商業分析：基於數據科學及人工智能技術的決策支持系統（原書第11版） Analytics, Data Science, & Artificial Intelligence: Systems for Decision Support, 11/e

前言
致謝
作者簡介
第一部分 分析和人工智能簡介
第1章 用於決策支持的商務智能、分析、數據科學和人工智能係統概述2
1.1 開篇小插曲：通力電梯和自動扶梯公司的智能係統是如何工作的3
1.2 不斷變化的商業環境、決策支持與分析需求5
1.3 決策過程和計算機化決策支持框架8
1.4 計算機決策支持向商務智能/分析/數據科學的發展20
1.5 分析概述29
1.6 相關領域中的分析示例37
1.7 人工智能簡介50
1.8 分析與人工智能的融合58
1.9 分析生態系統綜述63
1.10 本書規劃64
1.11 相關資源65
本章要點66
討論67
參考文獻67
第2章 人工智能：概念、驅動力、主要技術和商業應用70
2.1 開篇小插曲：INRIX解決了交通問題71
2.2 人工智能概論73
2.3 人類智能與計算機智能79
2.4 主要人工智能技術和衍生產品82
2.5 人工智能對決策的支持91
2.6 人工智能在會計中的應用95
2.7 人工智能在金融服務中的應用97
2.8 人工智能在人力資源管理中的應用101
2.9 人工智能在營銷、廣告和客戶關係管理中的應用103
2.10 人工智能在生產運營管理中的應用107
本章要點109
討論110
參考文獻111
第3章 數據性質、統計建模和可視化113
3.1 開篇小插曲：SiriusXM通過數據驅動型營銷吸引新一代的廣播消費者114
3.2 數據的性質117
3.3 簡單的數據分類法120
3.4 數據預處理的藝術和科學124
3.5 用於業務分析的統計建模133
3.6 用於推論統計的回歸建模143
3.7 業務報告154
3.8 數據可視化157
3.9 不同類型的圖表和圖形162
3.10 視覺分析的出現165
3.11 信息儀表板172
本章要點177
討論177
參考文獻178
第二部分 預測性分析/機器學習
第4章 數據挖掘過程、方法和算法182
4.1 開篇小插曲：美國邁阿密戴德警察局使用預測性分析來預測和打擊犯罪182
4.2 數據挖掘概念186
4.3 數據挖掘應用196
4.4 數據挖掘過程199
4.5 數據挖掘方法206
4.6 數據挖掘軟件工具221
4.7 數據挖掘隱私問題、誤解和失誤227
本章要點231
討論232
參考文獻233
第5章 用於預測性分析的機器學習技術234
5.1 開篇小插曲：預測建模有助於更好地理解和管理複雜的醫療程序234
5.2 神經網絡的基本概念237
5.3 神經網絡架構241
5.4 支持向量機245
5.5 基於過程的支持向量機使用方法254
5.6 用於預測的最鄰近法256
5.7 樸素貝葉斯分類法260
5.8 貝葉斯網絡268
5.9 集成建模274
本章要點286
討論287
參考文獻288
第6章 深度學習和認知計算290
6.1 開篇小插曲：利用深度學習和人工智能打擊欺詐291
6.2 深度學習介紹294
6.3 “淺”神經網絡基礎299
6.4 基於神經網絡系統的開發流程308
6.5 闡明ANN黑箱原理314
6.6 深度神經網絡317
6.7 卷積神經網絡323
6.8 循環網絡和長短期記憶網絡334
6.9 實現深度學習的計算機框架341
6.10 認知計算344
本章要點354
討論356
參考文獻357
第7章 文本挖掘、情感分析和社交分析360
7.1 開篇小插曲：Amadori集團將消費者情感轉化為近實時銷售361
7.2 文本分析和文本挖掘概述363
7.3 自然語言處理369
7.4 文本挖掘應用375
7.5 文本挖掘過程382
7.6 情感分析390
7.7 Web挖掘概述401
7.8 搜索引擎406
7.9 Web使用情況挖掘（Web分析）413
7.10 社交分析419
本章要點428
討論429
參考文獻430
第三部分 規範性分析和大數據
第8章 規範性分析：優化與仿真434
8.1 開篇小插曲：費城學區使用規範性分析來尋找外包巴士路線的解決方案435
8.2 基於模型的決策436
8.3 決策支持的數學模型的結構442
8.4 確定性、不確定性和風險444
8.5 電子表格決策模型446
8.6 數學規劃優化450
8.7 多重目標、靈敏度分析、假設分析和單變量求解460
8.8 基於決策表和決策樹的決策分析464
8.9 仿真簡介466
8.10 視覺交互仿真473
本章要點478
討論479
參考文獻479
第9章 大數據、雲計算和位置分析：概念和工具481
9.1 開篇小插曲：在電信公司中使用大數據方法分析客戶流失情況482
9.2 大數據定義485
9.3 大數據分析基礎490
9.4 大數據技術494
9.5 大數據與數據倉庫503
9.6 內存分析和Apache Spark508
9.7 大數據和流分析514
9.8 大數據提供商和平台519
9.9 雲計算和業務分析526
9.10 基於位置的組織分析537
本章要點544
討論544
參考文獻545
第四部分 機器人、社交網絡、人工智能與物聯網
第10章 機器人：工業和消費者領域的應用548
10.1 開篇小插曲：機器人為患者和兒童提供情感支持548
10.2 機器人技術概述551
10.3 機器人技術的歷史552
10.4 機器人技術的應用實例554
10.5 機器人的組件563
10.6 各種各樣的機器人565
10.7 無人駕駛汽車：運動中的機器人566
10.8 機器人對當前和未來工作的影響569
10.9 機器人和人工智能的法律含義571
本章要點574
討論575
參考文獻575
第11章 群體決策、協作系統和AI支持578
11.1 開篇小插曲：HMS與團隊合作表現出色579
11.2 分組決策：特點、過程、好處和機能障礙581
11.3 使用計算機系統支持團隊工作和團隊協作584
11.4 軟件支持團隊通信與協作586
11.5 計算機直接支持集體決策590
11.6 集體智慧和合作智慧595
11.7 眾包作為決策支持的一種方法599
11.8 人工智能和群體人工智能支持團隊協作和群體決策603
11.9 人機協作和機器人團隊607
本章要點611
討論612
參考文獻612
第12章 知識系統：專家系統、人、聊天機器人、虛擬個人助理和機器人顧問614
12.1 開篇小插曲：絲芙蘭與聊天機器人的出色表現615
12.2 專家系統和人616
12.3 聊天機器人的概念、驅動程序和好處626
12.4 企業聊天機器人630
12.5 虛擬個人助理638
12.6 聊天機器人作為專業顧問（機器人顧問）643
12.7 實施問題648
本章要點650
討論651
參考文獻652
第13章 物聯網智能應用平台654
13.1 開篇小插曲：CNH Industrial利用物聯網異軍突起654
13.2 物聯網要素656
13.3 物聯網的主要優勢和驅動因素660
13.4 物聯網的工作原理662
13.5 傳感器及其在物聯網中的作用663
13.6 物聯網應用示例668
13.7 智能家居和家電670
13.8 智慧城市和工廠674
13.9 自動駕駛汽車682
13.10 實施物聯網和管理的考慮因素685
本章要點688
討論689
參考文獻689
第五部分 關於分析和人工
智能的說明
第14章 實施人工智能的問題：從倫理和隱私到組織和社會影響694
14.1 開篇小插曲：為什麼優步向Waymo支付2.45億美元694
14.2 實施智能係統概述696
14.3 法律、隱私和倫理問題698
14.4 成功部署智能係統705
14.5 智能係統對組織的影響708
14.6 智能係統對職業和工作的影響714
14.7 機器人、人工智能和分析建模的潛在危險721
14.8 相關技術趨勢724
14.9 智能係統的未來728
本章要點733
討論733
參考文獻734
術語表737