數據倉庫與數據挖掘原理及應用

第一篇 數據倉庫及OLAP概念、原理和技術篇
第1章 數據倉庫基本概念
1.1 從數據庫到數據倉庫
1.1.1 蜘蛛網問題
1.1.2 事務型系統(tǒng)和分析型系統(tǒng)的分離
1.2 什么是數據倉庫
1.2.1 面向主題
1.2.2 集成
1.2.3 穩(wěn)定性
1.2.4 隨時間而變化
1.3 數據倉庫的體系結構
1.3.1 數據倉庫的體系結構
1.3.2 數據倉庫中的關鍵名詞
1.4 數據倉庫的數據組織
1.4.1 數據倉庫的數據組織結構
1.4.2 數據粒度與數據分割
1.4.3 數據倉庫的數據組織形式
1.4.4 數據倉庫的數據追加和清理
1.5 本章小結
習題
第2章 數據倉庫中的ETL和元數據
2.1 ETL
2.1.1 ETL概念
2.1.2 ETL作用
2.1.3 ETL工具
2.2 元數據
2.2.1 什么是元數據
2.2.2 元數據的標準化
2.2.3 數據倉庫中的元數據管理
2.2.4 在數據倉庫項目中使用元數據的建議
2.3 外部數據
2.3.1 外部數據和非結構化數據
2.3.2 元數據和外部數據
2.3.3 外部數據的存儲
2.3.4 外部數據的管理
2.4 本章小結
習題
第3章 數據倉庫模型設計
3.1 數據倉庫模型設計方法概述
3.2 數據倉庫設計的三級數據模型
3.2.1 概念模型
3.2.2 邏輯模型
3.2.3 物理模型
3.2.4 三種模型之間的關系
3.2.5 高級模型、中級模型和低級模型
3.3 數據倉庫的概念模型設計
3.3.1 E-R模型
3.3.2 面向對象的分析方法
3.4 數據倉庫的邏輯模型設計
3.4.1 分析主題，確定當前要裝載的主題
3.4.2 確定數據粒度的選擇
3.4.3 確定數據分割策略
3.4.4 增加導出字段
3.4.5 定義關系模式
3.4.6 定義記錄系統(tǒng)
3.5 數據倉庫的物理模型設計
3.5.1 存儲結構
3.5.2 索引策略
3.5.3 數據存儲策略
3.5.4 存儲分配優(yōu)化
3.6 數據裝載接口設計
3.7 本章小結
習題
第4章 數據倉庫的建立和維護
4.1 數據倉庫的投資分析
4.1.1 建設數據倉庫的必要性
4.1.2 數據倉庫的投資回報分析
4.2 數據倉庫的開發(fā)方法
4.2.1 瀑布式開發(fā)
4.2.2 螺旋式開發(fā)
4.3 數據倉庫的建立過程
4.3.1 需求分析
4.3.2 數據路線
4.3.3 技術路線
4.3.4 應用路線
4.3.5 數據倉庫部署
4.3.6 運行維護
4.4 數據倉庫的維護
4.4.1 數據周期
4.4.2 參照完整性
4.4.3 數據環(huán)境信息
4.4.4 數據備份與恢復
4.5 提高數據倉庫性能
4.5.1 提高I／0性能
4.5.2 縮小查詢范圍
4.5.3 采取并行優(yōu)化技術
4.5.4 選擇適當的初始化參數
4.6 數據倉庫的安全性
4.6.1 安全類型
4.6.2 安全方法
4.7 本章小結
習題
第5章 數據倉庫與數據集市的關系
5.1 什么是數據集市
5.2 數據集市的類型
5.3 數據集市與數據倉庫的區(qū)別
5.4 數據集市的特點
5.5 數據集市的開發(fā)方法
5.6 數據集市的建立
5.7 本章小結
習題
第6章 聯(lián)機分析處理(0LAP)
6.1 OLAP概念
6.1.1 什么是OLAP
6.1.2 OLAP的相關基本概念
6.1.3 OLAP和OLTP的區(qū)別
6.2 OLAP的基本操作
6.2.1 數據切片
6.2.2 數據切塊
6.2.3 數據上探／下鉆
6.2.4 數據旋轉
6.3 OLAP分類和體系結構
6.3.1 OLAP的三層客戶／服務器結構
6.3.2 OLAP的分類
6.3.3 OLAP的體系結構
6.4 基于多維數據庫的0LAP(MOLAP)
6.4.1 多維數據庫
6.4.2 維的分類
6.4.3 多維數據庫存儲
6.5 基于關系數據庫的OLAP(ROLAP)
6.5.1 維表和事實表
6.5.2 星型模型和雪花模型
6.5.3 星座模型和雪暴模型
6.5.4 ROLAP與MOLAP比較
6.5.5 HOLAP
6.6 0LAP的衡量和特性
6.6.1 OLAP的12準則
6.6.2 OLAP的簡潔準則(OLAP的特性)
6.7 OLAP的前端展現(xiàn)方式
6.7.1 0LAP實現(xiàn)架構
6.7.2 OLAP的Web呈現(xiàn)方式
6.7.3 瘦客戶機方式
6.7.4 0LAP的前端展現(xiàn)
6.8 0LAP的發(fā)展及展望
6.8.1 OLAP在應用領域的發(fā)展趨勢
6.8.2 OLAP基于Web的應用
6.8.3 0LAP展望
6.9 本章小結
習題
第7章 數據倉庫的應用前景
7.1 在電信業(yè)的應用前景
7.2 在客戶服務及營銷方面的應用前景..
7.3 在銀行領域的應用前景
7.4 在保險業(yè)的應用前景
7.5 在圖書館領域的應用前景
7.6 成功案例分析
7.7 本章小結
習題
第二篇 數據挖掘技術篇
第8章 數據挖掘介紹
8.1 數據挖掘概述
8.2 數據挖掘分類
8.2.1 概述
8.2.2 描述性挖掘
8.2.3 預測性挖掘
8.3 數據挖掘系統(tǒng)
8.3.1 數據挖掘系統(tǒng)的結構
8.3.2 數據挖掘系統(tǒng)的設計
8.3.3 數據挖掘系統(tǒng)的發(fā)展
8.4 數據預處理
8.4.1 概述
8.4.2 數據清理
8.4.3 數據集成
8.4.4 數據變換
8.4.5 數據歸約
8.4.6 屬性概念分層的自動生成
8.5 數據挖掘與數據倉庫
8.6 數據挖掘的應用和發(fā)展
8.6.1 數據挖掘的應用
8.6.2 數據挖掘未來研究方向
8.7 本章小結
習題
第9章 描述性挖掘
9.1 特征與比較描述
9.1.1 特征與比較描述概述
9.1.2 面向屬性歸納
9.1.3 特征與比較規(guī)則
9.2 關聯(lián)規(guī)則挖掘
9.2.1 關聯(lián)規(guī)則的基本概念
9.2.2 Apriori算法
9.2.3 FP-growth算法
9.3 聚類分析
9.3.1 聚類分析的基本概念
9.3.2 基于劃分的聚類算法
9.3.3 基于密度的聚類算法
9.4 本章小結
習題
第10章 分類與預測
10.1 決策樹分類算法
10.1.1 什么是決策樹
10.1.2 決策樹的建立
10.1.3 由決策樹提取分類規(guī)則
10.1.4 對新對象分類
10.2 神經網絡
10.2.1 前饋神經網絡結構
10.2.2 神經網絡學習
10.2.3 神經網絡分類
10.3 回歸分析
10.3.1 一元回歸分析
10.3.2 多元回歸分析
10.3.3 非線性回歸
10.4 本章小結
習題
第三篇 工具及實例介紹篇
第11章 數據倉庫工具介紹
11.1 數據倉庫產品選擇
11.1.1 數據倉庫產品組成
11.1.2 數據倉庫產品應具備的關鍵技術
11.1.3 數據倉庫產品現(xiàn)狀
11.1.4 如何選取數據倉庫工具
11.2 常用數據倉庫產品簡介
11.2.1 Oracle 9i
11.2.2 NCR TleraData
11.2.3 IBM DB2
11.2.4 Informix
11.3 本章小結
習題
第12章 Cognos介紹
12.1 Cognos公司BI主要產品介紹
12.1.1 數據查詢和即席報表生成工具
12.1.2 模型建立工具
12.1.3 在線分析處理及展現(xiàn)工具
12.2 Cognos應用例子
12.2.1 報表的生成
12.2.2 Cube的構造
12.3 本章小結
習題
第13章 移動通信業(yè)務數據倉庫系統(tǒng)
13.1 系統(tǒng)介紹
13.1.1 系統(tǒng)建設的原則和目標
13.1.2 系統(tǒng)結構和功能
13.2 系統(tǒng)模型設計
13.2.1 概念模型設計
13.2.2 邏輯模型設計
13.2.3 物理模型設計(PDM)
13.3 數據裝載接口設計
13.3.1 概述
13.3.2 源數據分析
13.3.3 ETL
13.4 數據倉庫的維護
13.4.1 數據周期
13.4.2 參照完整性
13.4.3 數據備份與恢復
13.5 前端分析展示
13.5.1 概述
13.5.2 前端分析展示設計及實現(xiàn)
13.5.3 Demo演示
13.6 本章小結
習題
主要參考文獻