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