商业智能深入浅出 大数据时代下的架构规划与案例 第2版PDF电子书下载

理论篇 1

第1章 商业智能简介 1

1.1 商业智能概述 1

1.1.1 商业智能的定义 1

1.1.2 商业智能的作用 3

1.1.3 商业智能的处理过程 3

1.1.4 商业智能的功能 3

1.1.5 商业智能的发展趋势 4

1.2 关于商业智能的核心技术 5

1.2.1 数据仓库 5

1.2.2 数据挖掘和分析 5

1.2.3 ETL处理技术 5

1.2.4 联机分析处理（OLAP）技术 5

1.2.5 可视化分析 5

1.2.6 大数据技术 6

1.2.7 商业智能元数据管理 6

1.3 商业智能的实施方法和步骤 6

1.3.1 商业智能的实施方法 7

1.3.2 商业智能的实施步骤 7

1.4 商业智能项目成功的关键 8

1.5 商业智能项目的组织机构 8

1.6 本章小结 9

第2章 数据仓库的理论知识 11

2.1 数据仓库概述 11

2.1.1 数据仓库产生的背景 11

2.1.2 数据仓库定义 11

2.1.3 数据仓库和商业智能之间的关系 12

2.2 数据仓库的特点 12

2.2.1 面向主题 12

2.2.2 集成性 13

2.2.3 稳定性 13

2.2.4 反映历史变化 13

2.3 数据仓库的优势 14

2.4 数据仓库和数据库的区别 14

2.5 数据仓库开发过程介绍 14

2.5.1 规划分析阶段 14

2.5.2 设计实现阶段 15

2.5.3 使用维护阶段 15

2.6 数据仓库系统组成部分介绍 17

2.6.1 数据源分析 17

2.6.2 数据迁移 18

2.6.3 选择数据的存储结构 19

2.6.4 元数据 19

2.7 数据仓库模型设计介绍 20

2.7.1 概念模型 20

2.7.2 逻辑模型 21

2.7.3 物理模型 23

2.8 数据集市介绍 24

2.8.1 数据集市概述 24

2.8.2 数据集市和数据仓库的联系和区别 26

2.8.3 数据集市的目标分析 27

2.8.4 数据集市的技术特性 27

2.9 ODS介绍 28

2.9.1 ODS的概述 28

2.9.2 ODS系统与数据库系统、数据仓库系统的区别 32

2.9.3 基于ODS和基于数据仓库的OLAP之间的关系 33

2.9.4 ODS系统的功能 33

2.9.5 ODS系统的架构 34

2.10数据仓库实施详细步骤 34

2.10.1 需求分析 34

2.10.2 数据仓库的逻辑分析 35

2.10.3 设计ODS系统 35

2.10.4 数据仓库建模 37

2.10.5 数据集市建模 38

2.10.6 数据源分析 38

2.10.7 数据的获取与整合 38

2.10.8 应用分析 38

2.10.9 报表展现 39

2.11 在大数据环境下的数据仓库的建设 39

2.12 数据仓库建设路线图 40

2.13 数据仓库的作用 41

2.14 数据仓库的建设意义 42

2.15 本章小结 42

第3章 数据挖掘和分析理论知识 44

3.1 什么是数据挖掘 44

3.2 数据挖掘方法的几个步骤 44

3.3 数据挖掘常用算法 45

3.4 数据仓库和数据挖掘之间的关系 45

3.5 数据挖掘的主要过程 45

3.6 数据挖掘的主要应用——客户精准营销 46

3.6.1 客户精准营销背景 46

3.6.2 关于旅游行业的客户精准营销 46

3.6.3 关于银行业的客户精准营销 49

3.7 本章小结 50

第4章 商业智能ETL理论知识 51

4.1 ETL在数据仓库中的重要地位 51

4.2 ETL的一般过程 52

4.3 研究ETL的本质 52

4.4 ETL的体系结构 54

4.5 ETL的难点 54

4.6 主流的ETL工具 54

4.7 ETL的作用 55

4.8 详解ETL过程 55

4.8.1 数据抽取 56

4.8.2 数据清洗 56

4.8.3 数据转换 57

4.8.4 数据加载 58

4.8.5 ETL的日志 59

4.9 ETL优化 59

4.10 ETL设计规范要点 59

4.11 ETL的框架结构 60

4.12 ETL的实施策略 61

4.13本章小结 62

第5章 商业智能联机分析处理理论简介 64

5.1 OLAP介绍 64

5.2 OLAP系统与OLTP系统的区别 65

5.3 OLAP的实现方法 65

5.4 OLAP的基本目标和特点 67

5.5 建立OLAP的过程 67

5.6 OLAP与数据仓库的关系 68

5.7 OLAP系统的实施过程 68

5.8 OLAP模型的设计与实现 69

5.9 本章小结 70

第6章 数据可视化分析理论知识 71

6.1 什么是数据可视化分析 71

6.2 数据可视化的表现形式 72

6.3 本章小结 73

第7章 大数据理论知识 74

7.1 大数据概念的提出 74

7.2 什么是大数据？ 75

7.3 大数据处理技术 75

7.4 大数据应用案例 76

7.5 大数据和传统商业智能的结合 76

7.6 本章小结 76

第8章 商业智能元数据理论知识 77

8.1 元数据的定义 77

8.2 元数据的重要性 78

8.3 元数据的类型 78

8.4 元数据的作用 78

8.5 元数据的管理 79

8.6 元数据包含的内容 80

8.7 本章小结 80

项目篇 81

第9章 商业智能项目需求的定义 81

9.1 商业智能项目的启动 81

9.2 商业智能项目的需求定义 84

9.3 系统原型的建立 90

9.4 验收和评审的内容 90

9.5 本章小结 91

第10章 商业智能项目模型的建立 92

10.1 数据模型的设计原则 92

10.2 企业模型的意义 92

10.2.1 企业模型的定义 92

10.2.2 建设企业模型的意义 92

10.2.3 企业数据模型和其他模型之间的关系 93

10.2.4 与企业数据模型相关的概念 93

10.2.5 企业数据模型转换到数据仓库模型的步骤 94

10.3 概念模型的设计 96

10.4 逻辑模型的设计 97

10.4.1 ODS逻辑模型 97

10.4.2 数据仓库逻辑模型 101

10.4.3 数据集市逻辑模型 106

10.5 物理模型的设计 109

10.5.1 ODS物理模型的设计 109

10.5.2 数据仓库物理模型的设计 110

10.5.3 数据集市物理模型的设计 112

10.6 本章小结 116

第11章 商业智能数据仓库系统应用实例 118

11.1 定义数据仓库项目的生命周期 118

11.2 数据仓库粒度的划分 119

11.3 企业辅助决策分析系统的构建 119

11.4 决策分析系统一般的部署方案和步骤 120

11.4.1 提供系统安装软件的体系结构 120

11.4.2 部署系统的数据库环境 121

11.4.3 ETL环境的部署 122

11.4.4 报表展示环境的部署 122

11.5 数据仓库建设的难点 122

11.6 本章小结 123

第12章 商业银行数据仓库建设规划 124

12.1 商业银行数据仓库建设概况 124

12.2 目前国内商业银行数据仓库面临的瓶颈 124

12.3 商业银行数据仓库建设面临哪些问题 125

12.4 商业银行数据仓库建设思路及系统情况 126

12.4.1 某商业银行建设数据仓库时遇到的挑战 126

12.4.2 某商业数据仓库架构存在的问题 127

12.4.3 对该行数据仓库目标架构的建议 128

12.5 商业银行数据仓库建设启示 129

12.6 本章小结 130

第13章 电力行业数据仓库的建设规划 131

13.1 电力行业数据仓库建设难点 131

13.2 电力行业数据仓库逻辑架构 132

13.3 电力行业数据仓库能力蓝图 132

13.4 数据仓库促进电力业务的发展 133

13.5 数据仓库建设策略比较 134

13.6 电力行业数据仓库模型建立过程 134

13.7 电力行业数据仓库的架构设计 134

13.8 本章小结 136

第14章 商业智能项目规划和管理 138

14.1 项目团队的组织结构 138

14.2 项目角色划分及技能要求 139

14.3 定义领导组的职责和主要任务 140

14.4 如何定义商业智能项目的进度 140

14.5 如何定义商业智能项目的过程 141

14.6 本章小结 142

第15章 商业智能应用介绍 143

15.1 商业智能应用设计的原则 143

15.2 商业智能应用的实施步骤 144

15.3 商业智能具有的应用功能 144

15.4 商业智能应用实例 145

15.5 本章小结 146

第16章 数据抽取、转换和加载 147

16.1 ETL的定义和总体架构 147

16.2 ETL的加载方法 150

16.2.1 以时间戳作为加载条件 150

16.2.2 利用源表的日志信息对目标表进行数据加载 153

16.2.3 通过全表对比的方式进行数据加载 153

16.2.4 全表删除后再进行数据加载的方式 156

16.3 利用ETL构建企业级数据仓库 157

16.4 ETL的设计过程 158

16.5 ETL的备份与恢复 160

16.5.1 数据的备份 160

16.5.2 数据备份存放的介质以及目录结构 160

16.5.3 ETL程序的备份 161

16.5.4 数据的恢复方案 161

16.6 ETL数据质量的改进 163

16.6.1 ETL数据质量分析 163

16.6.2 ETL数据质量改进的方法和目标 163

16.6.3 推动ETL数据质量改进的方法 163

16.6.4 ETL的技术路线选择 164

16.7 ETL应用举例 165

16.7.1 ETL分析需求 165

16.7.2 ETL数据源说明 166

16.7.3 ODS设计与抽取 166

16.7.4 数据仓库（DW）设计与抽取 169

16.7.5 数据集市（DM）设计与抽取 171

16.8 本章小结 173

第17章 联机分析处理 175

17.1 OLAP的概念 175

17.2 OLAP的实施 175

17.2.1 建立“维”的概念 175

17.2.2 多维分析技术 176

17.2.3 OLAP实施的一般过程 178

17.3 OLAP的应用实例 179

17.3.1 案例背景 179

17.3.2 需求 180

17.3.3 数据准备 180

17.3.4 浏览分析数据 181

17.4 OLAP系统设计的一般步骤 182

17.5 本章小结 183

第18章 应用举例 185

18.1 项目工作计划的制订 185

18.1.1 对项目背景与目的的描述 185

18.1.2 确定项目需要交付的成果 185

18.1.3 制定项目管理文档 186

18.1.4 项目进度划分 187

18.2 需求分析 188

18.2.1 业务需求 188

18.2.2 功能需求 189

18.3 营销系统设计 191

18.3.1 总体架构设计 191

18.3.2 营销辅助决策系统的ETL架构设计 192

18.3.3 营销辅助决策系统数据访问功能设计 193

18.3.4 营销辅助决策系统展示方式设计 193

18.3.5 营销辅助决策系统主题分析功能设计 194

18.3.6 数据模型设计 195

18.4 ETL数据抽取 203

18.4.1 ETL物理设计 203

18.4.2 从源数据库抽取到ODS数据缓冲区 204

18.4.3 从ODS数据缓冲区抽取到ODS统一信息视图区 204

18.4.4 从ODS统一信息视图区抽取到数据仓库 205

18.4.5 从数据仓库抽取到数据集市 205

18.5 报表展示 206

18.6 编写测试报告 206

18.7 编写用户手册 208

18.8 软件发布 209

18.9 系统运行维护 209

18.10 本章小结 210

第19章 大数据架构与实践 211

19.1 大数据概述 211

19.2 大数据的处理技术之一——流数据 212

19.3 大数据下的数据架构 212

19.4 大数据在银行业的应用与实践 213

19.5 本章小结 216

第20章 金融行业的商业智能概述 217

20.1 金融行业实施商业智能的背景 217

20.2 商业智能在金融行业的作用 217

20.3 金融行业实施商业智能的措施 218

20.4 本章小结 218

第21章 电力行业商业智能概述 219

21.1 电力行业面临的挑战 219

21.2 建设企业级数据仓库的原因 219

21.3 电力行业数据仓库的执行架构 220

21.4 数据仓库开发的阶段、任务和流程 220

21.5 数据仓库运维内容 221

21.6 电力行业数据仓库的建设方法 221

21.7 本章小结 224

工具篇 225

第22章 Informatica PowerCenter工具简介 225

22.1 Informatica PowerCenter介绍 225

22.1.1 Informatica的特点 226

22.1.2 Informatica的优势 226

22.2 Informatica PowerCenter工具概况 227

22.3 Informatica Servers引擎 227

22.4 Administration Console 228

22.4.1 登录方式 229

22.4.2 相关术语 230

22.5 PowerCenter Designer 230

22.5.1 菜单 231

22.5.2 工具栏 233

22.5.3 导航 235

22.5.4 工作区 236

22.5.5 输出窗口 237

22.6 Repository Manager 237

22.6.1 菜单 238

22.6.2 工具栏 239

22.6.3 导航 239

22.6.4 工作区 239

22.7 Work flow Manager 240

22.7.1 菜单 240

22.7.2 工具栏 241

22.7.3 导航 242

22.7.4 工作区 243

22.7.5 输出窗口 243

22.8 Work flow Monitor 243

22.8.1 工具栏 244

22.8.2 监控区 245

22.8.3 属性 246

22.9 本章小结 246

第23章 Cognos工具简介 247

23.1 Cognos介绍 247

23.1.1 Cognos的历史 247

23.1.2 Cognos的特点 247

23.1.3 Cognos的现状 248

23.2 Cognos工具浏览 248

23.3 Cognos Configuration 249

23.4 Cognos Connection 250

23.4.1 菜单功能 250

23.4.2 选项卡介绍 251

23.4.3 工具栏的使用 251

23.5 Query Studio 251

23.6 Analysis Studio介绍 256

23.6.1 Analysis Studio的组成 257

23.6.2 菜单功能 257

23.7 Report Studio介绍 258

23.7.1 Report Studio的组成 259

23.7.2 菜单功能 262

23.8 Event Studio介绍 264

23.8.1 Event介绍 264

23.8.2 Task介绍 265

23.9 Framework Manager建模工具 267

23.9.1 菜单介绍 268

23.9.2 工作区 271

23.10 Transformer介绍 274

23.10.1 DataSources 274

23.10.1 Data Sources 275

23.10.2 Dimension Ma 275

23.10.3 Measures 276

23.10.4 PowerCubes 276

23.10.5 Customer Views 276

23.10.6 Signon 277

23.11 Cognos PowerPlay 277

23.11.1菜单介绍 278

23.11.2 工具栏 280

23.11.3 维度视图 280

23.12本章小结 280

实践篇 282

第24章 Informatica的安装与快速入门 282

24.1 Informatica PowerCenter的安装方案 282

24.1.1 安装前的准备 282

24.1.2 服务器端安装 283

24.1.3 客户端安装 291

24.2 Informatica PowerCenter工具的一般使用流程 295

24.3 Informatica PowerCenter快速入门 296

24.3.1 前期准备 296

24.3.2 定义源数据 301

24.3.3 定义目标数据 306

24.3.4 定义映射规则 306

24.3.5 定义工作流 309

24.3.6 启动工作流程 316

24.4 本章小结 317

第25章 Informatica实例 319

25.1 缓慢变化维的概念 319

25.2 缓慢变化维的实现方式 319

25.2.1 覆盖方式 319

25.2.2 全历史记录 324

25.2.3 标记位方式 328

25.2.4 时间戳方式 333

25.2.5 记录最新记录和上一次历史 337

25.3 本章小结 341

第26章 Cognos安装与快速入门 342

26.1 Cognos 8安装 342

26.1.1 Cognos服务器安装 342

26.1.2 Cognos Framework安装 345

26.1.3 Cognos Transformer安装 347

26.1.4 Cognos语言包安装 349

26.1.5 Cognos PowerPlay安装 354

26.2 Cognos入门前的准备工作 358

26.2.1 创建Oracle数据库实例 358

26.2.2 执行建表空间和创建数据库用户的脚本 363

26.2.3 Cognos部署设置 364

26.2.4 配置Cognos服务 364

26.2.5 启动Cognos服务 369

26.3 Cognos入门实例一 369

26.3.1 使用Framework建模 371

26.3.2 使用Report Studio制作报表 382

26.3.3 查看报表 389

26.4 Cognos入门实例二 390

26.4.1使用Framework建模 390

26.4.2 使用Transformer立方体多维建模 393

26.4.3 使用Analysis Studio制作多维报表 405

26.4.4 查看报表 408

26.5 本章小结 409

第27章 Cognos实例 410

27.1 Section报表的开发 410

27.2 Conditional Style报表的开发 413

27.3 图表型报表的开发 419

27.4 Drill-Through报表的开发 425

27.5 本章小结 434

第28章 Cognos的安全管理 435

28.1 Cognos安全性介绍 435

28.1.1 Cognos应用防火墙 435

28.1.2 身份验证 436

28.1.3 访问授权 437

28.1.4 加密服务 438

28.2 Cognos安全部署 439

28.2.1 操作系统安全技术 439

28.2.2 网络安全技术 441

28.2.3 应用安全技术 441

28.2.4 安全审计 442

28.3 Cognos安全实践 443

28.3.1 创建Cognos组、角色 443

28.3.2 为组、角色添加用户成员 446

28.3.3 在Framework中设置包的访问授权 449

28.4 本章小结 452

第29章 Cognos优化 454

29.1 增加Cognos 8的内存以提高运行速度 454

29.2 提高Cognos 8的数据库访问速度 455

29.3 修改Cognos 8的reportservice.xml参数 455

29.4 修改读取高速缓存的值以提高性能 457

29.5 开启crosstab caching提高cube的访问速度 458

29.6 读取数据时启用多CPU处理 458

29.7 减少cube数据的提交次数 459

29.8 本章小结 459

附录 技术词汇及说明 460