数据仓库及其在电信领域中的应用PDF电子书下载

第1章 数据仓库概述 1

1.1 数据仓库概念 1

1.1.1 概念 1

1.1.2 与数据库的对比 5

1.2 数据仓库技术的发展 7

1.2.1 数据仓库发展历史 7

1.2.2 数据仓库的市场发展 9

1.2.3 数据集市与数据仓库的关系 11

1.2.4 数据查询技术 13

1.3 数据分析技术 14

1.3.1 OLAP分析 15

1.3.2 数据挖掘 19

1.3.3 联机分析挖掘（OLAM） 24

1.3.4 统计分析技术 27

1.3.5 数据分析技术的难点 28

1.4 数据仓库的特点 30

1.4.1 概述 30

1.4.2 面向主题等特点介绍 30

1.5 数据仓库与数据分析的关系 31

1.6 数据仓库现状 32

1.7 数据仓库应用中的几个问题 34

参考资料 35

第2章 构建数据仓库 37

2.1 构建数据仓库 37

2.1.1 数据仓库实施步骤 37

2.2 数据仓库项目的需求分析 39

2.3 数据仓库体系结构与实施框架 40

2.3.1 体系结构与实施框架概述 40

2.3.2 统一的数据仓库 41

2.3.3 数据集市 42

2.4 数据源的分析 44

2.4.1 来自业务系统的实时数据 45

2.4.2 汇总数据 45

2.5 数据仓库模型设计 46

2.5.1 数据仓库的建模技术 46

2.5.2 实体关系建模 47

2.5.3 维度建模 50

2.5.4 实体关系建模与维建模的关系 52

2.5.5 数据仓库模型设计工具 52

2.6 数据抽取／转换／加载（ETL）过程 66

2.6.1 数据抽取（Extraction） 66

2.6.2 数据转换（Transformation） 67

2.6.3 数据加载（Load） 68

2.7 构建数据仓库的几个关键问题 69

2.7.1 数据仓库粒度问题 69

2.7.2 ETL的处理策略 71

参考资料 72

第3章 数据分析技术（OLAP／数据挖掘介绍） 73

3.1 简介 73

3.2 联机分析处理（OLAP）技术 74

3.2.1 维的介绍 75

3.2.2 多维分析（OLAP）方法和工具 76

3.2.3 OLAP数据的处理方式 82

3.3 数据挖掘技术 83

3.3.1 数据挖掘技术简介 83

3.3.2 数据挖掘的步骤 85

3.3.3 数据挖掘的体系结构 89

3.3.4 数据挖掘的分析模型 90

3.3.5 数据挖掘的具体算法和常用技术 94

3.3.6 应用举例 97

3.4 OLAP与数据挖掘的对比 104

3.5 数据挖掘与其他技术的对比 106

3.5.1 与专家系统的对比 106

3.5.2 与统计分析的对比 107

3.5.3 与人工智能的对比 109

3.6 联机数据挖掘 110

3.6.1 OLAM的简介 110

3.6.2 OLAM的体系结构 111

3.6.3 OLAM的应用 112

3.7 统计分析方法 114

3.8 数据分析要与业务结合 117

参考资料 118

第4章 数据仓库在电信领域中的应用 121

4.1 概述 121

4.1.1 数据仓库在电信领域的应用 121

4.1.2 中国移动的经营分析系统 124

4.1.3 电信行业数据仓库的应用情况 131

4.1.4 电信行业选择数据仓库的必然 133

4.2 电信行业数据仓库及数据分析的特点 134

4.3 电信行业数据仓库的应用内容 136

4.3.1 OLAP在电信行业中的应用 137

4.3.2 数据挖掘在电信行业中的应用 140

4.3.3 电信应用中数据挖掘与OLAP的对比 145

4.4 项目实施组织 145

4.4.1 数据仓库项目的阶段划分 146

4.4.2 项目管理 150

4.4.3 应该注意的一些问题 154

4.5 CRM与数据仓库 155

参考资料 160

第5章 数据仓库实施举例 161

5.1 数据仓库模型实施案例 161

5.1.1 大客户资料分析主题的数据仓库构建 162

5.1.2 客户流失分析主题的数据仓库构建 165

5.1.3 网络状况分析主题的数据仓库构建 166

5.2 ETL模块的结构 168

5.2.1 数据采集清洗子系统 170

5.2.2 源数据变换、重整、汇总子系统 171

5.3 OLAP分析实例 172

5.3.1 确定分析主题 173

5.3.2 确定分析方法 173

5.3.3 定义维度 174

5.3.4 根据具体的分析主题构造分析立方体（MOLAP）或星型结构（ROLAP） 176

5.3.5 解释分析结果 178

5.4 数据挖掘方法论 181

5.4.1 SAS的SEMMA方法论 181

5.4.2 SPSS的CRISP-DM方法论 183

5.4.3 IBM的通用数据挖掘方法论 188

5.5 电信业务数据挖掘实例 194

5.5.1 应用决策树算法（DecisionTree）进行客户流失分析 194

5.5.2 应用聚类分析对电信客户进行细分 201

5.5.3 应用数据挖掘预防电信欺诈 209

参考资料 215

第6章 数据仓库产品及解决方案举例 217

6.1 IBM公司的相关系列产品简介 218

6.1.1 数据仓库产品 218

6.1.2 OLAP分析产品 220

6.1.3 数据挖掘产品 224

6.2 Oracle相关系列产品简介 227

6.2.1 数据仓库产品 227

6.2.2 OLAP产品 229

6.2.3 数据挖掘产品 232

6.3 Sybase相关系列产品简介 234

6.3.1 设计组件Warehouse Architect 235

6.3.2 元数据管理软件Warehouse Control Center 236

6.3.3 数据仓库引擎Adaptive ServerIQ 237

6.3.4 Warehouse Studio的其他特性 239

6.3.5 Warehouse Studio的商业应用 240

6.3.6 Sybase电信业数据仓库应用案例介绍 241

6.4 SAS的数据仓库产品简介 245

6.4.1 定义数据仓库及其主题 246

6.4.2 传送和汇总整理数据 246

6.4.3 更新汇总数据 247

6.4.4 建立、管理和取用查看Metadata 247

6.4.5 设置数据市场 248

6.4.6 SAS电信业数据仓库应用案例介绍 248

6.5 Informix的数据仓库产品简介 250

6.5.1 数据抽取工具Datastage 250

6.5.2 数据仓库引擎Redbrick 251

6.5.3 分析工具Metacube 251

6.5.4 Informix电信业数据仓库成功案例 251

6.6 NCR Teradata的整体解决方案简介 253

6.6.1 NCR可扩展数据仓库 254

6.6.2 NCR Teradata数据仓库电信业解决方案介绍 254

6.6.3 NCR Teradata电信业数据仓库成功案例 259

6.7 CA数据仓库产品介绍 261

6.8 数据仓库相关专业工具的提供厂商介绍 263

6.8.1 MicroStrategy 263

6.8.2 Brio 264

6.8.3 Business Object 275

6.8.4 Cognos 276

6.8.5 Informatica 279

6.8.6 Hyperion 282

6.8.7 SPSS 285

参考资料 289

第7章 数据仓库的测试与选型 291

7.1 数据仓库测试概述 291

7.2 数据库、数据仓库测试标准 291

7.2.1 权威的数据仓库测试机构——TPC测试介绍 291

7.2.2 TPC-D 295

7.2.3 TPC-H 296

7.2.4 其他数据仓库测试标准 300

7.3 数据仓库选型所要考虑的因素 301

7.4 数据仓库测试过程以及测试方案 302

7.4.1 测试过程 302

7.4.2 测试指标以及测试流程 302

7.5 自行组织测试要注意的问题 307

参考资料 308

第8章 数据仓库的发展与展望 309

8.1 数据仓库未来发展方向 309

8.2 OLAP发展的历史 310

8.3 OLAP发展方向 312

8.4 数据挖掘研究历史及现状 314

8.4.1 数据挖掘（知识发现）的历史 314

8.4.2 从专家系统的演进 315

8.5 数据挖掘发展方向 316

参考资料 318