《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： 1.了解商务智能与数据挖掘研究前沿的最新成果。 2.掌握商务智能与数据挖掘的基本概念和理论。 3.理解商务智能与数据挖掘的相关技术及原理。
4.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
1.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实和完善。
2.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。
1.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。
2.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 1.考核方式：考查 2.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。
3.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 1 2 3 4 5 6 7 8 9 10 11 12 13 商务智能基础 数据挖掘概述 数据预处理 关联规则挖掘 数据分类及预测 数据聚类分析 图模型 社会网络分析 数据仓库 数据建模案例分析 决策支持系统 商务智能与知识管理 商务智能与客户关系管理 合计 教学内容 学时 2 2 2 2 4 4 2 2 2 4 2 2 2 32 讲课 2 2 2 2 4 4 2 2 2 4 2 2 2 32 实验 上机 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：
最近邻分类、决策树技术的基本原理。 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:0 1） 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:0 1）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？ 第13部分 商务智能与客户关系管理
总学时(单位：学时):2 讲课:2 实验:0 上机:0 1）客户关系管理在商务智能中的应用 2）协同推荐模型 3）客户价值模型 重 点：
了解商务智能与客户关系管理之间的联系，掌握如何通过协同推荐方法实现客户管理。 难 点：
协同推荐模型的基本原理
电子商务-商务智能与数据挖掘-理论大纲
