《商务智能：数据分析的管理视角(原书第3版)》可以作为管理科学、电子商务和企业管理等专业的MBA、研究生以及本科生商务智能、决策支持系统等课程的教材，也可以作为管理信息系统、商务数据分析等课程的辅助教材，还适合从事企业信息管理、业务分析的人士阅读。

《商务智能：数据分析的管理视角(原书第3版)》可以作为管理科学、电子商务和企业管理等专业的MBA、研究生以及本科生商务智能、决策支持系统等课程的教材，也可以作为管理信息系统、商务数据分析等课程的辅助教材，还适合从事企业信息管理、业务分析的人士阅读。

《MBA精品系列:商务数据分析与应用》从商学院学生的角度出发，通过深入剖析实际案例，向读者展示了统计学在数据分析这一领域的应用。 作者收集了电信、房地产、教育培训、金融等行业的案例，案例内容涉及客户管理、产品定价、消费者偏好、渠道营销、组织行为等领域。首先简要介绍案例背景资料，并引出有待解决的问题，根据问题设计因变量、自变量及初始模型，在分析的过程中逐渐完善统计模型，解释模型的意义，一步一步抽丝剥茧地向读者展示了数据分析的原理、思想及方法。分析过程通过sas软件实现（同时提供r程序演示），作者给出了软件输出结果的解读。值得一提的是，每章还给出了完整的分析报告，为读者日后实际工作提供了示范蓝本。

《MBA精品系列:商务数据分析与应用》从商学院学生的角度出发，通过深入剖析实际案例，向读者展示了统计学在数据分析这一领域的应用。 作者收集了电信、房地产、教育培训、金融等行业的案例，案例内容涉及客户管理、产品定价、消费者偏好、渠道营销、组织行为等领域。首先简要介绍案例背景资料，并引出有待解决的问题，根据问题设计因变量、自变量及初始模型，在分析的过程中逐渐完善统计模型，解释模型的意义，一步一步抽丝剥茧地向读者展示了数据分析的原理、思想及方法。分析过程通过sas软件实现（同时提供r程序演示），作者给出了软件输出结果的解读。值得一提的是，每章还给出了完整的分析报告，为读者日后实际工作提供了示范蓝本。

本书作者20多年来一直在北大光华管理学院教授统计学课程，坚持统计学学习要从实际的案例讨论、数据分析出发，而不是上来就讲理论，讲统计方法本身。任何一个统计学方法论的介绍，都应用到一个非常鲜活的案例中。并通过一个规范的商业分析报告表达出来。在这个过程中所有的编程代码，连同数据一起给学生，帮助他们更好地理解。 本书主要包括：线性回归——以移动通信网络的客户，方差分析——以北京市二手房价为例，逻辑回归——以上市企业特别处理 ST 为例，定序回归——以消费者偏好度研究为例，泊松回归——以付费搜索广告为例，生存数据回归——以员工离职管理为例等6章内容。分析报告、课后习题、思维导图作为附录供读者学习使用。 本书的所有代码和数据可以到人大社出版社网站免费下载。

本书主要包括：线性回归——以移动通信网络的客户，方差分析——以北京市二手房价为例，逻辑回归——以上市企业特别处理 ST 为例，定序回归——以消费者偏好度研究为例，泊松回归——以付费搜索广告为例，生存数据回归——以员工离职管理为例等6章内容。分析报告、课后习题、思维导图作为附录供读者学习使用。

本书以统计学史上著名人物的伟大成就为脉络，将数据分析这一学科的发展历程娓娓道来。从开普勒仰望星空拉开统计学序幕，贝叶斯提出主观概率，到人工智能、深度学习逐步渗透今天的日常生活。本书带领读者在数据科学的熠熠星光下，看透大数据的深邃内核。

本书围绕精益创业展开讨论，融合了精益创业法、客户开发、商业模式画布和敏捷持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验，呈现了30多个极具价值的案例分析，可以为各阶段的创业者提供行为准则。

面板数据模型日益受到应用研究人员的欢迎，因为与横截面数据模型和时序数据模型相比，面板数据模型描述人类行为复杂性的能力更加突出。因此，越来越多且内容更丰富的面板数据集也日益增多。《面板数据分析(第2版)》由萧政所著，1986年的第一版取得了非常大的成功，本书在第一版的基础上进行了重大修订。面板数据研究中的近期进展都以非常严谨而又友好的方式呈现在本书中，并与原有内容有机地结合成一个整体。严谨的理论分析与合理引用的实证案例使得《面板数据分析(第2版)》对经济、商业、社会学、政治学等领域的研究生和高级研究人员非常有帮助。第二版的具体修订包括对Bayes方法和严格外生性概念（为将各种模型的识别联系起来，估计量在广义矩法框架下表示）的介绍，直观解释估计离散选择模型的半参数方法和面板数据样本选择模型估计的配对修整方法，等等。

本书由实战经验丰富的两位数据分析师执笔，首先介绍了商业领域里通用的数据分析框架，然后根据该框架，结合8个真实的案例，详细解说了通过数据分析解决各种商业问题的流程，让读者在解决问题的过程中学习各种数据分析方法，包括柱状图、交叉列表统计、A/B测试、多元回归分析、逻辑回归分析、主成分分析、聚类、决策树分析、机器学习等。特别是书中使用的数据都是未经清洗的原始数据，能够让读者了解真实的数据分析流程，避免纸上谈兵。