《商务数据分析》教学大纲

课程编号：EM016503

课程名称：商务数据分析                    英文名称：Business Statistical Analysis                             

学分/学时：3/48                              课程性质：专业选修课             

适用专业：信息管理与信息系统，电子商务       建议开设学期： 6                         

先修课程：数据挖掘，应用统计学               开课单位：经济与管理学院信息管理系                             

一、课程的教学目标与任务

主要目的是培养学生熟练运用人工智能、数据挖掘等数据分析工具与软件，基于行业案例，对商业大数据进行有效的分析、挖掘与处理。通过将基础理论知识与应用实践的紧密结合，实现对本科学生的实训教学，培养学生的大数据分析与处理、解决商务智能实际问题的能力。

二、课程具体内容及基本要求

（一）商务数据分析导论( 2学时)

1.基本要求

（1）了解商务数据分析的应用与决策过程。

（2）熟悉商务数据分析过程中的解析方法与模型分类。

2.重点、难点

重点：商务数据分析的重要性。

难点：商务数据分析中的不同方法与模型在不同场景中的应用。

3.作业及课外学习要求：总结与分析商务数据分析的应用

（二）Python语言简介（6学时）

1.基本要求

（1）了解Python语言的发展历史与演进历程。

（2）掌握Python语言的特点。

（3）掌握Python的开发环境配置与具体安装过程。

（4）掌握Python中常用的数据类型以及相对应的常用操作函数。

2.重点、难点

重点：Python语言的特点。

难点：Python开发环境配置与安装，常用的数据类型与操作函数。

3.作业及课外学习要求：熟悉Python语言环境，熟悉不同的数据类型与操作函数、程序。

（三）描述统计分析（10学时）

1.基本要求

（1）掌握Python 中针对数据排序、读取、写入、循环等程序操作过程。

（2）掌握Python中的数据统计分析操作函数。

2.重点、难点

重点：Python的排序、循环、读写文件操作。

难点：Python的数据分析函数在数据分析过程中的应用。

3.作业及课外学习要求：熟悉Python的数据统计分析函数的操作程序。

（四）数据可视化（6学时）

1.基本要求

（1）熟悉数据分析过程中常用的数据可视化方式。

（2）掌握Python中的数据可视化操作函数。

2.重点、难点

重点：数据分析过程中数据可视化方式的异同以及适用场景。

难点：Python的数据可视化操作方法。

3.作业及课外学习要求：熟悉Python数据可视化操作方法，并根据实际数据进行可视化操作与分析。

（五）线性回归（6学时）

1.基本要求

（1）熟悉线性回归分析的基本原理。

（2）掌握Python中的线性回归实现函数与方法。

2.重点、难点

重点：利用python实现线性回归方程的构建与求解。

难点：利用python实现线性回归方程的构建与求解，并对回归结果进行分析。

3.作业及课外学习要求：基于实际数据，利用Python构建线性回归方程，并求解，判断回归方程的拟合效果。

（六）数据挖掘（8学时）

1.基本要求

（1） 熟悉商务数据分析过程中常用的数据挖掘方法、数据抽样方法与数据预处理方法。

（2）掌握数据挖掘中经典的有指导与无指导学习方法以及相应的Python实现过程。

2.重点、难点

重点：利用Python进行数据抽样、数据预处理。

难点：利用python实现经典的有指导与无指导学习算法。

3.作业及课外学习要求：基于实际数据，利用Python实现经典的有指导与无指导学习算法，并对算法结果进行分析。

（七）线性优化模型（8学时）

1.基本要求

（1） 熟悉商务数据分析过程中常用的线性优化模型与构建方法。

（2）掌握商务数据分析中的极大化问题与极小化问题构建方法，以及在python中的实现与求解过程。

（3）掌握商务数据分析中的整数线性优化方法，以及几种常用的整数线性规划模型。

2.重点、难点

重点：利用Python进行极大化问题与极小化问题的求解与实现。

难点：利用Python进行极大化问题与极小化问题的求解与实现。

3.作业及课外学习要求：基于实际数据，利用Python进行极大化问题与极小化问题的求解与实现。

（八）Monte Carlo 模拟（2学时）

1.基本要求

（1）熟悉Monte Carlo模拟基本原理。

（2）掌握Monte Carlo在解决实际问题中的应用过程。

2.重点、难点

重点：Monte Carlo的应用。

难点：Monte Carlo的应用。

3.作业及课外学习要求：结合实际问题，理解Monte Carlo的原理与具体应用过程。

三、教学安排及方式

总学时 48 学时，其中：讲授 32   学时，实验  16  学时，上机    学时，实践    学时，线上   学时。

注：教学方式包括面授和线上，其中面授包括： 讲授、实验、上机、实践。

四、考核及成绩评定方式

最终成绩由平时出勤成绩、课堂研讨成绩、实验报告成绩和小论文成绩等组合而成。各部分所占比例如下：

平时出勤成绩：10%。共设置四次考勤，每次2.5分。

课堂研讨成绩：20%。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：30%。主要考核计算机运用能力、获取整理信息的能力以及理论联系实际的能力，学生根据任课教师布置的实验任务撰写实验报告，根据实验报告内容的完整性、分析的全面性、格式等方面确定最终成绩。

小论文成绩：40%。主要考核学生对所有知识点的掌握、理解与运用能力，以及语言及文字表达能力。学生可自拟题目或根据任课教师提出的题目撰写课程学习小论文，根据小论文内容的完整性、分析的全面性、格式等方面确定最终成绩。

过程成绩提交时间和总评成绩计算说明表

注：上表用于说明授课过程中分项成绩提交时间，教师应在规定的时间内提交对应成绩，提前或逾期无法提交，一旦提交无法修改。大纲可以根据需要自行定义提交成绩的次数、时间和名称或说明，总评成绩计算必须与考核和成绩评定方式中描述的一致。

五、教材及参考书目

教材：Essentials of Business Analytics，Jeffrey D.Camm等，机械工业出版社。

参考书目：

1.商务数据分析与应用，胡华江，杨甜甜，电子工业出版社。

2.Python数据分析与数据化运营，宋天龙，机械工业出版社。

3.商务智能：数据分析的管理视角，Ramesh Sharda, Dursun Delen, Efraim Turban, 机械工业出版社。

六、说明

（一）与相关课程的分工衔接

（二）其他说明

（执笔人：宗威       审核人：窦永香）

2019年 08 月20日