数据仓库与数据挖掘的原理及应用PDF|Epub|txt|kindle电子书版本网盘下载

数据仓库与数据挖掘的原理及应用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 数据仓库概述1

本章主要内容1

1.1 从数据库到数据仓库1

1.1.1 决策支持技术与数据库技术的发展1

1.1.2 数据仓库与数据库的区别6

1.2 数据仓库的概念与特点11

1.2.1 数据仓库概念11

1.2.2 面向主题11

1.2.3 数据的集成性12

1.2.4 数据的非易失性13

1.2.5 数据因时而变的特点14

1.3 数据仓库中的关键概念14

1.3.1 外部数据源14

1.3.2 数据抽取15

1.3.3 数据清洗15

1.3.4 数据转换16

1.3.5 数据加载16

1.3.6 元数据16

1.3.7 数据集市17

1.3.8 数据粒度17

1.4 数据仓库的数据组织18

1.4.1 数据仓库的数据组织结构18

1.4.2 数据粒度与数据分割19

1.4.3 数据仓库的数据组织形式20

1.4.4 数据仓库的数据追加与清理23

1.5 数据仓库与数据集市的关系24

1.5.1 数据集市的类型24

1.5.2 数据集市与数据仓库的区别26

1.5.3 数据集市的特点27

1.6 数据仓库体系结构27

1.6.1 数据仓库系统的层次结构27

1.6.2 数据仓库的构造模式30

1.7 操作数据存储ODS33

1.7.1 操作数据存储ODS的概念33

1.7.2 操作数据存储ODS的应用33

1.7.3 DB-ODS-DW三层体系结构36

1.7.4 ODS/DW、ODS/DB之比较38

习题一39

第2章 联机分析处理40

本章主要内容40

2.1 联机分析处理的概念40

2.1.1 OLAP的定义40

2.1.2 OLAP的相关基本概念41

2.1.3 OLAP与OLTP的关系及比较42

2.1.4 OLAP准则44

2.2 OLAP多维数据分析49

2.2.1 OLAP基本分析动作49

2.2.2 广义OLAP功能53

2.2.3 多维数据分析实例55

2.3 OLAP数据组织57

2.3.1 多维数据组织57

2.3.2 关系数据组织60

2.3.3 两种数据组织的比较63

2.3.4 HOLAP66

2.4 OLAP的体系结构与展现方式67

2.4.1 OLAP体系结构67

2.4.2 OLAP前端展现方式69

2.4.3 OLAP结果的展现方法71

2.5 OLAP工具及评价73

2.5.1 Oracle OLAP工具73

2.5.2 OLAP服务器和工具的评价指标74

2.5.3 OLAP的局限性77

习题二78

第3章 数据仓库设计79

本章主要内容79

3.1 数据仓库中数据模型概述79

3.1.1 数据模型的概念79

3.1.2 数据仓库模型的构建原则81

3.1.3 企业数据模型82

3.2 概念模型设计83

3.2.1 企业模型的建立83

3.2.2 数据模型的规范化86

3.2.3 常见的概念模型89

3.3 逻辑模型设计90

3.3.1 概念模型到逻辑模型的转换92

3.3.2 数据表的规范化与分割95

3.3.3 维度表的设计96

3.3.4 事实表的设计96

3.3.5 数据集市的设计97

3.4 物理模型设计97

3.4.1 定义数据存储结构97

3.4.2 索引策略99

3.4.3 存储分配优化100

3.4.4 数据加载设计101

3.4.5 物理模型的设计对数据仓库性能的影响101

3.5 元数据模型102

3.5.1 元数据的类型102

3.5.2 元数据的作用103

3.5.3 元数据的收集与维护104

3.5.4 元数据的使用107

3.6 粒度模型107

3.6.1 粒度的划分108

3.6.2 粒度级别的确定109

习题三110

第4章 数据仓库的规划与开发111

本章主要内容111

4.1 数据仓库的投资分析111

4.1.1 建立数据仓库的必要性111

4.1.2 数据仓库的投资回报分析与风险分析113

4.2 数据仓库的开发方法115

4.2.1 瀑布式开发115

4.2.2 螺旋式开发116

4.3 数据仓库的建立过程118

4.3.1 数据进入数据仓库的过程与建立数据仓库的步骤118

4.3.2 需求分析119

4.3.3 数据路线120

4.3.4 技术路线121

4.3.5 应用路线121

4.3.6 数据仓库部署126

4.3.7 运行维护126

4.4 数据仓库的维护127

4.4.1 数据周期127

4.4.2 参照完整性127

4.4.3 数据环境信息128

4.4.4 数据备份与恢复129

4.5 提高数据仓库性能130

4.5.1 提高I/O性能130

4.5.2 缩小查询范围131

4.5.3 采取并行优化技术131

4.5.4 选择适当的初始化参数132

4.6 数据仓库的安全性132

4.6.1 安全类型132

4.6.2 安全方法133

4.7 分布式数据仓库134

4.7.1 分布式数据仓库的优点134

4.7.2 分布式数据仓库的模型建立与数据划分135

4.7.3 分布式数据仓库的建设策略137

4.7.4 分布式数据仓库的技术缺陷140

习题四140

第5章 数据仓库的工具141

本章主要内容141

5.1 数据仓库工具的选择141

5.1.1 数据仓库工具的组成141

5.1.2 数据仓库工具应具备的主要功能142

5.1.3 数据仓库的发展趋势143

5.1.4 选取数据仓库工具的方法144

5.2 常用数据仓库产品简介145

5.2.1 Oracle 9i145

5.2.2 NCR TeraData148

5.2.3 IBM DB2149

5.2.4 SAS149

5.2.5 Microsoft SQL Server 2005的数据仓库工具150

5.3 SQL Server数据仓库的操作应用150

5.3.1 SQL Server数据仓库的框架150

5.3.2 连接数据源150

5.3.3 创建数据源视图153

5.3.4 创建和部署多维数据集156

习题五170

第6章 数据挖掘概述171

本章主要内容171

6.1 数据挖掘的定义和对象171

6.1.1 数据挖掘的由来171

6.1.2 数据挖掘的技术定义172

6.1.3 数据挖掘的商业定义174

6.1.4 数据挖掘的对象175

6.2 数据挖掘的分类176

6.2.1 概述176

6.2.2 描述型数据挖掘176

6.2.3 预测型数据挖掘177

6.3 数据挖掘系统177

6.3.1 数据挖掘系统的结构177

6.3.2 数据挖掘系统的设计178

6.3.3 数据挖掘系统的发展179

6.4 数据预处理180

6.4.1 概述180

6.4.2 数据清洗181

6.4.3 数据集成182

6.4.4 数据转换182

6.4.5 数据归约183

6.4.6 属性概念分层的自动生成185

第7章 数据挖掘的算法187

本章主要内容187

7.1 分类规则挖掘187

7.1.1 分类过程与方法187

7.1.2 决策树分类188

7.1.3 贝叶斯分类192

7.2 预测分析与趋势分析规则194

7.2.1 预测的基本概念194

7.2.2 预测的基本方法194

7.2.3 趋势分析挖掘195

7.3 数据挖掘的关联算法196

7.3.1 关联规则的概念及分类196

7.3.2 简单形式的关联规则算法197

7.3.3 多层与多维关联规则的挖掘199

7.3.4 关联分析的其他算法200

7.4 聚类分析201

7.4.1 聚类分析的概念201

7.4.2 聚类分析中的数据类型202

7.4.3 主要的聚类分析方法205

7.4.4 聚类分析算法207

7.5 神经网络算法209

7.5.1 神经网络的概念209

7.5.2 定义神经网络拓扑结构211

7.5.3 基于神经网络的算法213

第8章 数据挖掘的新技术215

本章主要内容215

8.1 文本挖掘技术215

8.1.1 文本挖掘概述215

8.1.2 文本挖掘的过程216

8.1.3 文本挖掘的方法217

8.1.4 文本挖掘与信息检索218

8.1.5 文本挖掘的应用219

8.2 Web数据挖掘技术221

8.2.1 Web挖掘概述221

8.2.2 Web的特点222

8.2.3 Web挖掘分类222

8.2.4 Web挖掘流程226

8.2.5 Web数据挖掘的常用工具228

8.2.6 Web挖掘的应用228

8.3 可视化数据挖掘技术230

8.3.1 数据可视化技术230

8.3.2 可视化数据挖掘技术的应用233

8.4 基于GIS的空间数据挖掘技术235

8.4.1 地理信息系统235

8.4.2 空间数据挖掘236

8.5 分布式数据挖掘237

8.5.1 概述237

8.5.2 分布式数据挖掘系统239

8.5.3 分布式数据挖掘研究的现状240

习题八240

第9章 数据挖掘的工具及其应用241

本章主要内容241

9.1 国内外数据挖掘工具及评价241

9.1.1 数据挖掘软件的特征241

9.1.2 国外数据挖掘工具242

9.1.3 国内数据挖掘工具244

9.1.4 数据挖掘工具的功能分类246

9.1.5 评价数据挖掘工具优劣的指标247

9.2 SQL Server 2005数据挖掘工具应用249

9.2.1 安装环境要求249

9.2.2 Analysis Services功能介绍250

9.2.3 SQL Server 2005数据挖掘算法概述251

9.2.4 SQL Server 2005数据挖掘算法的选择252

9.2.5 数据源的准备与创建258

9.2.6 创建数据挖掘模型261

9.2.7 处理数据挖掘模型268

9.2.8 浏览模型268

9.2.9 测试挖掘模型准确性272

9.2.10 创建预测查询275

习题九277

第10章 数据仓库与数据挖掘的综合应用278

本章主要内容278

10.1 数据仓库与数据挖掘的关系278

10.1.1 数据仓库的观点278

10.1.2 数据挖掘的观点281

10.2 数据仓库在企业管理中的应用281

10.2.1 企业应用数据仓库的意义282

10.2.2 应用数据仓库弥补ERP的不足284

10.2.3 数据仓库实现分析型CRM284

10.2.4 数据仓库提高SCM的效率286

10.3 数据挖掘的社会影响与应用领域287

10.3.1 数据挖掘的社会影响287

10.3.2 数据挖掘的应用领域288

10.3.3 数据挖掘的研究方向290

10.4 金融业中的数据挖掘应用291

10.4.1 数据挖掘在银行领域的应用291

10.4.2 数据挖掘在证券领域的应用293

10.4.3 数据挖掘在保险领域的应用296

10.5 数据挖掘与客户关系管理297

10.5.1 数据挖掘在客户识别和客户保留中的应用297

10.5.2 客户分类298

10.5.3 减少信用风险299

10.5.4 数据挖掘在客户忠诚度分析中的应用299

10.5.5 个性化营销与销售推荐300

10.5.6 数据挖掘在客户赢利率分析中的应用301

10.6 电信业中数据仓库与数据挖掘的应用302

10.6.1 数据仓库与数据挖掘在电信业中的作用302

10.6.2 数据挖掘在电信业应用的特点304

习题十305

第11章 基于数据挖掘的上市公司财务危机预警应用实例306

本章主要内容306

11.1 基本思路和相关知识306

11.1.1 研究的基本思路306

11.1.2 财务危机的界定307

11.1.3 经济预警理论308

11.2 上市公司财务危机预警模型的指标体系的构建309

11.2.1 上市公司财务预警指标体系的选取原则309

11.2.2 上市公司财务预警指标体系的构建310

11.3 基于数据挖掘建立上市公司财务危机预警模型313

11.3.1 数据准备313

11.3.2 建立模型314

11.3.3 模型测试326

11.4 建立财务预警系统——财务预警的自动化335

11.4.1 财务危机预警过程的自动化336

11.4.2 预测准确性自动化337

参考文献339