数据仓库与数据挖掘技术 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

数据仓库与数据挖掘技术 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 商务智能基本概念1

1.1 商务智能的基本概念2

1.1.1 商务智能的定义2

1.1.2 商务智能的发展与应用3

1.1.3 商务智能的体系结构5

1.2 数据仓库的发展与展望6

1.2.1 从传统数据库到数据仓库6

1.2.2 数据仓库的定义与基本特性9

1.2.3 数据仓库的发展12

1.3 数据仓库的体系结构14

1.3.1 数据仓库的概念结构14

1.3.2 虚拟数据仓库结构14

1.3.3 数据集市结构15

1.3.4 单一数据仓库结构15

1.3.5 分布式数据仓库结构16

1.4 数据仓库的参照结构17

1.4.1 数据仓库基本功能层17

1.4.2 数据仓库的管理层24

1.4.3 数据仓库的环境支持层26

1.5 数据挖掘技术概述28

1.5.1 数据挖掘的发展28

1.5.2 数据挖掘的定义29

1.6 数据挖掘技术与工具31

1.6.1 常用数据挖掘技术31

1.6.2 常用数据挖掘工具33

1.6.3 数据挖掘工具的评价标准35

1.6.4 常用数据挖掘工具的选择36

1.7 数据挖掘的应用37

1.7.1 数据挖掘与数据仓库37

1.7.2 数据挖掘过程38

1.7.3 数据挖掘的用户42

本章小结43

自我测试题43

第2章 数据仓库开发模型47

2.1 数据仓库开发模型48

2.2 数据仓库概念模型49

2.2.1 概念模型49

2.2.2 规范的数据模型52

2.2.3 星形模型53

2.2.4 雪花模型55

2.3 数据仓库的逻辑模型55

2.3.1 事实表模型设计57

2.3.2 维模型设计59

2.4 数据仓库的物理模型59

2.4.1 数据仓库物理模型的存储结构59

2.4.2 数据仓库物理模型的索引构建60

2.4.3 数据仓库物理模型的优化问题63

2.5 数据仓库的元数据模型65

2.5.1 元数据的类型与组成65

2.5.2 元数据在数据仓库中的作用66

2.5.3 元数据的收集70

2.6 数据仓库的粒度和聚集模型71

2.6.1 数据粒度的划分72

2.6.2 确定粒度的级别73

2.6.3 数据仓库聚集模型的确定73

2.6.4 聚集模型的处理74

2.6.5 聚集模型的管理75

本章小结75

自我测试题76

第3章 数据仓库的开发应用过程79

3.1 数据仓库开发应用的特点80

3.1.1 数据仓库开发应用的阶段性80

3.1.2 数据仓库的螺旋式开发方法81

3.1.3 数据仓库的开发特点82

3.2 数据仓库的规划83

3.2.1 选择数据仓库实现策略83

3.2.2 确定数据仓库的开发目标和实现范围84

3.2.3 选择数据仓库的体系结构85

3.2.4 建立数据仓库使用方案和项目规划预算87

3.3 数据仓库的概念模型设计88

3.3.1 概念模型的需求调查88

3.3.2 概念模型的定义89

3.3.3 概念模型的分析93

3.3.4 概念模型的设计94

3.3.5 概念模型文档与评审94

3.4 数据仓库的逻辑模型设计97

3.4.1 分析主题域97

3.4.2 粒度层次和聚集的确定98

3.4.3 确定数据分割策略98

3.4.4 关系模型的定义99

3.4.5 数据仓库的实体定义100

3.4.6 数据仓库的数据抽取模型101

3.4.7 数据仓库元数据模型的建立与应用106

3.4.8 逻辑模型的评审107

3.5 数据仓库的物理模型设计107

3.5.1 数据仓库设计的规范108

3.5.2 确定数据结构的类型108

3.5.3 数据仓库索引的创建109

3.5.4 确定数据存放位置111

3.5.5 确定存储分配111

3.5.6 数据仓库物理模型的评审112

3.6 数据仓库的实施113

3.6.1 数据仓库与业务处理系统接口的设计113

3.6.2 数据仓库的创建114

3.6.3 数据仓库的数据加载、复制与发行114

3.6.4 数据仓库的中间件设计115

3.6.5 数据仓库的测试116

3.7 数据仓库的应用、支持和增强117

3.7.1 数据仓库的用户培训及支持117

3.7.2 数据仓库的使用方式118

3.7.3 数据仓库使用中的数据刷新119

3.7.4 数据仓库的增强120

本章小结121

自我测试题121

第4章 OLAP技术125

4.1 OLAP技术概念126

4.1.1 OLAP的发展126

4.1.2 OLAP的特性126

4.2 OLAP与多维分析127

4.2.1 多维基本概念127

4.2.2 多维分析130

4.2.3 维的层次关系132

4.2.4 维的类关系132

4.2.5 OLAP与数据仓库的关系133

4.3 OLAP的实施134

4.4 多维OLAP与关系OLAP135

4.4.1 多维数据库135

4.4.2 多维数据库的数据存储137

4.4.3 多维数据库与数据仓库137

4.4.4 MOLAP的创建与功能139

4.4.5 ROLAP实现的3个规则139

4.4.6 ROLAP的多维表示方法140

4.4.7 ROLAP的创建与功能142

4.5 OLAP技术的评价143

4.5.1 MOLAP与ROLAP的比较143

4.5.2 OLAP的衡量标准145

4.5.3 OLAP服务器和工具的评价标准147

本章小结149

自我测试题149

第5章 传统数据挖掘技术153

5.1 传统的统计分析类数据挖掘技术154

5.1.1 统计与统计类数据挖掘技术154

5.1.2 数据的聚集与度量技术155

5.1.3 柱状图数据挖掘技术155

5.1.4 线性回归数据挖掘技术156

5.1.5 非线性回归数据挖掘技术158

5.1.6 聚类数据挖掘技术159

5.1.7 最近邻数据挖掘技术165

5.2 统计分析类工具166

5.2.1 统计类数据挖掘工具166

5.2.2 统计类数据挖掘的商业分析167

5.2.3 统计类数据挖掘工具的功能168

5.2.4 统计类数据挖掘工具—SPSS169

5.3 统计分析类工具的应用172

5.3.1 趋势分析172

5.3.2 时序分析173

5.3.3 周期分析173

5.4 统计分析类工具应用的问题174

5.4.1 统计类数据挖掘的预处理问题174

5.4.2 统计分析应遵循的基本原则176

5.4.3 统计分析的步骤177

5.4.4 统计类数据挖掘的性能问题178

本章小结178

自我测试题179

第6章 现代数据挖掘技术与发展183

6.1 知识挖掘系统的体系结构184

6.1.1 知识发现技术的定义184

6.1.2 知识发现系统的结构185

6.2 现代挖掘技术及应用187

6.2.1 规则型挖掘技术及应用187

6.2.2 神经网络型挖掘技术192

6.2.3 遗传算法型挖掘技术197

6.2.4 粗糙集挖掘技术201

6.2.5 决策树型挖掘技术203

6.3 知识发现工具与应用207

6.3.1 知识挖掘工具的系统结构207

6.3.2 知识挖掘工具运用中的问题208

6.3.3 知识挖掘的价值211

6.3.4 现代数据挖掘工具简介211

6.4 数据挖掘技术的发展212

6.4.1 文本挖掘212

6.4.2 可视化数据挖掘技术215

6.4.3 空间数据挖掘216

6.4.4 分布式数据挖掘217

本章小结219

自我测试题220

第7章 电子商务中的商务智能223

7.1 电子商务的数据仓库开发224

7.1.1 电子商务的数据环境分析224

7.1.2 电子商务数据仓库项目的规划225

7.1.3 电子商务数据仓库需求分析226

7.1.4 电子商务数据仓库逻辑模型设计226

7.1.5 电子商务数据仓库的物理模型设计227

7.1.6 电子商务数据仓库的实现与部署227

7.2 电子商务数据仓库的逻辑模型228

7.2.1 营销数据仓库模型演变228

7.2.2 客户维——用户维229

7.2.3 时间维——财政时间维和用户时间维230

7.2.4 地理位置维——物理地理、Web地理和站点地理维231

7.2.5 商品维——内容维和活动维232

7.2.6 促销维——内部促销维和外部促销维233

7.2.7 电子商务数据仓库模型的事实表设计234

7.3 电子商务数据仓库的ETL设计234

7.3.1 电子商务数据仓库的ETL环境235

7.3.2 电子商务数据仓库的ETL体系结构236

7.3.3 建立ETL系统237

7.4 电子商务数据挖掘240

7.4.1 Web数据挖掘技术240

7.4.2 Web数据挖掘在电子商务中的应用244

7.4.3 数据挖掘在网站设计、管理中的应用245

7.4.4 数据挖掘在网络广告中的应用248

本章小结250

自我测试题250

第8章 商务智能应用与管理253

8.1 商务智能用户254

8.1.1 商务智能的用户——信息使用者与知识挖掘者254

8.1.2 信息使用者的商务智能使用方式254

8.1.3 知识挖掘者的商务智能使用方式255

8.2 管理决策中的商务智能应用256

8.2.1 商务智能与供应链管理256

8.2.2 商务智能与客户关系管理257

8.2.3 商务智能和企业资源规划259

8.2.4 商务智能的行业应用260

8.3 商务智能的运行管理264

8.3.1 商务智能中的人力资源管理264

8.3.2 数据加载的管理问题265

8.3.3 故障恢复管理266

8.3.4 访问控制与安全管理266

8.3.5 数据增长的管理267

8.4 商务智能的元数据管理268

8.4.1 元数据的存储、管理和维护268

8.4.2 元数据的用户与使用方法270

8.4.3 元数据的管理模型271

8.5 商务智能中的法律问题274

8.5.1 数据的隐私权问题274

8.5.2 数据隐私权的处理275

8.6 商务智能的成本与效益分析276

8.6.1 商务智能投资回报的定量分析277

8.6.2 商务智能投资回报的定性分析278

本章小结279

自我测试题279

第9章 商务智能开发实例283

9.1 基于商务智能的超市营销系统的规划与分析284

9.1.1 基于商务智能的超市营销系统的需求分析284

9.1.2 基于商务智能的超市营销系统数据仓库E-R模型构造285

9.1.3 基于商务智能的超市营销系统数据仓库事实表模型286

9.1.4 基于商务智能的超市营销系统数据仓库维表模型的设计288

9.1.5 基于商务智能的超市营销系统数据仓库模型的关键字设计292

9.1.6 基于商务智能的超市营销系统数据仓库的元数据设计294

9.2 商务智能开发工具简介297

9.2.1 商务智能开发工具297

9.2.2 SQL Server商务智能开发应用工具301

9.3 SQL Server的数据仓库创建303

9.3.1 创建数据库303

9.3.2 创建表304

9.4 SQL Server数据仓库事实表与多维数据集的建立305

9.4.1 SQL Server BI Development Studio数据源的确定306

9.4.2 SQL Server数据仓库数据维的创建309

9.4.3 SQL Server的多维数据集的创建313

本章小结319

自我测试题319

第10章 商务智能应用实例323

10.1 数据仓库的数据加载与钻取324

10.1.1 数据仓库的数据加载324

10.1.2 超市营销系统数据仓库的数据加载326

10.1.3 多维数据集的更新332

10.1.4 数据仓库的钻取访问334

10.1.5 数据仓库的多维表达式MDX的应用337

10.2 商务智能中的数据挖掘模型设计339

10.2.1 数据挖掘对象的分析339

10.2.2 数据挖掘模型与相关数据的准备340

10.2.3 数据挖掘模型的应用342

10.3 SQL Server中的数据挖掘工具343

10.3.1 决策类数据挖掘工具的应用344

10.3.2 聚类分析的数据挖掘工具应用349

10.4 商务智能客户端界面的设计354

10.4.1 确定客户端界面展现的内容354

10.4.2 选择客户端界面展现工具355

10.4.3 应用Excel实现客户端界面的展现356

本章小结361

自我测试题362

参考文献365