图书介绍
企业级数据仓库(ED4W)原理、设计与实践PDF|Epub|txt|kindle电子书版本网盘下载
- 王彦龙编著 著
- 出版社： 北京：电子工业出版社
- ISBN：7121031094
- 出版时间：2006
- 标注页数：359页
- 文件大小：23MB
- 文件页数：376页
- 主题词：企业管理－数据库管理系统
PDF下载
下载说明
企业级数据仓库(ED4W)原理、设计与实践PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
1.1 什么是数据仓库1
第1章 数据仓库的基本概念1
1.1.1 数据仓库是面向主题的3
1.1.2 数据仓库是集成的3
1.1.3 数据仓库是非易失的4
1.1.4 数据仓库是随时间不断变化的4
1.2 数据仓库和OLTP数据库、数据集市的区别5
1.2.1 数据仓库和OLTP数据库5
1.2.2 数据仓库和数据集市7
1.3 数据仓库技术的发展11
1.3.1 数据仓库的起步阶段11
1.3.2 企业级信息集成12
1.3.3 企业级数据仓库13
1.3.4 数据集市14
1.3.5 争吵与混乱14
1.4 数据仓库的投资回报15
1.3.6 合并15
第2章 数据仓库方法论19
2.1 数据仓库规划21
2.1.1 业务探索21
2.1.2 信息调研22
2.1.3 逻辑数据建模22
2.1.4 数据仓库解决方案准备23
2.2 数据仓库的设计与实现23
2.2.1 系统体系结构设计24
2.2.2 物理数据库和物理数据模型设计24
2.2.3 数据转换25
2.2.4 应用开发26
2.2.5 数据挖掘26
2.2.6 数据仓库管理27
2.2.7 元数据管理28
2.2.8 数据仓库评估29
2.3 数据仓库的支持与增强30
2.3.1 系统维护和支持30
2.3.2 逻辑数据模型回顾31
2.3.3 物理数据模型回顾32
2.3.4 性能调整32
2.3.5 容量规划33
第3章 数据仓库解决方案35
3.1 Teradata数据仓库解决方案38
3.1.1 产品简介与特点介绍38
3.1.2 数据装载44
3.1.3 数据仓库管理工具47
3.1.4 数据挖掘工具50
3.2 IBM数据仓库解决方案56
3.2.1 产品简介与特点介绍56
3.2.2 ETL工具介绍59
3.2.3 数据仓库工具介绍60
3.2.4 联机分析工具介绍63
3.2.5 前端图形工具介绍65
3.2.6 数据挖掘工具介绍66
3.3 Oracle数据仓库解决方案67
3.3.1 产品简介与特点介绍67
3.3.2 数据仓库工具介绍69
3.3.3 联机分析工具介绍71
3.3.4 数据挖掘工具介绍74
3.3.5 展现工具介绍76
第4章 实施规划 81
4.1 实施规划阶段的任务81
4.2 业务探索83
4.2.1 业务探索阶段的任务84
4.2.2 业务探索阶段的产出86
4.3.1 信息探索阶段的任务89
4.3 信息探索89
4.3.2 信息探索阶段的产出93
第5章 系统设计 97
5.1 系统体系结构设计97
5.1.1 设计原则98
5.1.2 主要需求99
5.1.3 层次架构101
5.1.4 组件的详细设计103
5.2 逻辑数据模型设计110
5.2.1 设计方法111
5.2.2 设计目标114
5.2.3 设计过程116
5.2.4 设计中的关键问题121
5.3 物理数据模型设计125
5.3.1 设计目标126
5.3.2 技术手段127
第6章 数据的抽取转换加载 137
6.1 数据接口138
6.1.1 接口流程及要求138
6.1.2 接口文件说明及格式143
6.2 数据映射145
6.2.1 数据映射阶段的任务146
6.2.2 数据映射阶段的产出148
6.3 ETL设计及流程管理152
6.3.1 ETL阶段的任务152
6.3.2 ETL系统的设计156
第7章 数据汇总 163
7.1 数据汇总的概念163
7.2 数据汇总的类型165
7.2.1 实体化视图166
7.2.2 中间汇总层166
7.3 中间汇总层的设计原则167
7.2.3 两种方式的优缺点167
7.4 中间表的设计模板169
7.4.1 源表与目标表的对应关系169
7.4.2 抽取过程说明170
7.5 数据挖掘基础数据集的设计与开发170
7.5.1 水平结构的挖掘数据集172
7.5.2 垂直结构的挖掘数据集172
7.5.3 两种组织形式的比较173
7.5.4 基础数据集的开发173
7.6 数据汇总的典型案例174
7.6.1 数据量174
7.6.2 基础表结构174
7.6.3 应用需求176
7.6.4 设计中间表177
8.1 KPI概述181
第8章 关键绩效指标（KPI）分析 181
8.2 KPI设计方法184
8.2.1 基本方法184
8.2.2 结合平衡计分卡设计KPI186
8.3 基于数据仓库的KPI应用188
8.3.1 KPI设计188
8.3.2 KPI应用系统190
第9章 报表与即席查询 195
9.1 报表196
9.1.1 固定报表196
9.1.2 自定义报表200
9.2 即席查询204
9.2.1 查询方法204
9.2.2 工具与技术208
10.1.1 E.F.Codd的定义211
第10章 OLAP分析与应用211
10.1 OLAP的概念211
10.1.2 OLAP委员会的定义216
10.1.3 FASMI测试216
10.2 OLAP相关术语218
10.2.1 维（Dimension）218
10.2.2 度量值（Measure）218
10.2.3 维层次（Dimension Hierarchy）219
10.2.4 维成员（Dimension Member）219
10.2.5 多维模型（Multi-Dimensional Model）220
10.2.6 数据立方体（Cube）220
10.2.7 数据单元格（Cell）221
10.3 OLAP操作221
10.3.1 切片（Slice）224
10.3.3 下钻（Drill Down）225
10.3.2 切块（Dice）225
10.3.4 上卷（Roll up）226
10.3.5 旋转（Rotate）226
10.4 OLAP主题的选择228
10.4.1 自项向下——业务探索229
10.4.2 自底向上——信息探索231
10.4.3 技术实现232
10.4.4 主题确定——自项向下与自底向上相结合233
10.5 构造数据立方体234
10.5.1 定义维度和度量信息235
10.5.2 定义数据抽取和转换规则235
10.5.3 Cube的存储236
10.5.4 定义Cube的刷新方式241
10.6 OLAP分析的方法241
10.6.1 趋势分析241
10.6.3 构成分析243
10.6.2 排名分析243
10.6.4 意外分析244
10.6.5 比较分析244
第11章 数据挖掘 247
11.1 数据挖掘的定义248
11.1.1 技术上的定义248
11.1.2 商业上的定义249
11.1.3 数据挖掘和传统分析方法的区别250
11.1.4 数据挖掘和数据仓库250
11.2 数据挖掘方法论251
11.2.1 阶段1：定义业务问题范围251
11.2.2 阶段2：选择和抽样252
11.2.3 阶段3：探索型数据分析252
11.2.4 阶段4：建模253
11.2.5 阶段5：实施253
11.3 数据挖掘实施步骤254
11.3.1 步骤1：准备数据255
11.3.2 步骤2：抽样255
11.3.3 步骤3,5：建立模型255
11.3.4 步骤4：验证模型255
11.3.5 步骤6：模型评分256
11.3.6 步骤7,8：执行256
11.3.7 步骤9：模型监测256
11.4 数据挖掘案例257
11.4.1 定义业务问题范围257
11.4.2 数据准备257
11.4.3 探索型数据分析260
11.4.4 建模262
11.4.5 模型评估264
11.4.6 模型发布267
12.1 数据质量的定义269
第12章 数据质量 269
12.2 数据质量问题产生的影响271
12.3 数据质量问题来源271
12.4 数据质量检查273
12.4.1 典型问题273
12.4.2 检查原则274
12.4.3 管理流程275
第13章 元数据管理281
13.1 元数据的概念及分类281
13.1.1 按用途分类281
13.1.2 按作用分类283
13.2 元数据的作用284
13.3 元数据管理标准化286
13.3.1 OIM和CWM标准286
13.3.2 CWM标准287
13.4 元数据管理系统的设计原则291
13.5 元数据管理系统举例292
13.5.1 整体结构293
13.5.2 元模型294
13.5.3 元数据采集294
13.5.4 元数据应用295
第14章 性能调优 297
14.1 获取高性能的关键因素297
14.1.1 应用需求298
14.1.2 数据量300
14.1.3 平台302
14.2 性能调优的方法304
14.3 应用级性能调优305
14.3.1 索引技术305
14.3.2 实体化视图308
14.3.3 连接索引308
14.3.4 数据库压缩310
14.3.5 抽样近似311
14.4 产品级性能调整312
14.4.1 内存调整312
14.4.2 I/O调整313
14.4.3 并行度的调整314
14.4.4 收集统计信息315
第15章 数据集市 317
15.1 数据集市结构的发展历程317
15.2 数据集市的概念319
15.3 数据集市的几种架构321
15.3.1 独立数据集市321
15.3.2 从属数据集市324
15.3.3 逻辑数据集市326
16.1 电信业数据仓库案例329
16.1.1 市场背景329
第16章 数据仓库典型案例 329
16.1.2 项目背景330
16.1.3 数据仓库选型331
16.1.4 解决方案331
16.1.5 实施效果336
16.2 证券业数据仓库案例337
16.2.1 市场背景337
16.2.2 项目背景339
16.2.3 数据仓库选型342
16.2.4 解决方案345
16.3 银行业数据仓库案例347
16.3.1 市场背景347
16.3.2 项目背景348
16.3.3 数据仓库选型349
16.3.4 解决方案350
16.3.5 实施效果358