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

راهنمای کاربردی تحلیل کسب‌وکار، به بررسی جامعی از روش‌های آماری می‌پردازد که برای تحلیلگران کسب‌وکار مفید هستند. این روش‌ها از سطحی نسبتاً ابتدایی توسعه یافته‌اند تا پاسخگوی نیاز خوانندگانی باشد که آموزش محدودی در تئوری آمار دارند. تعداد قابل توجهی از مطالعات موردی و مثال‌های عددی با استفاده از بسته‌ی نرم‌افزاری R ارائه شده است. این امر هم برای مبتدیان باانگیزه‌ای که می‌خواهند در تحلیل، پیشی بگیرند مفید است و هم برای متخصصانی که در این زمینه مشغول به کار هستند و می‌توانند از این متن به عنوان یک کتاب مرجع بهره ببرند.

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

فصل هشت به استنباط آماری پرداخته و رایج‌ترین روش‌های 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 دیدگاه کاربر، به توسعه‌ی مدل و پیچیدگی مدل می‌پردازد. فصل کوتاهی در مورد روش‌های مبتنی بر درخت، به طور مختصر، حوزه‌های اصلی کاربرد را بیان می‌کند. فصل مربوط به داده‌کاوی، مقدمه‌ای خوب برای رایج‌ترین الگوریتم‌های یادگیری ماشین است. فصل آخر نقش مدل‌های مختلف سری زمانی را در تحلیل برجسته می‌کند. در تمام فصل‌ها، نویسندگان تعدادی مثال و مطالعه‌ی موردی را به نمایش گذاشته و دستورالعمل‌هایی را برای کاربران در زمینه‌ی 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.