附录2:复旦大学课程教学大纲 课程代码 SOFT130047 编写时间2018年5月8日 课程名称 商务智能 英文名称 Business Intelligence 学分数 2 周学时 2 任课教师 赵卫东 课程负责人 开课院系软件学院 预修课程 高等数学、线性代数等 课程性质: 请根据教学培养方案上的课程性质在以下4个栏目中选择。 综合教育课程 文理基础课程 专业必修课程 专业选修课程 教学目标和内容: 本课程介绍数据可视化、在线分析处理与数据挖掘的基本概念、基本方法以及在商务决 策中的典型应用。具体的内容主要包括在线分析处理、数据可视化、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、常用的数据挖掘方法,包括分类、聚类、关 联、序列和回归等),了解分类(C5.0、前馈神经网络、 Bayes网络、支持冋量机等)、聚类 (K- means、 Kohonen等)、关联分析( Apriori、FP增长等)、回归(一元、多元、线性和非 线性)等数据挖掘核心算法,并结合案例分析和实验熟悉这些数据挖掘算法在商务决策中的 应用。通过本课程的学习,要求学生能对常见的商务分析项目进行一定难度的分析 教材和教学参考资料(不少于5种) 作者 教材或参考资料名称 出版社 出版年月 赵卫东 商务智能(第四版) 清华大学出版社 2016年 商务智能数据分析的管理视角(第 赵卫东 机械工业出版社 2018年 版) 赵卫东,董亮 数据挖掘实用案例集 清华大学出版社 2018年 Jiawei Han, Micheline Kamber, Jianpata Mining Morgan Kaufmann 2012年 Techniques, Third Edition(参考)
附录 2：复旦大学课程教学大纲 课程代码 SOFT130047 编写时间 2018 年 5 月 8 日 课程名称 商务智能 英文名称 Business Intelligence 学分数 2 周学时 2 *任课教师 /课程负责人 赵卫东 开课院系 软件学院 **预修课程 高等数学、线性代数等 课程性质： 请根据教学培养方案上的课程性质在以下 4 个栏目中选择。 综合教育课程 □ 文理基础课程 □ 专业必修课程 □ 专业选修课程 √ 教学目标和内容： 本课程介绍数据可视化、在线分析处理与数据挖掘的基本概念、基本方法以及在商务决 策中的典型应用。具体的内容主要包括在线分析处理、数据可视化、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、常用的数据挖掘方法，包括分类、聚类、关 联、序列和回归等），了解分类（C5.0、前馈神经网络、Bayes 网络、支持向量机等）、聚类 （K-means、Kohonen 等）、关联分析（Apriori、FP 增长等）、回归（一元、多元、线性和非 线性）等数据挖掘核心算法，并结合案例分析和实验熟悉这些数据挖掘算法在商务决策中的 应用。通过本课程的学习，要求学生能对常见的商务分析项目进行一定难度的分析。 教材和教学参考资料（不少于 5 种） 作者 教材或参考资料名称 出版社 出版年月 赵卫东 商务智能（第四版） 清华大学出版社 2016 年 赵卫东 商务智能 数据分析的管理视角(第 4 版) 机械工业出版社 2018 年 赵卫东，董亮 数据挖掘实用案例集 清华大学出版社 2018 年 Jiawei Han，Micheline Kamber， Jian Pei Data Mining ： Concepts and Techniques，Third Edition（参考） Morgan Kaufmann 2012 年
ang-Ning Tan, Michael Steinbach, Introduction to Data Mining(参考 Addison Wesley 2010年 Vipin Kumar 教学进度安排: 课程章节安排 教学方法 第1单元商务智能概述 1.1商务智能简介 1.2商务智能的功能 1.3商务智能的价值 前3节在线课程 1.2商务智能的发展前沿 课前资料阅读,课堂讨论和总结 第2单元在线分析处理0LAP 第三周 2.1多维数据结构 前3节在线课程 2.2多维数据分析 2.3常见的多维操作 课堂讨论总结 2.3应用案例分析:外卖平台竞争力分析 案例小组研讨、学习日记、实验操作 第3单元数据可视化 第四周 3.1数据可视化的发展 3.2数据可视化的常用图形 前3节在线课程 3.3数据可视化的主流工具 课堂讨论总结 3.4应用案例分析:银行客户管理 学习日记、案例小组研讨、实验操作、企业调研 第4单元数据挖据过程 第四周 4.数据选择与预处理 4.2模型获取 前2节在线课程 4.3模型评价 课堂讨论总结 4.4模型部署与投资回报分析 4.5应用案例分析:移动运营商客户聚类分析 学习日记、案例研讨、实验操作 数据预处理比较难,结合案例对分教学(讨论课) 第5单元数据挖据技术和方法 第五周一第十周 5.1聚类分析 K- means和FP增长的教学采用在线教学 5.1.1K- -means聚类算法 其他聚类算法采用课前阅读资料,课堂研讨 5.1.2 Kohonen神经网络 应用案例采用课堂研讨的方式 5.1.3其他聚类算法 5.1.4应用案例分析:学生学习行为聚类 0算法、前馈神经网络、朴素贝叶斯等算法教学采用在 5.2分类和预测 线教学,课堂讨论算法的难点 5.2.1决策树算法C5.0 5.2.2前馈神经网络 其他分类算法采用课前阅读资料,课堂研讨 5.2.3朴素贝叶斯分类 学习笔记、课后阅读学术论文(研究型教学) 5.2.2其他决策树算法(CART、 CHAID等) 应用案例采用课堂研讨的方式 5.2.3应用案例分析:岗位人力甄选 5.3关联规则挖掘 2种关联算法比较难,课堂讲授,并使用对分方法讨论关 5.3.1 Apriori算法 联算法应用中存在的问题:序列模式采用在线课程 5.3.2FP增长算法 学习笔记、课后阅读学术论文(研究型教学) 5.3.4应用案例分析:服装质量问题关联分析 应用案例采用课堂研讨的方式 5.3.5序列模式 5.4回归分析 5.4.1一元线性回归分析 元、多元线性回归分析使用在线课程 5.4.2一元非线性回归分析 非线性回归课堂讨论归纳 5.4.3多元线性回归分析 采用对分方式讨论非线性回归如何转化为在线回归问题
Pang-Ning Tan，Michael Steinbach， Vipin Kumar Introduction to Data Mining（参考）Addison Wesley 2010 年 教学进度安排： 课程章节安排 教学方法 第1单元 商务智能概述 第一、二周 1.1 商务智能简介 1.2 商务智能的功能 1.3 商务智能的价值 1.2 商务智能的发展前沿 前3节在线课程 课前资料阅读，课堂讨论和总结 第2单元 在线分析处理OLAP 第三周 2.1 多维数据结构 2.2 多维数据分析 2.3 常见的多维操作 2.3 应用案例分析：外卖平台竞争力分析 前3节在线课程 课堂讨论总结 案例小组研讨、学习日记、实验操作 第3单元 数据可视化 第四周 3.1 数据可视化的发展 3.2 数据可视化的常用图形 3.3 数据可视化的主流工具 3.4 应用案例分析：银行客户管理 前3节在线课程 课堂讨论总结 学习日记、案例小组研讨、实验操作、企业调研 第 4 单元 数据挖掘过程 第四周 4.1 数据选择与预处理 4.2 模型获取 4.3 模型评价 4.4 模型部署与投资回报分析 4.5 应用案例分析：移动运营商客户聚类分析 前2节在线课程 课堂讨论总结 学习日记、案例研讨、实验操作 数据预处理比较难，结合案例对分教学（讨论课） 第5单元 数据挖掘技术和方法 第五周—第十周 5.1 聚类分析 5.1.1 K-means 聚类算法 5.1.2 Kohonen 神经网络 5.1.3 其他聚类算法 5.1.4 应用案例分析：学生学习行为聚类 5.2 分类和预测 5.2.1 决策树算法 C5.0 5.2.2 前馈神经网络 5.2.3 朴素贝叶斯分类 5.2.2 其他决策树算法（CART、CHAID 等） 5.2.3 应用案例分析：岗位人力甄选 5.3 关联规则挖掘 5.3.1 Apriori 算法 5.3.2 FP 增长算法 5.3.4 应用案例分析：服装质量问题关联分析 5.3.5 序列模式 5.4 回归分析 5.4.1 一元线性回归分析 5.4.2 一元非线性回归分析 5.4.3 多元线性回归分析 K-means和FP增长的教学采用在线教学 其他聚类算法采用课前阅读资料，课堂研讨 应用案例采用课堂研讨的方式 C5.0算法、前馈神经网络、朴素贝叶斯等算法教学采用在 线教学，课堂讨论算法的难点 其他分类算法采用课前阅读资料，课堂研讨 学习笔记、课后阅读学术论文（研究型教学） 应用案例采用课堂研讨的方式 2种关联算法比较难，课堂讲授，并使用对分方法讨论关 联算法应用中存在的问题；序列模式采用在线课程 学习笔记、课后阅读学术论文（研究型教学） 应用案例采用课堂研讨的方式 一元、多元线性回归分析使用在线课程 非线性回归课堂讨论归纳 采用对分方式讨论非线性回归如何转化为在线回归问题
5.4.4应用案例分析:PM2.5预测 学习笔记、课后阅读学术论文(研究型教学) 应用案例采用课堂研讨的方 第6单元商务智能应用 第十一周一第十三周 6.1商务智能技术在电子商务中的应用:今日制造电子推课下研讨、小组讨论、学习总结 荐案例 62商务智能技术在流程管理中的应用:合同流程优化分课下研讨、小组讨论、学习总结 64商务智能在客户关系管理中的应用:银行智慧营销课下研讨、小组讨论、学习总结 7项目实训 第十四周一第十五周采用线下小组大作业,企业调研,成果讨论汇报 考核方式: 1、平时成绩:40%(含线上参与、答题以及讨论等) 2、课程实训报告:60% 课程网络资源: 课程课件、教学视频、参考资料、练习题请参考课程网站(经常更新): https://mooc1-l.chaoxing.com/course/100564035.html 教师教学、科研情况筒介: 2o01年4月毕业于东南大学,获博士学位。2001年6月起在复旦大学管理科学与工程博士后流动站工作。2003 年5月进入复旦大学软件学院,主要负责本科生和各类研究生电子商务、大数据核心技术和商务智能等课程的教学,2011 年纽约大学 Stern商学院访问学者。商务智能被评为上海市精品课程,获得2013年高等教育上海市教学成果奖二等奖 目前主要研究方向包括电子推荐、智能决策和大数据分析等。主持国家自然科学基金2项、中国博士后科研基金、 市浦江人才、 IBM Shared University Research以及10多项企业合作课题等项目。已在《管理科学学报》、《系统工程 f&), Knowledge and Information Systems, Information Proce ssing Management, Information Systems Fronte 等国内外刊物和学术会议发表论文9多篇,其中被SCI、E收录40多篇。出版著作《流程管理》和专著《智能化 流程管理》以及教材《商务智能〔第四版)》和《商务智能数据分析的管理视角(第四版)》、《人机共生》和 学习》等多部。获得上海市205年上海市科技进步二等奖 *如该门课为多位教师共同开设,请在对课程负责人加以注明。 **为可选项目,请老师根据实际情况填写
5.4.4 应用案例分析：PM2.5 预测 学习笔记、课后阅读学术论文（研究型教学） 应用案例采用课堂研讨的方式 第6单元 商务智能应用 第十一周—第十三周 6.1 商务智能技术在电子商务中的应用：今日制造电子推 荐案例 6.2 商务智能技术在流程管理中的应用：合同流程优化分 析 6.4 商务智能在客户关系管理中的应用：银行智慧营销 课下研讨、小组讨论、学习总结 课下研讨、小组讨论、学习总结 课下研讨、小组讨论、学习总结 7 项目实训 第十四周—第十五周 采用线下小组大作业，企业调研，成果讨论汇报 考核方式： 1、平时成绩：40%（含线上参与、答题以及讨论等）； 2、课程实训报告：60% **课程网络资源： 课程课件、教学视频、参考资料、练习题请参考课程网站（经常更新）： https://mooc1-1.chaoxing.com/course/100564035.html **教师教学、科研情况简介： 2001 年 4 月毕业于东南大学，获博士学位。2001 年 6 月起在复旦大学管理科学与工程博士后流动站工作。2003 年 5 月进入复旦大学软件学院，主要负责本科生和各类研究生电子商务、大数据核心技术和商务智能等课程的教学，2011 年纽约大学 Stern 商学院访问学者。商务智能被评为上海市精品课程，获得 2013 年高等教育上海市教学成果奖二等奖。 目前主要研究方向包括电子推荐、智能决策和大数据分析等。主持国家自然科学基金 2 项、中国博士后科研基金、上海 市浦江人才、IBM Shared University Research 以及 10 多项企业合作课题等项目。已在《管理科学学报》、《系统工程 学报》、Knowledge and Information Systems ,Information Proce ssing & Management，Information Systems Frontiers 等国内外刊物和学术会议发表论文 90 多篇，其中被 SCI、EI 收录 40 多篇。出版著作《流程管理》和专著《智能化的 流程管理》以及教材《商务智能（第四版）》和《商务智能 数据分析的管理视角（第四版）》、《人机共生》和《级 学习》等多部。获得上海市 2015 年上海市科技进步二等奖。 *如该门课为多位教师共同开设，请在对课程负责人加以注明。 **为可选项目，请老师根据实际情况填写