读书笔记摘抄新闻资讯
多维数据分析原理与套用
《多维数据分析原理与套用》是2004年清华大学出版社出版的图书，作者是姚家奕，主要讲述的是数据仓库理论、多维数据分析技术和多维数据分析套用3个方面，以某市地税局数据仓库的成功实施为背景案例，系统地介绍了基于Microsoft SQL Server 2000的OLAP多维数据引擎——Analvsis Services构建数据仓库多维数据集的全过程，旨在为读者提供从理论到套用的一整套数据仓库OLAP解决方案的清晰视图。
基本介绍
- 书名：多维数据分析原理与套用
- 作者：姚家奕
- 定价：20元
- 出版社：清华大学出版社
- 出版时间：2004-4-27
- 装帧：平装
图书简介
数据仓库技术的研究和套用是当前数据管理领域的热点。随着信息化建设在企业、国家政府部门以及社会其他领域的不断普及，数据分析和决策支持系统的开发与建设逐渐纳入到信息化建设的过程中来。面向组织决策层的数据管理技术是决策者挖掘组织内部和组织外部经营管理信息价值的有利工具和方法。
本书可以作为信息管理专业和计算机专业本科生或硕士生教材，也可以作为从事数据仓库建设和研究人员的参考书。
本书可以作为信息管理专业和计算机专业本科生或硕士生教材，也可以作为从事数据仓库建设和研究人员的参考书。
图书目录
第1章 数据仓库体系结构
1．1 初识数据仓库
1．2 数据仓库解决的问题
1．3 一个成功的例子
1．4 数据仓库中心--操作型数据还是分析型数据
1．5 数据仓库体系结构
1．5．1 数据仓库软体工具集
1．5．2 体系结构的稳定性
1．5．3 维数据结构
1．6 数据仓库体系结构的计算模式
1．7 以数据为中心
1．8 数据仓库工作流
1．9 数据仓库体系结构的基本特点
1．10 一个现实的问题
1．11 小结
阅读资料
A 何时需要数据仓库
B 数据仓库会带来什幺
案例分析
零售行业数据仓库决策支持系统
第2章 数据仓库的基本特徵
2．1 业务系统和决策支持系统
2．2 数据仓库的数据源
2．3 数据仓库的维
2．4 数据仓库的事实数据
2．5 数据仓库的多维数据模型
2．6 数据立方体
2．7 数据立方体中的数据聚合
2．8 数据仓库的职业角色
2．9 小结
阅读资料
什幺是数据集市
案例分析
数据仓库技术在移动通信领域的套用
第3章 在线上分析处理系统
3．1 OLAP的实质
3．1．1 OLAP系统与OLTP系统的区别
3．1．2 OLAP系统的组成
3．2 使用维和度量进行数据分析
3．3 多维视图
3．4 维表
3．4．1 维表的分类
3．4．2 结构维的特点
3．4．3 星型模型
3．4．4 雪花模型
3．4．5 雪花模型与星型模型的对比
3．5 事实表
3．6 多维数据集
3．7 ROLAP、MOLAP和HOLAP
3．7．1 ROLAP
3．7．2 索引
3．7．3 MOLAP
3．7．4 MOLAP与ROLAP的比较
3．7．5 HOLAP
3．8 小结
阅读资料
基于供应链数据仓库的OLAP数据挖掘(上)
案例分析
数据仓库与CRM
第4章 多维数据集的分析与建立
4．1 多维数据集
4．1．1 多维数据集的基本结构
4．1．2 虚拟多维数据结构
4．1．3 多维数据结构的分区存储
4．2 OLAP服务管理的基本术语
4．2．1 聚合
4．2．2 分区
4．2．3 钻取
4．2．4 角色
4．2．5 虚拟立方体
4．2．6 0LAP服务控制台
4．3 多维数据集结构的更新
4．3．1 OLAP存储方式回顾
4．3．2 多维数据集结构的更新方式
4．3．3 增量更新
4．3．4 刷新更新
4．3．5 完整处理
4．3．6 刷新共享维
4．3．7 检查刷新后的结果
4．4 多维扩展语言
4．4．1 MDX语言的五要素
4．4．2 MDX套用示例
4．5 小结
阅读资料
基于供应链数据仓库的OLAP数据挖掘(下)
案例分析
数据仓库--在"啤酒与尿布"中挖掘(上)
第5章 OLAP数据挖掘技术
5．1 OLAP数据挖掘技术简介
5．2 OLAP多维数据集
5．3 数据挖掘的主要功能
5．4 期望的OLAP挖掘功能
5．5 OLAP数据挖掘的有效实施
5．5．1 基于OLAP的数据特徵和比较
5．5．2 基于OLAP的关联
5．5．3 基于OLAP的分类
5．5．4 基于OLAP的预测
5．5．5 基于OLAP的聚类分析
5．5．6 回滚和比较挖掘分析
5．6 小结
阅读资料
数据挖掘的研究现状
案例分析
数据仓库--在"啤酒与尿布"中挖掘(下)
第6章 Analysis Services多维数据引擎
6．1 启动AnalysisSerVices
6．2 建立资料库和数据源
6．2．1 建立资料库结构
6．2．2 建立数据源
6．3 建立多维数据集
6．3．1 向多维数据集添加度量值
6．3．2 建立时间维度
6．3．3 建立雪花模型维度
6．3．4 建立星型模型维度
6．3．5 建立父子维度
6．3．6 完成多维数据集
6．4 编辑多维数据集
6．4．1 在多维数据集编辑器内编辑多维数据集
6．4．2 向现有多维数据集添加维度
6．5 设计存储和处理多维数据集
6．6 定义立方体的存取许可权
6．6．1 创建多维数据集角色
6．6．2 创建资料库角色
6．7 定义钻取选项
6．7．1 启用多维数据集的钻取功能
6．7．2 给角色提供钻取许可权
6．8 小结
阅读资料
SAS快速建库的方法论
案例分析
财政金融行业的数据仓库决策支持系统
第7章 iAnalyze智慧型工具简介
7．1 iAnalyze的产生背景和目标
7．2 iAnalyze的设计方案和系统需求
7．3 iAnalyze的体系结构与访问安全性
7．4 iAnalyze工具的操作
7．4．1 连线分析伺服器
7．4．2 界面功能
7．5 iAnalyze智慧型解决方案
7．5．1 用户需求和数据源分析
7．5．2 设计分析模型
7．6 小结
阅读资料
决策树的后期修剪技术
案例分析
加拿大用Sybase技术做数据统计
第8章 地税数据仓库
8．1 地税数据仓库的实施背景
8．2 实施过程
8．3 开发环境与目标
8．4 数据仓库的总体结构模型
8．5 税款开票数据立方体
8．5．1 分析目的
8．5．2 分析模型
8．6 费入库数据立方体
8．6．1 分析目的
8．6．2 分析模型
8．6．3 表结构和抽取规则
8．7 小结
阅读资料
细说BI--商业智慧型
案例分析
综合医疗系统中的数据仓库解决方案
附录A 数据仓库相关技术常用名词解释
附录B 常用的MDX函式
附录C 国外数据仓库解决方案简介
1．1 初识数据仓库
1．2 数据仓库解决的问题
1．3 一个成功的例子
1．4 数据仓库中心--操作型数据还是分析型数据
1．5 数据仓库体系结构
1．5．1 数据仓库软体工具集
1．5．2 体系结构的稳定性
1．5．3 维数据结构
1．6 数据仓库体系结构的计算模式
1．7 以数据为中心
1．8 数据仓库工作流
1．9 数据仓库体系结构的基本特点
1．10 一个现实的问题
1．11 小结
阅读资料
A 何时需要数据仓库
B 数据仓库会带来什幺
案例分析
零售行业数据仓库决策支持系统
第2章 数据仓库的基本特徵
2．1 业务系统和决策支持系统
2．2 数据仓库的数据源
2．3 数据仓库的维
2．4 数据仓库的事实数据
2．5 数据仓库的多维数据模型
2．6 数据立方体
2．7 数据立方体中的数据聚合
2．8 数据仓库的职业角色
2．9 小结
阅读资料
什幺是数据集市
案例分析
数据仓库技术在移动通信领域的套用
第3章 在线上分析处理系统
3．1 OLAP的实质
3．1．1 OLAP系统与OLTP系统的区别
3．1．2 OLAP系统的组成
3．2 使用维和度量进行数据分析
3．3 多维视图
3．4 维表
3．4．1 维表的分类
3．4．2 结构维的特点
3．4．3 星型模型
3．4．4 雪花模型
3．4．5 雪花模型与星型模型的对比
3．5 事实表
3．6 多维数据集
3．7 ROLAP、MOLAP和HOLAP
3．7．1 ROLAP
3．7．2 索引
3．7．3 MOLAP
3．7．4 MOLAP与ROLAP的比较
3．7．5 HOLAP
3．8 小结
阅读资料
基于供应链数据仓库的OLAP数据挖掘(上)
案例分析
数据仓库与CRM
第4章 多维数据集的分析与建立
4．1 多维数据集
4．1．1 多维数据集的基本结构
4．1．2 虚拟多维数据结构
4．1．3 多维数据结构的分区存储
4．2 OLAP服务管理的基本术语
4．2．1 聚合
4．2．2 分区
4．2．3 钻取
4．2．4 角色
4．2．5 虚拟立方体
4．2．6 0LAP服务控制台
4．3 多维数据集结构的更新
4．3．1 OLAP存储方式回顾
4．3．2 多维数据集结构的更新方式
4．3．3 增量更新
4．3．4 刷新更新
4．3．5 完整处理
4．3．6 刷新共享维
4．3．7 检查刷新后的结果
4．4 多维扩展语言
4．4．1 MDX语言的五要素
4．4．2 MDX套用示例
4．5 小结
阅读资料
基于供应链数据仓库的OLAP数据挖掘(下)
案例分析
数据仓库--在"啤酒与尿布"中挖掘(上)
第5章 OLAP数据挖掘技术
5．1 OLAP数据挖掘技术简介
5．2 OLAP多维数据集
5．3 数据挖掘的主要功能
5．4 期望的OLAP挖掘功能
5．5 OLAP数据挖掘的有效实施
5．5．1 基于OLAP的数据特徵和比较
5．5．2 基于OLAP的关联
5．5．3 基于OLAP的分类
5．5．4 基于OLAP的预测
5．5．5 基于OLAP的聚类分析
5．5．6 回滚和比较挖掘分析
5．6 小结
阅读资料
数据挖掘的研究现状
案例分析
数据仓库--在"啤酒与尿布"中挖掘(下)
第6章 Analysis Services多维数据引擎
6．1 启动AnalysisSerVices
6．2 建立资料库和数据源
6．2．1 建立资料库结构
6．2．2 建立数据源
6．3 建立多维数据集
6．3．1 向多维数据集添加度量值
6．3．2 建立时间维度
6．3．3 建立雪花模型维度
6．3．4 建立星型模型维度
6．3．5 建立父子维度
6．3．6 完成多维数据集
6．4 编辑多维数据集
6．4．1 在多维数据集编辑器内编辑多维数据集
6．4．2 向现有多维数据集添加维度
6．5 设计存储和处理多维数据集
6．6 定义立方体的存取许可权
6．6．1 创建多维数据集角色
6．6．2 创建资料库角色
6．7 定义钻取选项
6．7．1 启用多维数据集的钻取功能
6．7．2 给角色提供钻取许可权
6．8 小结
阅读资料
SAS快速建库的方法论
案例分析
财政金融行业的数据仓库决策支持系统
第7章 iAnalyze智慧型工具简介
7．1 iAnalyze的产生背景和目标
7．2 iAnalyze的设计方案和系统需求
7．3 iAnalyze的体系结构与访问安全性
7．4 iAnalyze工具的操作
7．4．1 连线分析伺服器
7．4．2 界面功能
7．5 iAnalyze智慧型解决方案
7．5．1 用户需求和数据源分析
7．5．2 设计分析模型
7．6 小结
阅读资料
决策树的后期修剪技术
案例分析
加拿大用Sybase技术做数据统计
第8章 地税数据仓库
8．1 地税数据仓库的实施背景
8．2 实施过程
8．3 开发环境与目标
8．4 数据仓库的总体结构模型
8．5 税款开票数据立方体
8．5．1 分析目的
8．5．2 分析模型
8．6 费入库数据立方体
8．6．1 分析目的
8．6．2 分析模型
8．6．3 表结构和抽取规则
8．7 小结
阅读资料
细说BI--商业智慧型
案例分析
综合医疗系统中的数据仓库解决方案
附录A 数据仓库相关技术常用名词解释
附录B 常用的MDX函式
附录C 国外数据仓库解决方案简介