第Ⅰ部分 商业智能化 3
第1章 使组织机构具备有效决策能力 3
1.1 有效决策能力 4
1.1.1 谁是决策者? 4
1.1.2 什么是有效决策? 5
1.2 具备有效决策能力的要素 5
1.2.1 量化的目标 6
1.2.2 具体的度量 7
1.2.3 适时的信息 8
1.3 商业智能 10
第2章 充分利用现有资源 13
2.1 商业智能的作用 14
2.1.1 用于问题明确的情况 14
2.1.2 发现新问题并解决问题 15
2.2 多层次的商业智能 15
2.2.1 金字塔的顶层 16
2.2.2 中间层次 17
2.2.3 最低层次 18
2.3 Maximum Miniatures公司 18
2.3.1 业务需求 19
2.3.2 当前系统 19
2.4 建立基础 21
第3章 商业智能的源系统 23
3.1 寻找源系统 24
3.2 数据集市 26
3.2.1 数据集市的特征 27
3.2.2 数据集市的结构 29
3.3 小结 36
第4章 统一维度模型 39
4.1 联机分析处理 40
4.1.1 使用多维数据集建立OLAP系统 40
4.1.2 OLAP系统的特性 43
4.1.3 OLAP系统的体系结构 45
4.1.4 缺点 46
4.2 统一维度模型 47
4.2.1 结构 48
4.2.2 优点 52
4.3 小结 53
第5章 开始商业智能的第一步 55
5.1 Business Intelligence Development Studio 56
5.1.1 Visual Studio 56
5.1.2 Business Intelligence Development Studio导航 57
5.1.3 Business Intelligence Development Studio的选项 70
5.2 SQL Server Management Studio 73
5.3 小结 81
第Ⅱ部分 定义商业智能的结构 85
第6章 建立基础——创建和填充数据集市 85
6.1 数据集市 86
6.2 设计数据集市 88
6.2.1 决策者的需求 89
6.2.2 可用数据 90
6.2.3 数据集市的结构 90
6.2.4 使用SQL Server Management Studio创建数据集市 99
6.2.5 使用Business Intelligence Development Studio创建数据集市 112
6.3 小结 120
第7章 使用Integration Services填充数据集市 121
7.1 Integration Services 122
7.1.1 包结构 122
7.1.2 包项 139
7.2 包的开发特性 200
7.2.1 开发Integration Services包 200
7.2.2 包开发工具 208
7.2.3 迁移SQL Server 2000中的DTS包 217
7.3 应用Integration Services包 218
7.3.1 部署Integration Services包 218
7.3.2 执行Integration Services包 220
7.4 小结 221
第Ⅲ部分 分析多维数据集 225
第8章 多维数据集的机制——度量和维度 225
8.1 回顾与展望 226
8.1.1 完善生产线数据集市 226
8.1.2 创建多维数据集 236
8.2 度量 242
8.2.1 度量组 243
8.2.2 计算成员 245
8.2.3 度量聚合 248
8.3 维度 252
8.3.1 管理维度 252
8.3.2 建立维度和度量组的联系 253
8.3.3 维度类型 256
8.3.4 渐变维度 259
8.4 小结 263
第9章 OLAP多维数据集的属性 265
9.1 准备部署多维数据集 266
9.1.1 部署和处理 266
9.1.2 从Business Intelligence Development Studio进行部署 267
9.1.3 从“Analysis Services部署向导”进行部署 273
9.2 其他的多维数据集属性 279
9.2.1 链接对象 279
9.2.2 商业智能向导 282
9.2.3 关键性能指标 283
9.2.4 操作 288
9.2.5 分区 290
9.2.6 透视 306
9.2.7 翻译 307
9.3 小结 308
第10章 编写新的脚本——MDX 309
10.1 术语与概念 310
10.1.1 我们在哪里? 310
10.1.2 从当前位置到达另一个目的地 326
10.2 运用MDX脚本 333
10.2.1 多维数据集的安全 333
10.2.2 今年和去年的对比以及年初到本日止的汇总 343
10.3 从多维数据集中提取数据 347
第11章 MDX查询 349
11.1 MDX SELECT语句 350
11.1.1 基本的MDX SELECT语句 351
11.1.2 其他查询工具 362
11.1.3 其他维度 372
11.2 其他查询语法 374
11.2.1 运算符 374
11.2.2 函数 377
11.3 数据挖掘 380
第Ⅳ部分 数据挖掘 383
第12章 数据挖掘入门 383
12.1 什么是数据挖掘 384
12.1.1 从混乱到有序 384
12.1.2 数据挖掘完成的任务 387
12.1.3 数据挖掘的步骤 392
12.2 数据挖掘算法 394
12.2.1 Microsoft Decision Trees算法 394
12.2.2 Microsoft Naive Bayes算法 395
12.2.3 Microsoft Clustering算法 396
12.2.4 Microsoft Association算法 397
12.2.5 Microsoft Sequence Clustering算法 399
12.2.6 Microsoft Time Series算法 400
12.2.7 Microsoft Neural Network算法 402
12.3 小结 403
第13章 处理数据挖掘模型 405
13.1 数据挖掘结构 406
13.1.1 数据列 406
13.1.2 数据挖掘模型 406
13.1.3 训练数据集 407
13.2 挖掘模型查看器 418
13.2.1 Microsoft决策树 418
13.2.2 Microsoft Naive Bayes 423
13.2.3 Microsoft聚类 426
13.2.4 Microsoft神经网络 429
13.2.5 Microsoft关联 430
13.2.6 Microsoft序列聚类 432
13.2.7 Microsoft时间序列 432
13.3 小结 433
第14章 使用数据挖掘 435
14.1 “挖掘准确性图表”选项卡 436
14.1.1 “列映射”选项卡 436
14.1.2 提升图 441
14.1.3 利润图 445
14.1.4 分类矩阵 446
14.2 “挖掘模型预测”选项卡 447
14.2.1 单独查询 447
14.2.2 Prediction Join查询 451
14.3 Data Mining Extension 456
14.3.1 预测查询语法 457
14.3.2 预测查询的类型 458
14.4 数据传递 463
第Ⅴ部分 报表 467
第15章 使用Reporting Services实现商业智能 467
15.1 Reporting Services 468
15.1.1 报表结构 469
15.1.2 传递报表 470
15.2 报表服务结构 471
15.2.1 Report Server 471
15.2.2 Reporting Services的组成部分 473
15.2.3 Reporting Services的安装注意事项 476
15.3 创建报表 478
15.4 Report Manager 526
15.4.1 文件夹 526
15.4.2 Report Manager 527
15.4.3 使用Report Designer部署脚本 528
15.4.4 使用Report Manager上传报表 529
15.4.5 在Report Manager中打印报表 534
15.5 在Report Server上管理报表 536
15.5.1 安全性 536
15.5.2 链接报表 543
15.5.3 报表缓冲 544
15.5.4 执行快照 547
15.5.5 报表历史记录 548
15.5.6 标准订阅 548
15.5.7 数据驱动订阅 549
15.6 即席报表 550
15.6.1 报表模型 551
15.6.2 Report Builder基础 558
15.7 小结 562
第16章 在应用中整合OLAP 563
16.1 ADOMD.NET 564
16.1.1 ADOMD.NET的结构 564
16.1.2 ADOMD.NET示例 566
16.2 不带Report Manager的Reporting Services 572
16.2.1 URL访问 572
16.2.2 Web服务访问 587
16.2.3 Report Viewer控件 592
16.3 小结 600
第17章 Excel透视表和透视图表 601
17.1 Excel 602
17.1.1 创建透视表和透视图表 602
17.1.2 透视表 603
17.1.3 透视图表 612
17.1.4 其他功能 621
17.2 小结 621
附录A 学习资源 623