电子商务-商务智能与数据挖掘-理论大纲

1、商务智能与数据挖掘课程教学大纲课程代码：040942702课程英文名称：Business Intelligence and Data Mining课程总学时：32讲课：32实验：0上机：0适用专业：电子商务大纲编写（修订）时间：2017.6一、大纲使用说明（一）课程的地位及教学目标当前，新型电子商务模式的发展使得信息量不断增长、信息复杂程度不断提高，在电子商务 产业链中的各个参与者都提出了大量的商务智能要求，商务智能已经成为电子商务应用的重要组 成部分，基于商务智能的关键技术来挖掘企业重要的信息价值已成为电子商务领域研究和应用的 热点。商务智能与数据挖掘是为培养适应新型网络经济和新型电子商务模

2、式发展需要的、应用 型的、高层次的专业人才服务的一门专业课。通过本课程的学习，将使学生熟悉商务智能领域的 主流产品及工具；掌握数据挖掘常用的算法及应用场景；能够应用数据挖掘原理和算法，通过对 数据的分析和处理，解决商务智能中的实际问题。（二）知识、能力及技能方面的基本要求通过本课程的教学，使学生达到下列基本要求：了解商务智能与数据挖掘研究前沿的最新成果。掌握商务智能与数据挖掘的基本概念和理论。理解商务智能与数据挖掘的相关技术及原理。培养学生解决构造智能商务应用系统、解决商务智能中关键难点问题的能力。（三）实施说明本课程是一个不断发展、更新和完善的理论体系，按学时情况可适当调节授课内容并进行 充

3、实和完善。本课程内容采用理论教学与案例教学相结合的方式，使学生不仅能够掌握商务智能与数据 挖掘的基本概念、基础理论和经典算法，而且通过案例应用的讲解帮助学生更好地掌握数据挖掘 在商务智能数据分析中的实际应用。（四）对先修课的要求电子商务概论、数据库、数据结构（五）对习题课、实践环节的要求习题部分是对理论知识的理解和消化，同时也是实践环节的理论指导，因此应注意将二者紧 密联系，既提高学生的理论水平，又提高其动手实践能力。对重点、难点章节（如：数据分类及预测、数据聚类等）应布置课后实践作业，以解决实 际问题为目的。课后作业要少而精，内容要多样化，作业题内容必须包括基本概念、基本理论及能力提升 方面

4、的内容。学生必须独立、按时完成课外习题和作业，作业的完成情况应作为评定课程成绩的 一部分。（六）课程考核方式考核方式：考查考核目标：考核学生对商务智能与数据挖掘基础知识的掌握情况、数据挖掘实际操作能力等。成绩构成：期末大作业成绩（80%） +平时考核成绩（20%）平时成绩由任课教师视具体情况按百分制给出，包括中期考试、作业、小测验、提问等。（七）参考书目商务智能原理与方法，陈国清等编，电子工业出版社，2014.8商务智能与数据挖掘，张公让编，北京大学出版社，2016.8商务智能基础及应用，张莉，班晓娟编，化学工业出版社，2013.6二、中文摘要本课程为电子商务专业的专业选修课，通过学习，使学生

5、理解商务智能与数据挖掘的基本概 念及相关知识理论，掌握数据挖掘的主要技术，并培养学生利用数据挖掘技术解决商务智能应用 中的实际问题。三、课程学时分配表序号教学内容学时讲课实验上机1商务智能基础222数据挖掘概述223数据预处理224关联规则挖掘225数据分类及预测446数据聚类分析447图模型228社会网络分析229数据仓库2210数据建模案例分析4411决策支持系统2212商务智能与知识管理2213商务智能与客户关系管理22合计3232四、教学内容及基本要求第1部分 商务智能基础总学时（单位：学时）：2讲课：2实验：0上机：0具体内容：1）商务智能的定义及内涵2）商务智能的产生与发展3）商务

6、智能体系结构及核心技术4）商务智能主流产品重 点：掌握商务智能的基本概念及核心技术，了解商务智能的主流产品及应用。难点：商务智能的核心技术习题：企业为什么要实施商务智能，实施商务智能所需要的基础有哪些？第2部分 数据挖掘概述总学时（单位：学时）：2讲课：2实验：0上机：0具体内容：1）数据挖掘的发展2）数据挖掘的定义、步骤及任务3）数据挖掘的关键技术重 点：了解数据挖掘的理论意义及应用领域，掌握数据挖掘的定义、步骤及任务，了解数据挖掘的 关键技术。难点：数据挖掘的关键技术习题：数据挖掘与统计分析的主要区别？第3部分 数据预处理总学时（单位：学时）：2讲课：2实验：0上机：0具体内容：1）描述性

7、数据汇总2）数据清理3）数据集成和变换4）数据规约重 点：数据清理、数据集成、数据规约的基本方法。难点：数据规约习题：在数据集成和变换中应遵循哪些原则？第4部分 关联规则挖掘总学时（单位：学时）：2讲课：2实验：0上机：0具体内容：1）基本关联规则挖掘方法2）关联规则商务应用案例重 点：基本关联规则挖掘方法、商品推荐关联规则挖掘应用。难点：基于频繁模式的关联规则挖掘的原理和过程。习题：基于频繁模式的关联规则挖掘在商品推荐中是如何使用的？第5部分 数据分类及预测总学时（单位：学时）：4讲课：4实验：0上机：0具体内容：1）最近邻分类2）决策树3）贝叶斯分类重 点-八 最近邻分类、决策树技术的基本

8、原理。难点：最近邻分类。习题：k-近邻分类技术中心最关键的环节？第6部分数据聚类分析总学时（单位：学时）：4讲课：4实验：0上机：0具体内容：1）聚类分析的含义及作用2）k-均值算法3）基于预测强度的聚类方法4）聚类分析商务应用重 点：k-均值算法的基本原理，用户偏好、商业客户细分等聚类技术在商务智能中的应用。难点：k-均值算法的基本原理习题：在企业的客户关系管理中，为什么要采用聚类分析对客户进行细分？第7部分图模型总学时（单位：学时）：2讲课：2实验：0上机：0具体内容：1）图模型基本概念和性质2）频繁子图模式挖掘3）图模式挖掘的商务智能应用重 点：图模型的具体挖掘方式，及其在商务智能中的应

9、用。难点：频繁子图模式挖掘习题：思考图结构对于挖掘模式的影响？第8部分 社会网络分析总学时（单位：学时）：2讲课:2实验:0上机:0具体内容：1）社会网络的概念与发展2）社会网络的基本特征3）社群挖掘算法重 点：社群挖掘算法习题：社群挖掘算法在实际应用中需要考虑哪些社会基本特征？第9部分 数据仓库总学时（单位：学时）：2讲课:2实验:0上机:0具体内容：1）数据仓库的定义2）建立数据仓库的过程及步骤3）数据仓库的基本结构4）数据集市重 点-建立数据仓库的过程及步骤。第10部分数据建模案例分析总学时（单位：学时）：4讲课:4实验:0上机:0具体内容：1）社会网络案例应用2）零售营销案例重 点：两种应用案例中对象的数据建模方式及过程。第11部分 决策支持系统总学时（单位：学时）：2讲课:2实验:0上机:01）决策支持系统理论基础2）决策的过程及步骤3）决策模型4）决策支持系统的构成重 点：决策模型的基本原理、决策支持系统的构成。难点：决策模型的基本原理第12部分 商务智能与知识管理总学时（单位：学时）：2讲课:2实验:0上机:01）知识管理概述2）商务智能与知识管理的关系3）知识管理相关技术4）商务智能环境下企业的知识管理重 点：掌握知识管理的内涵及关键技术，了解知识管理在商务智能中的应用。难点：知识管理的关键技术习题：知识管理在商务智能中的作用？