Ramesh Sharda（威斯康星大学麦迪逊分校工商管理硕士、博士），俄克拉何马州立大学（OSU）斯皮尔斯商学院负责研究和研究生课程的副院长，沃森/康菲石油公司讲席教授，管理科学与信息系统专业校董教授。他参与创立并指导了俄克拉何马州立大学面向高管的商学博士课程。他发表的研究论文多达200余篇，主要刊物包括《运筹学》《管理科学》《信息系统研究》《决策支持系统》和《管理信息系统杂志》等。他参与创立了信息系统协会（AIS）关于决策支持系统和知识管理的专业兴趣小组（SIGDSA）。Sharda博士担任多个编辑委员会委员，包括《决策科学杂志》《决策支持系统》和《ACM数据库》。他撰写和编辑了多本教科书和专著，并担任Springer多套丛书的联合主编。2013年至2020年，他担任Teradata大学网络执行总监。他目前的研究兴趣是决策支持系统、商务分析和管理信息超载技术。Ramesh是INFORMS和AIS会士，2015年入选俄克拉何马州高等教育名人堂。2023年春季，他被授予富布赖特-阿尔托大学杰出讲席教授。Dursun Delen（俄克拉何马州立大学博士），俄克拉何马州立大学斯皮尔斯商学院商务管理讲席教授（斯皮尔斯捐赠），商务分析讲席教授（帕特森基金会捐赠），卫生系统创新中心研究主任，管理科学与信息系统专业校董教授。在开始学术生涯之前，他曾在得克萨斯科利奇站的一家私营研究和咨询公司Knowledge Based Systems担任了5年研究科学家。在此期间，他领导了许多决策支持项目和其他由几个联邦机构资助的与信息系统相关的研究项目，包括美国国防部（DoD）、美国国家航空航天局（NASA）、美国国家标准与技术研究所（NIST）、弹道导弹防御组织（BMDO）和能源部（DoE）。Delen博士发表了200多篇同行评审文章，其中一些文章发表在《决策科学杂志》《决策支持系统》《ACM通讯》《计算机与运筹学》《工业计算机》《生产运营管理杂志》《医学人工智能》《国际医学信息学杂志》《专家系统与应用》以及《IEEE无线通信》上。他最近撰写/合著了12本书籍，内容涉及商务分析、数据挖掘、文本挖掘、商务智能和决策支持系统等领域。他经常应邀参加国内和国际会议，就数据/文本挖掘、商务分析、决策支持系统、商务智能和知识管理等主题发表演讲。他曾担任第四届网络计算和高级信息管理国际会议（2008年9月2日至2008年9月4日，韩国首尔）的大会共同主席，并定期在各种信息系统和分析会议上担任主席、分论坛主席或迷你论坛主席。他目前担任《商业分析期刊》和《商业中的人工智能期刊》的主编，以及其他十几种学术期刊的高级编辑、副主编或编委会成员。他的研究和教学方向是数据和文本挖掘、商务分析、决策支持系统、数据科学、知识管理、商务智能和企业建模。Efraim Turban（加州大学伯克利分校工商管理硕士、博士），夏威夷大学太平洋信息系统管理研究所访问学者。在此之前，他曾在多所大学任职，包括香港城市大学、理海大学、佛罗里达国际大学、加利福尼亚州立大学长滩分校、东伊利诺伊大学和南加州大学。Turban博士在《管理科学》《管理信息系统季刊》和《决策支持系统》等主流期刊上发表了100多篇论文。他还著有20本书，包括Electronic Commerce: A Managerial Perspective和Information Technology for Management。他还是全球各大公司的顾问。Turban博士目前感兴趣的领域是基于网络的决策支持系统、社交商务和协同决策。
前 言商务分析、数据科学和人工智能已成为当今世界的技术驱动因素。所有大公司和组织都在组建新的组织部门，其工作以分析为重点，目的是帮助公司提高运营效率和效益。决策者使用更多的计算机化工具来支持其工作，消费者也在直接或间接地使用分析工具来对其购物、健康/医疗保健、旅行和娱乐等日常活动做出决策。决策支持系统、商务智能与商务分析（Business Intelligence， and Business Analytics，BI&BA）领域发展迅速，更加注重创新应用，不断从商业数据流中提取知识和洞察力，这些数据流直到最近才被捕获，更不用说进行有效分析了。在医疗保健、体育、旅游、娱乐、供应链管理、公用事业等各行各业，每天都有新的应用出现。“分析”（analytics）一词已经演变成其他术语，如数据科学，以及AI、深度学习和物联网等更新的词。ChatGPT公开发布后，其账户注册量在短短两个月内跃升至1亿多，很明显，AI技术正在成为主流。最近，AI再次成为一个热门词汇，有望对企业和个人生活产生重大影响。我们所著的另一本书《商业分析：基于数据科学及人工智能技术的决策支持系统》（以下简称DSS11）介绍了许多当前的主题。本书上一版从管理的角度涵盖了各个核心领域。基于对这些主题的融合以及从管理视角理解这些主题的需要，我们整合并更新了这两本书的内容编写了本书，精简了覆盖面，使重点更加突出，内容涵盖AI、数据科学和分析领域的大部分重要主题。因此，本书的主题是分析、数据科学和用于企业决策支持的AI。从管理角度出发，本书介绍了商务分析的连续性，从描述性分析（例如数据的本质、统计建模、数据可视化和商务智能）开始，到预测性分析（例如数据挖掘、文本/网络挖掘、社交媒体挖掘），再到规范性分析（例如优化和模拟等）。此外，本书还介绍了AI、深度学习、机器人、聊天机器人、物联网（IoT），以及网络/互联网相关的赋能因素。我们特别强调，这些技术是现代商务分析系统的新兴组成部分。AI技术通过实现自主决策以及对决策过程中的步骤加以支持，从而对决策产生重大影响。AI和商务分析通过创造一种协同效应得以相互支持，这种协同效应有助于决策制定。最后，我们对未来趋势、隐私和管理方面的注意事项进行了总结。本书旨在向读者介绍通常被称为商务分析或数据科学的技术。这些术语可以互换使用。本书介绍了用于设计和开发这些系统的方法、方法论和技术的基本原理。此外，我们还介绍了AI的本质，因为它既与分析有关，也与决策支持的独立学科有关。本书还介绍了这些技术的基本原理以及这些系统的构建和使用方式。我们采用EEE［即曝光（Exposure）、体验（Experience）和探索（Exploration）］方法介绍上述主题。本书主要对各种分析技术及其应用进行曝光。其理念是：启发读者从其他组织如何利用分析来做出决策或获得竞争优势来学习知识。我们认为，对分析正在做什么，以及如何实现分析进行曝光，这是学习分析知识的关键所在。在介绍这些技术时，我们还介绍了可用于开发此类应用程序的特定软件工具。本书不限于某一种软件工具，因此读者可以使用任何可用的软件工具来体验这些技术。此外，本书每一章都给出了具体的建议，但读者也可以将本书与许多不同的软件工具一起使用。本书第9章介绍了几种软件工具，但读者也可以通过多种不同的方式来体验这些技术。最后，我们希望这种曝光和体验能够激励读者在自己的领域探索这些技术的潜力。为了促进探索，我们会在合适的情况下提供活动和Web站点链接，其中包含团队合作训练。一些章节包括Teradata大学学术网站上提供的资料链接。如何使用本书？可以在为期一学期的分析/AI概论课程中使用本书，本书包含该课程内容的大部分或全部主题/章节。这种内容安排能提供对许多专题的介绍性概述，教师可以介绍所选主题的任何动手工具和练习，以深入涵盖特定领域。例如，一般的入门课程除了提供其他主题的管理视角的概述外，还可以只介绍数据管理和可视化工具。使用本书连续教授两门课程。例如，其中一门课程侧重于介绍整个商务分析的总体内容，可以选择第1章、第3～9章的部分章节的内容。作为第一门课程的后续课程，第二门课程可侧重于人工智能和新兴技术，将其作为现代分析技术的推动因素。第二门课程可涵盖第1、2、7章和第8～11章的部分内容，并介绍这些章节中提到的一些技术的软件工具。如前所述，可以使用本书帮助管理层了解应用程序和技术，本书选定的章节中也包括足够的技术细节，使教师能够专注于一些技术方法和实践练习。本书特色本书的大部分具体改进集中在以下四个方面：内容重新组织增加新章节内容更新重点更突出改变虽多，但本书仍然保留了使其成为市场领头羊的全面性和用户友好性，我们也提供了更准确、更新的资料。如上所述，本次修订整合并更新了DSS11和本书上一版的内容。我们对书中的内容进行了重大重组，以反映对商务分析的关注。因此，本书围绕三大类型的商务分析进行编排：描述性分析、预测性分析和规范性分析。新版做了许多及时的内容增补，删除了一些过时的内容。（我们保留了一些内容，因为这有助于了解特定主题的发展过程。）本书的主要具体更改如下：新的内容和结构。本书围绕描述性分析、预测性分析和规范性分析三大类型的商务分析进行组织，这是由INFORMS所倡导的分类。除了更新先前章节的内容外，本书还包括几个新章节。一些材料在DSS11中出现过，但所有内容都已更新，并重新纳入本书。本书包括11章内容：第1、2章对商务分析/数据科学/AI领域的所有主题进行概述，包括新的章节，专门介绍AI主题。第3、4章介绍作为商务分析和描述性分析基础的数据。第5～7章介绍预测性分析，包括有关深度学习的新章节。第8章介绍规范性分析，包括优化、模拟和启发式方法。第9～11章包括一章新内容（第9章），介绍用于商务分析的软件工具和编程语言的前景。此外，第10章也是全新内容，它介绍了AI和数据科学的当前及未来趋势。本书以对商务分析中的道德、隐私和管理的思考作为结尾。新章节。本书增加了以下章节（如前所述，这些章节中的一些材料已从我们的DSS11中更新）：第2章介绍AI的各种主题，并涵盖与分析/数据科学相关的主题，包括对话式AI、聊天机器人（如ChatGPT）、机器人顾问，这些内容通常不包括在传统的入门课程中。该章还介绍AI的基本原理，概述AI的优点，将其与人类的智能进行比较，并介绍该领域的相关内容，以会计、金融、人力资源管理、市场营销与客户关系管理以及生产经营管理等方面的应用示例说明了AI对商业的好处（新内容占95%）。第7章介绍机器学习技术的产生、深度学习以及越来越流行的AI主题—认知计算。该章内容几乎属于全新内容（新内容占90%）。第9章介绍分析/数据科学工具的前景，包括对R/Python、KNIME、JMP和其他工具的介绍。虽然不可能介绍所有可用的工具，但该章给出了一些指导性意见，可以帮助我们探索一些选择方案（新内容占100%）。第10章包括对上一版第8章中一些内容的更新，涉及对地理空间分析、物联网的介绍，以及对基于云的分析内容的重大更新。此外，该章还包括分析和数据科学中基于AI的趋势分析，以及物联网、5G、机器人过程自动化、聊天机器人、元宇宙等内容（新内容占60%）。修订章节。书中的其他章节也都在上一版的基础上进行了修订和更新，以下是其他章节内容的变化汇总：第1章内容已大幅扩展。开篇小插曲现在包括国际体育中的运动分析应用，以及运动分析中的其他决策问题。该章介绍由INFORMS提出的三种分析类型：描述性分析、预测性分析和规范性分析。如前所述，这种分类用于指导本书整体内容的重新组织。其次，除了更新医疗保健和零售业的先前应用（新内容约占40%）外，该章还包括农业等行业分析的几个新例子。第3章更新了早期的内容，但仍保留对大数据的介绍（使用了改编自DSS11一书的材料）。该章包括一个关于“数据有益”的小节。经过重组，该章涵盖了基本的统计方法，删除了数据可视化的相关内容，减少了应用案例（商务分析实操）的数量，并添加了新案例（新内容约占10%）。第4章包括几个新案例（新内容约占15%）。第5章增加了一些新的内容组织/流程，以及一些新图表（新内容约占5%）。第6章增加了一些关于情感分析和主题建模的新资料（新内容约占20%）。第8章包括一个新的开篇小插曲和一些新的应用案例。新应用案例的出现使得模拟覆盖范围得以简化。增加了一节有关遗传算法的新内容，最后还包括一些额外的优化和模拟建模练习（新内容约占30%）。第11章更新了上一版中第9章的早期内容，以涵盖与负责任的AI相关的新问题、有关AI影响的其他示例等。该章还对DSS11一书中的材料进行了改编，内容涵盖隐私保护、知识产权、道德、技术问题（如集成和安全等），以及行政管理等。该章还讨论了这些技术对组织和人员的影响，并专门分析了技术对工作和就业的影响。该章还特别关注商务分析和AI（机器人）可能产生的意外影响。该章内容还包括一位业内专业人士的反思性叙述，他曾为公司做过许多分析项目，读者从中可以吸取从一个组织的分析之旅中获得的许多经验和教训（新内容约占50%）。
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
