《智慧管理与商务智能》课程教学大纲（本科）.docVIP

智慧管理与商务智能 Intelligence Management and Business Intelligence 课程代码学分：2 学时：32（其中：讲课学时：32） 先修课程：数据库系统原理及应用、统计学原理 适用专业：信息管理与信息系统 教材：《商务智能》，赵卫东，清华大学出版社，2014年1月第三版 一、课程性质与课程目标 （一）课程性质 《智慧管理与商务智能》意图对企事业单位日常管理与生产经营活动中出现的海量数据进行整理、分析和提炼，转换为知识，促进企业决策流程、降低整体营运成本和协同组织目标与行动的工具，又称为商业智慧或者商业智能。 （二）课程目标 课程目标1：简介数据仓库系统、分析处理，数据预处理技术（包括数据清理、数据集成和转换等），数据挖掘过程以及常用方法等，并结合案例分析上述方法在商务智能中的应用。 课程目标2：掌握智慧管理目前的应用现状以及发展趋势，熟悉商业智能的常用核心技术，并结合实际案例了解商业智能项目的实施过程。 二、课程内容与教学要求 第1章 智慧企业对商业智能的需求 （一）教学内容 智慧企业的定位及商务智能对企业商业行为的决策支持；商业智能的基本概念、特点、基本结构和功能构造；商业智能系统的结构、功能和特点；商业智能的应用现状与发展。 （二）教学要求 了解智慧企业的定位及商务智能对企业商业行为的决策支持；掌握商业智能的基本概念、特点、基本结构和功能构造；了解商业智能系统的结构、功能和特点；了解商业智能的应用现状与发展。 （三）重点与难点 1.重点是掌握学习本课程的几个基础概念； 2.难点是了解智能企业对商务管理的需求，掌握商业智能与商业智能系统的体系结构框架。 第2章 数据仓库与商业智能 （一）教学内容 数据仓库的定义、基本特性及其体系结构，元数据的分类与作用，数据仓库设计与实施的一般步骤，DW与BI工具的综合应用及其对数据的组织与管理。 （二）教学要求 了解数据仓库的定义、基本特性及其体系结构，元数据的分类与作用，掌握数据仓库设计与实施的一般步骤，DW与BI工具的综合应用及其对数据的组织与管理。 （三）重点与难点 1.重点是掌握数据仓库的定义、基本特性及其体系结构； 2.难点是了解数据仓库设计与实施的一般步骤。 第3章 数据预处理 （一）教学内容 数据预处理的重要性，实现数据清洗、数据集成与转换、数据消减，利用SSIS对数据进行ETL操作。 （二）教学要求 了解数据预处理的重要性，实现数据清洗、数据集成与转换、数据消减，利用SSIS对数据进行ETL操作。 （三）重点与难点 1.重点是掌握实现数据清洗、数据集成与转换、数据消减； 2.难点是利用SSIS对数据进行ETL操作。 第4章 多维数据分析 （一）教学内容 多维数据分析的基础和使用的方法，三种存储方式，构建多维表达式，并使用SSAS构建维度和多维数据集，OLAP的设计与服务。 （二）教学要求 了解多维数据分析的基础和使用的方法，三种存储方式，构建多维表达式，并使用SSAS构建维度和多维数据集。 （三）重点与难点 1.重点是掌握维数据分析的基础和使用的方法； 2.难点是三种存储方式，构建多维表达式。 第5章 智能报表 （一）教学内容 商业智能报表与商业智能的关系，SSRS的结构及3种状态，利用SSRS创建基本报表及发布。 （二）教学要求 了解商业智能报表与商业智能的关系，SSRS的结构及3种状态，利用SSRS创建基本报表及发布。 （三）重点与难点 1.重点是掌握商业智能报表与商业智能的关系，SSRS的结构及3种状态； 2.难点是利用SSRS创建基本报表及发布。 第6章 数据挖掘与商业智能 （一）教学内容 数据挖掘的产生及解决的商业问题；数据挖掘涉及到的具体任务，包括分类、回归、时间序列分析、预测、聚类、关联规则、偏差检验等；数据挖掘系统的分类及项目的生命周期；基于OLAP的数据挖掘模型的设计与服务。 （二）教学要求 了解数据挖掘的产生及解决的商业问题；学会数据挖掘涉及到的具体任务，包括分类、回归、时间序列分析、预测、聚类、关联规则、偏差检验等；了解数据挖掘系统的分类及项目的生命周期；掌握基于OLAP的数据挖掘模型的设计与服务。 （三）重点与难点 1.重点是掌握数据挖掘涉及到的具体任务，包括分类、回归、时间序列分析、预测、聚类、关联规则、偏差检验等； 2.难点是基于OLAP的数据挖掘模型的设计与服务。 第7章 典型案例分析 （一）教学内容 基于客户分析系统、菜篮分析系统、反洗钱系统、反诈骗系统、客户联络分析系统、市场细分系统、信用计分系统、产品收益系统、库存运作系统以及与商业风险相关的应用系统的讲座。 （二）教学要求 了解相应的应用系统的原理、功能、系统机构与实施。 （三）重点与难点 1.重点是掌握各种应用系统的功能；