数据仓库和数据挖掘/信息分析丛书

    20世纪90年代兴起的数据仓库和数据挖掘代表着信息序化和信息分析技术的重大进展。两者的结合，已成为人类处理和分析海量信息的有力武器。
    本书在论述数据仓库和数据挖掘技术基本概念的基础上，系统和深入地剖析了数据仓库的模型，以数据仓库为应用平台的联机分析处理（olap）技术，以证券行业为对象的数据仓库的开发实例，数据库挖掘、文本挖掘、web挖掘、数据挖掘软件，以及数据挖掘的应用，尤其在竞争情报系统和客户关系管理中的应用，从而为了解和掌握数据仓库和数据挖掘技术提供了一个知识门户。
    本书可供我国企业界、情报界、咨询界、教育界的信息分析、竞争情报、信息管理、知识管理、战略管理和软科学研究从业者的专业进修，以及高等院校师生教学和参考之用。
    

第1章  绪论
  1.1  企业用户关心的新问题
  1.2  解决问题的一项新技术??数据仓库
  1.3  数据仓库的商业应用
  1.4  数据仓库与信息管理
  1.5  信息管理的新问题催生数据挖掘
  1.6  数据挖掘与信息管理
  1.7  数据仓库与数据挖掘
  1.8  数据仓库与非结构化数据的管理
  1.9  数据仓库与传统数据库长期共存
第2章  数据仓库概述
  2.1  从传统数据库到数据仓库
    2.1.1  传统数据库的不足
    2.1.2  数据仓库与传统数据库的区别
  2.2  数据仓库的基本概念
    2.2.1  外部数据源
    2.2.2  数据抽取
    2.2.3  抽取存储区
    2.2.4  数据清洗
    2.2.5  数据转换
    2.2.6  元数据
    2.2.7  数据集市
  2.3  数据仓库的体系结构
    2.3.1  数据仓库系统的三个层次
    2.3.2  数据仓库的构造模式
  2.4  数据仓库的特点
    2.4.1  面向主题
    2.4.2  数据的集成性
    2.4.3  数据的非易失性
    2.4.4  数据的时变性
  2.5  数据仓库的数据组织
    2.5.1  数据仓库的数据综合
    2.5.2  数据仓库中的时间分割
    2.5.3  数据仓库中的数据组织
第3章  数据仓库中的模型
  3.1  数据仓库中数据模型概述
  3.2  数据仓库的概念模型
    3.2.1  企业模型的建立
    3.2.2  数据模型的规范
    3.2.3  常见的概念模型
  3.3  逻辑模型与物理模型
    3.3.1  逻辑数据模型的特点
    3.3.2  物理模型的设计要点
    3.3.3  事实表的设计
    3.3.4  维度表的设计
    3.3.5  物理模型的设计对数据仓库性能的影响
  3.4  元数据模型
    3.4.1  元数据的类型
    3.4.2  元数据的作用
    3.4.3  元数据的收集与维护
    3.4.4  元数据的使用
  3.5  数据仓库的粒度模型
    3.5.1  粒度的划分
    3.5.2  粒度级别的确定
第4章  OLAP技术
  4.1  OLAP概述
    4.1.1  OLAP的发展历程与特点
    4.1.2  OLAP的基本概念
    4.1.3  OLAP分析的基本操作
    4.1.4  OLAP与OLTP的比较
  4.2  OLAP的评价标准
    4.2.1  评价OLAP的十二条准则
    4.2.2  对OLAP评价标准的补充
  4.3  基于多维数据库的OLAP
    4.3.1  多维数据库
    4.3.2  MDDB数据中的时间序列
    4.3.3  MDDB的数据存储与读取
  4.4  基于RDBMS的OLAP
    4.4.1  多维数据在RDBMS中的记录
    4.4.2  星形结构的存储实现
    4.4.3  MOLAP与ROLAP的比较
  4.5  OLAP的前端展现
    4.5.1  OLAP系统的结构
    4.5.2  OLAP结果的展现方法
第5章  数据仓库的开发实例
第6章  数据挖掘概述
第7章  数据库挖掘
第8章  文本挖掘
第9章  Web挖掘
第10章  数据挖掘应用
第11章  数据挖掘与竞争情报系统
参考文献