡令人遗憾的是, 没有一个软件可以涵盖商业数据分析的所有方面｡虽然有很多相关软件, 但许多机构各自偏爱其中的一个｡为了提供灵活性, 本书介绍了多个软件, 以供选择｡在本书中, 我们利用SPSS○R､Excel○R 和Lingo○R 软件进行建模并解决问题｡尽管本书提供了使用这些软件系统时的一些输入和指令, 但主要内容是其输出｡至于对运行软件不感兴趣的人, 软件输出的资料也为他们提供了有价值的信息｡对于那些在大学其他课程中会教授使用方法的基本软件, 本书不再详细培训, 建议对商业数据分析感兴趣的人要先了解这些基本软件的使用｡
分析工具
本书附录对分析工具的内容进行了概述｡商业数据分析是综合了统计､管理信息系统(MIS) 和定量方法的学科｡虽然书中的概念内容概括了如何进行商业数据分析流程, 但如何在实际中应用商业数据分析则需要掌握定量化工具｡因为一些实践者和大学课程对商业数据分析的技术方面不太感兴趣, 所以本书只好在附录中给出这些定量内容｡这些附录提供了用于支持各种分析的商业数据分析工具的大量解释｡本书所解释和阐明的统计工具包括统计计数(排列､组合､重复)､概率方法( 加法准则､乘法准则､贝叶斯定理)､概率分布( 二项分布､泊松分布､正态分布､指数分布)､置信区间､抽样方法､一元回归与多元回归､绘图方法与假设检验｡尽管管理信息系统已超出本书的范围, 但本书仍然利用前面所提到的软件运用来阐明管理信息系统的搜索､聚类和典型的数据挖掘方法的应用｡此外,本书中所解释和阐明的定量方法工具包括: 线性规划､对偶性和灵敏度分析､整数规划､0 - 1 规划､预测建模､非线性最优化､模拟分析､盈亏平衡分析和决策理论( 确定型､风险､不确定型决策､期望机会损失分析,完全信息期望值, 不完全信息的价值)｡
我们要感谢许多人的帮助, 这些人为创作本书提供了所需的支持｡首先, 我们非常感谢我们的编辑Jeanne Glasser Levine 和Pearson 的优秀工作人员的支持｡他们使得创作本书变成一种快乐, 并与我们一起改进最终产品｡
和出版

作者介绍
马克•J. 施尼德詹斯(Marc J. Schniederjans), 内布拉斯加大学林肯分校工商管理学院C. Wheaton Battey 特聘教授, 在此之前曾经在其他三所大学任教｡施尼德詹斯教授是决策科学研究所( Decision Sciences Institute,DSI) 的研究员, 并在2014—2015 年担任DSI 主席｡他曾经营过自己的货车租赁业务｡目前, 他是供应管理学会( ISM)､生产和运营管理学会(POMS) 和DSI 的成员｡
施尼德詹斯教授主要讲授“运营管理和管理科学”, 并赢得了许多教学奖, 是金钥匙(Golden Key) 荣誉会员和Alpha Kappa Psi 商业兄弟会的荣誉会员｡他发表了100 多篇杂志文章, 写作出版了20 本书｡他近的一本书名为《重塑供应链生命周期》, 广泛地研究了运营管理和决策科学｡他还在学术会议上提交了100 多篇研究论文｡
施尼德詹斯教授不仅在五个期刊编辑委员会任职, 包括《计算机与运筹学》《国际信息与决策科学期刊》《国际服务业信息系统学报》《运营管理》《生产和运营管理学》, 而且担任《运营管理研究》杂志的区域编辑,以及《国际战略决策科学》杂志和《国际社会系统科学与管理评论杂志:国际杂志》(韩国) 的副主编｡除此之外, 施尼德詹斯教授还担任多个商业和政府机构的顾问和培训师｡
达拉•G. 施尼德詹斯( Dara G. Schniederjans), 罗德岛大学工商管理学院供应链管理助理教授, 讲授“ 供应商关系管理和运营管理” 等课程,曾在《决策支持系统》《运筹学研究会》《商业过程管理》等期刊上发表过多篇文章｡她曾与人合作编写过两本教材和一本大众读物, 也曾参加编写有关定量统计方法的读物｡她担任过《国际社会系统科学杂志》社会科学商业伦理专题的客座顾问, 目前还担任DSI 的网站协调员｡
克里斯多夫•M. 斯塔基(Christopher M. Starkey), 康涅狄格大学的经济学学生, 在管理和生产及运营管理学会会议上提交过论文; 他讲授“ 微观经济学原理” 课程, 也曾经讲授过“ 宏观经济学原理” 课程｡他目前的研究兴趣包括宏观经济和货币政策, 以及决策方法｡

你还可能感兴趣

我要评论