商業(yè)智能深入淺出：大數(shù)據(jù)時代下的架構(gòu)規(guī)劃與案例（第2版）

前言
致謝
理 論 篇
第1章 商業(yè)智能簡介
1.1 商業(yè)智能概述
1.1.1 商業(yè)智能的定義
1.1.2 商業(yè)智能的作用
1.1.3 商業(yè)智能的處理過程
1.1.4 商業(yè)智能的功能
1.1.5 商業(yè)智能的發(fā)展趨勢
1.2 關(guān)于商業(yè)智能的核心技術(shù)
1.2.1 數(shù)據(jù)倉庫
1.2.2 數(shù)據(jù)挖掘和分析
1.2.3 ETL處理技術(shù)
1.2.4 聯(lián)機分析處理（OLAP）技術(shù)
1.2.5 可視化分析
1.2.6 大數(shù)據(jù)技術(shù)
1.2.7 商業(yè)智能元數(shù)據(jù)管理
1.3 商業(yè)智能的實施方法和步驟
1.3.1 商業(yè)智能的實施方法
1.3.2 商業(yè)智能的實施步驟
1.4 商業(yè)智能項目成功的關(guān)鍵
1.5 商業(yè)智能項目的組織機構(gòu)
1.6 本章小結(jié)
第2章 數(shù)據(jù)倉庫的理論知識
2.1 數(shù)據(jù)倉庫概述
2.1.1 數(shù)據(jù)倉庫產(chǎn)生的背景
2.1.2 數(shù)據(jù)倉庫定義
2.1.3 數(shù)據(jù)倉庫和商業(yè)智能之間的關(guān)系
2.2 數(shù)據(jù)倉庫的特點
2.2.1 面向主題
2.2.2 集成性
2.2.3 穩(wěn)定性
2.2.4 反映歷史變化
2.3 數(shù)據(jù)倉庫的優(yōu)勢
2.4 數(shù)據(jù)倉庫和數(shù)據(jù)庫的區(qū)別
2.5 數(shù)據(jù)倉庫開發(fā)過程介紹
2.5.1 規(guī)劃分析階段
2.5.2 設(shè)計實現(xiàn)階段
2.5.3 使用維護階段
2.6 數(shù)據(jù)倉庫系統(tǒng)組成部分介紹
2.6.1 數(shù)據(jù)源分析
2.6.2 數(shù)據(jù)遷移
2.6.3 選擇數(shù)據(jù)的存儲結(jié)構(gòu)
2.6.4 元數(shù)據(jù)
2.7 數(shù)據(jù)倉庫模型設(shè)計介紹
2.7.1 概念模型
2.7.2 邏輯模型
2.7.3 物理模型
2.8 數(shù)據(jù)集市介紹
2.8.1 數(shù)據(jù)集市概述
2.8.2 數(shù)據(jù)集市和數(shù)據(jù)倉庫的聯(lián)系和區(qū)別
2.8.3 數(shù)據(jù)集市的目標(biāo)分析
2.8.4 數(shù)據(jù)集市的技術(shù)特性
2.9 ODS介紹
2.9.1 ODS的概述
2.9.2 ODS系統(tǒng)與數(shù)據(jù)庫系統(tǒng)、數(shù)據(jù)倉庫系統(tǒng)的區(qū)別
2.9.3 基于ODS和基于數(shù)據(jù)倉庫的OLAP之間的關(guān)系
2.9.4 ODS系統(tǒng)的功能
2.9.5 ODS系統(tǒng)的架構(gòu)
2.10 數(shù)據(jù)倉庫實施詳細(xì)步驟
2.10.1 需求分析
2.10.2 數(shù)據(jù)倉庫的邏輯分析
2.10.3 設(shè)計ODS系統(tǒng)
2.10.4 數(shù)據(jù)倉庫建模
2.10.5 數(shù)據(jù)集市建模
2.10.6 數(shù)據(jù)源分析
2.10.7 數(shù)據(jù)的獲取與整合
2.10.8 應(yīng)用分析
2.10.9 報表展現(xiàn)
2.11 在大數(shù)據(jù)環(huán)境下的數(shù)據(jù)倉庫的建設(shè)
2.12 數(shù)據(jù)倉庫建設(shè)路線圖
2.13 數(shù)據(jù)倉庫的作用
2.14 數(shù)據(jù)倉庫的建設(shè)意義
2.15 本章小結(jié)
第3章 數(shù)據(jù)挖掘和分析理論知識
3.1 什么是數(shù)據(jù)挖掘
3.2 數(shù)據(jù)挖掘方法的幾個步驟
3.3 數(shù)據(jù)挖掘常用算法
3.4 數(shù)據(jù)倉庫和數(shù)據(jù)挖掘之間的關(guān)系
3.5 數(shù)據(jù)挖掘的主要過程
3.6 數(shù)據(jù)挖掘的主要應(yīng)用——客戶精準(zhǔn)營銷
3.6.1 客戶精準(zhǔn)營銷背景
3.6.2 關(guān)于旅游行業(yè)的客戶精準(zhǔn)營銷
3.6.3 關(guān)于銀行業(yè)的客戶精準(zhǔn)營銷
3.7 本章小結(jié)
第4章 商業(yè)智能ETL理論知識
4.1 ETL在數(shù)據(jù)倉庫中的重要地位
4.2 ETL的一般過程
4.3 研究ETL的本質(zhì)
4.4 ETL的體系結(jié)構(gòu)
4.5 ETL的難點
4.6 主流的ETL工具
4.7 ETL的作用
4.8 詳解ETL過程
4.8.1 數(shù)據(jù)抽取
4.8.2 數(shù)據(jù)清洗
4.8.3 數(shù)據(jù)轉(zhuǎn)換
4.8.4 數(shù)據(jù)加載
4.8.5 ETL的日志
4.9 ETL優(yōu)化
4.10 ETL設(shè)計規(guī)范要點
4.11 ETL的框架結(jié)構(gòu)
4.12 ETL的實施策略
4.13 本章小結(jié)
第5章 商業(yè)智能聯(lián)機分析處理理論簡介
5.1 OLAP介紹
5.2 OLAP系統(tǒng)與OLTP系統(tǒng)的區(qū)別
5.3 OLAP的實現(xiàn)方法
5.4 OLAP的基本目標(biāo)和特點
5.5 建立OLAP的過程
5.6 OLAP與數(shù)據(jù)倉庫的關(guān)系
5.7 OLAP系統(tǒng)的實施過程
5.8 OLAP模型的設(shè)計與實現(xiàn)
5.9 本章小結(jié)
第6章 數(shù)據(jù)可視化分析理論知識
6.1 什么是數(shù)據(jù)可視化分析
6.2 數(shù)據(jù)可視化的表現(xiàn)形式
6.3 本章小結(jié)
第7章 大數(shù)據(jù)理論知識
7.1 大數(shù)據(jù)概念的提出
7.2 什么是大數(shù)據(jù)？
7.3 大數(shù)據(jù)處理技術(shù)
7.4 大數(shù)據(jù)應(yīng)用案例
7.5 大數(shù)據(jù)和傳統(tǒng)商業(yè)智能的結(jié)合
7.6 本章小結(jié)
第8章 商業(yè)智能元數(shù)據(jù)理論知識
8.1 元數(shù)據(jù)的定義
8.2 元數(shù)據(jù)的重要性
8.3 元數(shù)據(jù)的類型
8.4 元數(shù)據(jù)的作用
8.5 元數(shù)據(jù)的管理
8.6 元數(shù)據(jù)包含的內(nèi)容
8.7 本章小結(jié)
項 目 篇
第9章 商業(yè)智能項目需求的定義
9.1 商業(yè)智能項目的啟動
9.2 商業(yè)智能項目的需求定義
9.3 系統(tǒng)原型的建立
9.4 驗收和評審的內(nèi)容
9.5 本章小結(jié)
第10章 商業(yè)智能項目模型的建立
10.1 數(shù)據(jù)模型的設(shè)計原則
10.2 企業(yè)模型的意義
10.2.1 企業(yè)模型的定義
10.2.2 建設(shè)企業(yè)模型的意義
10.2.3 企業(yè)數(shù)據(jù)模型和其他模型之間的關(guān)系
10.2.4 與企業(yè)數(shù)據(jù)模型相關(guān)的概念
10.2.5 企業(yè)數(shù)據(jù)模型轉(zhuǎn)換到數(shù)據(jù)倉庫模型的步驟
10.3 概念模型的設(shè)計
10.4 邏輯模型的設(shè)計
10.4.1 ODS邏輯模型
10.4.2 數(shù)據(jù)倉庫邏輯模型
10.4.3 數(shù)據(jù)集市邏輯模型
10.5 物理模型的設(shè)計
10.5.1 ODS 物理模型的設(shè)計
10.5.2 數(shù)據(jù)倉庫物理模型的設(shè)計
10.5.3 數(shù)據(jù)集市物理模型的設(shè)計
10.6 本章小結(jié)
第11章 商業(yè)智能數(shù)據(jù)倉庫系統(tǒng)應(yīng)用實例
11.1 定義數(shù)據(jù)倉庫項目的生命周期
11.2 數(shù)據(jù)倉庫粒度的劃分
11.3 企業(yè)輔助決策分析系統(tǒng)的構(gòu)建
11.4 決策分析系統(tǒng)一般的部署方案和步驟
11.4.1 提供系統(tǒng)安裝軟件的體系結(jié)構(gòu)
11.4.2 部署系統(tǒng)的數(shù)據(jù)庫環(huán)境
11.4.3 ETL環(huán)境的部署
11.4.4 報表展示環(huán)境的部署
11.5 數(shù)據(jù)倉庫建設(shè)的難點
11.6 本章小結(jié)
第12章 商業(yè)銀行數(shù)據(jù)倉庫建設(shè)規(guī)劃
12.1 商業(yè)銀行數(shù)據(jù)倉庫建設(shè)概況
12.2 目前國內(nèi)商業(yè)銀行數(shù)據(jù)倉庫面臨的瓶頸
12.3 商業(yè)銀行數(shù)據(jù)倉庫建設(shè)面臨哪些問題
12.4 商業(yè)銀行數(shù)據(jù)倉庫建設(shè)思路及系統(tǒng)情況
12.4.1 某商業(yè)銀行建設(shè)數(shù)據(jù)倉庫時遇到的挑戰(zhàn)
12.4.2 某商業(yè)數(shù)據(jù)倉庫架構(gòu)存在的問題
12.4.3 對該行數(shù)據(jù)倉庫目標(biāo)架構(gòu)的建議
12.5 商業(yè)銀行數(shù)據(jù)倉庫建設(shè)啟示
12.6 本章小結(jié)
第13章 電力行業(yè)數(shù)據(jù)倉庫的建設(shè)規(guī)劃
13.1 電力行業(yè)數(shù)據(jù)倉庫建設(shè)難點
13.2 電力行業(yè)數(shù)據(jù)倉庫邏輯架構(gòu)
13.3 電力行業(yè)數(shù)據(jù)倉庫能力藍(lán)圖
13.4 數(shù)據(jù)倉庫促進電力業(yè)務(wù)的發(fā)展
13.5 數(shù)據(jù)倉庫建設(shè)策略比較
13.6 電力行業(yè)數(shù)據(jù)倉庫模型建立過程
13.7 電力行業(yè)數(shù)據(jù)倉庫的架構(gòu)設(shè)計
13.8 本章小結(jié)
第14章 商業(yè)智能項目規(guī)劃和管理
14.1 項目團隊的組織結(jié)構(gòu)
14.2 項目角色劃分及技能要求
14.3 定義領(lǐng)導(dǎo)組的職責(zé)和主要任務(wù)
14.4 如何定義商業(yè)智能項目的進度
14.5 如何定義商業(yè)智能項目的過程
14.6 本章小結(jié)
第15章 商業(yè)智能應(yīng)用介紹
15.1 商業(yè)智能應(yīng)用設(shè)計的原則
15.2 商業(yè)智能應(yīng)用的實施步驟
15.3 商業(yè)智能具有的應(yīng)用功能
15.4 商業(yè)智能應(yīng)用實例
15.5 本章小結(jié)
第16章 數(shù)據(jù)抽取、轉(zhuǎn)換和加載
16.1 ETL的定義和總體架構(gòu)
16.2 ETL的加載方法
16.2.1 以時間戳作為加載條件
16.2.2 利用源表的日志信息對目標(biāo)表進行數(shù)據(jù)加載
16.2.3 通過全表對比的方式進行數(shù)據(jù)加載
16.2.4 全表刪除后再進行數(shù)據(jù)加載的方式
16.3 利用ETL構(gòu)建企業(yè)級數(shù)據(jù)倉庫
16.4 ETL的設(shè)計過程
16.5 ETL的備份與恢復(fù)
16.5.1 數(shù)據(jù)的備份
16.5.2 數(shù)據(jù)備份存放的介質(zhì)以及目錄結(jié)構(gòu)
16.5.3 ETL程序的備份
16.5.4 數(shù)據(jù)的恢復(fù)方案
16.6 ETL數(shù)據(jù)質(zhì)量的改進
16.6.1 ETL數(shù)據(jù)質(zhì)量分析
16.6.2 ETL數(shù)據(jù)質(zhì)量改進的方法和目標(biāo)
16.6.3 推動ETL數(shù)據(jù)質(zhì)量改進的方法
16.6.4 ETL的技術(shù)路線選擇
16.7 ETL應(yīng)用舉例
16.7.1 ETL分析需求
16.7.2 ETL 數(shù)據(jù)源說明
16.7.3 ODS設(shè)計與抽取
16.7.4 數(shù)據(jù)倉庫（DW）設(shè)計與抽取
16.7.5 數(shù)據(jù)集市（DM）設(shè)計與抽取
16.8 本章小結(jié)
第17章 聯(lián)機分析處理
17.1 OLAP的概念
17.2 OLAP的實施
17.2.1 建立“維”的概念
17.2.2 多維分析技術(shù)
17.2.3 OLAP實施的一般過程
17.3 OLAP的應(yīng)用實例
17.3.1 案例背景
17.3.2 需求
17.3.3 數(shù)據(jù)準(zhǔn)備
17.3.4 瀏覽分析數(shù)據(jù)
17.4 OLAP系統(tǒng)設(shè)計的一般步驟
17.5 本章小結(jié)
第18章 應(yīng)用舉例
18.1 項目工作計劃的制訂
18.1.1 對項目背景與目的的描述
18.1.2 確定項目需要交付的成果
18.1.3 制定項目管理文檔
18.1.4 項目進度劃分
18.2 需求分析
18.2.1 業(yè)務(wù)需求
18.2.2 功能需求
18.3 營銷系統(tǒng)設(shè)計
18.3.1 總體架構(gòu)設(shè)計
18.3.2 營銷輔助決策系統(tǒng)的ETL架構(gòu)設(shè)計
18.3.3 營銷輔助決策系統(tǒng)數(shù)據(jù)訪問功能設(shè)計
18.3.4 營銷輔助決策系統(tǒng)展示方式設(shè)計
18.3.5 營銷輔助決策系統(tǒng)主題分析功能設(shè)計
18.3.6 數(shù)據(jù)模型設(shè)計
18.4 ETL數(shù)據(jù)抽取
18.4.1 ETL物理設(shè)計
18.4.2 從源數(shù)據(jù)庫抽取到ODS數(shù)據(jù)緩沖區(qū)
18.4.3 從ODS數(shù)據(jù)緩沖區(qū)抽取到ODS統(tǒng)一信息視圖區(qū)
18.4.4 從ODS統(tǒng)一信息視圖區(qū)抽取到數(shù)據(jù)倉庫
18.4.5 從數(shù)據(jù)倉庫抽取到數(shù)據(jù)集市
18.5 報表展示
18.6 編寫測試報告
18.7 編寫用戶手冊
18.8 軟件發(fā)布
18.9 系統(tǒng)運行維護
18.10 本章小結(jié)
第19章 大數(shù)據(jù)架構(gòu)與實踐
19.1 大數(shù)據(jù)概述
19.2 大數(shù)據(jù)的處理技術(shù)之一——流數(shù)據(jù)
19.3 大數(shù)據(jù)下的數(shù)據(jù)架構(gòu)
19.4 大數(shù)據(jù)在銀行業(yè)的應(yīng)用與實踐
19.5 本章小結(jié)
第20章 金融行業(yè)的商業(yè)智能概述
20.1 金融行業(yè)實施商業(yè)智能的背景
20.2 商業(yè)智能在金融行業(yè)的作用
20.3 金融行業(yè)實施商業(yè)智能的措施
20.4 本章小結(jié)
第21章 電力行業(yè)商業(yè)智能概述
21.1 電力行業(yè)面臨的挑戰(zhàn)
21.2 建設(shè)企業(yè)級數(shù)據(jù)倉庫的原因
21.3 電力行業(yè)數(shù)據(jù)倉庫的執(zhí)行架構(gòu)
21.4 數(shù)據(jù)倉庫開發(fā)的階段、任務(wù)和流程
21.5 數(shù)據(jù)倉庫運維內(nèi)容
21.6 電力行業(yè)數(shù)據(jù)倉庫的建設(shè)方法
21.7 本章小結(jié)
工 具 篇
第22章 Informatica PowerCenter工具簡介
22.1 Informatica PowerCenter介紹
22.1.1 Informatica的特點
22.1.2 Informatica的優(yōu)勢
22.2 Informatica PowerCenter工具概況
22.3 Informatica Servers引擎
22.4 Administration Console
22.4.1 登錄方式
22.4.2 相關(guān)術(shù)語
22.5 PowerCenter Designer
22.5.1 菜單
22.5.2 工具欄
22.5.3 導(dǎo)航
22.5.4 工作區(qū)
22.5.5 輸出窗口
22.6 Repository Manager
22.6.1 菜單
22.6.2 工具欄
22.6.3 導(dǎo)航
22.6.4 工作區(qū)
22.7 Workflow Manager
22.7.1 菜單
22.7.2 工具欄
22.7.3 導(dǎo)航
22.7.4 工作區(qū)
22.7.5 輸出窗口
22.8 Workflow Monitor
22.8.1 工具欄
22.8.2 監(jiān)控區(qū)
22.8.3 屬性
22.9 本章小結(jié)
第23章 Cognos工具簡介
第24章 Informatica的安裝與快速入門
第25章 Informatica實例
第26章 Cognos安裝與快速入門
第27章 Cognos實例
第28章 Cognos的安全管理
第29章 Cognos優(yōu)化