务智能是从大量数据中发现隐含的知识，辅助管理人员科学决策的方法、系统和应用。本书主要介绍商务智能的基本概念、主要功能、系统架构以及数据分析和数据管理的主要方法和技术。全书内容分为五个部分，介绍了数据仓库、在线分析处理以及数据挖掘的建模、分析和评价方法，包括多维数据模型的建模、多维分析方法以及各种知识发现方法，包括：关联分析、分类、聚类、数值预测、序列数据挖掘、社会网络分析、数据流数据挖掘、自然语言处理、推荐模型和意见挖掘等；

作者刘红岩是清华大学经济管理学院管理科学与工程系教授，获清华大学管理学博士学位。在清华大学讲授商务智能课程近20年，长期从事商务智能和数据挖掘领域的教学和科研工作。出版多部教材。在信息系统领域的国际顶级期刊发表文章多篇，在数据挖掘、知识发现等领域国际一流国际期刊和会议发表文章多篇。

前言 数据已经渗透到各行各业的各种业务过程中，这些数据不断积累，形成了传统数据管理系统无法有效管理和使用的大数据。同时，企业和机构运营环境越来越复杂，竞争也越来越激烈，商业机会稍纵即逝，管理者需要全面掌握业务各方面的运营状况，及时做出反应，进行快速、科学的决策。商务智能系统具有数据集成、数据管理以及数据分析的功能，能从大量数据中发现隐含的模式，辅助管理者发现业务运营的规律和异常，降低运营成本和风险，增加收入，提高客户满意度。商务智能系统已经被越来越多的企业所采纳，成为提高企业竞争力的重要方法，在许多重要的商业应用中发挥着重要的作用。 全球管理咨询公司麦肯锡全球研究院（McKinsey Global Institution，MGI）2011年发布了一个题目为《大数据： 创新、竞争和生产力的下一个前沿领域》（Big data: the next frontier for innovation, competition, and productivity）的研究报告。报告中指出，大数据可以为世界经济创造重要价值，提高企业和公共部门的生产力和竞争力，并为消费者创造大量的经济剩余。2016年12月，MGI又发表了题为《分析的时代： 在大数据的世界竞争》（The age of analytics: competing in a datadriven world）的研究报告。报告指出，大数据分析正在改变竞争的基础，对商业模式产生颠覆性影响。同时，报告还指出分析和技术人才持续匮乏，是数据潜在价值发现和有效利用的障碍。为此，近几年来，国内外高校纷纷设立与数据分析有关的专业，如数...