SQL Server 2005数据挖掘与商业智能完全解决方案PDF|Epub|txt|kindle电子书版本网盘下载

SQL Server 2005数据挖掘与商业智能完全解决方案PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　发掘数据金矿的工具：BI与DW、OLAP、DM1

1.1　企业经营管理活动对商业智能的需求1

1.1.1　企业经营活动面临的挑战1

1.1.2　企业决策实现过程的信息需求4

1.1.3　企业信息化系统的进化5

1.2　商业智能的技术构成7

1.2.1　什么是商业智能7

1.2.2　商业智能的结构描述9

1.2.3　数据挖掘和商业智能工具11

1.2.4　商业智能工具的选择12

1.2.5 SQL Server 2005的商业智能构架13

1.3　部署商业智能14

1.3.1　商业智能如何协助企业管理14

1.3.2　商业智能在各领域的应用15

1.3.3　商业智能应用实例17

第2章　构建简单的BI应用：福马特商业智能系统21

2.1　设计和创建数据仓库21

2.1.1　原始业务数据分析21

2.1.2　设计数据仓库逻辑模型22

2.1.3　创建foodmartsaleDW数据仓库23

2.2　设计和使用ETL23

2.3　创建OLAP数据立方27

2.3.1　定义数据源27

2.3.2　定义数据源视图28

2.3.3　生成多维数据集30

2.4　创建和使用报表34

2.4.1　创建报表35

2.4.2　使用报表38

2.5　实现其他前端展现39

2.6　使用数据挖掘获取商业智能42

2.6.1　商务需求分析42

2.6.2　创建挖掘结构43

2.6.3　从数据挖掘中获取有价值的信息44

第3章　BI分析的基石：结构良好的数据仓库设计47

3.1　数据的两种组织形式：操作数据和分析数据47

3.1.1　操作型系统和分析型系统的分离47

3.1.2　事务处理和分析处理的对比48

3.1.3　操作型数据与分析型数据的对比49

3.1.4　数据仓库的特点50

3.2　数据仓库设计方法论53

3.2.1　数据库设计与数据仓库设计53

3.2.2　数据仓库的架构方式及其比较55

3.2.3　宏观上的数据仓库设计60

3.2.4　微观上的数据仓库设计61

3.2.5　2种创建数据仓库的模式62

3.2.6　技术上需要关注的重点步骤63

3.3　理解历史数据和分析需求64

3.3.1　“数据驱动＋用户驱动”的设计理念64

3.3.2　理解业务数据64

3.3.3　确定用户对分析型数据的需求69

3.4　明确仓库的对象：主题和元数据72

3.4.1　信息打包技术73

3.4.2　理解数据仓库中的主题77

3.4.3　理解数据仓库中的元数据80

3.5　确定分析内容的构成：事实及其粒度81

3.5.1　事实、度量和事实表82

3.5.2　事实表的设计82

3.5.3　粒度的设计83

3.5.4　聚合的设计89

3.5.5　数据分割90

3.6　规划分析的视角：维度91

3.6.1　维度的构成91

3.6.2　维度的特性91

3.6.3　维度的分类92

3.6.4 维度的层次和级别94

3.6.5　维度的缓慢变化特性及其处理95

3.6.6　典型的维度设计97

3.7　数据仓库物理模型设计99

3.7.1　设计存储结构99

3.7.2　设计索引策略100

3.7.3　设计存储策略100

3.8　数据仓库设计示例102

3.8.1　销售数据仓库102

3.8.2　保险业数据仓库103

3.9　数据仓库数据库设计的心得总结104

3.9.1　透彻理解数据仓库设计过程104

3.9.2　把握设计的关键环节104

3.9.3　分离非分析数据105

第4章　用SSIS对数据进行ETL操作107

4.1　认识SSIS107

4.1.1　使用SSIS的效果107

4.1.2　SSIS的工作原理108

4.1.3　第一个SSIS包的设计110

4.2　SSIS关键元素的使用118

4.2.1 包118

4.2.2　容器119

4.2.3　任务126

4.2.4　优先约束136

4.2.5　源138

4.2.6　转换139

4.2.7 目标140

4.2.8　连接管理器141

4.2.9　变量141

4.2.10　事件处理程序142

4.2.11 日志提供程序143

4.3　创建一个完整的SSIS包146

4.3.1　生成SSIS解决方案147

4.3.2　设计控制流148

4.3.3　设计数据连接150

4.3.4　设计数据流151

4.3.5　项目总结155

4.4　包的调试155

4.4.1　控制流的调试156

4.4.2　数据流的调试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 包的运行162

4.6　SSIS的管理164

4.6.1　管理SSIS服务164

4.6.2　配置SSIS服务165

第5章　SSIS在商业智能中的典型应用167

5.1　SSIS在BI系统中的应用场景167

5.1.1　合并异类数据167

5.1.2　填充数据仓库和数据集市167

5.1.3　数据清洗168

5.1.4　处理过程中加入智能转换168

5.1.5 自动化数据管理和加载168

5.2　一个复杂的商务应用实例分析169

5.2.1 包的构成169

5.2.2　功能及其实现的原理分析170

5.3　业务数据装载175

5.3.1　商务需求及其设计思路175

5.3.2　设计基本的功能177

5.3.3　用循环加载全部数据179

5.3.4　增强数据加载的灵活性179

5.3.5　增强包的可维护性181

5.3.6　增强包的鲁棒性182

5.4　数据清洗183

5.4.1　商务需求184

5.4.2　设计思路185

5.4.3　方案实现185

5.5　SSIS商业智能应用总结187

第6章　用SSAS进行OLAP操作189

6.1　AS2005中OLAP的设计方法189

6.1.1 自下而上的设计方法189

6.1.2 自上而下的设计方法190

6.1.3　两种方法的使用191

6.2　统一维度模型191

6.3　OLAP的操作对象：数据立方的创建193

6.3.1 自上而下生成Cube194

6.3.2 自下而上生成Cube203

6.3.3　部署Cube207

6.4　Cube的构成及其各种操作208

6.4.1　Cube的构成209

6.4.2　多维数据集结构210

6.4.3　维度用法213

6.4.4　计算214

6.4.5 KPI215

6.4.6　操作216

6.4.7　分区217

6.4.8　透视220

6.4.9　翻译221

6.4.10　浏览器224

6.5　通过OLAP进行数据分析226

6.5.1　切片226

6.5.2　切块227

6.5.3　钻取228

6.5.4　旋转229

第7章　数据立方的增强及其应用231

7.1　修改Cube结构231

7.1.1　修改度量值231

7.1.2　修改“客户”维度232

7.1.3　修改“时间”维度234

7.1.4　修改“产品”维度236

7.2　加入分销事实表及其维度238

7.3　完善新增维度239

7.3.1 父子维度的使用239

7.3.2　分销商维度的修改242

7.3.3　雇员维度的修改243

7.3.4　促销维度的修改244

7.3.5　维度属性的特殊处理244

7.4　设置维度与度量值组的关系248

7.4.1　常规维度关系及其定义249

7.4.2　引用维度关系及其定义250

7.4.3　事实维度关系及其定义252

7.4.4　多对多维度关系及其定义254

7.5　增加计算257

7.5.1　计算成员的创建257

7.5.2　命名集的创建260

7.5.3　其他脚本命令的创建261

7.6　定义和使用KPI261

7.6.1 KPI的设计262

7.6.2 KPI的使用265

7.7　增强操作265

7.8　配置访问权限267

第8章　用MDX扩展OLAP功能269

8.1 初识MDX269

8.1.1　MDX在多维数据集中的角色269

8.1.2　使用模板创建第一个MDX270

8.1.3 MDX与SQL比较271

8.2 MDX的构造解析272

8.2.1 MDX语句的基本组成部分272

8.2.2　成员273

8.2.3　元组273

8.2.4　集合274

8.2.5 区分MDX的元素274

8.3 MDX定义语句的使用275

8.3.1 CREATE SUBCUBE276

8.3.2 CREATE MEMBER276

8.4 MDX操作语句的使用277

8.4.1 DRILLTHROUGH277

8.4.2 SELECT278

8.5　MDX脚本语句的使用278

8.5.1 CALCULATE279

8.5.2 CASE279

8.5.3 SCOPE280

8.6 WITH子句及其使用281

8.6.1 用WITH创建命名集281

8.6.2　用WITH创建计算成员282

第9章　用SSRS处理智能报表283

9.1　报表基本知识283

9.1.1　报表与商业智能283

9.1.2 SSRS的结构284

9.1.3 SSRS报表的3种状态285

9.1.4　用SSRS做一个简单的报表286

9.2 SSRS的配置与管理289

9.2.1　报表管理器290

9.2.2 Reporting Services配置工具291

9.2.3 SQL Server外围应用配置器292

9.2.4 SQL Server Management Studio293

9.2.5 其他配置和管理工具294

9.3　增强基本报表的功能294

9.3.1　分组与排序294

9.3.2　计算297

9.3.3　参数化报表297

9.3.4　复杂的参数化报表299

9.4　报表生成器的使用302

9.4.1　报表生成器的启动302

9.4.2　报表模型的创建302

9.4.3　即席报表的创建306

第10章　基于SSAS的商业智能分析309

10.1　构架商业智能系统的生命周期309

10.2　商业智能向导310

10.2.1 商务系统需要哪些智能311

10.2.2　商业智能向导的基本使用311

10.2.3 时间智能313

10.2.4　账户智能317

10.3　KPI分析319

10.3.1　平衡计分卡（BSC）与KPI319

10.3.2 KPI技术在指标衡量中的作用320

10.3.3 KPI分析中的关键问题321

10.4 80/20法则的分析323

10.4.1 80/20法则323

10.4.2　计算基本百分比323

10.4.3　创建百分比比较表324

10.5　用专业前端展现工具呈现商业信息324

10.5.1　前端展现的方法325

10.5.2　用Excel 2007展现数据326

10.5.3 SharePoint与商业智能portal336

第11章　数据挖掘体系结构与基本使用方法339

11.1　数据挖掘基本知识339

11.1.1　数据挖掘与数据仓库及商业智能339

11.1.2　数据挖掘体系结构341

11.1.3　数据挖掘的工具341

11.1.4　数据挖掘过程模型342

11.2 SQL Server数据挖掘方案的构成344

11.2.1　定义问题344

11.2.2　准备数据345

11.2.3　浏览数据345

11.2.4　生成模型345

11.2.5　浏览和验证模型346

11.2.6　部署和更新模型346

11.3　一个完整的数据挖掘过程——线性回归算法346

11.3.1　挖掘环境的搭建346

11.3.2　线性回归的基本原理348

11.3.3　使用线性回归挖掘数据349

11.4　逻辑回归算法356

11.4.1　基本原理356

11.4.2　使用范例357

11.4.3　验证数据挖掘模型的方法359

11.4.4　逻辑回归的参数设置360

11.5　决策树算法361

11.5.1　基本原理361

11.5.2　使用范例362

11.5.3　决策树的参数设置363

11.6　聚类分析算法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　关联算法367

11.8.1　基本原理367

11.8.2　使用范例368

11.9　数据挖掘算法使用小结370

第12章　用数据挖掘技术满足商业分析需求371

12.1　一个美丽的爱情故事371

12.2　商业智能应用中的数据挖掘372

12.2.1　哪些问题可以使用Data mining372

12.2.2　用什么挖掘技术解决商业问题373

12.2.3　挖掘中的非挖掘问题374

12.3　潜在客户分析375

12.3.1 商业需求375

12.3.2　解决方案375

12.3.3　挖掘结果377

12.4　购物篮分析378

12.4.1 商业需求378

12.4.2　解决方案379

12.4.3　挖掘结果380

12.5　数据挖掘的前端展现：Excel 2007数据挖掘插件380

12.5.1　插件的配置380

12.5.2　基本使用方法381

12.6　数据挖掘不是万能的383

参考文献385