數據倉庫與數據挖掘技術

本書介紹了以數據倉庫、數據挖掘和聯機分析為核心技術的商務智能的基本概念、基本原理、開發方法、開發工具、應用領域和管理方法等內容。全書共分為10章，包括商務智能基本概念、數據倉庫開發模型、數據倉庫開發應用過程、聯機分析、數據挖掘基本原理和技術、數據挖掘應用工具、電子商務的智能化、商務智能的管理應用，以及商務智能系統的開發應用實例等內容。每章後還附有可供讀者自我測試的習題，以幫助讀者對全書的理解。本書內容翔實，結構清晰，應用性強，既可以作為高等學校信息管理與信息系統專業、計算機應用專業、自動控制專業以及相關專業本科生和研究生的教材，也可以作為企業、事業單位從事商務智能系統開發應用工作人員的參考用書。 ^[1] 

第1章 商務智能基本概念

1.1 商務智能的基本概念

1.1.1 商務智能的定義

1.1.2 商務智能的發展與應用

1.1.3 商務智能的體系結構

1.2 數據倉庫的發展與展望

1.2.1 從傳統數據庫到數據倉庫

1.2.2 數據倉庫的定義與基本特性

1.2.3 數據倉庫的發展

1.3 數據倉庫的體系結構

1.3.1 數據倉庫的概念結構

1.3.2 虛擬數據倉庫結構

1.3.3 數據集市結構

1.3.4 單一數據倉庫結構

1.3.5 分佈式數據倉庫結構

1.4 數據倉庫的參照結構

1.4.1 數據倉庫基本功能層

1.4.2 數據倉庫的管理層

1.4.3 數據倉庫的環境支持層

1.5 數據挖掘技術概述

1.5.1 數據挖掘的發展

1.5.2 數據挖掘的定義

1.6 數據挖掘技術與工具

1.6.1 常用數據挖掘技術

1.6.2 常用數據挖掘工具

1.6.3 數據挖掘工具的評價標準

1.6.4 常用數據挖掘工具的選擇

1.7 數據挖掘的應用

1.7.1 數據挖掘與數據倉庫

1.7.2 數據挖掘過程

1.7.3 數據挖掘的用户

本章小結

自我測試題

第2章 數據倉庫開發模型

2.1 數據倉庫開發模型

2.2 數據倉庫概念模型

2.2.1 概念模型

2.2.2 規範的數據模型

2.2.3 星形模型

2.2.4 雪花模型

2.3 數據倉庫的邏輯模型

2.3.1 事實表模型設計

2.3.2 維模型設計

2.4 數據倉庫的物理模型

2.4.1 數據倉庫物理模型的存儲結構

2.4.2 數據倉庫物理模型的索引構建

2.4.3 數據倉庫物理模型的優化問題

2.5 數據倉庫的元數據模型

2.5.1 元數據的類型與組成

2.5.2 元數據在數據倉庫中的作用

2.5.3 元數據的收集

2.6 數據倉庫的粒度和聚集模型

2.6.1 數據粒度的劃分

2.6.2 確定粒度的級別

2.6.3 數據倉庫聚集模型的確定

2.6.4 聚集模型的處理

2.6.5 聚集模型的管理

本章小結

自我測試題

第3章 數據倉庫的開發應用過程

3.1 數據倉庫開發應用的特點

3.1.1 數據倉庫開發應用的階段性

3.1.2 數據倉庫的螺旋式開發方法

3.1.3 數據倉庫的開發特點

3.2 數據倉庫的規劃

3.2.1 選擇數據倉庫實現策略

3.2.2 確定數據倉庫的開發目標和實現範圍

3.2.3 選擇數據倉庫的體系結構

3.2.4 建立數據倉庫使用方案和項目規劃預算

3.3 數據倉庫的概念模型設計

3.3.1 概念模型的需求調查

3.3.2 概念模型的定義

3.3.3 概念模型的分析

……

第4章 OLAP技術

第5章 傳統數據挖掘技術

第6章 現代數據挖掘技術與發展

第7章 電子商務中的商務智能

第8章 商務智能應用與管理

第9章 商務智能開發實例

第10章 商務智能應用實例

參考文獻