數據倉庫與數據挖掘

第1章 企業(yè)數據資源管理
1.1 數據資源的概念
1.1.1 企業(yè)資源
1.1.2 數據資源
1.1.3 數據資源管理及其發(fā)展歷程
1.2 數據資源管理的意義
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)內部數據不一致問題的根本途徑
1.2.3 數據資源的管理和應用是取得競爭優(yōu)勢的關鍵
1.3 信息資源管理的相關技術
1.3.1 數據資源管理的技術框架
1.3.2 技術框架中的構成要素
1.3.3 技術框架中各部分的關聯
1.4 企業(yè)通過數據倉庫與數據挖掘獲得競爭優(yōu)勢
本章小結
思考與練習
第2章 數據倉庫的概念與結構
2.1 數據倉庫的概念
2.1.1 數據倉庫的定義
2.1.2 數據倉庫的特征
2.1.3 數據集市
2.2 數據倉庫系統(tǒng)
2.2.1 數據源
2.2.2 數據倉庫管理層
2.2.3 數據倉庫工具集
2.3 數據倉庫中的數據組織
2.3.1 粒度的概念
2.3.2 面向主題的數據組織
2.3.3 數據分割
2.3.4 元數據的管理
本章小結
思考與練習
第3章 數據倉庫的設計與開發(fā)
3.1 數據倉庫的開發(fā)過程及特點
3.1.1 數據倉庫開發(fā)的生命周期
3.1.2 數據倉庫開發(fā)的特點
3.1.3 數據倉庫設計的主要內容
3.2 數據模型設計
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 數據倉庫的粒度設計
3.3.1 設計步驟
3.3.2 設計原則
3.4 創(chuàng)建數據倉庫的基本步驟
3.4.1 建立運營環(huán)境文檔
3.4.2 選擇數據倉庫的實現技術
3.4.3 設計數據倉庫模型
3.4.4 創(chuàng)建數據準備區(qū)
3.4.5 創(chuàng)建數據倉庫數據庫
3.4.6 從操作型系統(tǒng)中抽取數據
3.4.7 清理和轉換數據
3.4.8 將數據裝入數據倉庫數據庫
3.4.9 準備顯示信息
3.4.10 將數據分發(fā)到數據集市
本章小結
思考與練習
第4章 聯機分析處理
4.1 OLAP的基本概念
4.1.1 OLAP的發(fā)展背景
4.1.2 聯機分析處理是數據倉庫系統(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 理解數據立方
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 結構
4.5.2 優(yōu)點
本章小結
思考與練習
第5章 數據挖掘概述
5.1 數據挖掘技術的由來
5.1.1 信息爆炸但知識貧乏
5.1.2 支持數據挖掘技術的基礎
5.1.3 從商業(yè)數據到商業(yè)信息的進化
5.1.4 數據挖掘逐漸演變的過程
5.2 數據挖掘的定義
5.2.1 技術角度的定義
5.2.2 商業(yè)角度的定義
5.2.3 數據挖掘與傳統(tǒng)分析方法的區(qū)別
5.2.4 數據挖掘和數據倉庫
5.2.5 數據挖掘和OLAP
5.2.6 數據挖掘、機器學習和統(tǒng)計
5.3 數據挖掘發(fā)現的知識類型
5.3.1 廣義知識
5.3.2 關聯知識
5.3.3 分類知識
5.3.4 預測知識
5.3.5 偏差知識
5.4 數據挖掘流程
5.4.1 知識發(fā)現過程
5.4.2 數據挖掘對象
5.4.3 數據挖掘任務
5.4.4 數據挖掘分類
5.4.5 數據預處理
5.5 數據挖掘的方法和技術
5.5.1 信息論方法
5.5.2 集合論方法
5.5.3 神經網絡方法
5.5.4 遺傳算法
5.5.5 模糊數學
5.5.6 公式發(fā)現
5.5.7 可視化技術
5.5.8 知識表示
本章小結
思考與練習
第6章 數據預處理
6.1 數據預處理的目的及方法
6.1.1 原始數據中存在的問題
6.1.2 數據預處理的常用方法
6.2 數據清理
6.2.1 處理空缺值
6.2.2 噪聲數據的處理
6.3 數據集成
6.3.1 模式匹配
6.3.2 數據冗余
6.3.3 數據沖突
6.4 數據變換
6.5 數據歸約
6.5.1 數據立方體聚集
6.5.2 維歸約
6.5.3 數據壓縮
6.5.4 數值歸約
6.5.5 離散化和概念分層
本章小結
思考與練習
第7章 數據挖掘中的常用算法
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 從頻繁項集產生關聯規(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 神經網絡算法
7.3.1 神經網絡的基本原理
7.3.2 反向傳播模型
7.3.3 定義神經網絡拓撲結構
7.3.4 神經網絡的工作過程
7.4 聚類分析
7.4.1 聚類分析的概念
7.4.2 聚類分析中的數據類型
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
思考與練習
第8章 SQL Server數據倉庫與數據挖掘工具及其應用
8.1 SQL Server 2005的功能構架
8.2 SQL Server數據倉庫設計與數據挖掘準備
8.2.1 SQL Server數據倉庫創(chuàng)建思路
8.2.2 SQL Server數據挖掘過程
8.2.3 案例數據準備
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 數據流
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 定義數據源
8.4.3 定義數據源視圖
8.4.4 用Analysis Services創(chuàng)建維與多維數據集
8.4.5 部署Analysis Services項目
8.5 SQL Server中的數據挖掘工具與應用
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
思考與練習
附錄A 一個簡易的數據挖掘工具——Weka
參考文獻