数据挖掘与商务智能

《数据挖掘与商务智能》教学大纲

课程编号：EM055015

课程名称：数据挖掘与商务智能        英文名称：Data Mining and Business Intelligence

学分/学时：2/16+16                     课程性质：电子商务专业课程

适用专业：电子商务                  建议开设学期：第7学期

先修课程：统计学，数据库            开课单位：经济与管理学院                             

一、课程的教学目标与任务

本课程主要介绍数据仓库与数据挖掘的基本概念、基本方法以及在商务决策中的应用。具体的内容包括数据仓库系统简介、联机分析处理（OLAP），数据预处理技术（包括数据清理、数据集成和转换等），数据挖掘技术（包括分类、预测、关联和聚类等）以及数据挖掘方法（包括决策树方法、统计方法、关联规则挖掘等），并结合案例分析上述方法和技术在商务智能中的应用。

二、课程具体内容及基本要求

（一）商务智能概述( 2学时)

商务智能简介；商务智能的现状和发展。

1.基本要求

（1）了解商务智能的发展现状；

（2）掌握商务智能的相关概念。

2.重点、难点

重点：商务智能的重要性；

3.作业及课外学习要求：课堂教学后布置课后作业，要求以个人或小组讨论形式完成。

（二）在线分析处理OLAP（6学时）

多维数据结构；多维数据分析；应用案例分析。

1.基本要求

（1）了解多维数据的基本概念；

（2）熟悉多维数据的结构及相关分析技术；

（2）掌握多维数据分析的具体应用。

2.重点、难点

重点：多维数据结构以及相关的分析技术；

难点：多维数据结构的具体应用。

3.作业及课外学习要求：课堂教学后布置课后作业，要求以个人或小组讨论形式完成。

（三）数据仓库（8学时）

数据仓库的基本概念；数据集成；数据仓库的系统设计；元数据的管理；数据仓库设计的实验。

1.基本要求

（1）了解数据仓库的基本概念；

（2）掌握数据仓库的系统设计以及元数据的管理。

2.重点、难点

重点：数据的抽取、转换和加载（ETL）以及数据的质量管理；

难点：数据仓库系统设计，包括概念模型设计、逻辑模型设计以及物理模型设计。

3.作业及课外学习要求：课堂教学后布置课后作业，要求以个人或小组讨论形式完成。

（四）数据挖掘过程（8学时）

数据选择与预处理；模型获取；模型评价；模型部署与投资回报分析；应用案例分析。

1.基本要求

（1）了解数据挖掘的过程以及相关应用；

（2）熟悉模型获取、模型评价、模型部署与投资回报分析；

（3）掌握数据挖掘的数据处理以及模型分析。

2.重点、难点

重点：数据选择与预处理以及模型分析；

难点：模型获取；模型评价；模型部署与投资回报分析。

3.作业及课外学习要求：课堂教学后布置课后作业，要求以个人或小组讨论形式完成。

（五）数据挖掘技术和方法（12学时）

聚类分析；分类和预测；关联规则挖掘；统计分析；序列模式；应用案例分析；上机实验。

1.基本要求

（1）了解聚类分析的原理以及应用；

（2）熟悉数据的分类和预测以及相关分析技术；

（3）掌握关联规则挖掘、统计分析以及序列模式。

2.重点、难点

重点：关联规则挖掘；

难点：统计分析和序列模式。

3.作业及课外学习要求：课堂教学后布置课后作业，要求以个人或小组讨论形式完成。

（六）商务智能应用（2学时）

商务智能技术在电子商务中的应用；商务智能技术在绩效管理中的应用；商务智能技术在流程管理中的应用；商务智能技术在客户关系管理中的应用。

1.基本要求

（1）了解商务智能技术在各个流域的相关应用；

（2）熟悉商务智能技术在电子商务中的应用。

2.重点、难点

重点：商务智能技术在电子商务中的应用；

3.作业及课外学习要求：课堂教学后布置课后作业，要求以个人或小组讨论形式完成。

三、教学安排及方式

总学时48学时，其中：讲授40学时，上机或多种形式8学时。

序号

课程内容

学时

教学方式

1

商务智能概述

2

讲授

2

在线分析处理OLAP

6

讲授+实践

3

数据仓库

6

讲授+实践

4

数据挖掘过程

6

讲授+实践

5

数据挖掘技术和方法

8

讲授+实践

6

商务智能应用

4

讲授

四、本课程对培养学生能力和素质的贡献点

本课程以课堂教学为主，上机实验为辅，结合作业以及小组讨论等教学手段和形式完成课程教学任务。

在课堂教学中，通过讲授、提问、讨论、演示以及最近研究论文分享等方法和手段，使学生掌握数据挖掘与商务智能的基本原理和技术，并了解数据挖掘与商务智能相关的最新研究成果，为数据挖掘与商务智能的相关应用和实践打下坚实的理论基础。

在课后作业环节，通过个人探索和小组讨论的形式，一方面帮助学生加强对课堂内容的巩固，并且培养学生主动涉猎知识的自主学习能力；另一方面培养学生在团队中主动表达自己观点的能力和技巧。

在上机实验中，通过小组讨论完成实验和个人独立完成实验报告的形式，使学生具有数据挖掘与商务智能的实践和应用能力，并培养学生的团队合作意识以及独立完成实验报告和分析的能力。

五、考核及成绩评定方式

最终成绩由平时作业成绩、实验报告成绩和期末成绩等组合而成。各部分所占比例如下：

平时作业成绩：40%。主要考核对每堂课知识点的复习、理解和掌握程度。

实验报告成绩：60%。主要考核数据挖掘技术的实践能力。需要提交实验程序代码以及实验报告。

六、教材及参考书目

教材：《商务智能（第二版）》，赵卫东主编，清华大学出版社

七、说明

（一）与相关课程的分工衔接

考虑商务智能的跨学科性（统计学、人工智能和数据库），学习本课程前需要有一定的统计学、数据库系统等课程基础。

（二）其他说明

无