數據倉庫和數據挖掘

數據倉庫和數據挖掘

《數據倉庫和數據挖掘》在論述數據倉庫和數據挖掘技術基本概念的基礎上,系統和深入地剖析了數據倉庫的模型,以數據倉庫為應用平台的聯機分析處理(OLAP)技術,以證券行業為對象的數據倉庫的開發實例,資料庫挖掘、文本挖掘、Web挖掘、數據挖掘軟體,以及數據挖掘的應用,尤其在競爭情報系統和客戶關係管理中的應用。

適用讀者


本書可供我國企業界、情報界、諮詢界、教育界的信息分析、競爭情報、信息管理、知識管理、戰略管理和軟科學研究從業者的專業進修,以及高等院校師生教學和參考之用。

圖書目錄


第1章 緒論
1.1 企業用戶關心的新問題
1.2 解決問題的一項新技術——數據倉庫
1.3 數據倉庫的商業應用
1.4 數據倉庫與信息管理
1.5 信息管理的新問題催生數據挖掘
1.6 數據挖掘與信息管理
1.7 數據倉庫與數據挖掘
1.8 數據倉庫與非結構化數據的管理
1.9 數據倉庫與傳統資料庫長期共存
第2章 數據倉庫概述
2.1 從傳統資料庫到數據倉庫
2.1.1 傳統資料庫的不足
2.1.2 數據倉庫與傳統資料庫的區別
2.2 數據倉庫的基本概念
2.2.1 外部數據源
2.2.2 數據抽取
2.2.3 抽取存儲區
2.2.4 數據清洗
2.2.5 數據轉換
2.2.6 元數據
2.2.7 數據集市
2.3 數據倉庫的體系結構
2.3.1 數據倉庫系統的三個層次
2.3.2 數據倉庫的構造模式
2.4 數據倉庫的特點
2.4.1 面向主題
2.4.2 數據的集成性
2.4.3 數據的非易失性
2.4.4 數據的時變性
2.5 數據倉庫的數據組織
2.5.1 數據倉庫的數據綜合
2.5.2 數據倉庫中的時間分割
2.5.3 數據倉庫中的數據組織
第3章 數據倉庫中的模型
3.1 數據倉庫中數據模型概述
3.2 數據倉庫的概念模型
3.2.1 企業模型的建立
3.2.2 數據模型的規範
3.2.3 常見的概念模型
3.3 邏輯模型與物理模型
3.3.1 邏輯數據模型的特點
3.3.2 物理模型的設計要點
3.3.3 事實表的設計
3.3.4 維度表的設計
3.3.5 物理模型的設計對數據倉庫性能的影響
3.4 元數據模型
3.4.1 元數據的類型
3.4.2 元數據的作用
3.4.3 元數據的收集與維護
3.4.4 元數據的使用
3.5 數據倉庫的粒度模型
3.5.1 粒度的劃分