第1章 數據倉庫與數據挖掘概述
1.1 數據庫與數據倉庫
1.1.1 數據的層次性
1.1.2 數據倉庫出現的原因
1.1.3 數據倉庫的概念
1.1.4 數據倉庫與數據庫的差異
1.1.5 數據倉庫的商業應用
1.2 數據分析與數據挖掘
1.2.1 什麼是數據挖掘
1.2.2 數據挖掘的商業流程
1.2.3 數據挖掘的典型應用
1.2.4 基於電子商務的數據挖掘技術
1.2.5 典型的數據挖掘方法
1.3 商務智能
思考題
第2章 數據倉庫分析
2.1 數據倉庫的生命周期
2.1.1 數據倉庫規划分析階段
2.1.2 數據倉庫設計實施階段
2.1.3 數據倉庫使用維護階段
2.1.4 數據倉庫開發的特點
2.2 數據倉庫的基本體系結構
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 數據集市
2.3 數據倉庫的構造模式
思考題
第3章 數據倉庫設計
3.1 數據倉庫中數據模型概述
3.2 概念模型設計
3.2.1 企業模型的建立
3.2.2 數據模型的規范
3.2.3 常見的概念模型
3.3 邏輯模型設計
3.3.1 數據倉庫的數據綜合
3.3.2 數據倉庫中的時間分割
3.3.3 數據倉庫中的數據組織
3.3.4 數據倉庫的粒度設計
3.4 物理模型設計
3.4.1 物理模型的設計要點
3.4.2 事實表的設計
3.4.3 維度表的設計
3.4.4 物理模型的設計對數據倉庫性能的影響
思考題
第4章 數據倉庫的使用
4.1 數據倉庫與聯機分析處理
4.1.1 聯機分析處理的基本概念
4.1.2 OLAP與OLTP的區別
4.1.3 OLAP帶來的好處
4.1.4 數據倉庫與OLAP
4.1.5 OLAP多維數據分析
4.2 元數據
4.2.1 元數據的概念
4.2.2 元數據的作用
4.2.3 元數據的使用
4.3 數據倉庫的管理與維護
4.3.1 數據管理
4.3.2 系統管理
4.4 數據倉庫的優化
4.4.1 索引技術
4.4.2 物化視圖
4.4.3 其他優化手段
4.5 主流的數據倉庫廠商及產品
4.6 基於Analysis Services的數據倉庫構建過程
4.6.1 數據准備
4.6.2 數據倉庫的構建過程
4.6.3 開展OLAP分析
思考題
第5章 數據預處理
5.1 數據預處理的重要性
5.2 數據清洗
5.2.1 缺失數據處理
5.2.2 噪聲數據的處理
5.2.3 不一致數據處理
5.3 數據集成與轉換
5.3.1 數據集成
5.3.2 數據轉換
5.4 數據規約
5.4.1 數據立方合計
5.4.2 維規約
5.4.3 數據壓縮
5.4.4 數據塊的消減
5.5 離散化和概念層次樹生成
5.5.1 數據概念層次樹生成
5.5.2 類別概念層次樹生成
思考題
第6章 數據挖掘基礎
6.1 數據挖掘的任務
6.2 數據挖掘的實施
6.2.1 數據挖掘的基本過程
6.2.2 數據挖掘的實施難點
6.3 知識表示方法
6.3.1 產生式知識表示方法
6.3.2 產生式系統
6.3.3 其他知識表示方法
思考題
第7章 數據挖掘的主要方法
7.1 關聯規則挖掘
7.1.1 關聯規則的定義和屬性
7.1.2 關聯規則的挖掘
7.1.3 關聯規則的分類
7.1.4 關聯規則挖掘的相關算法
7.1.5 關聯分析的實際應用
7.2 分類與預測
7.2.1 分類問題與預測問題
7.2.2 決策樹
7.2.3 人工神經網絡
7.2.4 其他分類方法
7.2.5 預測
7.2.6 分類與預測的實際應用
7.3 聚類分析
7.3.1 聚類的定義
7.3.2 聚類分析中的數據類型與結構
7.3.3 層次方法
7.3.4 划分方法
7.3.5 聚類的實際應用
7.4 遺傳算法
7.4.1 遺傳算法的歷史和現狀
7.4.2 遺傳算法常用的操作算子及實施步驟
7.5 文本挖掘
7.5.1 文本挖掘的主要應用
7.5.2 文本表示方法
7.5.3 中文的分詞
7.6 Web挖掘與電子商務
7.6.1 Web挖掘定義
7.6.2 web挖掘與電子商務
7.6.3 web挖掘的數據來源與類型
7.6.4 Web使用模式挖掘
思考題
第8章 大數據
8.1 大數據的由來
8.1.1 大數據概念
8.1.2 大數據的典型特征
8.2 大數據處理的相關技術
8.3 大數據的作用
8.3.1 數據機遇
8.3.2 數據回報
8.4 大數據應用案例
8.4.1 塔吉特百貨孕婦營銷分析
8.4.2 試衣問的大數據應用
8.4.3 路易斯維爾利用大數據治理空氣污染問題
8.4.4 阿里信用貸款和淘寶數據魔方
8.4.5 大數據時代的總統選舉，奧巴馬團隊如何處理數據
參考文獻
