更新时间：2018-12-27 10:43:28
封面
版权信息
出版说明
近两年系统开发和应用的一些趋势
关于“开发专家之数据库”系列
如何突破：新案例、新应用、新方法
前言
一、本书的内容安排思路
二、本书的写作特色
第1章 发掘数据金矿的工具：BI与DW、OLAP、DM
1.1 企业经营管理活动对商业智能的需求
1.1.1 企业经营活动面临的挑战
1.1.2 企业决策实现过程的信息需求
1.1.3 企业信息化系统的进化
1.2 商业智能的技术构成
1.2.1 什么是商业智能
1.2.2 商业智能的结构描述
1.2.3 数据挖掘和商业智能工具
1.2.4 商业智能工具的选择
1.2.5 SQL Server 2005的商业智能构架
1.3 部署商业智能
1.3.1 商业智能如何协助企业管理
1.3.2 商业智能在各领域的应用
1.3.3 商业智能应用实例
第2章 构建简单的BI应用：福马特商业智能系统
2.1 设计和创建数据仓库
2.1.1 原始业务数据分析
2.1.2 设计数据仓库逻辑模型
2.1.3 创建foodmartsaleDW数据仓库
2.2 设计和使用ETL
2.3 创建OLAP数据立方
2.3.1 定义数据源
2.3.2 定义数据源视图
2.3.3 生成多维数据集
2.4 创建和使用报表
2.4.1 创建报表
2.4.2 使用报表
2.5 实现其他前端展现
2.6 使用数据挖掘获取商业智能
2.6.1 商务需求分析
2.6.2 创建挖掘结构
2.6.3 从数据挖掘中获取有价值的信息
第3章 BI分析的基石：结构良好的数据仓库设计
3.1 数据的两种组织形式：操作数据和分析数据
3.1.1 操作型系统和分析型系统的分离
3.1.2 事务处理和分析处理的对比
3.1.3 操作型数据与分析型数据的对比
3.1.4 数据仓库的特点
3.2 数据仓库设计方法论
3.2.1 数据库设计与数据仓库设计
3.2.2 数据仓库的架构方式及其比较
3.2.3 宏观上的数据仓库设计
3.2.4 微观上的数据仓库设计
3.2.5 2种创建数据仓库的模式
3.2.6 技术上需要关注的重点步骤
3.3 理解历史数据和分析需求
3.3.1 “数据驱动+用户驱动”的设计理念
3.3.2 理解业务数据
3.3.3 确定用户对分析型数据的需求
3.4 明确仓库的对象：主题和元数据
3.4.1 信息打包技术
3.4.2 理解数据仓库中的主题
3.4.3 理解数据仓库中的元数据
3.5 确定分析内容的构成：事实及其粒度
3.5.1 事实、度量和事实表
3.5.2 事实表的设计
3.5.3 粒度的设计
3.5.4 聚合的设计
3.5.5 数据分割
3.6 规划分析的视角：维度
3.6.1 维度的构成
3.6.2 维度的特性
3.6.3 维度的分类
3.6.4 维度的层次和级别
3.6.5 维度的缓慢变化特性及其处理
3.6.6 典型的维度设计
3.7 数据仓库物理模型设计
3.7.1 设计存储结构
3.7.2 设计索引策略
3.7.3 设计存储策略
3.8 数据仓库设计示例
3.8.1 销售数据仓库
3.8.2 保险业数据仓库
3.9 数据仓库数据库设计的心得总结
3.9.1 透彻理解数据仓库设计过程
3.9.2 把握设计的关键环节
3.9.3 分离非分析数据
第4章 用SSIS对数据进行ETL操作
4.1 认识SSIS
4.1.1 使用SSIS的效果
4.1.2 SSIS的工作原理
4.1.3 第一个SSIS包的设计
4.2 SSIS关键元素的使用
4.2.1 包
4.2.2 容器
4.2.3 任务
4.2.4 优先约束
4.2.5 源
4.2.6 转换
4.2.7 目标
