课程介绍
课程名称：商业大数据分析 课程编码：651010010
英文名称：Big Data Analytics for Business
学 时：45 学 分：3
开课学期：4
适用专业：一流本科专业
课程类别：公共必修课
课程大纲
一、课程目的、任务
《商业大数据分析》本课程是一流本科专业群平台课围绕立德树人这一教育的根本任务，通过课堂渠道，不仅要注重知识传授，更要结合价值引领，使之与思想政治理论课同向同行，确保思政工作贯穿教育教学全过程。课程通过讲授基本的大数据分析概念与理论、技术和商业应用等多个方面的知识要点；用简单易学的大数据分析工具进行实践指导对零售、旅游、电子商务、金融等商业领域的案例分析，让学生掌握一种通用的大数据分析工具；学会商业大数据分析的方法；具有初步商业大数据分析与应用能力，达到使学生顺应人工智能新时代，掌握商业领域大数据分析和挖掘的方法，构建大数据思维，拓展对数字世界的认知，培养学生大数据分析的应用技能，并能够在工作中运用这项技能的课程主要目的。
二、课程教学基本要求
基本要求：掌握大数据分析基础；掌握一种开源、通用的大数据分析工具；熟悉大数据采集与治理基础知识；熟悉多种大数据管理方式；掌握大数据分析知识和技术；掌握商业领域大数据分析的至少三个典型应用；学会商业大数据产品发布的基本知识。
重点与难点：课程的重点是培养学生运用大数据思维来表达自我，解决实际生产生活问题的基础技能。课程的难点在于大数据处理算法和技术的掌握。
与先后课程的联系：作为公共必修课，本课程并没有要求先修课程。
主要教学环节安排：在课堂教学中，以教师讲解为主，在课堂中引入课堂小组讨论、在线课程、MOOC等形式，加深对课堂教学内容的理解。另外，还配套了大数据处理技能相关的基础实践内容，并指定课外阅读参考文献，定期布置作业。
教学方法：多媒体课件、课程实践、拓展学习、课外自学（智慧树平台）。
三、课程教学内容
第1章 大数据分析基础
知识点：大数据的基本特征；大数据思维；大数据计算的主要特征；数据处理的一般过程；大数据分析处理的技术体系；数据的类型；数据格式；大数据分析系统。
基本要求：熟悉大数据的类型与格式；熟悉大数据分析的生态系统；了解大数据分析的意义。
重点：理解大数据分析对商业问题的价值。
难点：大数据分析系统。
第2章 大数据分析工具
知识点：大数据处理和分写工具；大数据分析工具生态圈；大数据分析工具的安装和使用。
基本要求：安装开源大数据分析工具；熟练掌握大数据分析工具的基本使用。
重点：大数据分析工具的基本使用。
难点：大数据分析工具的基本使用。
第3章 数据采集与治理
知识点：大数据的来源；大数据的采集手段；数据离散化；数据集成；数据变换；数据质量。
基本要求：了解大数据的来源；熟悉大数据的生命周期管理；掌握数据的预处理（数据清洗）；理解数据变换及其作用；了解数据质量的基本概念。
重点：分布式系统、云计算。
难点：分布式存储与计算的基本思想。
第4章 数据管理
知识点：数据管理的历程和未来；关系数据模型与关系数据库技术；分布式文件系统；NoSQL数据库。
基本要求：掌握关系型数据库与SQL语言；了解数据仓库与OLAP；了解NoSQL和NewSQL。
重点：关系型数据库MySQL及SQL语言。
难点：SQL语言。
第5章 大数据分析
知识点：大数据分析的典型方法；概率与统计；模型和估计；假设检验；数据建模；机器学习。
基本要求：熟悉大数据分析方法；了解概率与统计的基本概念；熟悉数据统计的方法；掌握统计分析与建模初步；了解机器学习原理；掌握机器学习方法；熟悉机器学习简史；掌握机器学习与统计分析的区别与联系。
重点：数据统计的建模方法基础；机器学习的建模方法基础。
难点：利用大数据处理工具进行统计建模与分析；利用大数据处理工具进行机器学习建模与分析。
第6章 数据可视化
知识点：数据可视化模型和基本流程；数据可视化方法；不同类型数据的可视化（高维数据、网络数据、文本数据）。
基本要求：了解数据可视化模型和基本流程；熟悉数据可视化的交互方式；掌握不同类型数据的可视化基础。
重点：针对同一数据类型的多种可视化方法之间的差异比较。
难点：数据可视化的交互方式。
第7章 大数据应用案例
知识点：大数据在营销中的应用（推荐系统）；大数据在金融行业的应用（风险评估）；大数据在智慧城市中的应用（图像分析）；数据道德与职业行为准则。
基本要求：熟悉大数据的典型应用；熟悉数据道德与职业行为准则。
重点：大数据的典型应用。
难点：大数据的典型应用与分析实践。
四．实验内容与要求
见《商业大数据分析课内实践项目实施方案》
五、课程习题要求
为了使学生巩固所学知识，至少进行两次的课后习题。
六、答疑安排
周二8:30-11:30 （奉贤校区行政楼518）
周二18:00-20:15（奉贤校区行政楼518）)
学习目标
1. 掌握大数据分析基础；
2. 掌握一种开源、通用的大数据分析工具；
3. 熟悉大数据采集与治理基础知识；
4. 熟悉多种大数据管理方式；
5. 掌握大数据分析知识和技术；
6. 掌握商业领域大数据分析的至少三个典型应用；
7. 学会商业大数据产品发布的基本知识。
学习要求
内 容 理 论 实 践 小 计
1 大数据分析基础 3 3 6
2 大数据分析工具 0 3 3
3 数据采集与治理 2 3 5
4 数据管理 3 3 6
5 大数据分析 3 6 9
6 数据可视化 0 3 3
7 大数据应用案例——电商 2 3 5
8 大数据应用案例——金融 0 3 3
9 大数据应用案例——图像 2 3 5
总 计 15 30 45
考核标准
本课程的考核项目分为五项：
1. 课堂学习情况占5%；
2. 自主学习成绩占15%，包括智慧树学习时长、发布的博客数及访问数；
3. 课堂实验成绩占30%；
4. 期末考试（客观题）占20%，题型为单选、多选、是非、填空；
5. 期末考试（商业大数据分析实践项目，4人/小组，答辩）占30%。
说明：1和2项折算为平时成绩、3项折算为期中成绩、4和5项折算为期末成绩。
每位老师按如下题型出题形成题库后，组成期末客观题。
1. 单选题（每题2分，共10题，满分20分）
2. 多选题（每题2分，共10题，满分20分）
3. 是非题（每题2分，共10题，满分20分）
4. 填空题（每空2分，共20空，满分40分）
教材教参
1.《数据思维：从数据分析到商业价值》. 王汉生. 中国人民大学出版社. 2020
2. Alfred V.Aho, Jeffrey D.Ullman,《计算机科学的基础》, 人民邮电出版社, 2013
3. 欧高炎等, 《数据科学引导》, 高等教育出版社, 2017
4. 沙行勉, 《计算机科学导论（第2版）》, 清华大学出版社, 2016
关注上商