查看同類圖書：科學技術»計算機/網絡»數據庫»SQL Sever»SQL Server 2005數據挖掘與商業智能完全解決方案

SQL Server 2005數據挖掘與商業智能完全解決方案

【作　者】：朱德利

【叢編項】：開發專家之數據庫

【裝幀項】：平裝 16開 / 383

【出版項】：電子工業出版社 / 2007年10月

【ISBN號】：9787121050152 / 7121050153

【原書定價】：￥43.00　有3家書店打折銷售　

【主題詞】：數據庫－SQL Server

書籍介紹

購買本書

【圖書簡介】
　　本書以BI解決方案的體系結構為中心，以SQL Server 2005為載體，將著眼點放在數據挖掘和商業智能上，詳細講解了數據報表、數據分析和數據挖掘這3個層面在SQL Server中的理論和技術細節。全書共12章，全面闡述了SQL Server 2005商業智能平臺中SSIS、SSAS和SSRS的使用技巧和在商業智能領域的應用方法。本書內容分為3個層次。前兩章為第1層次，是基礎，第3章開始到第10章為第2層次，是OLAP應用，最后兩章為第3層次，是數據挖掘。其中，第1章是對BI、DW、OLAP和DM的基本概念和理論的綜述。第2章創建了一個完整的BI應用示例。第3章講述了設計一個結構良好的數據倉庫的方法和技巧。第4章和第5章則詳述了數據整合工具SSIS的使用方法及其在BI領域的應用范例。第6章和第7章針對分析服務SSAS的基本使用和高級使用進行了講解。第8章描述了MDX在多維數據庫中的應用。第9章描述的是用SSRS處理智能報表的技術。第10章介紹了前面的知識在商業智能分析中的綜合應用。第11章和第12章描述的是數據挖掘技術在SQL Server平臺下的基本使用和滿足商務分析需求的具體示例。本書內容翔實，示例豐富，結構合理，語言簡潔流暢。在寫作過程中力求把每一個知識點和技術方法講深講透。本書良好的結構設計保證了它既可以作為各種數據庫培訓班和大專院校的數據庫、數據倉庫和數據挖掘領域的教材，又可作為各類開發人員及企業管理人員的參考用書。

【本書目錄】
第1章  發掘數據金礦的工具：
BI與DW、OLAP、DM 1
1.1  企業經營管理活動對
商業智能的需求 1
1.1.1  企業經營活動面臨的挑戰 1
1.1.2  企業決策實現過程的
信息需求 4
1.1.3  企業信息化系統的進化 5
1.2  商業智能的技術構成 7
1.2.1  什么是商業智能 7
1.2.2  商業智能的結構描述 9
1.2.3  數據挖掘和商業智能工具 11
1.2.4  商業智能工具的選擇 12
1.2.5  SQL Server 2005的
商業智能構架 13
1.3  部署商業智能 14
1.3.1  商業智能如何協助
企業管理 14
1.3.2  商業智能在各領域的應用 15
1.3.3  商業智能應用實例 17
第2章  構建簡單的BI應用：
福馬特商業智能系統 21
2.1  設計和創建數據倉庫 21
2.1.1  原始業務數據分析 21
2.1.2  設計數據倉庫邏輯模型 22
2.1.3  創建foodmartsaleDW
數據倉庫 23
2.2  設計和使用ETL 23
2.3  創建OLAP數據立方 27
2.3.1  定義數據源 27
2.3.2  定義數據源視圖 28
2.3.3  生成多維數據集 30
2.4  創建和使用報表 34
2.4.1  創建報表 35
2.4.2  使用報表 38
2.5  實現其他前端展現 39
2.6  使用數據挖掘獲取商業智能 42
2.6.1  商務需求分析 42
2.6.2  創建挖掘結構 43
2.6.3  從數據挖掘中獲取
有價值的信息 44
第3章  BI分析的基石：
結構良好的數據倉庫設計 47
3.1  數據的兩種組織形式：
操作數據和分析數據 47
3.1.1  操作型系統和分析型
系統的分離 47
3.1.2  事務處理和分析
處理的對比 48
3.1.3  操作型數據與分析型
數據的對比 49
3.1.4  數據倉庫的特點 50
3.2  數據倉庫設計方法論 53
3.2.1  數據庫設計與
數據倉庫設計 53
3.2.2  數據倉庫的架構方式
及其比較 55
3.2.3  宏觀上的數據倉庫設計 60
3.2.4  微觀上的數據倉庫設計 61
3.2.5  2種創建數據倉庫的模式 62
3.2.6  技術上需要關注的
重點步驟 63
3.3  理解歷史數據和分析需求 64
3.3.1 “數據驅動＋用戶驅動”
的設計理念 64
3.3.2  理解業務數據 64
3.3.3  確定用戶對分析型
數據的需求 69
3.4  明確倉庫的對象：主題和元數據 72
3.4.1  信息打包技術 73
3.4.2  理解數據倉庫中的主題 77
3.4.3  理解數據倉庫中的元數據 80
3.5  確定分析內容的構成：
事實及其粒度 81
3.5.1  事實、度量和事實表 82
3.5.2  事實表的設計 82
3.5.3  粒度的設計 83
3.5.4  聚合的設計 89
3.5.5  數據分割 90
3.6  規劃分析的視角：維度 91
3.6.1  維度的構成 91
3.6.2  維度的特性 91
3.6.3  維度的分類 92
3.6.4  維度的層次和級別 94
3.6.5  維度的緩慢變化
特性及其處理 95
3.6.6  典型的維度設計 97
3.7  數據倉庫物理模型設計 99
3.7.1  設計存儲結構 99
3.7.2  設計索引策略 100
3.7.3  設計存儲策略 100
3.8  數據倉庫設計示例 102
3.8.1  銷售數據倉庫 102
3.8.2  保險業數據倉庫 103
3.9  數據倉庫數據庫設計的心得總結 104
3.9.1  透徹理解數據
倉庫設計過程 104
3.9.2  把握設計的關鍵環節 104
3.9.3  分離非分析數據 105
第4章  用SSIS對數據進行ETL操作 107
4.1  認識SSIS 107
4.1.1  使用SSIS的效果 107
4.1.2  SSIS的工作原理 108
4.1.3  第一個SSIS包的設計 110
4.2  SSIS關鍵元素的使用 118
4.2.1  包 118
4.2.2  容器 119
4.2.3  任務 126
4.2.4  優先約束 136
4.2.5  源 138
4.2.6  轉換 139
4.2.7  目標 140
4.2.8  連接管理器 141
4.2.9  變量 141
4.2.10  事件處理程序 142
4.2.11  日志提供程序 143
4.3  創建一個完整的SSIS包 146
4.3.1  生成SSIS解決方案 147
4.3.2  設計控制流 148
4.3.3  設計數據連接 150
4.3.4  設計數據流 151
4.3.5  項目總結 155
4.4  包的調試 155
4.4.1  控制流的調試 156
4.4.2  數據流的調試 157
4.5  包的配置和部署 159
4.5.1  包的配置 159
4.5.2  包的部署 161
4.5.3  包的運行 162
4.6  SSIS的管理 164
4.6.1  管理SSIS服務 164
4.6.2  配置SSIS服務 165
第5章  SSIS在商業智能中的典型應用 167
5.1  SSIS在BI系統中的應用場景 167
5.1.1  合并異類數據 167
5.1.2  填充數據倉庫和數據集市 167
5.1.3  數據清洗 168
5.1.4  處理過程中加入智能轉換 168
5.1.5  自動化數據管理和加載 168
5.2  一個復雜的商務應用實例分析 169
5.2.1  包的構成 169
5.2.2  功能及其實現的原理分析 170
5.3  業務數據裝載 175
5.3.1  商務需求及其設計思路 175
5.3.2  設計基本的功能 177
5.3.3  用循環加載全部數據 179
5.3.4  增強數據加載的靈活性 179
5.3.5  增強包的可維護性 181
5.3.6  增強包的魯棒性 182
5.4  數據清洗 183
5.4.1  商務需求 184
5.4.2  設計思路 185
5.4.3  方案實現 185
5.5  SSIS商業智能應用總結 187
第6章  用SSAS進行OLAP操作 189
6.1  AS2005中OLAP的設計方法 189
6.1.1  自下而上的設計方法 189
6.1.2  自上而下的設計方法 190
6.1.3  兩種方法的使用 191
6.2  統一維度模型 191
6.3  OLAP的操作對象：
數據立方的創建 193
6.3.1  自上而下生成Cube 194
6.3.2  自下而上生成Cube 203
6.3.3  部署Cube 207
6.4  Cube的構成及其各種操作 208
6.4.1  Cube的構成 209
6.4.2  多維數據集結構 210
6.4.3  維度用法 213
6.4.4  計算 214
6.4.5  KPI 215
6.4.6  操作 216
6.4.7  分區 217
6.4.8  透視 220
6.4.9  翻譯 221
6.4.10  瀏覽器 224
6.5  通過OLAP進行數據分析 226
6.5.1  切片 226
6.5.2  切塊 227
6.5.3  鉆取 228
6.5.4  旋轉 229
第7章  數據立方的增強及其應用 231
7.1  修改Cube結構 231
7.1.1  修改度量值 231
7.1.2  修改“客戶”維度 232
7.1.3  修改“時間”維度 234
7.1.4  修改“產品”維度 236
7.2  加入分銷事實表及其維度 238
7.3  完善新增維度 239
7.3.1  父子維度的使用 239
7.3.2  分銷商維度的修改 242
7.3.3  雇員維度的修改 243
7.3.4  促銷維度的修改 244
7.3.5  維度屬性的特殊處理 244
7.4  設置維度與度量值組的關系 248
7.4.1  常規維度關系及其定義 249
7.4.2  引用維度關系及其定義 250
7.4.3  事實維度關系及其定義 252
7.4.4  多對多維度關系及其定義 254
7.5  增加計算 257
7.5.1  計算成員的創建 257
7.5.2  命名集的創建 260
7.5.3  其他腳本命令的創建 261
7.6  定義和使用KPI 261
7.6.1  KPI的設計 262
7.6.2  KPI的使用 265
7.7  增強操作 265
7.8  配置訪問權限 267
第8章  用MDX擴展OLAP功能 269
8.1  初識MDX 269
8.1.1  MDX在多維數據集
中的角色 269
8.1.2  使用模板創建
第一個MDX 270
8.1.3  MDX與SQL比較 271
8.2  MDX的構造解析 272
8.2.1  MDX語句的
基本組成部分 272
8.2.2  成員 273
8.2.3  元組 273
8.2.4  集合 274
8.2.5  區分MDX的元素 274
8.3  MDX定義語句的使用 275
8.3.1  CREATE SUBCUBE 276
8.3.2  CREATE MEMBER 276
8.4  MDX操作語句的使用 277
8.4.1  DRILLTHROUGH 277
8.4.2  SELECT 278
8.5  MDX腳本語句的使用 278
8.5.1  CALCULATE 279
8.5.2  CASE 279
8.5.3  SCOPE 280
8.6  WITH子句及其使用 281
8.6.1  用WITH創建命名集 281
8.6.2  用WITH創建計算成員 282
第9章  用SSRS處理智能報表 283
9.1  報表基本知識 283
9.1.1  報表與商業智能 283
9.1.2  SSRS的結構 284
9.1.3  SSRS報表的3種狀態 285
9.1.4  用SSRS做一個
簡單的報表 286
9.2  SSRS的配置與管理 289
9.2.1  報表管理器 290
9.2.2  Reporting Services
配置工具 291
9.2.3  SQL Server外圍
應用配置器 292
9.2.4  SQL Server Management
Studio 293
9.2.5  其他配置和管理工具 294
9.3  增強基本報表的功能 294
9.3.1  分組與排序 294
9.3.2  計算 297
9.3.3  參數化報表 297
9.3.4  復雜的參數化報表 299
9.4  報表生成器的使用 302
9.4.1  報表生成器的啟動 302
9.4.2  報表模型的創建 302
9.4.3  即席報表的創建 306
第10章  基于SSAS的商業智能分析 309
10.1  構架商業智能系統的生命周期 309
10.2  商業智能向導 310
10.2.1  商務系統需要哪些智能？ 311
10.2.2  商業智能向導的
基本使用 311
10.2.3  時間智能 313
10.2.4  賬戶智能 317
10.3  KPI分析 319
10.3.1  平衡計分卡（BSC）
與KPI 319
10.3.2  KPI技術在指標
衡量中的作用 320
10.3.3  KPI分析中的關鍵問題 321
10.4  80/20法則的分析 323
10.4.1  80/20法則 323
10.4.2  計算基本百分比 323
10.4.3  創建百分比比較表 324
10.5  用專業前端展現工具
呈現商業信息 324
10.5.1  前端展現的方法 325
10.5.2  用Excel 2007展現數據 326
10.5.3  SharePoint與
商業智能portal 336
第11章  數據挖掘體系結構與
基本使用方法 339
11.1  數據挖掘基本知識 339
11.1.1  數據挖掘與數據倉庫
及商業智能 339
11.1.2  數據挖掘體系結構 341
11.1.3  數據挖掘的工具 341
11.1.4  數據挖掘過程模型 342
11.2  SQL Server數據挖掘
方案的構成 344
11.2.1  定義問題 344
11.2.2  準備數據 345
11.2.3  瀏覽數據 345
11.2.4  生成模型 345
11.2.5  瀏覽和驗證模型 346
11.2.6  部署和更新模型 346
11.3  一個完整的數據挖掘過程
—線性回歸算法 346
11.3.1  挖掘環境的搭建 346
11.3.2  線性回歸的基本原理 348
11.3.3  使用線性回歸挖掘數據 349
11.4  邏輯回歸算法 356
11.4.1  基本原理 356
11.4.2  使用范例 357
11.4.3  驗證數據挖掘
模型的方法 359
11.4.4  邏輯回歸的參數設置 360
11.5  決策樹算法 361
11.5.1  基本原理 361
11.5.2  使用范例 362
11.5.3  決策樹的參數設置 363
11.6  聚類分析算法 364
11.6.1  基本原理 364
11.6.2  使用范例 365
11.7  Naive Bayes算法 366
11.7.1  基本原理 366
11.7.2  使用范例 366
11.8  關聯算法 367
11.8.1  基本原理 367
11.8.2  使用范例 368
11.9  數據挖掘算法使用小結 370
第12章  用數據挖掘技術滿足
商業分析需求 371
12.1  一個美麗的愛情故事 371
12.2  商業智能應用中的數據挖掘 372
12.2.1  哪些問題可以使用
Data mining 372
12.2.2  用什么挖掘技術
解決商業問題 373
12.2.3  挖掘中的非挖掘問題 374
12.3  潛在客戶分析 375
12.3.1  商業需求 375
12.3.2  解決方案 375
12.3.3  挖掘結果 377
12.4  購物籃分析 378
12.4.1  商業需求 378
12.4.2  解決方案 379
12.4.3  挖掘結果 380
12.5  數據挖掘的前端展現：
Excel 2007數據挖掘插件 380
12.5.1  插件的配置 380
12.5.2  基本使用方法 381
12.6  數據挖掘不是萬能的 383
參考文獻 385
An organization’s ability to learn, and translate that learning into action rapidly, is the ultimate competitive advantage.
Jack Welch
Chairman, General Electric

【購買本書】

購書指南»

商城名稱	價格	配送信息	優惠活動	去看看	購買
卓越網	￥34.40	送貨上門：國內308個城市郵寄：全球特快專遞：全球海外航空快遞	七周年店慶，全場免費配送	去看看	訂購
當當網	￥34.50	當天加急送：北京五環以內送貨上門：國內178個城市郵寄：全球特快專遞：全球	特惠商品68折封頂	去看看	訂購
華儲網	￥34.40	送貨上門：遼寧、長春、北京快遞、郵政遞送：全球	30萬春節大禮包連環送，全場7折+滿100免運費	去看看	訂購