SQL Server 2005數(shù)據(jù)挖掘與商業(yè)智能完全解決方案

第1章  發(fā)掘數(shù)據(jù)金礦的工具：
BI與DW、OLAP、DM 1
1.1  企業(yè)經(jīng)營(yíng)管理活動(dòng)對(duì)
商業(yè)智能的需求 1
1.1.1  企業(yè)經(jīng)營(yíng)活動(dòng)面臨的挑戰(zhàn) 1
1.1.2  企業(yè)決策實(shí)現(xiàn)過(guò)程的
信息需求 4
1.1.3  企業(yè)信息化系統(tǒng)的進(jìn)化 5
1.2  商業(yè)智能的技術(shù)構(gòu)成 7
1.2.1  什么是商業(yè)智能 7
1.2.2  商業(yè)智能的結(jié)構(gòu)描述 9
1.2.3  數(shù)據(jù)挖掘和商業(yè)智能工具 11
1.2.4  商業(yè)智能工具的選擇 12
1.2.5  SQL Server 2005的
商業(yè)智能構(gòu)架 13
1.3  部署商業(yè)智能 14
1.3.1  商業(yè)智能如何協(xié)助
企業(yè)管理 14
1.3.2  商業(yè)智能在各領(lǐng)域的應(yīng)用 15
1.3.3  商業(yè)智能應(yīng)用實(shí)例 17
第2章  構(gòu)建簡(jiǎn)單的BI應(yīng)用：
福馬特商業(yè)智能系統(tǒng) 21
2.1  設(shè)計(jì)和創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù) 21
2.1.1  原始業(yè)務(wù)數(shù)據(jù)分析 21
2.1.2  設(shè)計(jì)數(shù)據(jù)倉(cāng)庫(kù)邏輯模型 22
2.1.3  創(chuàng)建foodmartsaleDW
數(shù)據(jù)倉(cāng)庫(kù) 23
2.2  設(shè)計(jì)和使用ETL 23
2.3  創(chuàng)建OLAP數(shù)據(jù)立方 27
2.3.1  定義數(shù)據(jù)源 27
2.3.2  定義數(shù)據(jù)源視圖 28
2.3.3  生成多維數(shù)據(jù)集 30
2.4  創(chuàng)建和使用報(bào)表 34
2.4.1  創(chuàng)建報(bào)表 35
2.4.2  使用報(bào)表 38
2.5  實(shí)現(xiàn)其他前端展現(xiàn) 39
2.6  使用數(shù)據(jù)挖掘獲取商業(yè)智能 42
2.6.1  商務(wù)需求分析 42
2.6.2  創(chuàng)建挖掘結(jié)構(gòu) 43
2.6.3  從數(shù)據(jù)挖掘中獲取
有價(jià)值的信息 44
第3章  BI分析的基石：
結(jié)構(gòu)良好的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì) 47
3.1  數(shù)據(jù)的兩種組織形式：
操作數(shù)據(jù)和分析數(shù)據(jù) 47
3.1.1  操作型系統(tǒng)和分析型
系統(tǒng)的分離 47
3.1.2  事務(wù)處理和分析
處理的對(duì)比 48
3.1.3  操作型數(shù)據(jù)與分析型
數(shù)據(jù)的對(duì)比 49
3.1.4  數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn) 50
3.2  數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)方法論 53
3.2.1  數(shù)據(jù)庫(kù)設(shè)計(jì)與
數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì) 53
3.2.2  數(shù)據(jù)倉(cāng)庫(kù)的架構(gòu)方式
及其比較 55
3.2.3  宏觀上的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì) 60
3.2.4  微觀上的數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì) 61
3.2.5  2種創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)的模式 62
3.2.6  技術(shù)上需要關(guān)注的
重點(diǎn)步驟 63
3.3  理解歷史數(shù)據(jù)和分析需求 64
3.3.1 “數(shù)據(jù)驅(qū)動(dòng)＋用戶驅(qū)動(dòng)”
的設(shè)計(jì)理念 64
3.3.2  理解業(yè)務(wù)數(shù)據(jù) 64
3.3.3  確定用戶對(duì)分析型
數(shù)據(jù)的需求 69
3.4  明確倉(cāng)庫(kù)的對(duì)象：主題和元數(shù)據(jù) 72
3.4.1  信息打包技術(shù) 73
3.4.2  理解數(shù)據(jù)倉(cāng)庫(kù)中的主題 77
3.4.3  理解數(shù)據(jù)倉(cāng)庫(kù)中的元數(shù)據(jù) 80
3.5  確定分析內(nèi)容的構(gòu)成：
事實(shí)及其粒度 81
3.5.1  事實(shí)、度量和事實(shí)表 82
3.5.2  事實(shí)表的設(shè)計(jì) 82
3.5.3  粒度的設(shè)計(jì) 83
3.5.4  聚合的設(shè)計(jì) 89
3.5.5  數(shù)據(jù)分割 90
3.6  規(guī)劃分析的視角：維度 91
3.6.1  維度的構(gòu)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(jí)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(shè)計(jì) 97
3.7  數(shù)據(jù)倉(cāng)庫(kù)物理模型設(shè)計(jì) 99
3.7.1  設(shè)計(jì)存儲(chǔ)結(jié)構(gòu) 99
3.7.2  設(shè)計(jì)索引策略 100
3.7.3  設(shè)計(jì)存儲(chǔ)策略 100
3.8  數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)示例 102
3.8.1  銷(xiāo)售數(shù)據(jù)倉(cāng)庫(kù) 102
3.8.2  保險(xiǎn)業(yè)數(shù)據(jù)倉(cāng)庫(kù) 103
3.9  數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)設(shè)計(jì)的心得總結(jié) 104
3.9.1  透徹理解數(shù)據(jù)
倉(cāng)庫(kù)設(shè)計(jì)過(guò)程 104
3.9.2  把握設(shè)計(jì)的關(guān)鍵環(huán)節(jié) 104
3.9.3  分離非分析數(shù)據(jù) 105
第4章  用SSIS對(duì)數(shù)據(jù)進(jìn)行ETL操作 107
4.1  認(rèn)識(shí)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(gè)SSIS包的設(shè)計(jì) 110
4.2  SSIS關(guān)鍵元素的使用 118
4.2.1  包 118
4.2.2  容器 119
4.2.3  任務(wù) 126
4.2.4  優(yōu)先約束 136
4.2.5  源 138
4.2.6  轉(zhuǎn)換 139
4.2.7  目標(biāo) 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(chuàng)建一個(gè)完整的SSIS包 146
4.3.1  生成SSIS解決方案 147
4.3.2  設(shè)計(jì)控制流 148
4.3.3  設(shè)計(jì)數(shù)據(jù)連接 150
4.3.4  設(shè)計(jì)數(shù)據(jù)流 151
4.3.5  項(xiàng)目總結(jié) 155
4.4  包的調(diào)試 155
4.4.1  控制流的調(diào)試 156
4.4.2  數(shù)據(jù)流的調(diào)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(yùn)行 162
4.6  SSIS的管理 164
4.6.1  管理SSIS服務(wù) 164
4.6.2  配置SSIS服務(wù) 165
第5章  SSIS在商業(yè)智能中的典型應(yīng)用 167
5.1  SSIS在BI系統(tǒng)中的應(yīng)用場(chǎng)景 167
5.1.1  合并異類數(shù)據(jù) 167
5.1.2  填充數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市 167
5.1.3  數(shù)據(jù)清洗 168
5.1.4  處理過(guò)程中加入智能轉(zhuǎn)換 168
5.1.5  自動(dòng)化數(shù)據(jù)管理和加載 168
5.2  一個(gè)復(fù)雜的商務(wù)應(yīng)用實(shí)例分析 169
5.2.1  包的構(gòu)成 169
5.2.2  功能及其實(shí)現(xiàn)的原理分析 170
5.3  業(yè)務(wù)數(shù)據(jù)裝載 175
5.3.1  商務(wù)需求及其設(shè)計(jì)思路 175
5.3.2  設(shè)計(jì)基本的功能 177
5.3.3  用循環(huán)加載全部數(shù)據(jù) 179
5.3.4  增強(qiáng)數(shù)據(jù)加載的靈活性 179
5.3.5  增強(qiáng)包的可維護(hù)性 181
5.3.6  增強(qiáng)包的魯棒性 182
5.4  數(shù)據(jù)清洗 183
5.4.1  商務(wù)需求 184
5.4.2  設(shè)計(jì)思路 185
5.4.3  方案實(shí)現(xiàn) 185
5.5  SSIS商業(yè)智能應(yīng)用總結(jié) 187
第6章  用SSAS進(jìn)行OLAP操作 189
6.1  AS2005中OLAP的設(shè)計(jì)方法 189
6.1.1  自下而上的設(shè)計(jì)方法 189
6.1.2  自上而下的設(shè)計(jì)方法 190
6.1.3  兩種方法的使用 191
6.2  統(tǒng)一維度模型 191
6.3  OLAP的操作對(duì)象：
數(shù)據(jù)立方的創(chuàng)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(gòu)成及其各種操作 208
6.4.1  Cube的構(gòu)成 209
6.4.2  多維數(shù)據(jù)集結(jié)構(gòu) 210
6.4.3  維度用法 213
6.4.4  計(jì)算 214
6.4.5  KPI 215
6.4.6  操作 216
6.4.7  分區(qū) 217
6.4.8  透視 220
6.4.9  翻譯 221
6.4.10  瀏覽器 224
6.5  通過(guò)OLAP進(jìn)行數(shù)據(jù)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(zhuǎn) 229
第7章  數(shù)據(jù)立方的增強(qiáng)及其應(yīng)用 231
7.1  修改Cube結(jié)構(gòu) 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(shí)間”維度 234
7.1.4  修改“產(chǎn)品”維度 236
7.2  加入分銷(xiāo)事實(shí)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(xiāo)商維度的修改 242
7.3.3  雇員維度的修改 243
7.3.4  促銷(xiāo)維度的修改 244
7.3.5  維度屬性的特殊處理 244
7.4  設(shè)置維度與度量值組的關(guān)系 248
7.4.1  常規(guī)維度關(guān)系及其定義 249
7.4.2  引用維度關(guān)系及其定義 250
7.4.3  事實(shí)維度關(guān)系及其定義 252
7.4.4  多對(duì)多維度關(guān)系及其定義 254
7.5  增加計(jì)算 257
7.5.1  計(jì)算成員的創(chuàng)建 257
7.5.2  命名集的創(chuàng)建 260
7.5.3  其他腳本命令的創(chuàng)建 261
7.6  定義和使用KPI 261
7.6.1  KPI的設(shè)計(jì) 262
7.6.2  KPI的使用 265
7.7  增強(qiáng)操作 265
7.8  配置訪問(wèn)權(quán)限 267
第8章  用MDX擴(kuò)展OLAP功能 269
8.1  初識(shí)MDX 269
8.1.1  MDX在多維數(shù)據(jù)集
中的角色 269
8.1.2  使用模板創(chuàng)建
第一個(gè)MDX 270
8.1.3  MDX與SQL比較 271
8.2  MDX的構(gòu)造解析 272
8.2.1  MDX語(yǔ)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(qū)分MDX的元素 274
8.3  MDX定義語(yǔ)句的使用 275
8.3.1  CREATE SUBCUBE 276
8.3.2  CREATE MEMBER 276
8.4  MDX操作語(yǔ)句的使用 277
8.4.1  DRILLTHROUGH 277
8.4.2  SELECT 278
8.5  MDX腳本語(yǔ)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(chuàng)建命名集 281
8.6.2  用WITH創(chuàng)建計(jì)算成員 282
第9章  用SSRS處理智能報(bào)表 283
9.1  報(bào)表基本知識(shí) 283
9.1.1  報(bào)表與商業(yè)智能 283
9.1.2  SSRS的結(jié)構(gòu) 284
9.1.3  SSRS報(bào)表的3種狀態(tài) 285
9.1.4  用SSRS做一個(gè)
簡(jiǎn)單的報(bào)表 286
9.2  SSRS的配置與管理 289
9.2.1  報(bào)表管理器 290
9.2.2  Reporting Services
配置工具 291
9.2.3  SQL Server外圍
應(yīng)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(qiáng)基本報(bào)表的功能 294
9.3.1  分組與排序 294
9.3.2  計(jì)算 297
9.3.3  參數(shù)化報(bào)表 297
9.3.4  復(fù)雜的參數(shù)化報(bào)表 299
9.4  報(bào)表生成器的使用 302
9.4.1  報(bào)表生成器的啟動(dòng) 302
9.4.2  報(bào)表模型的創(chuàng)建 302
9.4.3  即席報(bào)表的創(chuàng)建 306
第10章  基于SSAS的商業(yè)智能分析 309
10.1  構(gòu)架商業(yè)智能系統(tǒng)的生命周期 309
10.2  商業(yè)智能向?qū)?310
10.2.1  商務(wù)系統(tǒng)需要哪些智能？ 311
10.2.2  商業(yè)智能向?qū)У?br />基本使用 311
10.2.3  時(shí)間智能 313
10.2.4  賬戶智能 317
10.3  KPI分析 319
10.3.1  平衡計(jì)分卡（BSC）
與KPI 319
10.3.2  KPI技術(shù)在指標(biāo)
衡量中的作用 320
10.3.3  KPI分析中的關(guān)鍵問(wèn)題 321
10.4  80/20法則的分析 323
10.4.1  80/20法則 323
10.4.2  計(jì)算基本百分比 323
10.4.3  創(chuàng)建百分比比較表 324
10.5  用專業(yè)前端展現(xiàn)工具
呈現(xiàn)商業(yè)信息 324
10.5.1  前端展現(xiàn)的方法 325
10.5.2  用Excel 2007展現(xiàn)數(shù)據(jù) 326
10.5.3  SharePoint與
商業(yè)智能portal 336
第11章  數(shù)據(jù)挖掘體系結(jié)構(gòu)與
基本使用方法 339
11.1  數(shù)據(jù)挖掘基本知識(shí) 339
11.1.1  數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù)
及商業(yè)智能 339
11.1.2  數(shù)據(jù)挖掘體系結(jié)構(gòu) 341
11.1.3  數(shù)據(jù)挖掘的工具 341
11.1.4  數(shù)據(jù)挖掘過(guò)程模型 342
11.2  SQL Server數(shù)據(jù)挖掘
方案的構(gòu)成 344
11.2.1  定義問(wèn)題 344
11.2.2  準(zhǔn)備數(shù)據(jù) 345
11.2.3  瀏覽數(shù)據(jù) 345
11.2.4  生成模型 345
11.2.5  瀏覽和驗(yàn)證模型 346
11.2.6  部署和更新模型 346
11.3  一個(gè)完整的數(shù)據(jù)挖掘過(guò)程
—線性回歸算法 346
11.3.1  挖掘環(huán)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(shù)據(jù) 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(yàn)證數(shù)據(jù)挖掘
模型的方法 359
11.4.4  邏輯回歸的參數(shù)設(shè)置 360
11.5  決策樹(shù)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(shù)的參數(shù)設(shè)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(guān)聯(lián)算法 367
11.8.1  基本原理 367
11.8.2  使用范例 368
11.9  數(shù)據(jù)挖掘算法使用小結(jié) 370
第12章  用數(shù)據(jù)挖掘技術(shù)滿足
商業(yè)分析需求 371
12.1  一個(gè)美麗的愛(ài)情故事 371
12.2  商業(yè)智能應(yīng)用中的數(shù)據(jù)挖掘 372
12.2.1  哪些問(wèn)題可以使用
Data mining 372
12.2.2  用什么挖掘技術(shù)
解決商業(yè)問(wèn)題 373
12.2.3  挖掘中的非挖掘問(wèn)題 374
12.3  潛在客戶分析 375
12.3.1  商業(yè)需求 375
12.3.2  解決方案 375
12.3.3  挖掘結(jié)果 377
12.4  購(gòu)物籃分析 378
12.4.1  商業(yè)需求 378
12.4.2  解決方案 379
12.4.3  挖掘結(jié)果 380
12.5  數(shù)據(jù)挖掘的前端展現(xiàn)：
Excel 2007數(shù)據(jù)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(shù)據(jù)挖掘不是萬(wàn)能的 383
參考文獻(xiàn) 385
An organization’s ability to learn, and translate that learning into action rapidly, is the ultimate competitive advantage.
Jack Welch      
Chairman, General Electric