| 前  言

随着信息技术的快速发展，特别是在大数据、人工智能与机器学习的推动下，企业与组织在决策过程中所面临的数据量和信息复杂度也日益增加。如何有效地从这些庞大的数据中提取价值，指导企业决策，成为现代管理学科的重要课题。利用大数据、机器学习、智能决策等技术手段提升决策质量，减少决策的不确定性，已成为提升组织竞争力、优化资源配置和推动创新发展的关键所在。然而，在此过程中，仍存在诸多难题和挑战。例如，数据的多样性、动态性及不完全性，都使得决策分析的复杂性大大增加，尤其是在涉及实时数据处理、隐私保护、决策结果的解释性等问题时，现有技术往往存在一定的局限性。因此，如何有效地融合传统的决策理论与现代的大数据技术，已成为一个亟须解决的问题。鉴于此，考虑大数据的大体量、高通量、多源异构性、不确定性等特征，本书围绕数据的采集、挖掘、分析等全过程，系统梳理与介绍支撑大数据决策的理论方法，为学者、企业、组织充分挖掘大数据潜在价值并进行科学决策提供指导。

同时，学校、学院十分重视教学工作，鼓励教师在教学、科研和实践的基础上，总结教学及实践经验，吸收最新科研成果，编写各类适用教材。江南大学商学院每年通过学院教学委员会评审，批准立项若干重点建设教材，给予经费等方面的支持。本书就是这些重点建设教材之一，得到了学校与学院的大力支持。这是编著本书的有力保障。

在编著本书之前，编著者们已分析了大量国内外已出版的相关教材的主要内容、知识体系及框架结构，然后根据有关大数据智能分析与决策方法课程教学的要求，结合本课程的教学特点，经过反复讨论和研究，确定了本书的编写大纲、内容和要求。本书的编写特色如下。

（1）本书紧扣“大数据背景下智能分析与决策”这一核心主题，细分大数据决策场景。在剖析大数据决策发展现状、趋势与挑战的基础上，通过专章讨论了数据采集与预处理、数据挖掘与机器学习、文本挖掘与情感分析、数据可视化、灰色决策、模糊决策、粗糙集决策等大数据决策过程所涉及的方法与技术，旨在帮助学生在理解大数据分析技术的基础上，深入掌握不同的决策方法，并能将其应用于实际决策场景中。

（2）在章节布局上，遵循由基础到应用、由简到繁的循序渐进原则，内容逻辑清晰，能够帮助学生逐步掌握大数据智能分析与决策方法的核心知识。全书共分数据挖掘理论（第1～5章）、智能决策方法（第6～8章）和应用（第9～10章）三个模块内容。其中，第1章介绍大数据决策的概念、现状、发展趋势与挑战等背景；第2章针对大数据决策中数据采集、清洗和预处理问题，介绍常见的数据采集方法以及针对数据内部存在的缺失值和异常值的计算方法；第3章介绍数据挖掘与机器学习的概念、关系、基本分类、典型算法及其应用；第4章介绍文本挖掘的基本概念、文本预处理的步骤、文本提取的常用方法以及基于朴素贝叶斯的情感分析算法；第5章介绍数据可视化的全面内容，包括其概念、作用、方法、工具及实际应用案例；第6～8章介绍不确定性智能决策方法，包括灰色决策方法、模糊决策方法、粗糙集决策方法；第9～10章是大数据智能决策的典型案例，分别讨论基于在线评论的产品排序问题和基于在线评论和用户画像的产品推荐排序问题。

（3）在章节框架上，每一章节的框架都设计成模块化的形式，以便于学生理解和掌握知识要点。每章开头通过一个实际案例或应用场景进行引入，帮助学生更好地理解理论知识与实际问题之间的关联。随后，本书通过清晰的学习目标和知识图谱展示本章的核心知识点，帮助学生明确学习目标和重点内容。每章结束时提供课后练习和实训任务，促使学生动手实践，加深对知识的理解，并通过反馈与讨论进一步提升问题解决能力。

（4）在内容编写上，注重“学以致用”的原则，强调理论知识的实际应用和操作技能的培养。本书的内容不仅覆盖大数据智能决策的核心理论与算法，还通过丰富的案例和实际数据分析任务，确保学生能够在动手操作中理解和掌握决策方法。本书采用清晰的语言进行解释，避免过于复杂的数学公式，使学生能够在理论层面掌握决策方法的原理，同时在实践层面获得一定的应用经验。每章的案例均贴近行业实际，设计有针对性的项目任务，帮助学生通过真实数据集进行分析和决策。通过这些任务，学生不仅能加深对决策方法的理解，还能提高使用大数据分析技术进行智能决策的能力。

本教材不仅适用于高等院校大数据分析、决策科学、人工智能等相关专业的本科生与研究生，也可供企业管理人员、数据分析师及从事决策支持工作的专业人员参考学习。本书第1章、第3章、第5章、第7章、第9章、第10章由江南大学刘勇教授编写，第2章、第4章、第6章、第8章分别由薛力瑞博士、蒋琴博士、刘思峰教授、菅利荣教授编写。此外，部分章节案例由苏州信泰宜合信息技术有限公司严华、天津智信数字科技有限公司李瑾、地球之光博物馆运营管理（无锡）有限公司张武杰等参与编写，全书由刘勇、蒋琴统一审阅、定稿。在本教材编写过程中，研究生黄子洪、张琦、丁嘉铭、安佳琪等同志在文字录入、图表制作等方面做了大量工作，在此，对所有关心和帮助本书出版的同志表示衷心的感谢。希望本教材能为培养大数据智能分析领域的高素质人才、推动大数据与智能决策技术的创新应用作出贡献。另外，本教材的编写是在参阅了大量的文献资料的基础上进行的，对这些文献资料的作者表示最诚挚的谢意。由于编者水平有限，错误与疏漏之处在所难免，敬请读者批评指正。

编著者

2025年2月