數(shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)崉?wù)

第1章 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概述 1.1 數(shù)據(jù)庫與數(shù)據(jù)倉庫 1.1.1 數(shù)據(jù)的層次性 1.1.2 數(shù)據(jù)倉庫出現(xiàn)的原因 1.1.3 數(shù)據(jù)倉庫的概念 1.1.4 數(shù)據(jù)倉庫與數(shù)據(jù)庫的差異 1.1.5 數(shù)據(jù)倉庫的商業(yè)應(yīng)用 1.2 數(shù)據(jù)分析與數(shù)據(jù)挖掘 1.2.1 什么是數(shù)據(jù)挖掘 1.2.2 數(shù)據(jù)挖掘的商業(yè)流程 1.2.3 數(shù)據(jù)挖掘的典型應(yīng)用 1.2.4 基于電子商務(wù)的數(shù)據(jù)挖掘技術(shù) 1.2.5 典型的數(shù)據(jù)挖掘方法 1.3 商務(wù)智能 思考題 第2章 數(shù)據(jù)倉庫分析 2.1 數(shù)據(jù)倉庫的生命周期 2.1.1 數(shù)據(jù)倉庫規(guī)劃分析階段 2.1.2 數(shù)據(jù)倉庫設(shè)計(jì)實(shí)施階段 2.1.3 數(shù)據(jù)倉庫使用維護(hù)階段 2.1.4 數(shù)據(jù)倉庫開發(fā)的特點(diǎn) 2.2 數(shù)據(jù)倉庫的基本體系結(jié)構(gòu) 2.2.1 外部數(shù)據(jù)源 2.2.2 數(shù)據(jù)抽取 2.2.3 抽取存儲(chǔ)區(qū) 2.2.4 數(shù)據(jù)清洗 2.2.5 數(shù)據(jù)轉(zhuǎn)換 2.2.6 數(shù)據(jù)集市 2.3 數(shù)據(jù)倉庫的構(gòu)造模式 思考題 第3章 數(shù)據(jù)倉庫設(shè)計(jì) 3.1 數(shù)據(jù)倉庫中數(shù)據(jù)模型概述 3.2 概念模型設(shè)計(jì) 3.2.1 企業(yè)模型的建立 3.2.2 數(shù)據(jù)模型的規(guī)范 3.2.3 常見的概念模型 3.3 邏輯模型設(shè)計(jì) 3.3.1 數(shù)據(jù)倉庫的數(shù)據(jù)綜合 3.3.2 數(shù)據(jù)倉庫中的時(shí)間分割 3.3.3 數(shù)據(jù)倉庫中的數(shù)據(jù)組織 3.3.4 數(shù)據(jù)倉庫的粒度設(shè)計(jì) 3.4 物理模型設(shè)計(jì) 3.4.1 物理模型的設(shè)計(jì)要點(diǎn) 3.4.2 事實(shí)表的設(shè)計(jì) 3.4.3 維度表的設(shè)計(jì) 3.4.4 物理模型的設(shè)計(jì)對(duì)數(shù)據(jù)倉庫性能的影響 思考題 第4章 數(shù)據(jù)倉庫的使用 4.1 數(shù)據(jù)倉庫與聯(lián)機(jī)分析處理 4.1.1 聯(lián)機(jī)分析處理的基本概念 4.1.2 OLAP與OLTP的區(qū)別 4.1.3 OLAP帶來的好處 4.1.4 數(shù)據(jù)倉庫與OLAP 4.1.5 OLAP多維數(shù)據(jù)分析 4.2 元數(shù)據(jù) 4.2.1 元數(shù)據(jù)的概念 4.2.2 元數(shù)據(jù)的作用 4.2.3 元數(shù)據(jù)的使用 4.3 數(shù)據(jù)倉庫的管理與維護(hù) 4.3.1 數(shù)據(jù)管理 4.3.2 系統(tǒng)管理 4.4 數(shù)據(jù)倉庫的優(yōu)化 4.4.1 索引技術(shù) 4.4.2 物化視圖 4.4.3 其他優(yōu)化手段 4.5 主流的數(shù)據(jù)倉庫廠商及產(chǎn)品 4.6 基于Analysis Services的數(shù)據(jù)倉庫構(gòu)建過程 4.6.1 數(shù)據(jù)準(zhǔn)備 4.6.2 數(shù)據(jù)倉庫的構(gòu)建過程 4.6.3 開展OLAP分析 思考題 第5章 數(shù)據(jù)預(yù)處理 5.1 數(shù)據(jù)預(yù)處理的重要性 5.2 數(shù)據(jù)清洗 5.2.1 缺失數(shù)據(jù)處理 5.2.2 噪聲數(shù)據(jù)的處理 5.2.3 不一致數(shù)據(jù)處理 5.3 數(shù)據(jù)集成與轉(zhuǎn)換 5.3.1 數(shù)據(jù)集成 5.3.2 數(shù)據(jù)轉(zhuǎn)換 5.4 數(shù)據(jù)規(guī)約 5.4.1 數(shù)據(jù)立方合計(jì) 5.4.2 維規(guī)約 5.4.3 數(shù)據(jù)壓縮 5.4.4 數(shù)據(jù)塊的消減 5.5 離散化和概念層次樹生成 5.5.1 數(shù)據(jù)概念層次樹生成 5.5.2 類別概念層次樹生成 思考題 第6章 數(shù)據(jù)挖掘基礎(chǔ) 6.1 數(shù)據(jù)挖掘的任務(wù) 6.2 數(shù)據(jù)挖掘的實(shí)施 6.2.1 數(shù)據(jù)挖掘的基本過程 6.2.2 數(shù)據(jù)挖掘的實(shí)施難點(diǎn) 6.3 知識(shí)表示方法 6.3.1 產(chǎn)生式知識(shí)表示方法 6.3.2 產(chǎn)生式系統(tǒng) 6.3.3 其他知識(shí)表示方法 思考題 第7章 數(shù)據(jù)挖掘的主要方法 7.1 關(guān)聯(lián)規(guī)則挖掘 7.1.1 關(guān)聯(lián)規(guī)則的定義和屬性 7.1.2 關(guān)聯(lián)規(guī)則的挖掘 7.1.3 關(guān)聯(lián)規(guī)則的分類 7.1.4 關(guān)聯(lián)規(guī)則挖掘的相關(guān)算法 7.1.5 關(guān)聯(lián)分析的實(shí)際應(yīng)用 7.2 分類與預(yù)測(cè) 7.2.1 分類問題與預(yù)測(cè)問題 7.2.2 決策樹 7.2.3 人工神經(jīng)網(wǎng)絡(luò) 7.2.4 其他分類方法 7.2.5 預(yù)測(cè) 7.2.6 分類與預(yù)測(cè)的實(shí)際應(yīng)用 7.3 聚類分析 7.3.1 聚類的定義 7.3.2 聚類分析中的數(shù)據(jù)類型與結(jié)構(gòu) 7.3.3 層次方法 7.3.4 劃分方法 7.3.5 聚類的實(shí)際應(yīng)用 7.4 遺傳算法 7.4.1 遺傳算法的歷史和現(xiàn)狀 7.4.2 遺傳算法常用的操作算子及實(shí)施步驟 7.5 文本挖掘 7.5.1 文本挖掘的主要應(yīng)用 7.5.2 文本表示方法 7.5.3 中文的分詞 7.6 Web挖掘與電子商務(wù) 7.6.1 Web挖掘定義 7.6.2 web挖掘與電子商務(wù) 7.6.3 web挖掘的數(shù)據(jù)來源與類型 7.6.4 Web使用模式挖掘 思考題 第8章 大數(shù)據(jù) 8.1 大數(shù)據(jù)的由來 8.1.1 大數(shù)據(jù)概念 8.1.2 大數(shù)據(jù)的典型特征 8.2 大數(shù)據(jù)處理的相關(guān)技術(shù) 8.3 大數(shù)據(jù)的作用 8.3.1 數(shù)據(jù)機(jī)遇 8.3.2 數(shù)據(jù)回報(bào) 8.4 大數(shù)據(jù)應(yīng)用案例 8.4.1 塔吉特百貨孕婦營(yíng)銷分析 8.4.2 試衣問的大數(shù)據(jù)應(yīng)用 8.4.3 路易斯維爾利用大數(shù)據(jù)治理空氣污染問題 8.4.4 阿里信用貸款和淘寶數(shù)據(jù)魔方 8.4.5 大數(shù)據(jù)時(shí)代的總統(tǒng)選舉，奧巴馬團(tuán)隊(duì)如何處理數(shù)據(jù) 參考文獻(xiàn)