數據倉庫技術與實現(xiàn)

第一部分  基礎篇                  
 第1章  從數據庫到數據倉庫 3                  
 1.1  數據倉庫的由來 4                  
 1.2  數據倉庫的定義 5                  
 1.2.1  數據倉庫的基本定義 5                  
 1.2.2  數據倉庫從數據庫進化而來 7                  
 1.2.3  數據倉庫與傳統(tǒng)數據庫的區(qū)別 8                  
 1.3  數據倉庫的體系化環(huán)境 12                  
 1.3.1  數據倉庫的結構 12                  
 1.3.2  多層數據倉庫的體系結構 14                  
 1.3.3  數據倉庫的實現(xiàn) 14                  
 1.4  數據倉庫中的數據組織 15                  
 1.4.1  粒度與分割 16                  
 1.4.2  元數據 17                  
 1.4.3  數據概念模型 17                  
 1.4.4  數據倉庫的數據組織方式 18                  
 1.4.5  數據倉庫的數據追加 19                  
 1.4.6  “維表—事實表”構成的關系型數據倉庫 19                  
 1.4.7  OLAP的數據組織 21                  
 1.5  數據倉庫的方法論 22                  
 1.5.1  任務和環(huán)境的評估 22                  
 1.5.2  需求的收集和分析 22                  
 1.5.3  構造數據倉庫 23                  
 1.5.4  數據倉庫技術的培訓 23                  
 1.5.5  回顧. 總結再發(fā)展 24                  
 1.6  數據倉庫工程規(guī)劃 24                  
 1.6.1  工程規(guī)劃的重要性 24                  
 1.6.2  制定數據倉庫工程規(guī)劃的過程 25                  
 1.6.3  數據倉庫工程規(guī)劃文檔的內容 27                  
 1.6.4  數據倉庫體系結構 28                  
 1.7  發(fā)展階段 30                  
 1.8  小結 31                  
 第2章  數據倉庫的基本組成 33                  
 2.1  元數據 34                  
 2.1.1  概念 34                  
 2.1.2  元數據的管理功能 36                  
 2.1.3  元數據的標準化和商品化 39                  
 2.2  關系數據庫 40                  
 2.2.1  創(chuàng)建和維護數據庫概述 40                  
 2.2.2  數據庫性能優(yōu)化概述 41                  
 2.3  數據集市 41                  
 2.4  數據源 42                  
 2.5  維度 43                  
 2.5.1  概述 43                  
 2.5.2  維度層次結構 46                  
 2.5.3  維度特征 48                  
 2.5.4  維度類型 49                  
 2.6  級別和成員 51                  
 2.6.1  “全部”級別和全部成員 52                  
 2.6.2  數據成員 53                  
 2.7  度量值 53                  
 2.8  單元 54                  
 2.8.1  計算單元 55                  
 2.9  多維數據集 56                  
 2.9.1  多維數據集結構 57                  
 2.9.2  多維數據集存儲 58                  
 2.9.3  多維數據集處理 58                  
 2.9.4  多維數據集類型 58                  
 2.10  分區(qū)和聚合 61                  
 2.10.1  分區(qū) 61                  
 2.10.2  分區(qū)結構 63                  
 2.10.3  分區(qū)存儲 63                  
 2.10.4  聚合 64                  
 2.11  成員屬性 65                  
 2.12  小結 67                  
 第3章  ODS 69                  
 3.1  ODS的由來與定義 70                  
 3.1.1  由來 70                  
 3.1.2  定義 70                  
 3.1.3  與數據倉庫的聯(lián)系與區(qū)別 71                  
 3.2  DB―ODS―DW的體系結構 71                  
 3.3  創(chuàng)建ODS 73                  
 3.3.1  ODS數據模式的形成 73                  
 3.3.2  獲取并傳輸數據 73                  
 3.3.3  從DB向ODS轉化的實現(xiàn)機制 74                  
 3.4  實例分析 75                  
 3.4.1  問題的提出 75                  
 3.4.2  技術選型 76                  
 3.4.3  基于ODS藥品銷售的即時OLAP應用設計 76                  
 3.4.4  數據采集 77                  
 3.4.5  系統(tǒng)用戶界面的實現(xiàn) 78                  
 3.4.6  系統(tǒng)的體系結構 78                  
 3.5  小結 78                  
 第4章  OLAP系統(tǒng) 81                  
 4.1  概述 82                  
 4.1.1  由來與定義 82                  
 4.1.2  WebOLAP 84                  
 4.1.3  OLAP+數據挖掘 85                  
 4.2  OLAP的多維數據概念 85                  
 4.2.1  維 85                  
 4.2.2  多維性 86                  
 4.3  OLAP的多維數據結構 88                  
 4.3.1  OLAP結構 88                  
 4.3.2  活動數據的存儲 90                  
 4.4  OLAP數據的處理方式 91                  
 4.5  多維數據庫 91                  
 4.6  OLAP的實現(xiàn)方式 92                  
 4.6.1  實現(xiàn)中的問題及對策 92                  
 4.6.2  實現(xiàn)技術 95                  
 4.7  OLAP和OLTP的區(qū)別 97                  
 4.8  OLAP的新發(fā)展——OLAM 99                  
 4.8.1  由來 99                  
 4.8.2  體系結構 99                  
 4.8.3  功能特征 100                  
 4.8.4  OLAM領域的主要發(fā)展方向 101                  
 4.9  小結 102                  
 第5章  數據挖掘技術概述 103                  
 5.1  概述 104                  
 5.2  數據挖掘的定義 106                  
 5.2.1  商業(yè)角度的定義 107                  
 5.2.2  數據挖掘與傳統(tǒng)分析方法的區(qū)別 107                  
 5.3  數據挖掘過程 108                  
 5.3.1  工作量 109                  
 5.3.2  過程 109                  
 5.3.3  所需人員 110                  
 5.3.4  5A模型 111                  
 5.3.5  數據挖掘過程模型CRISP-DM 112                  
 5.4  數據挖掘的研究內容及其方法 114                  
 5.4.1  概述 114                  
 5.4.2  數據挖掘的任務及其6種模式 120                  
 5.4.3  關聯(lián)規(guī)則挖掘的常用算法 124                  
 5.4.4  決策樹方法 128                  
 5.4.5  粗集方法 129                  
 5.5  Web數據挖掘 131                  
 5.5.1  Web數據挖掘的難點 132                  
 5.5.2  發(fā)現(xiàn)序列互信息 133                  
 5.5.3  發(fā)現(xiàn)互信息規(guī)則 134                  
 5.5.4  發(fā)現(xiàn)相關主題域 135                  
 5.5.5  檢驗規(guī)則的有效性 136                  
 5.6  數據挖掘方法論 137                  
 5.6.1  Sample──數據取樣 137                  
 5.6.2  Explore──數據特征探索. 分析和預處理 138                  
 5.6.3  Modify──問題明確化. 數據調整和技術選擇 138                  
 5.6.4  Model──研發(fā)模型及發(fā)現(xiàn)知識 138                  
 5.6.5  Assess──模型和知識的綜合解釋和評價 139                  
 5.7  構造和使用數據挖掘模型 139                  
 5.7.1  創(chuàng)建數據挖掘模型 139                  
 5.7.2  編輯數據挖掘模型 141                  
 5.7.3  培訓數據挖掘模型 141                  
 5.7.4  查看數據挖掘模型 142                  
 5.7.5  高級數據挖掘模型操作 143                  
 5.8  小結 143                  
 第二部分  工具篇                  
 第6章  MDX 147                  
 6.1  概述 148                  
 6.1.1  維度. 級別. 成員和度量值 148                  
 6.2  基本概念 148                  
 6.2.1  單元. 元組和集合 149                  
 6.2.2  軸維度和切片器維度 150                  
 6.2.3  計算成員 150                  
 6.2.4  用戶定義函數 150                  
 6.2.5  PivotTable服務 150                  
 6.3  比較SQL和MDX 150                  
 6.4  基本MDX 151                  
 6.4.1  基本MDX查詢 152                  
 6.4.2  成員. 元組和集合 153                  
 6.4.3  軸維度和切片器維度 156                  
 6.4.4  建立多維數據集上下文 158                  
 6.5  高級MDX 158                  
 6.5.1  創(chuàng)建和使用屬性值 158                  
 6.5.2  生成MDX中的命名集 163                  
 6.5.3  生成MDX中的計算成員 166                  
 6.5.4  生成MDX中的高速緩存 168                  
 6.5.5  生成MDX中的計算單元 169                  
 6.5.6  在MDX中創(chuàng)建和使用用戶定義函數 170                  
 6.5.7  使用回寫 172                  
 6.5.8  使用DRILLTHROUGH 檢索源數據 174                  
 6.5.9  理解傳遞次序和求解次序 174                  
 6.6  小結 179                  
 第7章  數據倉庫工具和關鍵技術 181                  
 7.1  OLAP查詢分析工具 182                  
 7.1.1  OLAP特征 182                  
 7.1.2  選擇OLAP工具 183                  
 7.2  DSS的分析預測工具 185                  
 7.2.1  DSS和IDSS 186                  
 7.2.2  數據倉庫和OLAP的決策支持技術 188                  
 7.2.3  綜合DSS 191                  
 7.3  數據挖掘系統(tǒng)設計 192                  
 7.3.1  數據挖掘的過程 193                  
 7.3.2  數據挖掘系統(tǒng)的原型框架 196                  
 7.3.3  數據挖掘面臨的問題 198                  
 7.3.4  數據挖掘工具的選擇標準 199                  
 7.4  數據倉庫體系結構的關鍵問題 201                  
 7.4.1  數據倉庫的組成部分 201                  
 7.4.2  數據倉庫體系結構中的關鍵問題 202                  
 7.5  小結 206                  
                   
 第8章  數據倉庫實現(xiàn)和解決方案 207                  
 8.1  數據倉庫的數據庫設計原則 208                  
 8.1.1  簡明數據模式的設計 209                  
 8.1.2  保證數據的一致性 211                  
 8.1.3  提高查詢處理速度 213                  
 8.1.4  提高數據裝載效率 214                  
 8.2  數據倉庫總體設計 214                  
 8.2.1  詳細設計數據倉庫 214                  
 8.2.2  使用數據倉庫 221                  
 8.2.3  維護數據倉庫 222                  
 8.2.4  實現(xiàn)數據倉庫 224                  
 8.3  數據倉庫的優(yōu)化 226                  
 8.3.1  概述 227                  
 8.3.2  優(yōu)化設計 228                  
 8.3.3  面向超大型數據庫和數據倉庫的優(yōu)化 228                  
 8.3.4  實施數據倉庫工程注意事項 232                  
 8.4  數據倉庫技術的應用和解決方案 233                  
 8.4.1  數據倉庫技術的應用 233                  
 8.4.2  數據倉庫解決方案 239                  
 8.5  小結 246                  
 第9章  SQL Server 數據倉庫解決方案 247                  
 9.1  Microsoft數據倉庫解決方案概述 248                  
 9.1.1  Microsoft數據倉庫框架 249                  
 9.1.2  Analysis Services 250                  
 9.2  Microsoft數據倉庫設計 258                  
 9.2.1  配置數據倉庫環(huán)境 258                  
 9.2.2  創(chuàng)建多維數據集前準備 259                  
 9.2.3  生成多維數據集 266                  
 9.2.4  處理多維數據集 268                  
 9.3  管理Microsoft數據倉庫 272                  
 9.3.1  創(chuàng)建安全角色 272                  
 9.3.2  管理分區(qū) 276                  
 9.3.3  增強和改善維度 280                  
 9.3.4  增強和改善多維數據集 282                  
 9.3.5  更新多維數據集和維度 285                  
 9.4  Microsoft數據倉庫數據服務 287                  
 9.4.1  備份和還原數據庫 287                  
 9.4.2  復制對象 289                  
 9.4.3  導入. 導出和轉換數據 290                  
 9.5  小結 294                  
 第三部分  實例篇                  
 第10章  SQL Server數據倉庫挖掘技術 297                  
 10.1  創(chuàng)建和使用數據挖掘模型 298                  
 10.1.1  Microsoft數據挖掘模型簡介 298                  
 10.1.2  創(chuàng)建數據挖掘模型 300                  
 10.1.3  編輯數據挖掘模型 302                  
 10.1.4  培訓數據挖掘模型 302                  
 10.1.5  查看數據挖掘模型 303                  
 10.1.6  高級數據挖掘模型操作 304                  
 10.2  OLAP數據挖掘模型實例 305                  
 10.2.1  創(chuàng)建揭示客戶模式的數據挖掘模型 305                  
 10.2.2  讀取客戶決策樹 307                  
 10.2.3  瀏覽數據挖掘虛擬維度 310                  
 10.3  創(chuàng)建關系數據挖掘模型 314                  
 10.3.1  創(chuàng)建揭示客戶模式的數據挖掘模型 314                  
 10.3.2  讀取客戶決策樹 317                  
 10.3.3  瀏覽相關性網絡 320                  
 10.4  數據倉庫高級技術 324                  
 10.4.1  Internet連接 325                  
 10.4.2  多維數據集的調度技術 328                  
 10.5  小結 333                  
 第11章  SAS數據倉庫解決方案 335                  
 11.1  SAS數據倉庫概述 336                  
 11.1.1  SAS數據倉庫 337                  
 11.1.2  SAS數據倉庫的組成 337                  
 11.1.3  SAS數據倉庫的體系結構 339                  
 11.1.4  開發(fā)SAS數據倉庫 341                  
 11.1.5  SAS的數據倉庫產品——SAS/WA 343                  
 11.1.6  SAS數據倉庫方法論 345                  
 11.2  SAS數據挖掘技術 347                  
 11.2.1  挖掘策略 347                  
 11.2.2  挖掘的方法論——SEMMA 348                  
 11.2.3  數據挖掘應用實例 350                  
 11.3  SAS工具 351                  
 11.3.1  SAS核心系統(tǒng) 352                  
 11.3.2  深層數據分析 353                  
 11.3.3  客戶端應用軟件 360                  
 11.3.4  桌面分析軟件 362                  
 11.4  SAS數據倉庫設計 365                  
 11.4.1  SAS/Warehouse Administrator概述 366                  
 11.4.2  設置數據倉庫環(huán)境 369                  
 11.4.3  SAS數據操作 373                  
 11.4.4  創(chuàng)建數據倉庫 383                  
 11.5  小結 395                  
 第12章  數據倉庫和CRM解決方案 397                  
 12.1  CRM解決方案概述 398                  
 12.1.1  CRM系統(tǒng)的組成 400                  
 12.1.2  CRM的發(fā)展和目標 404                  
 12.1.3  CRM的核心技術 405                  
 12.1.4  CRM在我國電信企業(yè)的應用 406                  
 12.1.5  電信運營商成功實施CRM的案例 407                  
 12.1.6  CRM軟件的選型 410                  
 12.2  CRM實施與評價 411                  
 12.2.1  準備工作 411                  
 12.2.2  實施步驟 412                  
 12.2.3  客戶關系管理的評價 415                  
 12.3  電信企業(yè)的CRM系統(tǒng)解決方案 416                  
 12.3.1  電信企業(yè)的營銷管理 416                  
 12.3.2  電信企業(yè)的銷售管理 418                  
 12.3.3  電信企業(yè)的服務管理 419                  
 12.4  數據倉庫具體實現(xiàn) 420                  
 12.4.1  實施數據倉庫并實現(xiàn)數據分析 420                  
 12.4.2  實施數據倉庫詳細策略 421                  
 12.4.3  利用呼叫中心收集數據 423                  
 12.4.4  電信企業(yè)的呼叫中心 424                  
 12.4.5  廣東移動實施數據倉庫案例分析 427                  
 12.5  小結 429                  
 參考文獻 430