数智时代商务数据分析：理论与实务
定价：￥69.80
作者： 吴丽民，林与川
出版时间：2026-08-04
出版社：机械工业出版社
- 机械工业出版社
- 9787111814894
- 1-1
- 2026-08-04
- 624
内容简介
本书结合大数据与人工智能发展的新趋势，全面介绍数据采集、预处理、可视化、建模分析与决策支持的核心内容。本书结构合理，兼顾理论与实践，涵盖SPSS、Python等多种分析工具操作案例，便于读者跨平台学习与应用。读者通过学习本书，不仅能够建立系统的商务数据分析思维，更能掌握数据挖掘、建模、可视化展示等关键技能，增强分析问题和解决问题的能力，为未来职业发展打下坚实的基础。
本书共14章，涵盖从基础知识到高级模型的全方位知识体系，主要作为经济类、管理类专业本科生、研究生的教材，也可供希望系统掌握数据分析知识、提升数据分析能力的初学者与在职人员使用。
本书共14章，涵盖从基础知识到高级模型的全方位知识体系，主要作为经济类、管理类专业本科生、研究生的教材，也可供希望系统掌握数据分析知识、提升数据分析能力的初学者与在职人员使用。
目录
目录
前言
第一章导论1
第一节商务数据分析的背景和重要性1
第二节数据智能时代的挑战与机遇2
第三节商务数据分析的发展历程3
第四节本教材的目标、结构和适用人群4
参考文献6
第二章商务数据分析常用软件7
第一节SPSS统计分析软件7
第二节Python14
第三节Power BI17
参考文献20
课后练习20
第三章商务数据来源与采集21
第一节数据采集渠道与工具选择21
第二节Python爬虫23
第三节数据采集实例24
参考文献25
课后练习25
第四章商务数据预处理26
第一节数据质量管理与清洗26
第二节缺失值和异常值处理29
第三节区间缩放和数据标准化31
参考文献34
课后练习34
第五章探索性数据分析36
第一节探索性数据分析的概念与流程36
第二节描述性统计分析40
参考文献59
课后练习59
第六章数据可视化60
第一节数据可视化概述60
第二节常见的可视化工具和库66
第三节基本可视化类型70
第四节高级可视化类型88
参考文献97
课后练习98
第七章数据挖掘概述99
第一节数据挖掘方法概述99
第二节数据挖掘热点与前沿119
参考文献123
课后练习123
第八章统计分析与假设检验124
第一节均值检验124
第二节方差分析134
第三节相关性分析141
第四节回归分析146
参考文献166
课后练习166
第九章逻辑斯谛回归分析167
第一节逻辑斯谛回归分析的基本原理167
第二节逻辑斯谛回归的SPSS实现171
第三节逻辑斯谛回归的Python实现175
参考文献180
课后练习180
第十章因子分析181
第一节因子分析的基本原理181
第二节因子分析的SPSS实现184
参考文献196
课后练习196
第十一章结构方程模型199
第一节结构方程模型概述199
第二节结构方程模型的分析过程205
第三节验证性因素分析222
第四节Amos的路径分析233
参考文献250
课后练习251
第十二章决策树分析252
第一节决策树分析概述252
第二节经典决策树算法263
第三节决策树的剪枝266
第四节决策树的SPSS实现269
参考文献297
课后练习298
第十三章聚类分析299
第一节聚类分析概述299
第二节系统聚类的SPSS实现304
第三节K-均值聚类的SPSS实现314
第四节K-均值聚类的Python实现319
第五节DBSCAN聚类的Python实现323
参考文献332
课后练习332
第十四章分类334
第一节KNN分类334
第二节随机森林算法340
第三节神经网络分类算法345
参考文献349
课后练习350
前言
第一章导论1
第一节商务数据分析的背景和重要性1
第二节数据智能时代的挑战与机遇2
第三节商务数据分析的发展历程3
第四节本教材的目标、结构和适用人群4
参考文献6
第二章商务数据分析常用软件7
第一节SPSS统计分析软件7
第二节Python14
第三节Power BI17
参考文献20
课后练习20
第三章商务数据来源与采集21
第一节数据采集渠道与工具选择21
第二节Python爬虫23
第三节数据采集实例24
参考文献25
课后练习25
第四章商务数据预处理26
第一节数据质量管理与清洗26
第二节缺失值和异常值处理29
第三节区间缩放和数据标准化31
参考文献34
课后练习34
第五章探索性数据分析36
第一节探索性数据分析的概念与流程36
第二节描述性统计分析40
参考文献59
课后练习59
第六章数据可视化60
第一节数据可视化概述60
第二节常见的可视化工具和库66
第三节基本可视化类型70
第四节高级可视化类型88
参考文献97
课后练习98
第七章数据挖掘概述99
第一节数据挖掘方法概述99
第二节数据挖掘热点与前沿119
参考文献123
课后练习123
第八章统计分析与假设检验124
第一节均值检验124
第二节方差分析134
第三节相关性分析141
第四节回归分析146
参考文献166
课后练习166
第九章逻辑斯谛回归分析167
第一节逻辑斯谛回归分析的基本原理167
第二节逻辑斯谛回归的SPSS实现171
第三节逻辑斯谛回归的Python实现175
参考文献180
课后练习180
第十章因子分析181
第一节因子分析的基本原理181
第二节因子分析的SPSS实现184
参考文献196
课后练习196
第十一章结构方程模型199
第一节结构方程模型概述199
第二节结构方程模型的分析过程205
第三节验证性因素分析222
第四节Amos的路径分析233
参考文献250
课后练习251
第十二章决策树分析252
第一节决策树分析概述252
第二节经典决策树算法263
第三节决策树的剪枝266
第四节决策树的SPSS实现269
参考文献297
课后练习298
第十三章聚类分析299
第一节聚类分析概述299
第二节系统聚类的SPSS实现304
第三节K-均值聚类的SPSS实现314
第四节K-均值聚类的Python实现319
第五节DBSCAN聚类的Python实现323
参考文献332
课后练习332
第十四章分类334
第一节KNN分类334
第二节随机森林算法340
第三节神经网络分类算法345
参考文献349
课后练习350
