当前位置:首页 > 工业技术
数据仓库与数据挖掘技术  第2版
数据仓库与数据挖掘技术  第2版

数据仓库与数据挖掘技术 第2版PDF电子书下载

工业技术

  • 电子书积分:13 积分如何计算积分?
  • 作 者:陈京民编著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2007
  • ISBN:7121053055
  • 页数:367 页
图书介绍:本书介绍了以数据仓库、数据挖掘和联机分析为核心技术的商务智能的基本概念、基本原理、开发方法、开发工具、应用领域和管理方法等内容。全书共分为10章,包括商务智能基本概念、数据仓库开发模型、数据仓库开发应用过程、联机分析、数据挖掘基本原理和技术、数据挖掘应用工具、电子商务的智能化、商务智能的管理应用,以及商务智能系统的开发应用实例等内容。
《数据仓库与数据挖掘技术 第2版》目录

第1章 商务智能基本概念 1

1.1 商务智能的基本概念 2

1.1.1 商务智能的定义 2

1.1.2 商务智能的发展与应用 3

1.1.3 商务智能的体系结构 5

1.2 数据仓库的发展与展望 6

1.2.1 从传统数据库到数据仓库 6

1.2.2 数据仓库的定义与基本特性 9

1.2.3 数据仓库的发展 12

1.3 数据仓库的体系结构 14

1.3.1 数据仓库的概念结构 14

1.3.2 虚拟数据仓库结构 14

1.3.3 数据集市结构 15

1.3.4 单一数据仓库结构 15

1.3.5 分布式数据仓库结构 16

1.4 数据仓库的参照结构 17

1.4.1 数据仓库基本功能层 17

1.4.2 数据仓库的管理层 24

1.4.3 数据仓库的环境支持层 26

1.5 数据挖掘技术概述 28

1.5.1 数据挖掘的发展 28

1.5.2 数据挖掘的定义 29

1.6 数据挖掘技术与工具 31

1.6.1 常用数据挖掘技术 31

1.6.2 常用数据挖掘工具 33

1.6.3 数据挖掘工具的评价标准 35

1.6.4 常用数据挖掘工具的选择 36

1.7 数据挖掘的应用 37

1.7.1 数据挖掘与数据仓库 37

1.7.2 数据挖掘过程 38

1.7.3 数据挖掘的用户 42

本章小结 43

自我测试题 43

第2章 数据仓库开发模型 47

2.1 数据仓库开发模型 48

2.2 数据仓库概念模型 49

2.2.1 概念模型 49

2.2.2 规范的数据模型 52

2.2.3 星形模型 53

2.2.4 雪花模型 55

2.3 数据仓库的逻辑模型 55

2.3.1 事实表模型设计 57

2.3.2 维模型设计 59

2.4 数据仓库的物理模型 59

2.4.1 数据仓库物理模型的存储结构 59

2.4.2 数据仓库物理模型的索引构建 60

2.4.3 数据仓库物理模型的优化问题 63

2.5 数据仓库的元数据模型 65

2.5.1 元数据的类型与组成 65

2.5.2 元数据在数据仓库中的作用 66

2.5.3 元数据的收集 70

2.6 数据仓库的粒度和聚集模型 71

2.6.1 数据粒度的划分 72

2.6.2 确定粒度的级别 73

2.6.3 数据仓库聚集模型的确定 73

2.6.4 聚集模型的处理 74

2.6.5 聚集模型的管理 75

本章小结 75

自我测试题 76

第3章 数据仓库的开发应用过程 79

3.1 数据仓库开发应用的特点 80

3.1.1 数据仓库开发应用的阶段性 80

3.1.2 数据仓库的螺旋式开发方法 81

3.1.3 数据仓库的开发特点 82

3.2 数据仓库的规划 83

3.2.1 选择数据仓库实现策略 83

3.2.2 确定数据仓库的开发目标和实现范围 84

3.2.3 选择数据仓库的体系结构 85

3.2.4 建立数据仓库使用方案和项目规划预算 87

3.3 数据仓库的概念模型设计 88

3.3.1 概念模型的需求调查 88

3.3.2 概念模型的定义 89

3.3.3 概念模型的分析 93

3.3.4 概念模型的设计 94

3.3.5 概念模型文档与评审 94

3.4 数据仓库的逻辑模型设计 97

3.4.1 分析主题域 97

3.4.2 粒度层次和聚集的确定 98

3.4.3 确定数据分割策略 98

3.4.4 关系模型的定义 99

3.4.5 数据仓库的实体定义 100

3.4.6 数据仓库的数据抽取模型 101

3.4.7 数据仓库元数据模型的建立与应用 106

3.4.8 逻辑模型的评审 107

3.5 数据仓库的物理模型设计 107

3.5.1 数据仓库设计的规范 108

3.5.2 确定数据结构的类型 108

3.5.3 数据仓库索引的创建 109

3.5.4 确定数据存放位置 111

3.5.5 确定存储分配 111

3.5.6 数据仓库物理模型的评审 112

3.6 数据仓库的实施 113

3.6.1 数据仓库与业务处理系统接口的设计 113

3.6.2 数据仓库的创建 114

3.6.3 数据仓库的数据加载、复制与发行 114

3.6.4 数据仓库的中间件设计 115

3.6.5 数据仓库的测试 116

3.7 数据仓库的应用、支持和增强 117

3.7.1 数据仓库的用户培训及支持 117

3.7.2 数据仓库的使用方式 118

3.7.3 数据仓库使用中的数据刷新 119

3.7.4 数据仓库的增强 120

本章小结 121

自我测试题 121

第4章 OLAP技术 125

4.1 OLAP技术概念 126

4.1.1 OLAP的发展 126

4.1.2 OLAP的特性 126

4.2 OLAP与多维分析 127

4.2.1 多维基本概念 127

4.2.2 多维分析 130

4.2.3 维的层次关系 132

4.2.4 维的类关系 132

4.2.5 OLAP与数据仓库的关系 133

4.3 OLAP的实施 134

4.4 多维OLAP与关系OLAP 135

4.4.1 多维数据库 135

4.4.2 多维数据库的数据存储 137

4.4.3 多维数据库与数据仓库 137

4.4.4 MOLAP的创建与功能 139

4.4.5 ROLAP实现的3个规则 139

4.4.6 ROLAP的多维表示方法 140

4.4.7 ROLAP的创建与功能 142

4.5 OLAP技术的评价 143

4.5.1 MOLAP与ROLAP的比较 143

4.5.2 OLAP的衡量标准 145

4.5.3 OLAP服务器和工具的评价标准 147

本章小结 149

自我测试题 149

第5章 传统数据挖掘技术 153

5.1 传统的统计分析类数据挖掘技术 154

5.1.1 统计与统计类数据挖掘技术 154

5.1.2 数据的聚集与度量技术 155

5.1.3 柱状图数据挖掘技术 155

5.1.4 线性回归数据挖掘技术 156

5.1.5 非线性回归数据挖掘技术 158

5.1.6 聚类数据挖掘技术 159

5.1.7 最近邻数据挖掘技术 165

5.2 统计分析类工具 166

5.2.1 统计类数据挖掘工具 166

5.2.2 统计类数据挖掘的商业分析 167

5.2.3 统计类数据挖掘工具的功能 168

5.2.4 统计类数据挖掘工具—SPSS 169

5.3 统计分析类工具的应用 172

5.3.1 趋势分析 172

5.3.2 时序分析 173

5.3.3 周期分析 173

5.4 统计分析类工具应用的问题 174

5.4.1 统计类数据挖掘的预处理问题 174

5.4.2 统计分析应遵循的基本原则 176

5.4.3 统计分析的步骤 177

5.4.4 统计类数据挖掘的性能问题 178

本章小结 178

自我测试题 179

第6章 现代数据挖掘技术与发展 183

6.1 知识挖掘系统的体系结构 184

6.1.1 知识发现技术的定义 184

6.1.2 知识发现系统的结构 185

6.2 现代挖掘技术及应用 187

6.2.1 规则型挖掘技术及应用 187

6.2.2 神经网络型挖掘技术 192

6.2.3 遗传算法型挖掘技术 197

6.2.4 粗糙集挖掘技术 201

6.2.5 决策树型挖掘技术 203

6.3 知识发现工具与应用 207

6.3.1 知识挖掘工具的系统结构 207

6.3.2 知识挖掘工具运用中的问题 208

6.3.3 知识挖掘的价值 211

6.3.4 现代数据挖掘工具简介 211

6.4 数据挖掘技术的发展 212

6.4.1 文本挖掘 212

6.4.2 可视化数据挖掘技术 215

6.4.3 空间数据挖掘 216

6.4.4 分布式数据挖掘 217

本章小结 219

自我测试题 220

第7章 电子商务中的商务智能 223

7.1 电子商务的数据仓库开发 224

7.1.1 电子商务的数据环境分析 224

7.1.2 电子商务数据仓库项目的规划 225

7.1.3 电子商务数据仓库需求分析 226

7.1.4 电子商务数据仓库逻辑模型设计 226

7.1.5 电子商务数据仓库的物理模型设计 227

7.1.6 电子商务数据仓库的实现与部署 227

7.2 电子商务数据仓库的逻辑模型 228

7.2.1 营销数据仓库模型演变 228

7.2.2 客户维——用户维 229

7.2.3 时间维——财政时间维和用户时间维 230

7.2.4 地理位置维——物理地理、Web地理和站点地理维 231

7.2.5 商品维——内容维和活动维 232

7.2.6 促销维——内部促销维和外部促销维 233

7.2.7 电子商务数据仓库模型的事实表设计 234

7.3 电子商务数据仓库的ETL设计 234

7.3.1 电子商务数据仓库的ETL环境 235

7.3.2 电子商务数据仓库的ETL体系结构 236

7.3.3 建立ETL系统 237

7.4 电子商务数据挖掘 240

7.4.1 Web数据挖掘技术 240

7.4.2 Web数据挖掘在电子商务中的应用 244

7.4.3 数据挖掘在网站设计、管理中的应用 245

7.4.4 数据挖掘在网络广告中的应用 248

本章小结 250

自我测试题 250

第8章 商务智能应用与管理 253

8.1 商务智能用户 254

8.1.1 商务智能的用户——信息使用者与知识挖掘者 254

8.1.2 信息使用者的商务智能使用方式 254

8.1.3 知识挖掘者的商务智能使用方式 255

8.2 管理决策中的商务智能应用 256

8.2.1 商务智能与供应链管理 256

8.2.2 商务智能与客户关系管理 257

8.2.3 商务智能和企业资源规划 259

8.2.4 商务智能的行业应用 260

8.3 商务智能的运行管理 264

8.3.1 商务智能中的人力资源管理 264

8.3.2 数据加载的管理问题 265

8.3.3 故障恢复管理 266

8.3.4 访问控制与安全管理 266

8.3.5 数据增长的管理 267

8.4 商务智能的元数据管理 268

8.4.1 元数据的存储、管理和维护 268

8.4.2 元数据的用户与使用方法 270

8.4.3 元数据的管理模型 271

8.5 商务智能中的法律问题 274

8.5.1 数据的隐私权问题 274

8.5.2 数据隐私权的处理 275

8.6 商务智能的成本与效益分析 276

8.6.1 商务智能投资回报的定量分析 277

8.6.2 商务智能投资回报的定性分析 278

本章小结 279

自我测试题 279

第9章 商务智能开发实例 283

9.1 基于商务智能的超市营销系统的规划与分析 284

9.1.1 基于商务智能的超市营销系统的需求分析 284

9.1.2 基于商务智能的超市营销系统数据仓库E-R模型构造 285

9.1.3 基于商务智能的超市营销系统数据仓库事实表模型 286

9.1.4 基于商务智能的超市营销系统数据仓库维表模型的设计 288

9.1.5 基于商务智能的超市营销系统数据仓库模型的关键字设计 292

9.1.6 基于商务智能的超市营销系统数据仓库的元数据设计 294

9.2 商务智能开发工具简介 297

9.2.1 商务智能开发工具 297

9.2.2 SQL Server商务智能开发应用工具 301

9.3 SQL Server的数据仓库创建 303

9.3.1 创建数据库 303

9.3.2 创建表 304

9.4 SQL Server数据仓库事实表与多维数据集的建立 305

9.4.1 SQL Server BI Development Studio数据源的确定 306

9.4.2 SQL Server数据仓库数据维的创建 309

9.4.3 SQL Server的多维数据集的创建 313

本章小结 319

自我测试题 319

第10章 商务智能应用实例 323

10.1 数据仓库的数据加载与钻取 324

10.1.1 数据仓库的数据加载 324

10.1.2 超市营销系统数据仓库的数据加载 326

10.1.3 多维数据集的更新 332

10.1.4 数据仓库的钻取访问 334

10.1.5 数据仓库的多维表达式MDX的应用 337

10.2 商务智能中的数据挖掘模型设计 339

10.2.1 数据挖掘对象的分析 339

10.2.2 数据挖掘模型与相关数据的准备 340

10.2.3 数据挖掘模型的应用 342

10.3 SQL Server中的数据挖掘工具 343

10.3.1 决策类数据挖掘工具的应用 344

10.3.2 聚类分析的数据挖掘工具应用 349

10.4 商务智能客户端界面的设计 354

10.4.1 确定客户端界面展现的内容 354

10.4.2 选择客户端界面展现工具 355

10.4.3 应用Excel实现客户端界面的展现 356

本章小结 361

自我测试题 362

参考文献 365

相关图书
作者其它书籍
返回顶部