| 开本：16开 |
| 纸张：胶版纸 |
| 包装：平装-胶订 |
| 是否套装：否 |
| 国际标准书号ISBN：9787121508707 |
| 所属分类：图书>计算机/网络>计算机理论 |
新华书店正版，关注店铺成为会员可享店铺专属优惠，团购客户请咨询在线客服！重磅推荐
内容简介
本书主要讲解智能供应链领域的数据科学知识与行业实践案例涵盖了数据科学的理论基础并通过实际案例具体介绍如何运用数据科学方法解决企业遇到的问题其中理论篇讲解了供应链领域的数据科学知识包括数据预处理、特征工程、数据挖掘及效果验证等内容实战篇从收入、效率、成本和体验四个维度深入探讨了供应链领域的实际业务应用如智能定价、单量增长、销量预测、智能存储、库存优化和客服保障等书中的每个实践案例均涵盖从业务背景介绍、数据收集、数据预处理、模型构建到模型结果的全过程并附带具体的实现代码帮助读者在实操中加深对理论的理解提升读者运用数据科学解决供应链实际问题的能力
本书适合以下读者阅读
供应链数字化领域的数据分析师、算法工程师和数据科学家，想要深入了解数据科学的读者。
供应链运营管理人员，有志于从事该职业或已在岗且希望提升相关能力的读者。
高校物流管理、管理科学等专业的学生。
作者简介
庄晓天，美国亚利桑那州立大学博士，北京市人工智能正高级工程师。担任上海交通大学、同济大学、西安交通大学、华南理工大学、北京理工大学、北京交通大学、北京邮电大学、东南大学、北京工商大学、东北大学研究生校外导师，南开大学、中国科学院大学、哈尔滨工程大学导师。发表期刊、国际会议论文余篇，获得国家发明专利授权余项，参与多个重量重点科技项目。作为人工智能与供应链行业融合创新的代表性人物，先后获评北京市政府“卓越工程师”、国家邮政局“邮政行业科技英才”、中国交通运输协会“科技创新青年”、中国物流与采购联合会“科技创新人物”“仓储技术先锋人物”，并入选“物流科技人智库”。荣获中国物流与采购联合会科技进步一等奖、邮政行业科学技术一等奖等项省部级科技奖项，研究成果得到《经济半小时》、北京卫视《特别关注》、《中国日报网》专题报道。多次在行业峰会发表主题演讲，其提出的企业供应链智能决策“六阶段理论”得到产学界的广泛关注。
职业经历
经历
担任全球企业服务部战略咨询顾问，蓝色之路管培生，负责企业客户的战略及数字化转型咨询，参与航空、汽车、电力等行业多个头部企业的战略转型。 庄晓天，美国亚利桑那州立大学博士，北京市人工智能正高级工程师。担任上海交通大学、同济大学、西安交通大学、华南理工大学、北京理工大学、北京交通大学、北京邮电大学、东南大学、北京工商大学、东北大学研究生校外导师，南开大学、中国科学院大学、哈尔滨工程大学导师。发表期刊、国际会议论文余篇，获得国家发明专利授权余项，参与多个重量重点科技项目。作为人工智能与供应链行业融合创新的代表性人物，先后获评北京市政府“卓越工程师”、国家邮政局“邮政行业科技英才”、中国交通运输协会“科技创新青年”、中国物流与采购联合会“科技创新人物”“仓储技术先锋人物”，并入选“物流科技人智库”。荣获中国物流与采购联合会科技进步一等奖、邮政行业科学技术一等奖等项省部级科技奖项，研究成果得到《经济半小时》、北京卫视《特别关注》、《中国日报网》专题报道。多次在行业峰会发表主题演讲，其提出的企业供应链智能决策“六阶段理论”得到产学界的广泛关注。
职业经历
经历
担任全球企业服务部战略咨询顾问，蓝色之路管培生，负责企业客户的战略及数字化转型咨询，参与航空、汽车、电力等行业多个头部企业的战略转型。
亚马逊经历
担任亚马逊全球供应链技术部高级科学家，负责仿真平台、订单预测、智能选址等核心算法，参与亚马逊中国落地、北美供应链网络设计、欧洲自动化仓建设、全球新兴市场拓展。
唯品会经历
担任唯品会物流信息部算法总监，负责需求预测平台、智能库存引擎、智能仓储体系的建设，推动唯品会数字化、智能化、生态化的建设进程。
经历
担任物流人工智能与大数据部高级总监，技术委员会委员，算法通道主席。依托大数据、人工智能等技术，推进数字化物流“新基建”的研发落地，从到打造智能决策体系，实现“仓”“拣”“运”“配”“网”等场景的降本增效。
显示全部信息
目 录
开 篇
第章 智能供应链中的数据科学
智能供应链的兴起与发展
什么是智能供应链
智能供应链的发展历程
数据科学的概念与发展
什么是数据科学
数据科学与智能供应链决策的六个阶段
数据科学家的角色与职责
智能供应链中的数据科学
前期：预测与规划
中期：分析与优化
后期：评估与学习
本书学习路线 开 篇
第章 智能供应链中的数据科学
智能供应链的兴起与发展
什么是智能供应链
智能供应链的发展历程
数据科学的概念与发展
什么是数据科学
数据科学与智能供应链决策的六个阶段
数据科学家的角色与职责
智能供应链中的数据科学
前期：预测与规划
中期：分析与优化
后期：评估与学习
本书学习路线
本书的目标
本书的结构
如何阅读本书
理论篇
第章 数据预处理
数据探查
单变量探查
多变量探查
因果性探查
数据清洗
缺失值
异常值
重复值
数据变换
数据标准化
数据编码
数据变换
数据抽样
数据生成
数据可视化
直方图
箱线图
散点图
热力图
提琴图
饼图
第章 特征工程
特征转换
时序差分
时序平滑
时序分解
滞后特征
滚动特征
特征交互
线性组合
多项式组合
分组聚合
特征映射
主成分分析
分箱
第章 数据挖掘
回归模型
简单线性回归
多元线性回归
分类模型
回归
近邻法
决策树
朴素贝叶斯分类器
聚类
算法
层次聚类
关联规则分析
算法
算法
第章 效果验证
假设检验
显著性检验
等效性检验
方差分析
序贯检验
事前分流方法
哈希分流
时间片轮转算法
网络分流算法
智能流量调优算法
事后分析方法
倾向得分匹配法
双重差分法
合成控制法
实战篇
第章 价格：物流运输定价
背景介绍
物流运输定价的商业背景
物流运输定价面临的主要挑战
问题描述
解决方案
整体框架
实现方法
案例分析
特征工程
建模与评估
结论
本章小结
第章 渠道：订单裂变营销
背景介绍
问题描述
解决方案
整体框架
实现方法
案例分析
数据准备
数据分析
建模
结论
本章小结
第章 促销：电商促销策略
背景介绍
促销活动的商业价值
促销策略的设计框架
问题描述
解决方案
整体框架
实现方法
案例分析
数据预处理
数据分析
销量预估
结论
本章小结
第章 仓储：商品存储策略
背景介绍
传统存储策略
多级库存存储策略
问题描述
解决方案
关联品挖掘模型
销量预测模型
模型求解
案例分析
关联品挖掘
销量预测
模型求解
结论
本章小结
第章 网络：分拣直派模式
背景介绍
物流网络
“最后一公里”网络
问题描述
解决方案
问题建模
数据来源与分析
模型求解
案例分析
问题建模
数据分析与处理
模型求解
结论
本章小结
第章 配送：“最后一公里”提效
背景介绍
问题描述
解决方案
数据来源与分析
模型选择
效果分析
案例分析
数据准备
特征工程
模型构建
结果分析
结论
本章小结
第章 人：仓内人员排班
背景介绍
问题描述
解决方案
案例分析
数据组成
数据处理及清洗
数据转换
数据分析
排班模型建模
结论
本章小结
第章 货：库存补货策略
背景介绍
问题描述
解决方案
数据挖掘
策略选择
参数推荐
案例分析
数据集
数据分析
商品分类
补货策略分析
补货参数优化
结论
本章小结
第章 场：前置仓布局优化
背景介绍
问题描述
解决方案
整体框架
数据准备
前置仓布局建模
案例分析
销售数据分析和准备
备选仓节点分析和准备
线路数据分析和准备
模型求解和结果分析
结论
本章小结
第章 物流：时效能力提升
背景介绍
物流的客户体验
物流时效
问题描述
解决方案
数据组成
数据分析
模型选择
案例分析
时效竞争力模型
数据预处理
相关性分析
模型选择
效果验证
结论
本章小结
第章 信息流：客服进线量分析
背景介绍
问题描述
解决方案
数据分析
特征构造
模型搭建
案例分析
数据收集
数据分析
特征构造
模型搭建
结论
本章小结
第章 资金流：理赔服务升级
背景介绍
物流行业差异化保价和理赔服务
保险行业精细化理赔运营
物流理赔服务升级思路
问题描述
解决方案
分布可视化
分层标注
建模与模型选型
数据预处理
损失函数选择
超参数选择
案例分析
样本收集
分层标注及观测
模型训练
结论
本章小结
第章 总结
本书回顾
数据科学面经
技术面
业务面
成长路线
初入职场：夯实基础
职场进阶：提升技能
高级发展：引领创新
显示全部信息
商品详情
内容简介
本书主要讲解智能供应链领域的数据科学知识与行业实践案例涵盖了数据科学的理论基础并通过实际案例具体介绍如何运用数据科学方法解决企业遇到的问题其中理论篇讲解了供应链领域的数据科学知识包括数据预处理、特征工程、数据挖掘及效果验证等内容实战篇从收入、效率、成本和体验四个维度深入探讨了供应链领域的实际业务应用如智能定价、单量增长、销量预测、智能存储、库存优化和客服保障等书中的每个实践案例均涵盖从业务背景介绍、数据收集、数据预处理、模型构建到模型结果的全过程并附带具体的实现代码帮助读者在实操中加深对理论的理解提升读者运用数据科学解决供应链实际问题的能力
本书适合以下读者阅读
供应链数字化领域的数据分析师、算法工程师和数据科学家，想要深入了解数据科学的读者。
供应链运营管理人员，有志于从事该职业或已在岗且希望提升相关能力的读者。
高校物流管理、管理科学等专业的学生。
作者简介
庄晓天，美国亚利桑那州立大学博士，北京市人工智能正高级工程师。担任上海交通大学、同济大学、西安交通大学、华南理工大学、北京理工大学、北京交通大学、北京邮电大学、东南大学、北京工商大学、东北大学研究生校外导师，南开大学、中国科学院大学、哈尔滨工程大学导师。发表期刊、国际会议论文余篇，获得国家发明专利授权余项，参与多个重量重点科技项目。作为人工智能与供应链行业融合创新的代表性人物，先后获评北京市政府“卓越工程师”、国家邮政局“邮政行业科技英才”、中国交通运输协会“科技创新青年”、中国物流与采购联合会“科技创新人物”“仓储技术先锋人物”，并入选“物流科技人智库”。荣获中国物流与采购联合会科技进步一等奖、邮政行业科学技术一等奖等项省部级科技奖项，研究成果得到《经济半小时》、北京卫视《特别关注》、《中国日报网》专题报道。多次在行业峰会发表主题演讲，其提出的企业供应链智能决策“六阶段理论”得到产学界的广泛关注。
职业经历
经历
担任全球企业服务部战略咨询顾问，蓝色之路管培生，负责企业客户的战略及数字化转型咨询，参与航空、汽车、电力等行业多个头部企业的战略转型。 庄晓天，美国亚利桑那州立大学博士，北京市人工智能正高级工程师。担任上海交通大学、同济大学、西安交通大学、华南理工大学、北京理工大学、北京交通大学、北京邮电大学、东南大学、北京工商大学、东北大学研究生校外导师，南开大学、中国科学院大学、哈尔滨工程大学导师。发表期刊、国际会议论文余篇，获得国家发明专利授权余项，参与多个重量重点科技项目。作为人工智能与供应链行业融合创新的代表性人物，先后获评北京市政府“卓越工程师”、国家邮政局“邮政行业科技英才”、中国交通运输协会“科技创新青年”、中国物流与采购联合会“科技创新人物”“仓储技术先锋人物”，并入选“物流科技人智库”。荣获中国物流与采购联合会科技进步一等奖、邮政行业科学技术一等奖等项省部级科技奖项，研究成果得到《经济半小时》、北京卫视《特别关注》、《中国日报网》专题报道。多次在行业峰会发表主题演讲，其提出的企业供应链智能决策“六阶段理论”得到产学界的广泛关注。
职业经历
经历
担任全球企业服务部战略咨询顾问，蓝色之路管培生，负责企业客户的战略及数字化转型咨询，参与航空、汽车、电力等行业多个头部企业的战略转型。
亚马逊经历
担任亚马逊全球供应链技术部高级科学家，负责仿真平台、订单预测、智能选址等核心算法，参与亚马逊中国落地、北美供应链网络设计、欧洲自动化仓建设、全球新兴市场拓展。
唯品会经历
担任唯品会物流信息部算法总监，负责需求预测平台、智能库存引擎、智能仓储体系的建设，推动唯品会数字化、智能化、生态化的建设进程。
经历
担任物流人工智能与大数据部高级总监，技术委员会委员，算法通道主席。依托大数据、人工智能等技术，推进数字化物流“新基建”的研发落地，从到打造智能决策体系，实现“仓”“拣”“运”“配”“网”等场景的降本增效。
显示全部信息
目 录
开 篇
第章 智能供应链中的数据科学
智能供应链的兴起与发展
什么是智能供应链
智能供应链的发展历程
数据科学的概念与发展
什么是数据科学
数据科学与智能供应链决策的六个阶段
数据科学家的角色与职责
智能供应链中的数据科学
前期：预测与规划
中期：分析与优化
后期：评估与学习
本书学习路线 开 篇
第章 智能供应链中的数据科学
智能供应链的兴起与发展
什么是智能供应链
智能供应链的发展历程
数据科学的概念与发展
什么是数据科学
数据科学与智能供应链决策的六个阶段
数据科学家的角色与职责
智能供应链中的数据科学
前期：预测与规划
中期：分析与优化
后期：评估与学习
本书学习路线
本书的目标
本书的结构
如何阅读本书
理论篇
第章 数据预处理
数据探查
单变量探查
多变量探查
因果性探查
数据清洗
缺失值
异常值
重复值
数据变换
数据标准化
数据编码
数据变换
数据抽样
数据生成
数据可视化
直方图
箱线图
散点图
热力图
提琴图
饼图
第章 特征工程
特征转换
时序差分
时序平滑
时序分解
滞后特征
滚动特征
特征交互
线性组合
多项式组合
分组聚合
特征映射
主成分分析
分箱
第章 数据挖掘
回归模型
简单线性回归
多元线性回归
分类模型
回归
近邻法
决策树
朴素贝叶斯分类器
聚类
算法
层次聚类
关联规则分析
算法
算法
第章 效果验证
假设检验
显著性检验
等效性检验
方差分析
序贯检验
事前分流方法
哈希分流
时间片轮转算法
网络分流算法
智能流量调优算法
事后分析方法
倾向得分匹配法
双重差分法
合成控制法
实战篇
第章 价格：物流运输定价
背景介绍
物流运输定价的商业背景
物流运输定价面临的主要挑战
问题描述
解决方案
整体框架
实现方法
案例分析
特征工程
建模与评估
结论
本章小结
第章 渠道：订单裂变营销
背景介绍
问题描述
解决方案
整体框架
实现方法
案例分析
数据准备
数据分析
建模
结论
本章小结
第章 促销：电商促销策略
背景介绍
促销活动的商业价值
促销策略的设计框架
问题描述
解决方案
整体框架
实现方法
案例分析
数据预处理
数据分析
销量预估
结论
本章小结
第章 仓储：商品存储策略
背景介绍
传统存储策略
多级库存存储策略
问题描述
解决方案
关联品挖掘模型
销量预测模型
模型求解
案例分析
关联品挖掘
销量预测
模型求解
结论
本章小结
第章 网络：分拣直派模式
背景介绍
物流网络
“最后一公里”网络
问题描述
解决方案
问题建模
数据来源与分析
模型求解
案例分析
问题建模
数据分析与处理
模型求解
结论
本章小结
第章 配送：“最后一公里”提效
背景介绍
问题描述
解决方案
数据来源与分析
模型选择
效果分析
案例分析
数据准备
特征工程
模型构建
结果分析
结论
本章小结
第章 人：仓内人员排班
背景介绍
问题描述
解决方案
案例分析
数据组成
数据处理及清洗
数据转换
数据分析
排班模型建模
结论
本章小结
第章 货：库存补货策略
背景介绍
问题描述
解决方案
数据挖掘
策略选择
参数推荐
案例分析
数据集
数据分析
商品分类
补货策略分析
补货参数优化
结论
本章小结
第章 场：前置仓布局优化
背景介绍
问题描述
解决方案
整体框架
数据准备
前置仓布局建模
案例分析
销售数据分析和准备
备选仓节点分析和准备
线路数据分析和准备
模型求解和结果分析
结论
本章小结
第章 物流：时效能力提升
背景介绍
物流的客户体验
物流时效
问题描述
解决方案
数据组成
数据分析
模型选择
案例分析
时效竞争力模型
数据预处理
相关性分析
模型选择
效果验证
结论
本章小结
第章 信息流：客服进线量分析
背景介绍
问题描述
解决方案
数据分析
特征构造
模型搭建
案例分析
数据收集
数据分析
特征构造
模型搭建
结论
本章小结
第章 资金流：理赔服务升级
背景介绍
物流行业差异化保价和理赔服务
保险行业精细化理赔运营
物流理赔服务升级思路
问题描述
解决方案
分布可视化
分层标注
建模与模型选型
数据预处理
损失函数选择
超参数选择
案例分析
样本收集
分层标注及观测
模型训练
结论
本章小结
第章 总结
本书回顾
数据科学面经
技术面
业务面
成长路线
初入职场：夯实基础
职场进阶：提升技能
高级发展：引领创新
显示全部信息
商品详情