《多維數據分析原理與套用》是2004年清華大學出版社出版的圖書，作者是姚家奕，主要講述的是數據倉庫理論、多維數據分析技術和多維數據分析套用3個方面，以某市地稅局數據倉庫的成功實施為背景案例，系統地介紹了基於Microsoft SQL Server 2000的OLAP多維數據引擎——Analvsis Services構建數據倉庫多維數據集的全過程，旨在為讀者提供從理論到套用的一整套數據倉庫OLAP解決方案的清晰視圖。
基本介紹
- 書名：多維數據分析原理與套用
- 作者：姚家奕
- 定價：20元
- 出版社：清華大學出版社
- 出版時間：2004-4-27
- 裝幀：平裝
圖書簡介,圖書目錄,
圖書簡介
數據倉庫技術的研究和套用是當前數據管理領域的熱點。隨著信息化建設在企業、國家政府部門以及社會其他領域的不斷普及，數據分析和決策支持系統的開發與建設逐漸納入到信息化建設的過程中來。面向組織決策層的數據管理技術是決策者挖掘組織內部和組織外部經營管理信息價值的有利工具和方法。
本書可以作為信息管理專業和計算機專業本科生或碩士生教材，也可以作為從事數據倉庫建設和研究人員的參考書。
本書可以作為信息管理專業和計算機專業本科生或碩士生教材，也可以作為從事數據倉庫建設和研究人員的參考書。
圖書目錄
第1章 數據倉庫體系結構
1．1 初識數據倉庫
1．2 數據倉庫解決的問題
1．3 一個成功的例子
1．4 數據倉庫中心--操作型數據還是分析型數據
1．5 數據倉庫體系結構
1．5．1 數據倉庫軟體工具集
1．5．2 體系結構的穩定性
1．5．3 維數據結構
1．6 數據倉庫體系結構的計算模式
1．7 以數據為中心
1．8 數據倉庫工作流
1．9 數據倉庫體系結構的基本特點
1．10 一個現實的問題
1．11 小結
閱讀資料
A 何時需要數據倉庫
B 數據倉庫會帶來什麼
案例分析
零售行業數據倉庫決策支持系統
第2章 數據倉庫的基本特徵
2．1 業務系統和決策支持系統
2．2 數據倉庫的數據源
2．3 數據倉庫的維
2．4 數據倉庫的事實數據
2．5 數據倉庫的多維數據模型
2．6 數據立方體
2．7 數據立方體中的數據聚合
2．8 數據倉庫的職業角色
2．9 小結
閱讀資料
什麼是數據集市
案例分析
數據倉庫技術在移動通信領域的套用
第3章 在線上分析處理系統
3．1 OLAP的實質
3．1．1 OLAP系統與OLTP系統的區別
3．1．2 OLAP系統的組成
3．2 使用維和度量進行數據分析
3．3 多維視圖
3．4 維表
3．4．1 維表的分類
3．4．2 結構維的特點
3．4．3 星型模型
3．4．4 雪花模型
3．4．5 雪花模型與星型模型的對比
3．5 事實表
3．6 多維數據集
3．7 ROLAP、MOLAP和HOLAP
3．7．1 ROLAP
3．7．2 索引
3．7．3 MOLAP
3．7．4 MOLAP與ROLAP的比較
3．7．5 HOLAP
3．8 小結
閱讀資料
基於供應鏈數據倉庫的OLAP數據挖掘(上)
案例分析
數據倉庫與CRM
第4章 多維數據集的分析與建立
4．1 多維數據集
4．1．1 多維數據集的基本結構
4．1．2 虛擬多維數據結構
4．1．3 多維數據結構的分區存儲
4．2 OLAP服務管理的基本術語
4．2．1 聚合
4．2．2 分區
4．2．3 鑽取
4．2．4 角色
4．2．5 虛擬立方體
4．2．6 0LAP服務控制台
4．3 多維數據集結構的更新
4．3．1 OLAP存儲方式回顧
4．3．2 多維數據集結構的更新方式
4．3．3 增量更新
4．3．4 刷新更新
4．3．5 完整處理
4．3．6 刷新共享維
4．3．7 檢查刷新後的結果
4．4 多維擴展語言
4．4．1 MDX語言的五要素
4．4．2 MDX套用示例
4．5 小結
閱讀資料
基於供應鏈數據倉庫的OLAP數據挖掘(下)
案例分析
數據倉庫--在"啤酒與尿布"中挖掘(上)
第5章 OLAP數據挖掘技術
5．1 OLAP數據挖掘技術簡介
5．2 OLAP多維數據集
5．3 數據挖掘的主要功能
5．4 期望的OLAP挖掘功能
5．5 OLAP數據挖掘的有效實施
5．5．1 基於OLAP的數據特徵和比較
5．5．2 基於OLAP的關聯
5．5．3 基於OLAP的分類
5．5．4 基於OLAP的預測
5．5．5 基於OLAP的聚類分析
5．5．6 回滾和比較挖掘分析
5．6 小結
閱讀資料
數據挖掘的研究現狀
案例分析
數據倉庫--在"啤酒與尿布"中挖掘(下)
第6章 Analysis Services多維數據引擎
6．1 啟動AnalysisSerVices
6．2 建立資料庫和數據源
6．2．1 建立資料庫結構
6．2．2 建立數據源
6．3 建立多維數據集
6．3．1 向多維數據集添加度量值
6．3．2 建立時間維度
6．3．3 建立雪花模型維度
6．3．4 建立星型模型維度
6．3．5 建立父子維度
6．3．6 完成多維數據集
6．4 編輯多維數據集
6．4．1 在多維數據集編輯器內編輯多維數據集
6．4．2 向現有多維數據集添加維度
6．5 設計存儲和處理多維數據集
6．6 定義立方體的存取許可權
6．6．1 創建多維數據集角色
6．6．2 創建資料庫角色
6．7 定義鑽取選項
6．7．1 啟用多維數據集的鑽取功能
6．7．2 給角色提供鑽取許可權
6．8 小結
閱讀資料
SAS快速建庫的方法論
案例分析
財政金融行業的數據倉庫決策支持系統
第7章 iAnalyze智慧型工具簡介
7．1 iAnalyze的產生背景和目標
7．2 iAnalyze的設計方案和系統需求
7．3 iAnalyze的體系結構與訪問安全性
7．4 iAnalyze工具的操作
7．4．1 連線分析伺服器
7．4．2 界面功能
7．5 iAnalyze智慧型解決方案
7．5．1 用戶需求和數據源分析
7．5．2 設計分析模型
7．6 小結
閱讀資料
決策樹的後期修剪技術
案例分析
加拿大用Sybase技術做數據統計
第8章 地稅數據倉庫
8．1 地稅數據倉庫的實施背景
8．2 實施過程
8．3 開發環境與目標
8．4 數據倉庫的總體結構模型
8．5 稅款開票數據立方體
8．5．1 分析目的
8．5．2 分析模型
8．6 費入庫數據立方體
8．6．1 分析目的
8．6．2 分析模型
8．6．3 表結構和抽取規則
8．7 小結
閱讀資料
細說BI--商業智慧型
案例分析
綜合醫療系統中的數據倉庫解決方案
附錄A 數據倉庫相關技術常用名詞解釋
附錄B 常用的MDX函式
附錄C 國外數據倉庫解決方案簡介
1．1 初識數據倉庫
1．2 數據倉庫解決的問題
1．3 一個成功的例子
1．4 數據倉庫中心--操作型數據還是分析型數據
1．5 數據倉庫體系結構
1．5．1 數據倉庫軟體工具集
1．5．2 體系結構的穩定性
1．5．3 維數據結構
1．6 數據倉庫體系結構的計算模式
1．7 以數據為中心
1．8 數據倉庫工作流
1．9 數據倉庫體系結構的基本特點
1．10 一個現實的問題
1．11 小結
閱讀資料
A 何時需要數據倉庫
B 數據倉庫會帶來什麼
案例分析
零售行業數據倉庫決策支持系統
第2章 數據倉庫的基本特徵
2．1 業務系統和決策支持系統
2．2 數據倉庫的數據源
2．3 數據倉庫的維
2．4 數據倉庫的事實數據
2．5 數據倉庫的多維數據模型
2．6 數據立方體
2．7 數據立方體中的數據聚合
2．8 數據倉庫的職業角色
2．9 小結
閱讀資料
什麼是數據集市
案例分析
數據倉庫技術在移動通信領域的套用
第3章 在線上分析處理系統
3．1 OLAP的實質
3．1．1 OLAP系統與OLTP系統的區別
3．1．2 OLAP系統的組成
3．2 使用維和度量進行數據分析
3．3 多維視圖
3．4 維表
3．4．1 維表的分類
3．4．2 結構維的特點
3．4．3 星型模型
3．4．4 雪花模型
3．4．5 雪花模型與星型模型的對比
3．5 事實表
3．6 多維數據集
3．7 ROLAP、MOLAP和HOLAP
3．7．1 ROLAP
3．7．2 索引
3．7．3 MOLAP
3．7．4 MOLAP與ROLAP的比較
3．7．5 HOLAP
3．8 小結
閱讀資料
基於供應鏈數據倉庫的OLAP數據挖掘(上)
案例分析
數據倉庫與CRM
第4章 多維數據集的分析與建立
4．1 多維數據集
4．1．1 多維數據集的基本結構
4．1．2 虛擬多維數據結構
4．1．3 多維數據結構的分區存儲
4．2 OLAP服務管理的基本術語
4．2．1 聚合
4．2．2 分區
4．2．3 鑽取
4．2．4 角色
4．2．5 虛擬立方體
4．2．6 0LAP服務控制台
4．3 多維數據集結構的更新
4．3．1 OLAP存儲方式回顧
4．3．2 多維數據集結構的更新方式
4．3．3 增量更新
4．3．4 刷新更新
4．3．5 完整處理
4．3．6 刷新共享維
4．3．7 檢查刷新後的結果
4．4 多維擴展語言
4．4．1 MDX語言的五要素
4．4．2 MDX套用示例
4．5 小結
閱讀資料
基於供應鏈數據倉庫的OLAP數據挖掘(下)
案例分析
數據倉庫--在"啤酒與尿布"中挖掘(上)
第5章 OLAP數據挖掘技術
5．1 OLAP數據挖掘技術簡介
5．2 OLAP多維數據集
5．3 數據挖掘的主要功能
5．4 期望的OLAP挖掘功能
5．5 OLAP數據挖掘的有效實施
5．5．1 基於OLAP的數據特徵和比較
5．5．2 基於OLAP的關聯
5．5．3 基於OLAP的分類
5．5．4 基於OLAP的預測
5．5．5 基於OLAP的聚類分析
5．5．6 回滾和比較挖掘分析
5．6 小結
閱讀資料
數據挖掘的研究現狀
案例分析
數據倉庫--在"啤酒與尿布"中挖掘(下)
第6章 Analysis Services多維數據引擎
6．1 啟動AnalysisSerVices
6．2 建立資料庫和數據源
6．2．1 建立資料庫結構
6．2．2 建立數據源
6．3 建立多維數據集
6．3．1 向多維數據集添加度量值
6．3．2 建立時間維度
6．3．3 建立雪花模型維度
6．3．4 建立星型模型維度
6．3．5 建立父子維度
6．3．6 完成多維數據集
6．4 編輯多維數據集
6．4．1 在多維數據集編輯器內編輯多維數據集
6．4．2 向現有多維數據集添加維度
6．5 設計存儲和處理多維數據集
6．6 定義立方體的存取許可權
6．6．1 創建多維數據集角色
6．6．2 創建資料庫角色
6．7 定義鑽取選項
6．7．1 啟用多維數據集的鑽取功能
6．7．2 給角色提供鑽取許可權
6．8 小結
閱讀資料
SAS快速建庫的方法論
案例分析
財政金融行業的數據倉庫決策支持系統
第7章 iAnalyze智慧型工具簡介
7．1 iAnalyze的產生背景和目標
7．2 iAnalyze的設計方案和系統需求
7．3 iAnalyze的體系結構與訪問安全性
7．4 iAnalyze工具的操作
7．4．1 連線分析伺服器
7．4．2 界面功能
7．5 iAnalyze智慧型解決方案
7．5．1 用戶需求和數據源分析
7．5．2 設計分析模型
7．6 小結
閱讀資料
決策樹的後期修剪技術
案例分析
加拿大用Sybase技術做數據統計
第8章 地稅數據倉庫
8．1 地稅數據倉庫的實施背景
8．2 實施過程
8．3 開發環境與目標
8．4 數據倉庫的總體結構模型
8．5 稅款開票數據立方體
8．5．1 分析目的
8．5．2 分析模型
8．6 費入庫數據立方體
8．6．1 分析目的
8．6．2 分析模型
8．6．3 表結構和抽取規則
8．7 小結
閱讀資料
細說BI--商業智慧型
案例分析
綜合醫療系統中的數據倉庫解決方案
附錄A 數據倉庫相關技術常用名詞解釋
附錄B 常用的MDX函式
附錄C 國外數據倉庫解決方案簡介
