企業(yè)數據倉庫：規(guī)劃、建立與實現

第一章  信息技術簡史  1
  1.1  簡介  1
  1.2  IT簡史  2
    1.2.1  企業(yè)信息筒倉  5
  1.3  數據倉庫是什么  9
  1.4  回答業(yè)務問題  12
  1.5  企業(yè)數據模型  13
  1.6  方法學概述：范圍,  引導,  生產  15
    1.6.1  螺旋過程  17
    1.6.2  快速應用程序開發(fā)  18
  1.7  數據倉庫體系結構  18
  1.8  信息工人訪問  20
  1.9  問題  22
  1.10  項目  22
第二章  業(yè)務和IT在數據倉庫上的結合  24
  2.1  簡介  24
  2.2  開發(fā)教程  26
  2.3  重組業(yè)務過程  33
  2.4  業(yè)務與IT相結合  37
    2.4.1  位置評估  38
    2.4.2  能力位置  39
    2.4.3  情況評估  40
    2.4.4  價值鏈評估  40
  2.5  靈活的IT部門  41
  2.6  開放系統(tǒng)  44
  2.7  ROI和論證  46
  2.8  IT服務管理  49
  2.9  問題  51
  2.10  項目  52
第三章  如何規(guī)劃和建立數據倉庫  55
  3.1  簡介  55
  3.2  企業(yè)需求分析  58
  3.3  IT就緒性評價  62
  3.4  項目選擇  63
  3.5  倉庫概念體系結構  65
  3.6  倉庫邏輯體系結構  70
  3.7  倉庫物理體系結構  71
  3.8  數據體系結構  73
  3.9  實現  75
  3.10  問題  78
  3.11  項目  79
第四章  項目選擇和范圍  81
  4.1  簡介  81
  4.2  企業(yè)需求發(fā)現：經理會談  82
  4.3  企業(yè)需求定義：JAD會議  85
  4.4  范圍和估計  88
  4.5  規(guī)劃  90
    4.5.1  定義項目  90
    4.5.2  規(guī)劃項目  91
    4.5.3  管理項目  93
  4.6  小組成員及其技能  94
  4.7  問題  97
  4.8  項目  97
第五章  數據構模  100
  5.1  簡介  100
  5.2  企業(yè)數據構模  102
    5.2.1  合理的企業(yè)數據模型  104
  5.3  星形方案分析：創(chuàng)建維模型  105
    5.3.1  模型開發(fā)方法  106
    5.3.2  粒度  107
    5.3.3  時間  108
    5.3.4  事件  109
  5.4  開發(fā)維模型  109
  5.5  雪花形模型  111
  5.6  物理構模  112
  5.7  維數據構模的十條戒律  114
  5.8  金字塔的兩個方面：事務ER和分析星形  114
  5.9  問題  117
  5.10  項目  117
第六章  元數據庫  120
  6.1  簡介：什么是元數據  120
  6.2  元數據用法模型  123
    6.2.1  實現時元數據  123
    6.2.2  主動運行時元數據  123
    6.2.3  被動運行時元數據  124
  6.3  元數據空間模型  125
    6.3.1  活動元數據  125
    6.3.2  位置元數據  126
    6.3.3  實體元數據  126
    6.3.4  人群元數據  127
    6.3.5  動機元數據  127
    6.3.6  時間元數據  128
    6.3.7  元數據俘獲和維護  129
    6.3.8  初始元數據創(chuàng)建  129
    6.3.9  大型倉庫或多主題區(qū)域元數據  129
  6.4  信息用戶向導  130
  6.5  問題  131
  6.6  項目  132
第七章  在數據倉庫中獲得高質量信息  133
  7.1  簡介  133
  7.2  高質量信息的值  135
  7.3  獲得高質量數據的困難  137
  7.4  評價高質量數據價值的方法  138
  7.5  應該達到何種質量  139
  7.6  評價數據的方法  139
  7.7  評價數據的工具  140
  7.8  數據評價或審核  141
  7.9  問題  142
  7.10  項目  143
第八章  概念和邏輯數據倉庫  145
  8.1  簡介  145
  8.2  為什么以原則為中心  146
  8.3  元原則：關于原則的原則  147
  8.4  原則  148
    8.4.1  一般原則  148
    8.4.2  數據原則  149
    8.4.3  查詢原則  150
    8.4.4  工作倉庫原則  150
    8.4.5  元數據原則  150
    8.4.6  可縮放性原則  152
    8.4.7  倉庫管理原則  153
    8.4.8  體系結構原則和Zachman框架  154
    8.4.9  體系結構原則小結  155
  8.5  概念模型  155
    8.5.1  無規(guī)劃的決策支持  156
    8.5.2  虛擬數據倉庫  156
    8.5.3  主題區(qū)域的語義集成  157
    8.5.4  查詢管理主題區(qū)域  158
    8.5.5  單一倉庫  159
    8.5.6  標準數據存檔  159
  8.6  體系結構選擇  160
    8.6.1  無規(guī)劃的決策支持  161
    8.6.2  虛擬數據倉庫  161
    8.6.3  主題區(qū)域的語義集成  162
    8.6.4  查詢管理主題區(qū)域  162
    8.6.5  單一倉庫  162
    8.6.6  標準數據存檔  162
  8.7  邏輯模型  163
  8.8  問題  165
  8.9  項目  165
第九章  物理數據倉庫  169
  9.1  簡介  169
  9.2  物理存儲  170
  9.3  數據庫因素  175
  9.4  數據庫服務器硬件  177
  9.5  操作系統(tǒng)  182
    9.5.1  性能  182
    9.5.2  可恢復性  183
    9.5.3  集成度  183
    9.5.4  安全性  183
    9.5.5  可管理性  183
  9.6  查詢服務器和應用程序服務器  184
  9.7  網絡和連接  184
  9.8  中間件  185
    9.8.1  Usage  Tracker  185
    9.8.2  Intelligent  Warehouse  185
    9.8.3  事務處理監(jiān)視程序  186
    9.8.4  中間件選擇  186
  9.9  知識工程工作站  186
  9.10  部署體系結構  187
  9.11  問題  190
  9.12  項目  191
第十章  數據轉換  193
  10.1  簡介  193
  10.2  規(guī)劃  193
  10.3  數據提取和移動方法  195
  10.4  數據轉換  197
  10.5  數據加載  199
  10.6  問題  201
  10.7  項目  201
第十一章  數據訪問  203
  11.1  簡介  203
  11.2  工具選擇  203
    11.2.1  信息用戶類型  204
    11.2.2  所有的FLAP  205
    11.2.3  廠商選擇準則  205
  11.3  信息發(fā)布  206
  11.4  Web訪問  207
  11.5  電子表格  208
  11.6  可視化工具  211
  11.7  查詢工具  214
    11.7.1  技術功能  214
    11.7.2  查詢功能  214
    11.7.3  顯示功能  215
    11.7.4  接口功能  215
  11.8  EIS和DSS工具類型  220
  11.9  數據挖掘簡介  221
  11.10  問題  222
  11.11  項目  223
第十二章  數據挖掘  224
  12.1  簡介  224
  12.2  數據準備  225
  12.3  神經網絡  228
  12.4  基因算法  232
  12.5  群集和分類  233
  12.6  決策樹  234
  12.7  統(tǒng)計學  236
    12.7.1  回歸模型  236
    12.7.2  判別式分析  236
  12.8  軟件產品  237
  12.9  軟件舉例  238
  12.10  問題  241
  12.11  項目  241
詞匯表  243