數(shù)據(jù)倉庫與數(shù)據(jù)挖掘原理及應(yīng)用

第一篇 數(shù)據(jù)倉庫及OLAP概念、原理和技術(shù)篇
第1章 數(shù)據(jù)倉庫基本概念
1.1 從數(shù)據(jù)庫到數(shù)據(jù)倉庫
1.1.1 蜘蛛網(wǎng)問題
1.1.2 事務(wù)型系統(tǒng)和分析型系統(tǒng)的分離
1.2 什么是數(shù)據(jù)倉庫
1.2.1 面向主題
1.2.2 集成
1.2.3 穩(wěn)定性
1.2.4 隨時(shí)間而變化
1.3 數(shù)據(jù)倉庫的體系結(jié)構(gòu)
1.3.1 數(shù)據(jù)倉庫的體系結(jié)構(gòu)
1.3.2 數(shù)據(jù)倉庫中的關(guān)鍵名詞
1.4 數(shù)據(jù)倉庫的數(shù)據(jù)組織
1.4.1 數(shù)據(jù)倉庫的數(shù)據(jù)組織結(jié)構(gòu)
1.4.2 數(shù)據(jù)粒度與數(shù)據(jù)分割
1.4.3 數(shù)據(jù)倉庫的數(shù)據(jù)組織形式
1.4.4 數(shù)據(jù)倉庫的數(shù)據(jù)追加和清理
1.5 本章小結(jié)
習(xí)題
第2章 數(shù)據(jù)倉庫中的ETL和元數(shù)據(jù)
2.1 ETL
2.1.1 ETL概念
2.1.2 ETL作用
2.1.3 ETL工具
2.2 元數(shù)據(jù)
2.2.1 什么是元數(shù)據(jù)
2.2.2 元數(shù)據(jù)的標(biāo)準(zhǔn)化
2.2.3 數(shù)據(jù)倉庫中的元數(shù)據(jù)管理
2.2.4 在數(shù)據(jù)倉庫項(xiàng)目中使用元數(shù)據(jù)的建議
2.3 外部數(shù)據(jù)
2.3.1 外部數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)
2.3.2 元數(shù)據(jù)和外部數(shù)據(jù)
2.3.3 外部數(shù)據(jù)的存儲(chǔ)
2.3.4 外部數(shù)據(jù)的管理
2.4 本章小結(jié)
習(xí)題
第3章 數(shù)據(jù)倉庫模型設(shè)計(jì)
3.1 數(shù)據(jù)倉庫模型設(shè)計(jì)方法概述
3.2 數(shù)據(jù)倉庫設(shè)計(jì)的三級(jí)數(shù)據(jù)模型
3.2.1 概念模型
3.2.2 邏輯模型
3.2.3 物理模型
3.2.4 三種模型之間的關(guān)系
3.2.5 高級(jí)模型、中級(jí)模型和低級(jí)模型
3.3 數(shù)據(jù)倉庫的概念模型設(shè)計(jì)
3.3.1 E-R模型
3.3.2 面向?qū)ο蟮姆治龇椒?br />3.4 數(shù)據(jù)倉庫的邏輯模型設(shè)計(jì)
3.4.1 分析主題，確定當(dāng)前要裝載的主題
3.4.2 確定數(shù)據(jù)粒度的選擇
3.4.3 確定數(shù)據(jù)分割策略
3.4.4 增加導(dǎo)出字段
3.4.5 定義關(guān)系模式
3.4.6 定義記錄系統(tǒng)
3.5 數(shù)據(jù)倉庫的物理模型設(shè)計(jì)
3.5.1 存儲(chǔ)結(jié)構(gòu)
3.5.2 索引策略
3.5.3 數(shù)據(jù)存儲(chǔ)策略
3.5.4 存儲(chǔ)分配優(yōu)化
3.6 數(shù)據(jù)裝載接口設(shè)計(jì)
3.7 本章小結(jié)
習(xí)題
第4章 數(shù)據(jù)倉庫的建立和維護(hù)
4.1 數(shù)據(jù)倉庫的投資分析
4.1.1 建設(shè)數(shù)據(jù)倉庫的必要性
4.1.2 數(shù)據(jù)倉庫的投資回報(bào)分析
4.2 數(shù)據(jù)倉庫的開發(fā)方法
4.2.1 瀑布式開發(fā)
4.2.2 螺旋式開發(fā)
4.3 數(shù)據(jù)倉庫的建立過程
4.3.1 需求分析
4.3.2 數(shù)據(jù)路線
4.3.3 技術(shù)路線
4.3.4 應(yīng)用路線
4.3.5 數(shù)據(jù)倉庫部署
4.3.6 運(yùn)行維護(hù)
4.4 數(shù)據(jù)倉庫的維護(hù)
4.4.1 數(shù)據(jù)周期
4.4.2 參照完整性
4.4.3 數(shù)據(jù)環(huán)境信息
4.4.4 數(shù)據(jù)備份與恢復(fù)
4.5 提高數(shù)據(jù)倉庫性能
4.5.1 提高I／0性能
4.5.2 縮小查詢范圍
4.5.3 采取并行優(yōu)化技術(shù)
4.5.4 選擇適當(dāng)?shù)某跏蓟瘏?shù)
4.6 數(shù)據(jù)倉庫的安全性
4.6.1 安全類型
4.6.2 安全方法
4.7 本章小結(jié)
習(xí)題
第5章 數(shù)據(jù)倉庫與數(shù)據(jù)集市的關(guān)系
5.1 什么是數(shù)據(jù)集市
5.2 數(shù)據(jù)集市的類型
5.3 數(shù)據(jù)集市與數(shù)據(jù)倉庫的區(qū)別
5.4 數(shù)據(jù)集市的特點(diǎn)
5.5 數(shù)據(jù)集市的開發(fā)方法
5.6 數(shù)據(jù)集市的建立
5.7 本章小結(jié)
習(xí)題
第6章 聯(lián)機(jī)分析處理(0LAP)
6.1 OLAP概念
6.1.1 什么是OLAP
6.1.2 OLAP的相關(guān)基本概念
6.1.3 OLAP和OLTP的區(qū)別
6.2 OLAP的基本操作
6.2.1 數(shù)據(jù)切片
6.2.2 數(shù)據(jù)切塊
6.2.3 數(shù)據(jù)上探／下鉆
6.2.4 數(shù)據(jù)旋轉(zhuǎn)
6.3 OLAP分類和體系結(jié)構(gòu)
6.3.1 OLAP的三層客戶／服務(wù)器結(jié)構(gòu)
6.3.2 OLAP的分類
6.3.3 OLAP的體系結(jié)構(gòu)
6.4 基于多維數(shù)據(jù)庫的0LAP(MOLAP)
6.4.1 多維數(shù)據(jù)庫
6.4.2 維的分類
6.4.3 多維數(shù)據(jù)庫存儲(chǔ)
6.5 基于關(guān)系數(shù)據(jù)庫的OLAP(ROLAP)
6.5.1 維表和事實(shí)表
6.5.2 星型模型和雪花模型
6.5.3 星座模型和雪暴模型
6.5.4 ROLAP與MOLAP比較
6.5.5 HOLAP
6.6 0LAP的衡量和特性
6.6.1 OLAP的12準(zhǔn)則
6.6.2 OLAP的簡(jiǎn)潔準(zhǔn)則(OLAP的特性)
6.7 OLAP的前端展現(xiàn)方式
6.7.1 0LAP實(shí)現(xiàn)架構(gòu)
6.7.2 OLAP的Web呈現(xiàn)方式
6.7.3 瘦客戶機(jī)方式
6.7.4 0LAP的前端展現(xiàn)
6.8 0LAP的發(fā)展及展望
6.8.1 OLAP在應(yīng)用領(lǐng)域的發(fā)展趨勢(shì)
6.8.2 OLAP基于Web的應(yīng)用
6.8.3 0LAP展望
6.9 本章小結(jié)
習(xí)題
第7章 數(shù)據(jù)倉庫的應(yīng)用前景
7.1 在電信業(yè)的應(yīng)用前景
7.2 在客戶服務(wù)及營(yíng)銷方面的應(yīng)用前景..
7.3 在銀行領(lǐng)域的應(yīng)用前景
7.4 在保險(xiǎn)業(yè)的應(yīng)用前景
7.5 在圖書館領(lǐng)域的應(yīng)用前景
7.6 成功案例分析
7.7 本章小結(jié)
習(xí)題
第二篇 數(shù)據(jù)挖掘技術(shù)篇
第8章 數(shù)據(jù)挖掘介紹
8.1 數(shù)據(jù)挖掘概述
8.2 數(shù)據(jù)挖掘分類
8.2.1 概述
8.2.2 描述性挖掘
8.2.3 預(yù)測(cè)性挖掘
8.3 數(shù)據(jù)挖掘系統(tǒng)
8.3.1 數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)
8.3.2 數(shù)據(jù)挖掘系統(tǒng)的設(shè)計(jì)
8.3.3 數(shù)據(jù)挖掘系統(tǒng)的發(fā)展
8.4 數(shù)據(jù)預(yù)處理
8.4.1 概述
8.4.2 數(shù)據(jù)清理
8.4.3 數(shù)據(jù)集成
8.4.4 數(shù)據(jù)變換
8.4.5 數(shù)據(jù)歸約
8.4.6 屬性概念分層的自動(dòng)生成
8.5 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫
8.6 數(shù)據(jù)挖掘的應(yīng)用和發(fā)展
8.6.1 數(shù)據(jù)挖掘的應(yīng)用
8.6.2 數(shù)據(jù)挖掘未來研究方向
8.7 本章小結(jié)
習(xí)題
第9章 描述性挖掘
9.1 特征與比較描述
9.1.1 特征與比較描述概述
9.1.2 面向?qū)傩詺w納
9.1.3 特征與比較規(guī)則
9.2 關(guān)聯(lián)規(guī)則挖掘
9.2.1 關(guān)聯(lián)規(guī)則的基本概念
9.2.2 Apriori算法
9.2.3 FP-growth算法
9.3 聚類分析
9.3.1 聚類分析的基本概念
9.3.2 基于劃分的聚類算法
9.3.3 基于密度的聚類算法
9.4 本章小結(jié)
習(xí)題
第10章 分類與預(yù)測(cè)
10.1 決策樹分類算法
10.1.1 什么是決策樹
10.1.2 決策樹的建立
10.1.3 由決策樹提取分類規(guī)則
10.1.4 對(duì)新對(duì)象分類
10.2 神經(jīng)網(wǎng)絡(luò)
10.2.1 前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
10.2.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
10.2.3 神經(jīng)網(wǎng)絡(luò)分類
10.3 回歸分析
10.3.1 一元回歸分析
10.3.2 多元回歸分析
10.3.3 非線性回歸
10.4 本章小結(jié)
習(xí)題
第三篇 工具及實(shí)例介紹篇
第11章 數(shù)據(jù)倉庫工具介紹
11.1 數(shù)據(jù)倉庫產(chǎn)品選擇
11.1.1 數(shù)據(jù)倉庫產(chǎn)品組成
11.1.2 數(shù)據(jù)倉庫產(chǎn)品應(yīng)具備的關(guān)鍵技術(shù)
11.1.3 數(shù)據(jù)倉庫產(chǎn)品現(xiàn)狀
11.1.4 如何選取數(shù)據(jù)倉庫工具
11.2 常用數(shù)據(jù)倉庫產(chǎn)品簡(jiǎn)介
11.2.1 Oracle 9i
11.2.2 NCR TleraData
11.2.3 IBM DB2
11.2.4 Informix
11.3 本章小結(jié)
習(xí)題
第12章 Cognos介紹
12.1 Cognos公司BI主要產(chǎn)品介紹
12.1.1 數(shù)據(jù)查詢和即席報(bào)表生成工具
12.1.2 模型建立工具
12.1.3 在線分析處理及展現(xiàn)工具
12.2 Cognos應(yīng)用例子
12.2.1 報(bào)表的生成
12.2.2 Cube的構(gòu)造
12.3 本章小結(jié)
習(xí)題
第13章 移動(dòng)通信業(yè)務(wù)數(shù)據(jù)倉庫系統(tǒng)
13.1 系統(tǒng)介紹
13.1.1 系統(tǒng)建設(shè)的原則和目標(biāo)
13.1.2 系統(tǒng)結(jié)構(gòu)和功能
13.2 系統(tǒng)模型設(shè)計(jì)
13.2.1 概念模型設(shè)計(jì)
13.2.2 邏輯模型設(shè)計(jì)
13.2.3 物理模型設(shè)計(jì)(PDM)
13.3 數(shù)據(jù)裝載接口設(shè)計(jì)
13.3.1 概述
13.3.2 源數(shù)據(jù)分析
13.3.3 ETL
13.4 數(shù)據(jù)倉庫的維護(hù)
13.4.1 數(shù)據(jù)周期
13.4.2 參照完整性
13.4.3 數(shù)據(jù)備份與恢復(fù)
13.5 前端分析展示
13.5.1 概述
13.5.2 前端分析展示設(shè)計(jì)及實(shí)現(xiàn)
13.5.3 Demo演示
13.6 本章小結(jié)
習(xí)題
主要參考文獻(xiàn)