提供学校: | 西安电子科技大学 |
院系: | 经济与管理学院 |
专业大类: | 管理类 |
专业: | 电子商务 |
课程英文名称: | Data Mining and Business Intelligence |
课程编号: | EM055015 |
学分: | 2.0 |
课时: | 32 |
本课程主要介绍数据仓库与数据挖掘的基本概念、基本方法以及在商务决策中的应用。具体的内容包括数据仓库系统简介、联机分析处理(OLAP),数据预处理技术(包括数据清理、数据集成和转换等),数据挖掘技术(包括分类、预测、关联和聚类等)以及数据挖掘方法(包括决策树方法、统计方法、关联规则挖掘等),并结合案例分析上述方法和技术在商务智能中的应用。
本课程以课堂教学为主,上机实验为辅,结合作业以及小组讨论等教学手段和形式完成课程教学任务。
在课堂教学中,通过讲授、提问、讨论、演示以及最近研究论文分享等方法和手段,使学生掌握数据挖掘与商务智能的基本原理和技术,并了解数据挖掘与商务智能相关的最新研究成果,为数据挖掘与商务智能的相关应用和实践打下坚实的理论基础。
在课后作业环节,通过个人探索和小组讨论的形式,一方面帮助学生加强对课堂内容的巩固,并且培养学生主动涉猎知识的自主学习能力;另一方面培养学生在团队中主动表达自己观点的能力和技巧。
在上机实验中,通过小组讨论完成实验和个人独立完成实验报告的形式,使学生具有数据挖掘与商务智能的实践和应用能力,并培养学生的团队合作意识以及独立完成实验报告和分析的能力。
《数据挖掘与商务智能》教学大纲
课程编号:EM055015
课程名称:数据挖掘与商务智能 英文名称:Data Mining and Business Intelligence
学分/学时:2/16+16 课程性质:电子商务专业课程
适用专业:电子商务 建议开设学期:第7学期
先修课程:统计学,数据库 开课单位:经济与管理学院
一、课程的教学目标与任务
本课程主要介绍数据仓库与数据挖掘的基本概念、基本方法以及在商务决策中的应用。具体的内容包括数据仓库系统简介、联机分析处理(OLAP),数据预处理技术(包括数据清理、数据集成和转换等),数据挖掘技术(包括分类、预测、关联和聚类等)以及数据挖掘方法(包括决策树方法、统计方法、关联规则挖掘等),并结合案例分析上述方法和技术在商务智能中的应用。
二、课程具体内容及基本要求
(一)商务智能概述( 2学时)
商务智能简介;商务智能的现状和发展。
1.基本要求
(1)了解商务智能的发展现状;
(2)掌握商务智能的相关概念。
2.重点、难点
重点:商务智能的重要性;
3.作业及课外学习要求:课堂教学后布置课后作业,要求以个人或小组讨论形式完成。
(二)在线分析处理OLAP(6学时)
多维数据结构;多维数据分析;应用案例分析。
1.基本要求
(1)了解多维数据的基本概念;
(2)熟悉多维数据的结构及相关分析技术;
(2)掌握多维数据分析的具体应用。
2.重点、难点
重点:多维数据结构以及相关的分析技术;
难点:多维数据结构的具体应用。
3.作业及课外学习要求:课堂教学后布置课后作业,要求以个人或小组讨论形式完成。
(三)数据仓库(8学时)
数据仓库的基本概念;数据集成;数据仓库的系统设计;元数据的管理;数据仓库设计的实验。
1.基本要求
(1)了解数据仓库的基本概念;
(2)掌握数据仓库的系统设计以及元数据的管理。
2.重点、难点
重点:数据的抽取、转换和加载(ETL)以及数据的质量管理;
难点:数据仓库系统设计,包括概念模型设计、逻辑模型设计以及物理模型设计。
3.作业及课外学习要求:课堂教学后布置课后作业,要求以个人或小组讨论形式完成。
(四)数据挖掘过程(8学时)
数据选择与预处理;模型获取;模型评价;模型部署与投资回报分析;应用案例分析。
1.基本要求
(1)了解数据挖掘的过程以及相关应用;
(2)熟悉模型获取、模型评价、模型部署与投资回报分析;
(3)掌握数据挖掘的数据处理以及模型分析。
2.重点、难点
重点:数据选择与预处理以及模型分析;
难点:模型获取;模型评价;模型部署与投资回报分析。
3.作业及课外学习要求:课堂教学后布置课后作业,要求以个人或小组讨论形式完成。
(五)数据挖掘技术和方法(12学时)
聚类分析;分类和预测;关联规则挖掘;统计分析;序列模式;应用案例分析;上机实验。
1.基本要求
(1)了解聚类分析的原理以及应用;
(2)熟悉数据的分类和预测以及相关分析技术;
(3)掌握关联规则挖掘、统计分析以及序列模式。
2.重点、难点
重点:关联规则挖掘;
难点:统计分析和序列模式。
3.作业及课外学习要求:课堂教学后布置课后作业,要求以个人或小组讨论形式完成。
(六)商务智能应用(2学时)
商务智能技术在电子商务中的应用;商务智能技术在绩效管理中的应用;商务智能技术在流程管理中的应用;商务智能技术在客户关系管理中的应用。
1.基本要求
(1)了解商务智能技术在各个流域的相关应用;
(2)熟悉商务智能技术在电子商务中的应用。
2.重点、难点
重点:商务智能技术在电子商务中的应用;
3.作业及课外学习要求:课堂教学后布置课后作业,要求以个人或小组讨论形式完成。
三、教学安排及方式
总学时48学时,其中:讲授40学时,上机或多种形式8学时。
序号 | 课程内容 | 学时 | 教学方式 |
1 | 商务智能概述 | 2 | 讲授 |
2 | 在线分析处理OLAP | 6 | 讲授+实践 |
3 | 数据仓库 | 6 | 讲授+实践 |
4 | 数据挖掘过程 | 6 | 讲授+实践 |
5 | 数据挖掘技术和方法 | 8 | 讲授+实践 |
6 | 商务智能应用 | 4 | 讲授 |
四、本课程对培养学生能力和素质的贡献点
本课程以课堂教学为主,上机实验为辅,结合作业以及小组讨论等教学手段和形式完成课程教学任务。
在课堂教学中,通过讲授、提问、讨论、演示以及最近研究论文分享等方法和手段,使学生掌握数据挖掘与商务智能的基本原理和技术,并了解数据挖掘与商务智能相关的最新研究成果,为数据挖掘与商务智能的相关应用和实践打下坚实的理论基础。
在课后作业环节,通过个人探索和小组讨论的形式,一方面帮助学生加强对课堂内容的巩固,并且培养学生主动涉猎知识的自主学习能力;另一方面培养学生在团队中主动表达自己观点的能力和技巧。
在上机实验中,通过小组讨论完成实验和个人独立完成实验报告的形式,使学生具有数据挖掘与商务智能的实践和应用能力,并培养学生的团队合作意识以及独立完成实验报告和分析的能力。
五、考核及成绩评定方式
最终成绩由平时作业成绩、实验报告成绩和期末成绩等组合而成。各部分所占比例如下:
平时作业成绩:40%。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:60%。主要考核数据挖掘技术的实践能力。需要提交实验程序代码以及实验报告。
六、教材及参考书目
教材:《商务智能(第二版)》,赵卫东主编,清华大学出版社
七、说明
(一)与相关课程的分工衔接
考虑商务智能的跨学科性(统计学、人工智能和数据库),学习本课程前需要有一定的统计学、数据库系统等课程基础。
(二)其他说明
无