1.1 什么是数据仓库 1
第1章 数据仓库的基本概念 1
1.1.1 数据仓库是面向主题的 3
1.1.2 数据仓库是集成的 3
1.1.3 数据仓库是非易失的 4
1.1.4 数据仓库是随时间不断变化的 4
1.2 数据仓库和OLTP数据库、数据集市的区别 5
1.2.1 数据仓库和OLTP数据库 5
1.2.2 数据仓库和数据集市 7
1.3 数据仓库技术的发展 11
1.3.1 数据仓库的起步阶段 11
1.3.2 企业级信息集成 12
1.3.3 企业级数据仓库 13
1.3.4 数据集市 14
1.3.5 争吵与混乱 14
1.4 数据仓库的投资回报 15
1.3.6 合并 15
第2章 数据仓库方法论 19
2.1 数据仓库规划 21
2.1.1 业务探索 21
2.1.2 信息调研 22
2.1.3 逻辑数据建模 22
2.1.4 数据仓库解决方案准备 23
2.2 数据仓库的设计与实现 23
2.2.1 系统体系结构设计 24
2.2.2 物理数据库和物理数据模型设计 24
2.2.3 数据转换 25
2.2.4 应用开发 26
2.2.5 数据挖掘 26
2.2.6 数据仓库管理 27
2.2.7 元数据管理 28
2.2.8 数据仓库评估 29
2.3 数据仓库的支持与增强 30
2.3.1 系统维护和支持 30
2.3.2 逻辑数据模型回顾 31
2.3.3 物理数据模型回顾 32
2.3.4 性能调整 32
2.3.5 容量规划 33
第3章 数据仓库解决方案 35
3.1 Teradata数据仓库解决方案 38
3.1.1 产品简介与特点介绍 38
3.1.2 数据装载 44
3.1.3 数据仓库管理工具 47
3.1.4 数据挖掘工具 50
3.2 IBM数据仓库解决方案 56
3.2.1 产品简介与特点介绍 56
3.2.2 ETL工具介绍 59
3.2.3 数据仓库工具介绍 60
3.2.4 联机分析工具介绍 63
3.2.5 前端图形工具介绍 65
3.2.6 数据挖掘工具介绍 66
3.3 Oracle数据仓库解决方案 67
3.3.1 产品简介与特点介绍 67
3.3.2 数据仓库工具介绍 69
3.3.3 联机分析工具介绍 71
3.3.4 数据挖掘工具介绍 74
3.3.5 展现工具介绍 76
第4章 实施规划 81
4.1 实施规划阶段的任务 81
4.2 业务探索 83
4.2.1 业务探索阶段的任务 84
4.2.2 业务探索阶段的产出 86
4.3.1 信息探索阶段的任务 89
4.3 信息探索 89
4.3.2 信息探索阶段的产出 93
第5章 系统设计 97
5.1 系统体系结构设计 97
5.1.1 设计原则 98
5.1.2 主要需求 99
5.1.3 层次架构 101
5.1.4 组件的详细设计 103
5.2 逻辑数据模型设计 110
5.2.1 设计方法 111
5.2.2 设计目标 114
5.2.3 设计过程 116
5.2.4 设计中的关键问题 121
5.3 物理数据模型设计 125
5.3.1 设计目标 126
5.3.2 技术手段 127
第6章 数据的抽取转换加载 137
6.1 数据接口 138
6.1.1 接口流程及要求 138
6.1.2 接口文件说明及格式 143
6.2 数据映射 145
6.2.1 数据映射阶段的任务 146
6.2.2 数据映射阶段的产出 148
6.3 ETL设计及流程管理 152
6.3.1 ETL阶段的任务 152
6.3.2 ETL系统的设计 156
第7章 数据汇总 163
7.1 数据汇总的概念 163
7.2 数据汇总的类型 165
7.2.1 实体化视图 166
7.2.2 中间汇总层 166
7.3 中间汇总层的设计原则 167
7.2.3 两种方式的优缺点 167
7.4 中间表的设计模板 169
7.4.1 源表与目标表的对应关系 169
7.4.2 抽取过程说明 170
7.5 数据挖掘基础数据集的设计与开发 170
7.5.1 水平结构的挖掘数据集 172
7.5.2 垂直结构的挖掘数据集 172
7.5.3 两种组织形式的比较 173
7.5.4 基础数据集的开发 173
7.6 数据汇总的典型案例 174
7.6.1 数据量 174
7.6.2 基础表结构 174
7.6.3 应用需求 176
7.6.4 设计中间表 177
8.1 KPI概述 181
第8章 关键绩效指标（KPI）分析 181
8.2 KPI设计方法 184
8.2.1 基本方法 184
8.2.2 结合平衡计分卡设计KPI 186
8.3 基于数据仓库的KPI应用 188
8.3.1 KPI设计 188
8.3.2 KPI应用系统 190
第9章 报表与即席查询 195
9.1 报表 196
9.1.1 固定报表 196
9.1.2 自定义报表 200
9.2 即席查询 204
9.2.1 查询方法 204
9.2.2 工具与技术 208
10.1.1 E.F.Codd的定义 211
第10章 OLAP分析与应用 211
10.1 OLAP的概念 211
10.1.2 OLAP委员会的定义 216
10.1.3 FASMI测试 216
10.2 OLAP相关术语 218
10.2.1 维（Dimension） 218
10.2.2 度量值（Measure） 218
10.2.3 维层次（Dimension Hierarchy） 219
10.2.4 维成员（Dimension Member） 219
10.2.5 多维模型（Multi-Dimensional Model） 220
10.2.6 数据立方体（Cube） 220
10.2.7 数据单元格（Cell） 221
10.3 OLAP操作 221
10.3.1 切片（Slice） 224
10.3.3 下钻（Drill Down） 225
10.3.2 切块（Dice） 225
10.3.4 上卷（Roll up） 226
10.3.5 旋转（Rotate） 226
10.4 OLAP主题的选择 228
10.4.1 自项向下——业务探索 229
10.4.2 自底向上——信息探索 231
10.4.3 技术实现 232
10.4.4 主题确定——自项向下与自底向上相结合 233
10.5 构造数据立方体 234
10.5.1 定义维度和度量信息 235
10.5.2 定义数据抽取和转换规则 235
10.5.3 Cube的存储 236
10.5.4 定义Cube的刷新方式 241
10.6 OLAP分析的方法 241
10.6.1 趋势分析 241
10.6.3 构成分析 243
10.6.2 排名分析 243
10.6.4 意外分析 244
10.6.5 比较分析 244
第11章 数据挖掘 247
11.1 数据挖掘的定义 248
11.1.1 技术上的定义 248
11.1.2 商业上的定义 249
11.1.3 数据挖掘和传统分析方法的区别 250
11.1.4 数据挖掘和数据仓库 250
11.2 数据挖掘方法论 251
11.2.1 阶段1：定义业务问题范围 251
11.2.2 阶段2：选择和抽样 252
11.2.3 阶段3：探索型数据分析 252
11.2.4 阶段4：建模 253
11.2.5 阶段5：实施 253
11.3 数据挖掘实施步骤 254
11.3.1 步骤1：准备数据 255
11.3.2 步骤2：抽样 255
11.3.3 步骤3,5：建立模型 255
11.3.4 步骤4：验证模型 255
11.3.5 步骤6：模型评分 256
11.3.6 步骤7,8：执行 256
11.3.7 步骤9：模型监测 256
11.4 数据挖掘案例 257
11.4.1 定义业务问题范围 257
11.4.2 数据准备 257
11.4.3 探索型数据分析 260
11.4.4 建模 262
11.4.5 模型评估 264
11.4.6 模型发布 267
12.1 数据质量的定义 269
第12章 数据质量 269
12.2 数据质量问题产生的影响 271
12.3 数据质量问题来源 271
12.4 数据质量检查 273
12.4.1 典型问题 273
12.4.2 检查原则 274
12.4.3 管理流程 275
第13章 元数据管理 281
13.1 元数据的概念及分类 281
13.1.1 按用途分类 281
13.1.2 按作用分类 283
13.2 元数据的作用 284
13.3 元数据管理标准化 286
13.3.1 OIM和CWM标准 286
13.3.2 CWM标准 287
13.4 元数据管理系统的设计原则 291
13.5 元数据管理系统举例 292
13.5.1 整体结构 293
13.5.2 元模型 294
13.5.3 元数据采集 294
13.5.4 元数据应用 295
第14章 性能调优 297
14.1 获取高性能的关键因素 297
14.1.1 应用需求 298
14.1.2 数据量 300
14.1.3 平台 302
14.2 性能调优的方法 304
14.3 应用级性能调优 305
14.3.1 索引技术 305
14.3.2 实体化视图 308
14.3.3 连接索引 308
14.3.4 数据库压缩 310
14.3.5 抽样近似 311
14.4 产品级性能调整 312
14.4.1 内存调整 312
14.4.2 I/O调整 313
14.4.3 并行度的调整 314
14.4.4 收集统计信息 315
第15章 数据集市 317
15.1 数据集市结构的发展历程 317
15.2 数据集市的概念 319
15.3 数据集市的几种架构 321
15.3.1 独立数据集市 321
15.3.2 从属数据集市 324
15.3.3 逻辑数据集市 326
16.1 电信业数据仓库案例 329
16.1.1 市场背景 329
第16章 数据仓库典型案例 329
16.1.2 项目背景 330
16.1.3 数据仓库选型 331
16.1.4 解决方案 331
16.1.5 实施效果 336
16.2 证券业数据仓库案例 337
16.2.1 市场背景 337
16.2.2 项目背景 339
16.2.3 数据仓库选型 342
16.2.4 解决方案 345
16.3 银行业数据仓库案例 347
16.3.1 市场背景 347
16.3.2 项目背景 348
16.3.3 数据仓库选型 349
16.3.4 解决方案 350
16.3.5 实施效果 358