數(shù)據(jù)倉(cāng)庫技術(shù)與聯(lián)機(jī)分析處理

理論篇
第一章  從數(shù)據(jù)庫到數(shù)據(jù)庫倉(cāng)庫
1.1  從數(shù)據(jù)庫到數(shù)據(jù)倉(cāng)庫
1.2  什么是數(shù)據(jù)倉(cāng)庫
1.2.1  主題與面向主題
1.2.2  數(shù)據(jù)倉(cāng)庫的其他三個(gè)特征
1.3  數(shù)據(jù)倉(cāng)庫中的數(shù)據(jù)組織
1.3.1  數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)組織結(jié)構(gòu)
1.3.2  粒度與分割
1.3.3  數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)組織形式
1.3.4  數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)追加
1.4  數(shù)據(jù)庫體系化環(huán)境
1.4.1  四層體系化環(huán)境
1.4.2  數(shù)據(jù)庫集市
1.5  小結(jié)
第二章  數(shù)據(jù)倉(cāng)庫設(shè)計(jì)
2.1  數(shù)據(jù)倉(cāng)庫系統(tǒng)設(shè)計(jì)方法概述
2.2  數(shù)據(jù)倉(cāng)庫設(shè)計(jì)的三級(jí)數(shù)據(jù)模型
2.2.1  概念模型
2.2.2  邏輯模型
2.2.3  物理模型
2.2.4  高級(jí)模型、中級(jí)模型和低級(jí)模型
2.3  提高數(shù)據(jù)倉(cāng)庫的性能
2.3.1  粒度劃分
2.3.2  分割
2.3.3  數(shù)據(jù)倉(cāng)庫物理設(shè)計(jì)中的其他一些問題
2.4  數(shù)據(jù)倉(cāng)庫中的元數(shù)據(jù)
2.5  數(shù)據(jù)倉(cāng)庫設(shè)計(jì)步驟
2.5.1  概念模型設(shè)計(jì)
2.5.2  技術(shù)準(zhǔn)備工作
2.5.3  邏輯模型設(shè)計(jì)
2.5.4  物理模型設(shè)計(jì)
2.5.5  數(shù)據(jù)倉(cāng)庫的生成
2.5.6  數(shù)據(jù)倉(cāng)庫的使用與維護(hù)
2.6  小結(jié)
第三章  操作數(shù)據(jù)存儲(chǔ)(ODS)
3.1  什么是ODS
3.1.1  ODS的定義及特點(diǎn)
3.1.2  ODS的功能和實(shí)現(xiàn)機(jī)制
3.2  DB-ODS-DW體系結(jié)構(gòu)
3.2.1  ODS與DW
3.2.2  DB-ODS-DW三層體系結(jié)構(gòu)
3.3  創(chuàng)建ODS
3.3.1  ODS數(shù)據(jù)模式的形成過程
3.3.2  ODS對(duì)數(shù)據(jù)的控制——獲取并傳輸
3.3.3  創(chuàng)建ODS的兩條技術(shù)路線
3.4  實(shí)例——商場(chǎng)ODS系統(tǒng)
3.5  小結(jié)
第四章  數(shù)據(jù)倉(cāng)庫投資回報(bào)分析
4.1  概述
4.2  數(shù)據(jù)倉(cāng)庫投資回報(bào)的定量分析
4.2.1  投資回報(bào)的度量標(biāo)準(zhǔn)
4.2.2  數(shù)據(jù)倉(cāng)庫的投資回報(bào)率與回報(bào)周期
4.2.3  數(shù)據(jù)倉(cāng)庫投資回報(bào)分析
4.3  數(shù)據(jù)倉(cāng)庫投資回報(bào)的定性分析
4.4  數(shù)據(jù)倉(cāng)庫實(shí)現(xiàn)分析
4.4.1  建立數(shù)據(jù)倉(cāng)庫的必要性分析
4.4.2  技術(shù)選擇分析
4.4.3  數(shù)據(jù)倉(cāng)庫實(shí)現(xiàn)方法的投資回報(bào)分析
4.4.4  數(shù)據(jù)倉(cāng)庫實(shí)現(xiàn)目標(biāo)的投資回報(bào)分析
4.5  典型企業(yè)的投資回報(bào)分析
4.5.1  美國(guó)麻薩諸塞州政府（Commonwealth of Massachusetts）(ROI 44%)
4.5.2  荷蘭Interpolis公司（ROI 568%）
4.5.3  美國(guó)Niagara Mohawk能源公司（ROI 1413%）
4.6  小結(jié)
工具篇  
第五章  數(shù)據(jù)倉(cāng)庫工具
5.1    數(shù)據(jù)倉(cāng)庫工具——數(shù)據(jù)倉(cāng)庫系統(tǒng)的重要組成部分
5.1.1  數(shù)據(jù)倉(cāng)庫系統(tǒng)的結(jié)構(gòu)
5.1.2  數(shù)據(jù)庫系統(tǒng)與數(shù)據(jù)倉(cāng)庫系統(tǒng)的組成結(jié)構(gòu)的比較
5.2  數(shù)據(jù)分析工具發(fā)展
5.2.1  EIS軟件
5.2.2  PC挖掘工具
5.2.3  OLAP服務(wù)器
5.2.4  面向數(shù)據(jù)倉(cāng)庫、支持決策應(yīng)用的數(shù)據(jù)分析產(chǎn)品
5.3  數(shù)據(jù)分析模型
5.3.1  四種分析模型
5.3.2  比較
5.4  數(shù)據(jù)倉(cāng)庫工具簡(jiǎn)介
5.4.1  驗(yàn)證型工具
5.4.2  發(fā)掘型工具
第六章  決策支持工具的新進(jìn)展——聯(lián)面分析處理(OLAP)
6.1  從OLTP到OLAP
6.1.1  OLAP的出現(xiàn)
6.1.2  什么是OLAP
6.1.3  OLTP與OLAP的關(guān)系及比較
6.2  OLAP的特征及衡量標(biāo)準(zhǔn)
6.2.1  Codd關(guān)于OLAP產(chǎn)品的十二條評(píng)價(jià)準(zhǔn)則
6.2.2  其他廠商對(duì)Codd的十二條準(zhǔn)則的看法
6.3  OLAP實(shí)施
6.4  基于多維數(shù)據(jù)庫的OLAP實(shí)現(xiàn)
6.4.1  多維數(shù)據(jù)
6.4.2  維的層次關(guān)系和類
6.4.3  時(shí)間序列數(shù)據(jù)類型
6.4.4  多維數(shù)據(jù)庫存儲(chǔ)
6.4.5  多維數(shù)據(jù)庫存取
6.5  基于關(guān)系數(shù)據(jù)庫的OLAP實(shí)現(xiàn)
6.6  兩種技術(shù)間的比較
6.6.1  結(jié)構(gòu)
6.6.2  數(shù)據(jù)存儲(chǔ)和管理
6.6.3  數(shù)據(jù)存取
6.6.4  適應(yīng)性
6.7  OLAP產(chǎn)品介紹及選擇
6.7.1  產(chǎn)品介紹
6.7.2  產(chǎn)品選擇
6.8  OLAP的新發(fā)展及在我國(guó)的應(yīng)用展望
6.8.1  OLAP的新發(fā)展
6.8.2  OLAP在我國(guó)的應(yīng)用展望
第七章  數(shù)據(jù)挖掘(Data Mining)工具
7.1  Data Mining的技術(shù)基礎(chǔ)
7.1.1  Data Mining的概念
7.1.2  Data Mining的方法與技術(shù)
7.1.3  Data Mining的分析方法
7.2  Data Mining系統(tǒng)的體系結(jié)構(gòu)及運(yùn)行過程
7.2.1  數(shù)據(jù)挖掘的步驟
7.2.2  實(shí)例
7.3  從技術(shù)與實(shí)現(xiàn)
7.4  Data Mining與OLAP的區(qū)別和聯(lián)系
7.5  數(shù)據(jù)挖掘的應(yīng)用
應(yīng)用篇
第八章  數(shù)據(jù)倉(cāng)庫應(yīng)用談
8.1  數(shù)據(jù)倉(cāng)庫應(yīng)用概述
8.1.1 全局應(yīng)用
8.1.2 復(fù)雜分析
8.2  數(shù)據(jù)倉(cāng)庫的應(yīng)用實(shí)例
8.2.1 數(shù)據(jù)倉(cāng)庫解決“蜘蛛網(wǎng)”問題
8.2.2  分層決策體系
8.2.3  數(shù)據(jù)抽樣分析
8.2.4  發(fā)揮歷史數(shù)據(jù)的經(jīng)濟(jì)效益
8.2.5  回扣分析
8.3  小結(jié)
第九章  數(shù)據(jù)倉(cāng)庫的應(yīng)用與實(shí)踐
9.1  任務(wù)來源
9.2  研制過程
9.2.1  前期準(zhǔn)備工作
9.2.2  總體方案的確立
9.2.3  數(shù)據(jù)模型分析與數(shù)據(jù)庫設(shè)計(jì)
9.2.4  應(yīng)用系統(tǒng)開發(fā)
9.3  研制成果
9.4  作用與效益
9.5  結(jié)束語
附錄  中國(guó)銀行廣東省分行FMIS系統(tǒng)
產(chǎn)品篇
第十章  INFORMIX公司的數(shù)據(jù)倉(cāng)庫解決方案及其OLAP產(chǎn)品MetaCube技術(shù)分析
10.1  INFORMIX數(shù)據(jù)倉(cāng)庫解決方案
10.2  聯(lián)機(jī)事務(wù)處理（OLTP）、數(shù)據(jù)倉(cāng)庫與聯(lián)機(jī)分析處理（OLAP）
10.3  Informix公司數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)分析模型——多維模型
10.3.1  什么是多維模型
10.3.2  多維模型的實(shí)現(xiàn)關(guān)鍵——計(jì)算中間表的設(shè)計(jì)
10.4  Informix OLAP產(chǎn)品MetaCube介紹及技術(shù)分析
10.4.1  MetaCube的技術(shù)特色
10.4.2  MetaCube Explorer
10.4.3  MetaCube Warehouse Manager
10.5  MetaCube使用實(shí)例
10.5.1  DSS系統(tǒng)MetaCube DEMO的多維模型
10.5.2  MetaCube DEMO的邏輯模型實(shí)現(xiàn)
10.5.3  通過MetaCube Explorer訪問MetaCube DEMO中的數(shù)據(jù)
10.5.4  利用MetaCube Optimizer優(yōu)化數(shù)據(jù)倉(cāng)庫
10.6  結(jié)束語
第十一章  Oracle數(shù)據(jù)倉(cāng)庫解決方案及OLAP產(chǎn)品技術(shù)分析
11.1  ORACLE數(shù)據(jù)倉(cāng)庫解決方案
11.1.1  數(shù)據(jù)倉(cāng)庫建模和設(shè)計(jì)
11.1.2  數(shù)據(jù)抽取
11.1.3  數(shù)據(jù)倉(cāng)庫管理
11.1.4  數(shù)據(jù)分析
11.2  Oracle OLAP產(chǎn)品介紹
11.2.1  OLAP背景
11.2.2  OLAP的兩類用戶
11.2.3  Oracle OLAP產(chǎn)品系列
11.3  Oracle Express Server技術(shù)特色
11.3.1  Express Server結(jié)構(gòu)
11.3.2  Express 數(shù)據(jù)模型
11.3.3  Oracle Express 的存儲(chǔ)結(jié)構(gòu)
11.3.4  Express 多維數(shù)據(jù)模型的優(yōu)點(diǎn)
11.3.5  Express Server數(shù)據(jù)的提取及其與關(guān)系數(shù)據(jù)庫的集成
11.3.6  SQL與多維查詢的實(shí)例
11.4  實(shí)例
11.4.1  數(shù)據(jù)模型定義
11.4.2  數(shù)據(jù)抽取
11.4.3  通過EXPRESS OBJECT分析
11.4.4  總結(jié)
第十二章  Sybase的交互式數(shù)據(jù)倉(cāng)庫解決方案及其特色產(chǎn)品Sybase IQ
12.1  Sybase的數(shù)據(jù)倉(cāng)庫三層體系結(jié)構(gòu)
12.1.1  多層體系結(jié)構(gòu)的概念與劃分
12.1.2  三層客戶/服務(wù)器結(jié)構(gòu)適應(yīng)的數(shù)據(jù)倉(cāng)庫應(yīng)用的需要
12.2  Sybase的QuickStart DataMart捆綁計(jì)劃
12.2.1  Sybase數(shù)據(jù)倉(cāng)庫體系環(huán)境
12.2.2  數(shù)據(jù)倉(cāng)庫和數(shù)據(jù)集市（Data Wart）
12.2.3  Sybase的“ WarehouseNOW”策略：Quick Start DataMart
12.3  Sybase特色產(chǎn)品Sybase IQ的技術(shù)簡(jiǎn)介
12.3.1  Sybase IQ產(chǎn)品定位
12.3.2  Sybase IQ服務(wù)器技術(shù)特色
12.3.3  Bit-Wise索引的建立
12.4  數(shù)據(jù)倉(cāng)庫設(shè)計(jì)工具——PowerDesignor Warehouse Architect 6.0
12.4.1  維建模與相關(guān)概念
12.4.2  Warehouse Architect功能簡(jiǎn)介
附錄1  設(shè)置Sybase IQ的基本步驟
附錄2  測(cè)試比較
附錄3  Sybase IQ的典型用戶——美國(guó)MCI公司的SQLD數(shù)據(jù)倉(cāng)庫
參考文獻(xiàn)