商务数据分析

　　大数据时代，产业呈现数字化趋势，使大数据成为核心的生产要素，进而成为推动经济高质量发展的新动能。以数据生成、采集、存储、清洗、挖掘、分析、服务为主的大数据产业已成为新兴产业，是实现产业结构升级的新路径。为普及数据素养和技能，构建大数据思维，《商务数据分析》通过介绍数据挖掘方法在商务领域的应用，驱动好奇心，认知商务情境；发现业务问题，明确诠释问题；探索数据镜像世界，科学处理、分析数据；理性做出预测、决策，有条不紊地表达，充分发挥数据的商业价值。 《商务数据分析》适合高等教育经济管理专业教学使用，也适合读者自我提升学习使用，有助于形成数据思维、数据认知、数据合规意识，提升数据处理技能，熟悉商务领域应用，从而提升职业竞争力。

　　黄翼，上海杉达学院教师，留学英国硕士，博士在读。主要研究方向国际商务、公司战略和价值链。主要讲授国际贸易实务、商务英语写作、商务数据分析、商务流程综合实训等课程。曾主持上海市政府专项、上海市优青项目、校重点课程、校教改项目、校基金项目，获国家版权局计算机软件著作权，主编及参编教材，发表论文多篇。2014年荣获“全国民办高校国际商务专业教师‘优师杯’双语教学技能竞赛”三等奖，2016年获得“上海杉达学院青年教师教学竞赛”一等奖，并于同年荣获上海市“第二届上海高校青年教师教学竞赛”二等奖。2017年荣获“上海杉达学院教学成果奖”二等奖，2019年荣获“上海杉达学院教学成果奖”一等奖。

第一部分 大数据基础

第一章 大数据导论 3

一、什么是大数据 3

二、为何要做数据挖掘 5

三、数据分析的应用 7

练习题 10

第二章 大数据技术 11

一、大数据的技术框架 11

二、与大数据处理相关的技术 12

三、数据挖掘的一般流程 14

练习题 16

第二部分 Python编程基础

第三章 Python环境搭建 19

一、Python的版本与安装 19

二、PyCharm的安装与使用 23

三、Anaconda的安装与使用 27

练习题 30

第四章 Python编程基础 31

一、Python变量设定和赋值数据类型 31

二、Python的运算符 38

三、控制流 42

四、常用函数 49

五、Python基础语法 50

练习题 54

第五章 Python数据挖掘 55

一、NumPy模块 55

二、Pandas模块 68

练习题 106

第六章 Python数据可视化 107

一、数据可视化 107

二、Pandas绘图 111

三、Matplotlib其他绘图 120

练习题 123

第三部分 数据挖掘基础

第七章 数据预处理 127

一、数据存在的问题 127

二、数据预处理的手段 129

练习题 138

第八章 多元线性回归 139

一、介绍 139

二、解释模型与预测模型 139

三、回归方程的估计与预测 140

四、线性回归中的变量选择 141

练习题 143

第九章 K-NN算法 145

一、K-NN分类器(分类结果) 145

二、K-NN表示数值结果 147

三、K-NN算法的优势和劣势 147

练习题 147

第十章 朴素贝叶斯分类器 149

一、介绍 149

二、使用完全(精确)贝叶斯分类器预测 150

三、朴素贝叶斯分类器的优缺点 153

练习题 155

第十一章 分类回归树 156

一、介绍 156

二、分类树 157

三、评估分类树的性能 161

四、避免过度拟合 162

五、树的分类规则 164

六、两类以上的分类树 164

七、回归树 165

八、改进预测：随机森林和增强树 166

九、树的优点和缺点 167

练习题 167

第十二章 逻辑回归 169

一、介绍 169

二、逻辑回归模型 170

三、评估分类性能 172

四、变量的选择 173

五、逻辑回归分析 175

练习题 180

第十三章 神经网络 181

一、介绍 181

二、神经网络的概念与结构 181

三、使网络适应数据 182

四、必需的输入 188

五、预测因素与结果的关系探讨 189

六、神经网络的优缺点 190

练习题 191

第十四章 判别分析 192

一、介绍 192

二、记录与类的距离 194

三、费雪线性分类函数 195

四、判别分析的分类性能 195

五、先验概率 196

六、不均衡的错误分类代价 196

七、超过两类的分类问题 196

八、判别分析的优势与劣势 198

练习题 198

第十五章 关联规则与协同过滤 200

一、关联规则 200

二、协同过滤 206

三、总结 212

练习题 212

第十六章 聚类分析 214

一、介绍 214

二、测量两条记录之间的距离 217

三、两簇间距离测量 221

四、分层(凝聚)聚类 222

五、非层次聚类 226

练习题 228

第十七章 时间序列预测 230

一、介绍 230

二、描述性与预测性建模 231

三、商业中流行的预测方法 231

四、时间序列成分 231

五、数据分区和性能评估 234

练习题 236

第十八章 社交网络分析 237

一、介绍 237

二、有向网络与无向网络 238

三、可视化和分析网络 239

四、社交数据度量和分类 241

五、使用网络指标进行预测和分类 244

六、优点和缺点 248

练习题 249

第十九章 文本挖掘 250

一、介绍 250

二、文本的表格式表示：术语-文档矩阵和“词袋” 250

三、词袋与文档意义提取 251

四、文本预处理 252

五、实现数据挖掘方法 255

六、总结 258

练习题 258

第四部分 经典商务数据分析案例

第二十章 国际应用案例 261

案例一 银行金融营销 261

案例二 波士顿住房 262

案例三 电脑的选择 262

案例四 DriveTime汽车 266

案例五 宝洁公司洗衣皂 270

案例六 Studenmund餐厅 271

案例七 悉尼交通 272

案例八 ToutBay 273

案例九 查尔斯读书俱乐部 275

案例十 德国信贷 279

案例十一 Tayko软件目录 283

案例十二 拒接出租车电话 287

案例十三 肥皂消费者细分 288

案例十四 交叉销售 290

案例十五 预测破产 291

第二十一章 国内应用案例 294

案例一 终端换机预测 294

案例二 高校本科生就业问题研究 296

案例三 国内旅游收入影响因素研究 300

案例四 航空公司客户价值分析 301

案例五 数据分析的其他商务应用 304

参考文献 309