本書是對分析 (或商業分析) 的技術以及用于設計和開發決策支持系統的基本方法、技術和軟件的全面介紹。除了傳統的決策支持應用程序外，本書還介紹了人工智能、機器學習、機器人技術、聊天機器人、物聯網和與互聯網相關的技術，通過提供示例、產品、服務和練習闡述各種類型的分析。
分析已經成為這十年的技術驅動力。IBM、Oracle、Microsoft等公司正在創建專注于分析的新組織單元，這有助于企業提高效率。決策者正在利用數據和計算機工具做出更好的決策，甚至消費者也在直接或間接地使用分析工具，來對購物、醫療保健和娛樂等日常活動做出決策。商業分析（BA）/數據科學（DS）/決策支持系統（DSS）/商務智能（BI）領域發展迅速，更專注于創新的方法和應用程序，以利用甚至在之前的一段時間沒有捕獲到（更不用說以任何重要的方式進行分析）的數據流。客戶關系管理、銀行和金融業、醫療保健和醫藥、體育和娛樂、制造業和供應鏈管理、公用事業和能源，以及幾乎所有可以想象的行業每天都會出現新的應用程序。
本書的主題是用于支持企業決策的分析、數據科學和人工智能技術。除了傳統的決策支持應用程序外，此版本還通過介紹人工智能、機器學習、機器人技術、聊天機器人、物聯網和與互聯網相關的使能技術，并提供示例，帶領讀者深入了解各種類型的分析。我們強調這些技術是現代商業分析系統的新興組成部分。人工智能技術通過實現自主決策和支持決策過程中的步驟，對決策產生重大影響。人工智能和分析相互支持，通過協同來協助決策。
本書的目的是向讀者介紹通常稱為分析或商業分析（眾所周知的其他名稱還有決策支持系統、執行信息系統和商務智能等）的技術，可以等價地使用這些術語。本書介紹用于設計和開發這些系統的基本方法及技術。此外，我們還介紹人工智能的基本原理以及獨立的決策支持規程。
我們遵循EEE（接觸、體驗、探索）方法來介紹這些主題。本書主要介紹各種分析技術以及它們的應用。我們的想法是，讀者將從其他組織如何使用分析做出決策或獲得競爭優勢受到啟發。我們相信，這種接觸學習的方法以及如何實現它是學習分析的關鍵。在描述這些技術時，我們還介紹了可用于開發此類應用程序的特定軟件工具。本書不局限于任何一個軟件工具，因此讀者可以使用任何數量的可用軟件工具體驗這些技術。每一章都有具體建議，但是讀者可以使用許多不同的軟件工具。后，我們希望這種接觸和體驗能夠激勵讀者探索這些技術在各自領域的潛力。
第11版中所做的改進主要集中在三個方面：重組、內容更新（包括人工智能、機器學習、聊天機器人和機器人技術）和更清晰的焦點。盡管本書內容有了許多變化，但我們仍然保持了過去幾十年使本書成為暢銷書的全面性和用戶友好性。我們還優化了本書的篇幅和內容：去除了舊的、多余的材料，添加和組合了與當前趨勢相符的材料。后，我們提供了沒有在任何其他書中出現過的準確和更新的材料。接下來我們將詳細描述第11版的變化。
第11版有什么新內容
為了改進內容并與不斷發展的技術趨勢保持同步，本版本進行了一次重大重組，以更好地反映當前對分析及其支持的技術的關注。本書的前三個版本從傳統的DSS轉換為BI，然后從BI轉換為BA，并與Teradata大學網絡（TUN）建立了緊密的聯系。以下總結了對本版本所做的主要更改。
新組織。本書現在主要圍繞兩個主題進行組織：不同類型的分析的動機、概念和方法（主要集中在預測性和規范性分析上）；驅動現代分析領域的新技術，如人工智能、機器學習、深度學習、機器人技術、物聯網、智能/機器人協作輔助系統等。全書共五部分。部分（第1～3章）介紹分析與人工智能：第1章介紹決策支持和相關技術的歷程，首先簡要介紹經典的決策和決策支持系統，然后介紹商務智能，后介紹分析、大數據和人工智能；第2章對人工智能進行更深入的介紹；第3章介紹數據問題以及描述性分析，包括統計概念和可視化。第二部分（第4～7章）介紹預測性分析和機器學習：第4章介紹數據挖掘的應用和數據挖掘過程；第5章介紹用于預測性分析的機器學習技術；第6章介紹深度學習和認知計算；第7章關注文本挖掘應用以及Web分析，包括社交分析、情感分析等。第三部分（第8和9章）介紹規范性分析和大數據：第8章討論規范性分析，包括優化和仿真；第9章介紹大數據分析的更多細節，還介紹基于云的分析和位置分析。第四部分（第10～13章）介紹機器人、社交網絡、人工智能和物聯網：第10章介紹工業和消費者應用中的機器人，并研究這些設備對未來社會的影響；第11章著重于協作系統、眾包；第12章回顧個人助理、聊天機器人，以及這個領域令人興奮的發展；第13章研究物聯網及其在決策支持和智能社會中的潛力。第五部分（第14章）簡要討論分析以及人工智能的安全、隱私和社會層面的內容。
新的章節。我們應該注意到，本書包含的幾章已在《商務智能：數據分析的管理視角（原書第4版）》（Pearson，2018）（以下簡稱BI4e）中提供。這些章節的結構和內容在編入本書之前已經有所更新，但下面各章的變化更為顯著。當然，BI4e的一些章節并沒有包含在本書的前幾個版本中。
第2章 該章介紹了人工智能的基本原理，概述了人工智能的優點，并將人工智能與人類智能進行了比較，描述了人工智能的應用領域。通過會計、金融服務、人力資源管理、市場營銷和CRM以及生產運營管理中的示例應用說明了人工智能給業務帶來的好處（全新）。
第6章
前言
致謝
作者簡介
部分 分析和人工智能簡介
第1章 用于決策支持的商務智能、分析、數據科學和人工智能系統概述2
1.1 開篇小插曲：通力電梯和自動扶梯公司的智能系統是如何工作的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、廣告和客戶關系管理中的應用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 用于業務分析的統計建模133
3.6 用于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 用于預測性分析的機器學習技術234
5.1 開篇小插曲：預測建模有助于更好地理解和管理復雜的醫療程序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 基于過程的支持向量機使用方法254
5.6 用于預測的鄰近法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 基于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 規范性分析和大數據
第8章 規范性分析：優化與仿真434
8.1 開篇小插曲：費城學區使用規范性分析來尋找外包巴士路線的解決方案435
8.2 基于模型的決策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 基于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、云計算和位置分析：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 大數據提供商和平臺519
9.9 云計算和業務分析526
9.10 基于位置的組織分析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
新書資訊