《数据分析与管理决策》课程教学大纲 一、课程基本信息 课程代码：16038103 课程名称：数据分析与管理决策 英文名称：Business Analytics and Decision 课程类别：专业选修 时：48 学 分：3 适用对象：信息管理与信息系统、大数据管理与应用等专业 考核方式：考查 先修课程：python、管理统计、数据分析方法与工具 二、课程简介 中文简介 海量数据的存在、数据分析技术的讲光、计算能力的品著提高。这三二者共国导致了在商业管 理决策问题上使用分析方法的高潮。本课程的重点是商务数据分析方法，给学生提供一个完美的 概念认识，帮助学生了解商务数据分析在决策过程中的地位。商务数据分析是指通过一系列的科 学流程，讲数据转变为人质的信息，从而做出更好的决策。商务数据分析包括：描述性数据分析、 预测性数据分析和规范性数据分析，这些数据分析技术，可以帮助我们更好地做出决策。 英文简介 The existence of massive amounts of data,the advancement of analytical methodology,and the significant increase in computing power have all led to the use of analytical methods in business management decision-making issues.The focus of this course is on business data analysis methods,to provide students with a perfect conceptual understanding and help students understand the status of business data analysis in the decision-making process.Business data analysis refers to the transformation of data into information through a series of scientific processes to make better decisions.Business data analysis includes:descriptive data analysis,predictive data analysis and normative data analysis. These data analysis techniques can help us make better decisions 三、课程性质与教学目的 本课程是信息管理专业、大数据管理与应用专业的专业选修课。该课程通过介绍商务数据分 析的思想、方法，使学生掌握从历史数据中获取有用的认识、求解优化问题、对不确定性的决策 问题进行模拟分析的能力，培养学生能用商务数量解析的思想和方法，对不确定性问题进行建模
1 《数据分析与管理决策》课程教学大纲 一、课程基本信息 课程代码：16038103 课程名称：数据分析与管理决策 英文名称：Business Analytics and Decision 课程类别：专业选修 学 时：48 学 分：3 适用对象:信息管理与信息系统、大数据管理与应用等专业 考核方式：考查 先修课程：python 、管理统计、数据分析方法与工具 二、课程简介 中文简介 海量数据的存在、数据分析技术的进步、计算能力的显著提高，这三者共同导致了在商业管 理决策问题上使用分析方法的高潮。本课程的重点是商务数据分析方法，给学生提供一个完美的 概念认识，帮助学生了解商务数据分析在决策过程中的地位。商务数据分析是指通过一系列的科 学流程，讲数据转变为人质的信息，从而做出更好的决策。商务数据分析包括：描述性数据分析、 预测性数据分析和规范性数据分析，这些数据分析技术，可以帮助我们更好地做出决策。 英文简介 The existence of massive amounts of data,the advancement of analytical methodology, and the significant increase in computing power have all led to the use of analytical methods in business management decision-making issues. The focus of this course is on business data analysis methods, to provide students with a perfect conceptual understanding and help students understand the status of business data analysis in the decision-making process. Business data analysis refers to the transformation of data into information through a series of scientific processes to make better decisions. Business data analysis includes: descriptive data analysis, predictive data analysis and normative data analysis. These data analysis techniques can help us make better decisions. 三、课程性质与教学目的 本课程是信息管理专业、大数据管理与应用专业的专业选修课。该课程通过介绍商务数据分 析的思想、方法，使学生掌握从历史数据中获取有用的认识、求解优化问题、对不确定性的决策 问题进行模拟分析的能力，培养学生能用商务数量解析的思想和方法，对不确定性问题进行建模
和计算的能力。通过本课程的学习，使学生理解商务数据分析有助于我们做出更好的决策，知道 如何把数据分析方法成功的运用到各种各样问趣的解决中。 教学目的如下： 1:要求学生了解商务数据分析的应用领域，掌握数据数量解析分析的基本方法： 2:要求学生掌握时间序列分析、数据挖掘、线性优化、整数优化、Monte Carlo模拟、决策分 析基本原理，应能将其应用于解决实际问题： 3:要求学生掌握Python进行商务数量解析的使用方法，来计算商务数量解析中的问题： 4:要求学生能够对来经济、医药、交通等领域的数据进行综合分析，给出详实的分析报告 思政教有： 1,引导学生做事情时不应只满足基本要求，还应做好外围工作，上交的工作成果至少要做到自 己非常满意。以数据可视化、平时作业和毕业设计为例 2.慎重择友：人以群分，物以类聚：近朱者赤近墨者黑 3.合理安排时间：注意时间成本，做好统筹协调。做事情都应该做好规划，提高效率。 四、教学内容及要求 第一章商务数据分析概述 (一)目的与要求 1.掌握商务数据分析分类 2. 理解决策过程 3.理解大数据的含义 (二)教学内容 第一节 1.主要内容 1.1什么是决策3 1.2关于商务数量解析的界定4 1.3解析方法与模型的分类5 1.4大数据8 1.5商务数量解析学的应用8 2。基本概念和知识点 决策、商务数量解析、大数据、商务数量解析的分类 3.问题与应用（能力要求） 学生调研商务数据分析在各个领域的应用情况 (三)思考与实践 (四)教学方法与手段 主要采用课常讲授、多媒体教学、实脸等方法 2
2 和计算的能力。通过本课程的学习，使学生理解商务数据分析有助于我们做出更好的决策，知道 如何把数据分析方法成功的运用到各种各样问题的解决中。 教学目的如下： 1：要求学生了解商务数据分析的应用领域，掌握数据数量解析分析的基本方法； 2：要求学生掌握时间序列分析、数据挖掘、线性优化、整数优化、Monte Carlo 模拟、决策分 析基本原理，应能将其应用于解决实际问题； 3：要求学生掌握 Python 进行商务数量解析的使用方法，来计算商务数量解析中的问题； 4：要求学生能够对来经济、医药、交通等领域的数据进行综合分析，给出详实的分析报告。 思政教育： 1. 引导学生做事情时不应只满足基本要求，还应做好外围工作，上交的工作成果至少要做到自 己非常满意。以数据可视化、平时作业和毕业设计为例 2. 慎重择友：人以群分，物以类聚；近朱者赤近墨者黑 3. 合理安排时间：注意时间成本，做好统筹协调。做事情都应该做好规划，提高效率。 四、教学内容及要求 第一章 商务数据分析概述 （一） 目的与要求 1． 掌握商务数据分析分类 2． 理解决策过程 3． 理解大数据的含义 （二） 教学内容 第一节 1． 主要内容 1.1 什么是决策 3 1.2 关于商务数量解析的界定 4 1.3 解析方法与模型的分类 5 1.4 大数据 8 1.5 商务数量解析学的应用 8 2． 基本概念和知识点 决策、商务数量解析、大数据、商务数量解析的分类 3． 问题与应用（能力要求） 学生调研商务数据分析在各个领域的应用情况 （三） 思考与实践 （四）教学方法与手段 主要采用课堂讲授、多媒体教学、实验等方法
第二章描述性数据分析和数据可视化 （一)目的与要求 1.熟悉描述性统计分析 2。掌握数据可视化的常用方法 (二)数学内容 第一节数据描述性分析 】。主要内容 1.1数据：定义和目标16 1.2 数据的类型17 1.3Exce1中的数据修政20 1.4数据的分布24 1.5位置测度32 1.6变异性测量37 分布分析41 1.8两个变量之间相关关系47 2.基本概念和知识点 数据的定义、数据的分布、变异性测量、变量间相关关系 3.问题与应用（能力要求） 会进行数据描述性分析 第二节数据可视化 1.主要内容 2.1概术68 2.2表格70 23 常用图 2.4高级可视化方法96 2.5数据仪表盘99 思政教育：以数据可视化为例，引导学生做事情时不应只满足基本要求，还应做好外 围工作，上交的工作成果至少要做到自己非常满意。慎重择友：人以群分，物以类聚：近朱者赤 近墨者黑 3
3 第二章 描述性数据分析和数据可视化 （一） 目的与要求 1． 熟悉描述性统计分析 2． 掌握数据可视化的常用方法 （二） 教学内容 第一节 数据描述性分析 1. 主要内容 1.1 数据：定义和目标 16 1.2 数据的类型 17 1.3 Excel 中的数据修改 20 1.4 数据的分布 24 1.5 位置测度 32 1.6 变异性测量 37 1.7 分布分析 41 1.8 两个变量之间相关关系 47 2.基本概念和知识点 数据的定义、数据的分布、变异性测量、变量间相关关系 3.问题与应用（能力要求） 会进行数据描述性分析 第二节 数据可视化 1． 主要内容 2.1 概述 68 2.2 表格 70 2.3 常用图 79 2.4 高级可视化方法 96 2.5 数据仪表盘 99 思政教育：以数据可视化为例， 引导学生做事情时不应只满足基本要求，还应做好外 围工作，上交的工作成果至少要做到自己非常满意。慎重择友：人以群分，物以类聚；近朱者赤 近墨者黑
正弦波实例y=CO5(2πx, 2.基本概念和知识点 数据可视化、常用图、数据仪表盘 3.问题与应用（能力要求） 掌握数据可视化的常用方法 (三)思考与实践 案例讨论电影票房数据112 使用Python创建矩阵散点图和平行坐标图 实验1描述统计分析和数据可视化 (四)教学方法与手段 主要采用课堂讲授、多媒体教学、实验等方法 第三章数据预测中的相关问题 【教学内容】 第 一节数据预测与预测建模 1、预测模型 预测模型的几何理解 ·基本概念讲解 ●Python实践课：预测模型中的一般线性回归模型和Logistic回归模型 2、预测模型参数估计的基本策略 第二节预测模型的评价 模型误差的评价指标和图形化评价工具 ·基本概念讲解 ·Python实践课：预测模型的评价指标和图形化评价工具 2、泛化误差的估计 ●基本概今讲解 ●理论Python实践课：不同复杂度模型下的训练误差和测试误羞 数据集的划分策略 ·基本概念讲解
4 2． 基本概念和知识点 数据可视化、常用图、数据仪表盘 3． 问题与应用（能力要求） 掌握数据可视化的常用方法 （三） 思考与实践 案例讨论 电影票房数据 112 使用 Python 创建矩阵散点图和平行坐标图 实验 1 描述统计分析和数据可视化 （四） 教学方法与手段 主要采用课堂讲授、多媒体教学、实验等方法 第三章 数据预测中的相关问题 【教学内容】 第一节 数据预测与预测建模 1、预测模型和预测模型的几何理解 ⚫ 基本概念讲解 ⚫ Python 实践课：预测模型中的一般线性回归模型和 Logistic 回归模型 2、预测模型参数估计的基本策略 第二节 预测模型的评价 1、 模型误差的评价指标和图形化评价工具 ⚫ 基本概念讲解 ⚫ Python 实践课：预测模型的评价指标和图形化评价工具 2、 泛化误差的估计 ⚫ 基本概念讲解 ⚫ 理论 Python 实践课：不同复杂度模型下的训练误差和测试误差 3、 数据集的划分策略 ⚫ 基本概念讲解
●Python实践课：数据集划分以及测试误差估计 第三节预测模型的选择问题 1、模型过拟和 。基木概今进轻 ●Python实践课：模型的过拟合 2、预测模型的偏差和方差 ●基本概念讲解 ●Python实践课：模型的偏差和方差 第四章揭示数据内在结构：聚类分析 【教学内容】 第一节聚类分析一般问题 1、聚类分析的目的 2、聚类算法概述 3、聚类解的评价 4、聚类解的可视化 第二节基于质心的聚类模型：K均值聚类 1、K均值聚类基本过程 2、K均值聚类中的聚类数目 3、Python实践课：探讨K 均值聚类特点和确定聚类数目K的方法 第三节基于联通性的聚类模型：系统聚类 1、系统聚类的基本过程 2、系统聚类中距离的联通性测度 3、系统聚类中的聚类数目 4、Python实践课：探讨系统聚类过程和可视化工具 5、Python实我课：探讨聚类分析的实际应用 第四节基于高斯分布的聚类模型：EM聚类 1、基于高斯分布聚类的出发点：有限混合分布 2、EM聚类算法 3、Python实践课：探讨EM聚类的适用场景和聚类实现 思政教育：慎重择友：人以群分，物以类聚：近朱者赤近墨者黑 生活在我们周围的其他人的品格、生活方式、习惯和他们对事物的看法都有意无意地 在影响我们。有时，我们自己深受其影响而不自觉。好的行为规则无疑地对我们的生活具有指 导作用，而好的榜样发挥的作用则更大。榜样的行动是一种活生生的现身说法的救育，这种教 育最丰富、最生动、最富有感染力。 年轻人品格正在形成之中，慎重择友就显得十分重要。牛津大学的叶格卫斯先生坚定 地认为，年轻的朋友们在一起，极易形成一致意见，因为每一个人都易被对方所同化，因而大 伙儿易趋于一致。经常相聚的人，连讲话的腔调都十分近似。我们看一个人只须看他有些什么 5
5 ⚫ Python 实践课：数据集划分以及测试误差估计 第三节 预测模型的选择问题 1、模型过拟和 ⚫ 基本概念讲解 ⚫ Python 实践课：模型的过拟合 2、预测模型的偏差和方差 ⚫ 基本概念讲解 ⚫ Python 实践课：模型的偏差和方差 第四章 揭示数据内在结构：聚类分析 【教学内容】 第一节 聚类分析一般问题 1、聚类分析的目的 2、聚类算法概述 3、聚类解的评价 4、聚类解的可视化 第二节 基于质心的聚类模型：K-均值聚类 1、K-均值聚类基本过程 2、K-均值聚类中的聚类数目 3、Python 实践课：探讨 K-均值聚类特点和确定聚类数目 的方法 第三节 基于联通性的聚类模型：系统聚类 1、系统聚类的基本过程 2、系统聚类中距离的联通性测度 3、系统聚类中的聚类数目 4、Python 实践课：探讨系统聚类过程和可视化工具 5、Python 实践课：探讨聚类分析的实际应用 第四节 基于高斯分布的聚类模型：EM 聚类 1、基于高斯分布聚类的出发点：有限混合分布 2、EM 聚类算法 3、Python 实践课：探讨 EM 聚类的适用场景和聚类实现 思政教育：慎重择友：人以群分，物以类聚；近朱者赤近墨者黑 生活在我们周围的其他人的品格、生活方式、习惯和他们对事物的看法都有意无意地 在影响我们。有时，我们自己深受其影响而不自觉。好的行为规则无疑地对我们的生活具有指 导作用，而好的榜样发挥的作用则更大。榜样的行动是一种活生生的现身说法的教育，这种教 育最丰富、最生动、最富有感染力。 年轻人品格正在形成之中，慎重择友就显得十分重要。牛津大学的叶格卫斯先生坚定 地认为，年轻的朋友们在一起，极易形成一致意见，因为每一个人都易被对方所同化，因而大 伙儿易趋于一致。经常相聚的人，连讲话的腔调都十分近似。我们看一个人只须看他有些什么