數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

第1章 企業(yè)數(shù)據(jù)資源管理
1.1 數(shù)據(jù)資源的概念
1.1.1 企業(yè)資源
1.1.2 數(shù)據(jù)資源
1.1.3 數(shù)據(jù)資源管理及其發(fā)展歷程
1.2 數(shù)據(jù)資源管理的意義
1.2.1 信息系統(tǒng)進入成熟階段的重要標志
1.2.2 解決企業(yè)內(nèi)部數(shù)據(jù)不一致問題的根本途徑
1.2.3 數(shù)據(jù)資源的管理和應用是取得競爭優(yōu)勢的關(guān)鍵
1.3 信息資源管理的相關(guān)技術(shù)
1.3.1 數(shù)據(jù)資源管理的技術(shù)框架
1.3.2 技術(shù)框架中的構(gòu)成要素
1.3.3 技術(shù)框架中各部分的關(guān)聯(lián)
1.4 企業(yè)通過數(shù)據(jù)倉庫與數(shù)據(jù)挖掘獲得競爭優(yōu)勢
本章小結(jié)
思考與練習
第2章 數(shù)據(jù)倉庫的概念與結(jié)構(gòu)
2.1 數(shù)據(jù)倉庫的概念
2.1.1 數(shù)據(jù)倉庫的定義
2.1.2 數(shù)據(jù)倉庫的特征
2.1.3 數(shù)據(jù)集市
2.2 數(shù)據(jù)倉庫系統(tǒng)
2.2.1 數(shù)據(jù)源
2.2.2 數(shù)據(jù)倉庫管理層
2.2.3 數(shù)據(jù)倉庫工具集
2.3 數(shù)據(jù)倉庫中的數(shù)據(jù)組織
2.3.1 粒度的概念
2.3.2 面向主題的數(shù)據(jù)組織
2.3.3 數(shù)據(jù)分割
2.3.4 元數(shù)據(jù)的管理
本章小結(jié)
思考與練習
第3章 數(shù)據(jù)倉庫的設計與開發(fā)
3.1 數(shù)據(jù)倉庫的開發(fā)過程及特點
3.1.1 數(shù)據(jù)倉庫開發(fā)的生命周期
3.1.2 數(shù)據(jù)倉庫開發(fā)的特點
3.1.3 數(shù)據(jù)倉庫設計的主要內(nèi)容
3.2 數(shù)據(jù)模型設計
3.2.1 概念模型設計
3.2.2 邏輯模型設計
3.2.3 物理模型設計
3.3 數(shù)據(jù)倉庫的粒度設計
3.3.1 設計步驟
3.3.2 設計原則
3.4 創(chuàng)建數(shù)據(jù)倉庫的基本步驟
3.4.1 建立運營環(huán)境文檔
3.4.2 選擇數(shù)據(jù)倉庫的實現(xiàn)技術(shù)
3.4.3 設計數(shù)據(jù)倉庫模型
3.4.4 創(chuàng)建數(shù)據(jù)準備區(qū)
3.4.5 創(chuàng)建數(shù)據(jù)倉庫數(shù)據(jù)庫
3.4.6 從操作型系統(tǒng)中抽取數(shù)據(jù)
3.4.7 清理和轉(zhuǎn)換數(shù)據(jù)
3.4.8 將數(shù)據(jù)裝入數(shù)據(jù)倉庫數(shù)據(jù)庫
3.4.9 準備顯示信息
3.4.10 將數(shù)據(jù)分發(fā)到數(shù)據(jù)集市
本章小結(jié)
思考與練習
第4章 聯(lián)機分析處理
4.1 OLAP的基本概念
4.1.1 OLAP的發(fā)展背景
4.1.2 聯(lián)機分析處理是數(shù)據(jù)倉庫系統(tǒng)的一個應用
4.2 OLAP與多維分析
4.2.1 OLAP的一些基本概念
4.2.2 理解數(shù)據(jù)立方
4.2.3 OLAP的基本分析操作
4.3 OLAP的分類
4.3.1 ROLAP
4.3.2 MOLAP
4.3.3 HOLAP
4.4 OLAP的特性與不足
4.4.1 OLAP的特性
4.4.2 OLAP的不足
4.5 SQL Servei 2005統(tǒng)一維度模型
4.5.1 結(jié)構(gòu)
4.5.2 優(yōu)點
本章小結(jié)
思考與練習
第5章 數(shù)據(jù)挖掘概述
5.1 數(shù)據(jù)挖掘技術(shù)的由來
5.1.1 信息爆炸但知識貧乏
5.1.2 支持數(shù)據(jù)挖掘技術(shù)的基礎
5.1.3 從商業(yè)數(shù)據(jù)到商業(yè)信息的進化
5.1.4 數(shù)據(jù)挖掘逐漸演變的過程
5.2 數(shù)據(jù)挖掘的定義
5.2.1 技術(shù)角度的定義
5.2.2 商業(yè)角度的定義
5.2.3 數(shù)據(jù)挖掘與傳統(tǒng)分析方法的區(qū)別
5.2.4 數(shù)據(jù)挖掘和數(shù)據(jù)倉庫
5.2.5 數(shù)據(jù)挖掘和OLAP
5.2.6 數(shù)據(jù)挖掘、機器學習和統(tǒng)計
5.3 數(shù)據(jù)挖掘發(fā)現(xiàn)的知識類型
5.3.1 廣義知識
5.3.2 關(guān)聯(lián)知識
5.3.3 分類知識
5.3.4 預測知識
5.3.5 偏差知識
5.4 數(shù)據(jù)挖掘流程
5.4.1 知識發(fā)現(xiàn)過程
5.4.2 數(shù)據(jù)挖掘?qū)ο?br /> 5.4.3 數(shù)據(jù)挖掘任務
5.4.4 數(shù)據(jù)挖掘分類
5.4.5 數(shù)據(jù)預處理
5.5 數(shù)據(jù)挖掘的方法和技術(shù)
5.5.1 信息論方法
5.5.2 集合論方法
5.5.3 神經(jīng)網(wǎng)絡方法
5.5.4 遺傳算法
5.5.5 模糊數(shù)學
5.5.6 公式發(fā)現(xiàn)
5.5.7 可視化技術(shù)
5.5.8 知識表示
本章小結(jié)
思考與練習
第6章 數(shù)據(jù)預處理
6.1 數(shù)據(jù)預處理的目的及方法
6.1.1 原始數(shù)據(jù)中存在的問題
6.1.2 數(shù)據(jù)預處理的常用方法
6.2 數(shù)據(jù)清理
6.2.1 處理空缺值
6.2.2 噪聲數(shù)據(jù)的處理
6.3 數(shù)據(jù)集成
6.3.1 模式匹配
6.3.2 數(shù)據(jù)冗余
6.3.3 數(shù)據(jù)沖突
6.4 數(shù)據(jù)變換
6.5 數(shù)據(jù)歸約
6.5.1 數(shù)據(jù)立方體聚集
6.5.2 維歸約
6.5.3 數(shù)據(jù)壓縮
6.5.4 數(shù)值歸約
6.5.5 離散化和概念分層
本章小結(jié)
思考與練習
第7章 數(shù)據(jù)挖掘中的常用算法
7.1 Apriori算法
7.1.1 基本原理
7.1.2 Apriori算法的基本思想與分析
7.1.3 從頻繁項集產(chǎn)生關(guān)聯(lián)規(guī)則
7.2 決策樹算法
7.2.1 信息論的基本原理
7.2.2 ID3算法
7.2.3 樹剪枝
7.2.4 由決策樹提取分類規(guī)則
7.3 神經(jīng)網(wǎng)絡算法
7.3.1 神經(jīng)網(wǎng)絡的基本原理
7.3.2 反向傳播模型
7.3.3 定義神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)
7.3.4 神經(jīng)網(wǎng)絡的工作過程
7.4 聚類分析
7.4.1 聚類分析的概念
7.4.2 聚類分析中的數(shù)據(jù)類型
7.4.3 幾種主要的聚類分析方法
7.4.4 K means聚類分析算法
本章小結(jié)
思考與練習
第8章 SQL Server數(shù)據(jù)倉庫與數(shù)據(jù)挖掘工具及其應用
8.1 SQL Server 2005的功能構(gòu)架
8.2 SQL Server數(shù)據(jù)倉庫設計與數(shù)據(jù)挖掘準備
8.2.1 SQL Server數(shù)據(jù)倉庫創(chuàng)建思路
8.2.2 SQL Server數(shù)據(jù)挖掘過程
8.2.3 案例數(shù)據(jù)準備
8.3 SQL Server集成服務
8.3.1 SQL Server集成服務的作用
8.3.2 控制流
8.3.3 數(shù)據(jù)流
8.3.4 設計和使用ETL
8.4 SQL Server分析服務
8.4.1 創(chuàng)建Analysis Services項目
8.4.2 定義數(shù)據(jù)源
8.4.3 定義數(shù)據(jù)源視圖
8.4.4 用Analysis Services創(chuàng)建維與多維數(shù)據(jù)集
8.4.5 部署Analysis Services項目
8.5 SQL Server中的數(shù)據(jù)挖掘工具與應用
8.6 SQL Server報表服務
8.6.1 創(chuàng)建報表
8.6.2 使用報表
本章小結(jié)
思考與練習
附錄A 一個簡易的數(shù)據(jù)挖掘工具——Weka
參考文獻