支持CRM的数据仓库设计PDF电子书下载

译者序 1

第1章 客户关系管理 1

1.1 业务问题 1

1.2 业务目标 3

1.3 业务策略 5

1.4 价值诉求 5

1.4.1 客户亲密 5

1.4.2 产品主导 5

1.4.3 运营杰出 6

1.5 客户关系管理 7

1.5.1 什么是客户关系管理 7

1.5.2 客户忠诚和客户流失 10

1.5.3 客户眼光 12

1.5.4 分段 13

1.5.5 活动管理 16

1.5.6 个性化营销 18

1.5.7 客户联系 19

1.6 小结 20

第2章 数据仓库建造介绍 21

2.1 引言 21

2.1.1 案例研究介绍 22

2.1.2 战略信息和运营信息 25

2.2 什么是数据仓库 27

2.3 维分析 28

2.4 建立数据仓库 31

2.4.1 提取 33

2.4.2 集成 36

2.4.3 数据仓库数据库 38

2.4.4 汇总导航 44

2.4.5 信息表示 47

2.5 使用关系数据库的问题 49

2.5.1 关于时间的问题 49

2.5.2 关于SQL的问题 49

2.6 小结 50

3.1 维数据模型 53

第3章 我们面对的设计问题 53

3.1.1 维与3NF 54

3.1.2 星型模式和雪花模式 59

3.2 为CRM做些什么工作 61

3.2.1 客户行为和客户详情——因果原理 63

3.2.2 概念／逻辑／物理模型三部曲 67

3.2.3 概念模型和葡萄酒俱乐部 69

3.3 小结 71

第4章 数据仓库建造中时间的含义 73

4.1 时间的作用 73

4.1.1 有效时间和事务处理时间 74

4.1.2 行为数据 74

4.1.3 环境数据 75

4.2 与时间有关的问题 75

4.2.1 时间对数据模型的影响 75

4.2.2 时间对查询结果的影响 79

4.2.4 数据的因果变化的影响 82

4.2.3 时间维 82

4.3 捕获变化 83

4.3.1 捕获行为 83

4.3.2 捕获环境数据 84

4.3.3 与时间有关的问题汇总 86

4.4 第一代时间问题的解决方案 87

4.4.1 类型1方法 87

4.4.2 类型2方法 88

4.4.3 类型3方法 97

4.4.4 TSQL2 98

4.4.5 时间查询 99

4.5 某个主题的变化 99

4.6 小结 102

第5章 概念模型 105

5.1 概念模型的要求 105

5.1.1 行为的处理 107

5.1.2 客户详情的处理——回溯 108

5.2.1 因果关系 112

5.2 数据更改的识别 112

5.2.2 捕捉更改的频率 113

5.3 点建模 113

5.3.1 行为点模型的成分 115

5.3.2 点和GCM 117

5.4 点建模专题讨论会 118

5.4.1 点建模方法 118

5.4.2 信息策略专题讨论会 119

5.4.3 成分分析专题讨论会 130

5.4.4 回溯 134

5.5 小结 138

第6章 逻辑模型 139

6.1 逻辑建模 139

6.2 回溯的实现 140

6.2.1 介绍 140

6.2.2 使用存在属性 140

6.3 使用时间维 147

6.4 逻辑模式 151

6.5 性能考虑 153

6.6 选择一种方案 155

6.7 改变数据捕获的频率 156

6.8 约束 158

6.8.1 重复计数约束 158

6.8.2 参考完整性约束 160

6.8.3 删除约束 161

6.9 小结 161

7.1 数据仓库体系结构 163

第7章 物理实现 163

7.1.1 VIM层 165

7.1.2 误差幅度 175

7.1.3 数据池 178

7.2 CRM应用程序 183

7.3 数据备份 184

7.4 归档 184

7.5 提取与装载 185

7.6 小结 187

第8章 业务调整 189

8.1 增量方法 189

8.2 提议 195

8.3 小结 196

第9章 项目管理 199

9.1 介绍 199

9.2 提交 201

9.3 应该考虑何种假设和风险 203

9.4 需要什么样的项目组 205

9.5 小结 216

第10章 软件产品 217

10.1 提取、转换和装载 218

10.1.1 提取 218

10.1.2 转换 219

10.1.3 装载 219

10.2 OLAP 220

10.3 查询工具 222

10.4 数据挖掘 224

10.5 活动管理 228

10.6 个性化 230

10.7 元数据工具 232

10.8 排序 233

第11章 未来展望 235

11.1 时间数据库（时间扩展） 235

11.2 SQL的OLAP扩展 236

11.4 外部数据 237

11.3 主动决策支持 237

11.5 非结构化数据 238

11.6 搜索代理 238

11.7 支持DSS的应用 238

附录A 葡萄酒俱乐部时间分类 241

附录B 葡萄酒俱乐部的点模型 245

附录C 葡萄酒俱乐部的逻辑模型 257

附录D 客户属性 261

参考文献 273