راهنمای کاربری تحلیل کسب‌وکار ۲۰۱۶
A User’s Guide to Business Analytics 2016

راهنمای کاربردی تحلیل کسب‌وکار، بحثی جامع در مورد روش‌های آماری سودمند برای تحلیل‌گران کسب‌وکار ارائه می‌دهد. این روش‌ها از سطحی نسبتاً مقدماتی توسعه داده شده‌اند تا خوانندگانی را که آموزش محدودی در نظریه آمار دارند، پوشش دهد. تعداد قابل توجهی از مطالعات موردی و مثال‌های عددی با استفاده از بسته نرم‌افزاری R برای مبتدیان باانگیزه‌ای که می‌خواهند در تحلیل داده‌ها پیشی بگیرند و همچنین برای متخصصان شاغل، که با استفاده از این متن به عنوان یک کتاب مرجع بهره‌مند خواهند شد، ارائه شده است.

این کتاب از ۱۲ فصل تشکیل شده است. فصل اول بر تحلیل کسب‌وکار، همراه با ظهور و کاربرد آن تمرکز دارد و بستری را برای کل کتاب فراهم می‌کند. سه فصل بعدی R را معرفی می‌کنند و بحثی جامع در مورد تحلیل توصیفی، از جمله خلاصه‌سازی داده‌های عددی و تحلیل بصری ارائه می‌دهند. فصل‌های پنج تا هفت به نظریه مجموعه‌ها، تعاریف و قوانین شمارش، احتمال، متغیرهای تصادفی و توزیع‌های احتمال، همراه با تعدادی مثال سناریوهای کسب‌وکار می‌پردازند. این فصل‌ها پایه و اساس تحلیل پیش‌بینی‌کننده و مدل‌سازی را بنا می‌نهند.

فصل هشتم به استنباط آماری می‌پردازد و رایج‌ترین رویه‌های آزمون را مورد بحث قرار می‌دهد. فصل‌های نه تا دوازده به طور کامل به تحلیل پیش‌بینی‌کننده اختصاص دارند. فصل مربوط به رگرسیون بسیار گسترده است و از منظر کاربر، به توسعه مدل و پیچیدگی مدل می‌پردازد. یک فصل کوتاه در مورد روش‌های مبتنی بر درخت، به طور خلاصه حوزه‌های اصلی کاربرد را مطرح می‌کند. فصل مربوط به داده‌کاوی، مقدمه‌ای خوب برای رایج‌ترین الگوریتم‌های یادگیری ماشین است. فصل آخر نقش مدل‌های سری زمانی مختلف را در تحلیل داده‌ها برجسته می‌کند. در تمام فصل‌ها، نویسندگان تعدادی مثال و مطالعات موردی را به نمایش می‌گذارند و راهنمایی‌هایی را به کاربران در زمینه تحلیل ارائه می‌دهند.

A User’s Guide to Business Analytics provides a comprehensive discussion of statistical methods useful to the business analyst. Methods are developed from a fairly basic level to accommodate readers who have limited training in the theory of statistics. A substantial number of case studies and numerical illustrations using the R-software package are provided for the benefit of motivated beginners who want to get a head start in analytics as well as for experts on the job who will benefit by using this text as a reference book.

The book is comprised of 12 chapters. The first chapter focuses on business analytics, along with its emergence and application, and sets up a context for the whole book. The next three chapters introduce R and provide a comprehensive discussion on descriptive analytics, including numerical data summarization and visual analytics. Chapters five through seven discuss set theory, definitions and counting rules, probability, random variables, and probability distributions, with a number of business scenario examples. These chapters lay down the foundation for predictive analytics and model building.

Chapter eight deals with statistical inference and discusses the most common testing procedures. Chapters nine through twelve deal entirely with predictive analytics. The chapter on regression is quite extensive, dealing with model development and model complexity from a user’s perspective. A short chapter on tree-based methods puts forth the main application areas succinctly. The chapter on data mining is a good introduction to the most common machine learning algorithms. The last chapter highlights the role of different time series models in analytics. In all the chapters, the authors showcase a number of examples and case studies and provide guidelines to users in the analytics field.