本书力求通过浅显易懂的语言和贴近生活的案例，深入浅出地介绍数据仓库与数据挖掘技术的概念和相关理论。本书内容覆盖数据仓库的概念、结构、设计、使用方法、维护方法、优化方法，以SQL Server分析服务器为例介绍了数据仓库的构建方法，以Tableau为例介绍了多维分析及数据可视化的主要操作。在数据挖掘部分，本书从数据挖掘的基础工作和流程开始，对常见的模型和方法做了全面介绍，并利用SPSS Modeler工具介绍了如何通过工具实施真实的数据挖掘过程。
本书可作为高职高专类院校电子商务、信息管理、数据库营销等专业的教材，也可作为数据分析方向的培训教材。

谷斌，数据挖掘专业硕士，长期在石家庄邮电职业技术学院从事一线教学工作，主要研究方向为电子商务、数据挖掘与数据分析。与邮政企业合作开展多项不同层面数据库营销项目和数据分析项目，较为熟悉NLP技术在邮政企业的典型应用。

第1章数据仓库与数据挖掘概述1

1.1数据库与数据仓库1

1.1.1数据的层次性1

1.1.2数据仓库出现的原因2

1.1.3数据仓库的概念4

1.1.4数据仓库与数据库的差异7

1.1.5数据仓库的商业应用8

1.2数据分析与数据挖掘8

1.2.1数据挖掘的概念10

1.2.2数据挖掘的商业流程12

1.2.3数据挖掘的典型应用13

1.2.4基于电子商务的数据挖掘技术16

1.2.5典型的数据挖掘方法17

1.3商务智能20

思考题21

第2章数据仓库分析22

2.1数据仓库的生命周期22

2.1.1数据仓库规划分析阶段23

2.1.2数据仓库设计实施阶段23

2.1.3数据仓库使用维护阶段25

2.1.4数据仓库开发的特点25

2.2数据仓库的基本体系结构26

2.2.1外部数据源27

2.2.2数据抽取27

2.2.3抽取存储区27

2.2.4数据清洗27

2.2.5数据转换28

2.2.6数据集市28

2.3数据仓库的构造模式29

思考题31

第3章数据仓库设计32

3.1数据仓库中的数据模型概述32

3.2概念模型设计33

3.2.1企业模型的建立34

3.2.2数据模型的规范35

3.2.3常见的概念模型36

3.3逻辑模型设计40

3.3.1数据仓库的数据综合41

3.3.2数据仓库中的时间分割42

3.3.3数据仓库中的数据组织形式42

3.3.4数据仓库的粒度设计43

3.4物理模型设计48

3.4.1物理模型的设计要点48

3.4.2事实表的设计49

3.4.3维度表的设计50

3.4.4物理模型的设计对数据仓库性能的影响51

思考题52



第4章数据仓库的使用53

4.1数据仓库与OLAP53

4.1.1OLAP的基本概念53

4.1.2OLAP系统与OLTP系统的区别53

4.1.3OLAP带来的好处54

4.1.4数据仓库与OLAP55

4.1.5OLAP多维数据分析56

4.2元数据59

4.2.1元数据的概念59

4.2.2元数据的作用60

4.2.3元数据的使用62

4.3数据仓库的管理与维护62

4.3.1数据管理63

4.3.2系统管理65

4.4数据仓库的优化71

4.4.1索引技术71

4.4.2物化视图75

4.4.3其他优化手段76

4.5主流的数据仓库厂商及产品77

4.6基于Analysis Services的数据仓库构建过程79

4.6.1数据准备79

4.6.2数据仓库的构建过程82

4.6.3开展OLAP分析的方法92

4.7基于Tableau的多维分析与数据可视化94

4.7.1Tableau的基本操作94

4.7.2在Tableau中开展OLAP分析的方法99

4.7.3在Tableau中完成数据展现的方法103

思考题107

第5章数据预处理108

5.1数据预处理的重要性108

5.2数据清洗110

5.2.1缺失数据处理110

5.2.2噪音数据的处理110

5.2.3不一致数据处理112

5.3数据集成与转换112

5.3.1数据集成112

5.3.2数据转换处理112

5.4数据规约114

5.4.1数据立方合计114

5.4.2维规约115

5.4.3数据压缩116

5.4.4数据块的消减117

5.5离散化和概念层次树生成118

5.5.1数据概念层次树生成119

5.5.2类别概念层次树生成121

思考题122

第6章数据挖掘基础123

6.1数据挖掘的任务123

6.2数据挖掘的实施125

6.2.1数据挖掘的基本过程125

6.2.2数据挖掘的实施难点125

6.3知识表示方法126

6.3.1产生式表示方法126

6.3.2产生式系统127

6.3.3其他知识表示方法130

思考题131

第7章数据挖掘的主要方法132

7.1关联规则挖掘132

7.1.1关联规则的定义和属性132

7.1.2关联规则的挖掘134

7.1.3关联规则的分类135

7.1.4关联规则挖掘的相关算法135

7.1.5关联分析的实际应用141

7.2分类与预测145

7.2.1分类问题与预测问题145

7.2.2决策树148

7.2.3人工神经网络155

7.2.4其他分类方法158

7.2.5预测160

7.2.6分类与预测的实际应用161

7.3聚类分析171

7.3.1聚类的定义171

7.3.2聚类分析中的数据类型与结构172

7.3.3层次方法173

7.3.4划分方法174

7.3.5聚类的实际应用175

7.4遗传算法182

7.4.1遗传算法的历史和现状182

7.4.2遗传算法常用的操作算子及实施步骤183

7.5文本挖掘184

7.5.1文本挖掘的主要应用185

7.5.2文本表示方法188

7.5.3中文的分词188

7.6Web挖掘与电子商务191

7.6.1Web挖掘定义191

7.6.2Web挖掘与电子商务192

7.6.3Web挖掘的数据来源与类型193

7.6.4Web使用模式挖掘194

思考题198

第8章大数据199

8.1大数据的基本内涵199

8.1.1大数据概念199

8.1.2大数据的典型特征199

8.2大数据技术演进200

8.2.1关系理论与关系型数据库200

8.2.2非关系型数据库的兴起202

8.2.3典型的NoSQL系统及其特点203

8.3大数据的作用205

8.3.1数据机遇206

8.3.2数据回报207

8.4大数据应用案例207

8.4.1塔吉特百货孕妇营销分析207

8.4.2试衣间的大数据应用208

8.4.3路易斯维尔利用大数据治理空气污染问题208

8.4.4阿里信用贷款和淘宝数据魔方209

8.4.5大数据时代的总统选举，奥巴马团队如何处理数据209

参考文献212