信息技術(shù)的迅速發(fā)展和企業(yè)管理決策支持的迫切需要，在短短的幾年內(nèi)將數(shù)據(jù)倉(cāng)庫(kù)（Data Warehouse）從純粹的理論研究迅速轉(zhuǎn)化為決策支持領(lǐng)域中一種實(shí)用性極強(qiáng)的技術(shù)。數(shù)據(jù)倉(cāng)庫(kù)的發(fā)展將我們從簡(jiǎn)單的批處理、聯(lián)機(jī)事務(wù)處理的信息處理時(shí)代帶入了聯(lián)機(jī)分析處理、數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘的信息分析時(shí)代。這一發(fā)展過程具有內(nèi)在的動(dòng)力和外在的推力。企業(yè)在早期的信息化進(jìn)程中所構(gòu)建的聯(lián)機(jī)事務(wù)處理系統(tǒng)為企業(yè)業(yè)務(wù)快速、準(zhǔn)確地處理提供了基本條件，同時(shí)為企業(yè)積累了大量有價(jià)值的業(yè)務(wù)信息。但是這些處理只能支持企業(yè)的日常業(yè)務(wù)工作，而對(duì)企業(yè)的經(jīng)營(yíng)管理決策卻很少能夠提供支持。許多企業(yè)的經(jīng)營(yíng)管理人員在日趨嚴(yán)重的市場(chǎng)競(jìng)爭(zhēng)壓力下，開始著手建立數(shù)據(jù)存儲(chǔ)--數(shù)據(jù)集市用于經(jīng)營(yíng)管理決策，以應(yīng)對(duì)日益嚴(yán)酷的市場(chǎng)競(jìng)爭(zhēng)。這些因素最終促進(jìn)了數(shù)據(jù)倉(cāng)庫(kù)的發(fā)展與應(yīng)用。數(shù)據(jù)倉(cāng)庫(kù)所包含的數(shù)據(jù)倉(cāng)庫(kù)技術(shù)、聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘技術(shù)不僅體現(xiàn)了當(dāng)今世界上最先進(jìn)的IT技術(shù)，而且還提供了能夠?qū)ζ髽I(yè)管理決策提供實(shí)際支持的系統(tǒng)。

數(shù)據(jù)倉(cāng)庫(kù)的建立不僅需要有各種建設(shè)工具，而且還需要有相應(yīng)的數(shù)據(jù)支持，數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)必須基于比較完善的信息化構(gòu)架，只有在一定的信息化基礎(chǔ)上，才能進(jìn)行數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)。數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)是企業(yè)經(jīng)營(yíng)管理決策與信息化的結(jié)合過程，只有依照企業(yè)管理決策的實(shí)際需要，才能建設(shè)一個(gè)支持企業(yè)管理決策的數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)是各種先進(jìn)的信息處理技術(shù)與企業(yè)管理決策結(jié)合的過程。只有將OLAP技術(shù)、數(shù)據(jù)挖掘技術(shù)與數(shù)據(jù)倉(cāng)庫(kù)中龐大的數(shù)據(jù)相結(jié)合，與企業(yè)先進(jìn)的管理決策方法相結(jié)合，才能使數(shù)據(jù)倉(cāng)庫(kù)在企業(yè)的經(jīng)營(yíng)管理決策中發(fā)揮巨大的作用。數(shù)據(jù)倉(cāng)庫(kù)的建設(shè)成功不僅取決于技術(shù)人員對(duì)數(shù)據(jù)倉(cāng)庫(kù)開發(fā)方法與開發(fā)工具的熟練應(yīng)用，更取決于數(shù)據(jù)倉(cāng)庫(kù)能否得到熟練應(yīng)用。可以毫不夸張地說，數(shù)據(jù)倉(cāng)庫(kù)的成功關(guān)鍵在于用戶的應(yīng)用情況，而不是數(shù)據(jù)倉(cāng)庫(kù)開發(fā)技術(shù)的熟練應(yīng)用。因此，本書在介紹了數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)模型和開發(fā)方法后，還用相當(dāng)?shù)钠�幅介紹了數(shù)據(jù)倉(cāng)庫(kù)的管理與應(yīng)用。其中包含了大量的數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用情況與應(yīng)用案例，使讀者可以了解如何利用數(shù)據(jù)倉(cāng)庫(kù)來降低企業(yè)的運(yùn)營(yíng)成本，建立更好的客戶關(guān)系管理，提高產(chǎn)品的質(zhì)量。

為使讀者能夠清楚地了解數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)，本書介紹了數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用的生命周期。數(shù)據(jù)倉(cāng)庫(kù)的整個(gè)開發(fā)過程從數(shù)據(jù)倉(cāng)庫(kù)規(guī)劃分析到設(shè)計(jì)實(shí)施，終結(jié)于應(yīng)用管理，使讀者可以了解到數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用的完整周期，以及如何處理在不同階段中所遇到的問題。為使讀者能夠通過實(shí)際的數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用，以加深對(duì)數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的了解，本書還介紹了超市數(shù)據(jù)倉(cāng)庫(kù)規(guī)劃、設(shè)計(jì)和實(shí)施實(shí)例，并在其中穿插介紹了SQL Server 2000在數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用中的實(shí)際應(yīng)用，目的在于使讀者能夠更深入地了解數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理與數(shù)據(jù)挖掘技術(shù)。

全書共分9章。第1章主要介紹數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘技術(shù)的產(chǎn)生背景、發(fā)展、總體結(jié)構(gòu)和使用技術(shù)；第2章從理論上介紹了數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)模型--概念模型、邏輯模型、物理模型、元數(shù)據(jù)模型和數(shù)據(jù)粒度及聚集模型；第3章敘述了數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用的完整周期，涉及到數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)規(guī)劃、需求分析、設(shè)計(jì)、實(shí)施、使用及支持等；第4章闡述了聯(lián)機(jī)分析技術(shù)（OLAP）的基本概念、結(jié)構(gòu)、實(shí)施以及OLAP工具評(píng)價(jià)標(biāo)準(zhǔn)；第5章詳細(xì)介紹了傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)--統(tǒng)計(jì)分析類數(shù)據(jù)挖掘技術(shù)、工具、應(yīng)用及應(yīng)用中的問題；第6章介紹了現(xiàn)代數(shù)據(jù)挖掘技術(shù)與發(fā)展，其中包含了規(guī)則類、神經(jīng)網(wǎng)絡(luò)類、遺傳算法類和粗糙集類型等現(xiàn)代挖掘技術(shù)，同時(shí)還介紹了知識(shí)發(fā)現(xiàn)工具與應(yīng)用，以及文本挖掘、Web挖掘、可視化數(shù)據(jù)挖掘、空間數(shù)據(jù)挖掘和分布式數(shù)據(jù)挖掘等數(shù)據(jù)挖掘技術(shù)的未來發(fā)展；第7章從數(shù)據(jù)倉(cāng)庫(kù)的用戶、應(yīng)用案例、運(yùn)行技術(shù)管理、元數(shù)據(jù)管理、應(yīng)用中的法律問題以及成本與效益分析等角度說明了數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用和管理中的問題；第8章和第9章分別介紹了數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)和應(yīng)用實(shí)例，以及SQL Server 2000在數(shù)據(jù)倉(cāng)庫(kù)開發(fā)中的具體應(yīng)用。

參加本書研討并提供實(shí)例資料的還有陳京民、朱慧云、杜冬軍、俞強(qiáng)、吳受珠、祁泌午、王武平、葛福江、徐航、閆朝陽(yáng)、李暉、沈宗軍、劉宇英等。另外，孫春亮為本書的順利出版做了大量的籌備和組織工作。在此對(duì)他們的辛勤工作表示深深的謝意！

由于數(shù)據(jù)倉(cāng)庫(kù)技術(shù)正處于日新月異的發(fā)展階段，加之編者水平有限，書中謬誤或疏漏之處在所難免，懇請(qǐng)廣大讀者不吝指教，歡迎聯(lián)系：

E_mail：cjm20020101@sina.com。

作 者

2004年2月

前言
第1章 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘概述 1
1.1 數(shù)據(jù)倉(cāng)庫(kù)的發(fā)展與展望 1
1.1.1 從傳統(tǒng)數(shù)據(jù)庫(kù)到數(shù)據(jù)倉(cāng)庫(kù) 1
1.1.2 數(shù)據(jù)倉(cāng)庫(kù)的定義與基本特性 3
1.1.3 數(shù)據(jù)倉(cāng)庫(kù)的未來發(fā)展 7
1.2 數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu) 8
1.2.1 數(shù)據(jù)倉(cāng)庫(kù)的概念結(jié)構(gòu) 8
1.2.2 虛擬數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu) 8
1.2.3 數(shù)據(jù)集市結(jié)構(gòu) 9
1.2.4 單一數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu) 9
1.2.5 分布式數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu) 10
1.3 數(shù)據(jù)倉(cāng)庫(kù)的參照結(jié)構(gòu) 11
1.3.1 數(shù)據(jù)倉(cāng)庫(kù)基本功能層 11
1.3.2 數(shù)據(jù)倉(cāng)庫(kù)的管理層 18
1.3.3 數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)管理層 19
1.3.4 數(shù)據(jù)倉(cāng)庫(kù)的環(huán)境支持層 20
1.4 數(shù)據(jù)挖掘技術(shù)概述 21
1.4.1 數(shù)據(jù)挖掘的發(fā)展 21
1.4.2 數(shù)據(jù)挖掘的定義 22
1.5 數(shù)據(jù)挖掘技術(shù)與工具 24
1.5.1 常用的數(shù)據(jù)挖掘技術(shù) 24
1.5.2 常用數(shù)據(jù)挖掘工具 26
1.5.3 數(shù)據(jù)挖掘工具的評(píng)價(jià)標(biāo)準(zhǔn) 28
1.5.4 常用數(shù)據(jù)挖掘工具的選擇 29
1.6 數(shù)據(jù)挖掘的應(yīng)用 30
1.6.1 數(shù)據(jù)挖掘與數(shù)據(jù)倉(cāng)庫(kù) 30
1.6.2 數(shù)據(jù)挖掘過程 31
1.6.3 數(shù)據(jù)挖掘的用戶 35
第2章 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)模型 36
2.1 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)模型概述 36
2.2 數(shù)據(jù)倉(cāng)庫(kù)概念模型 37
2.2.1 概念數(shù)據(jù)模型 37
2.2.2 規(guī)范的數(shù)據(jù)模型 40
2.2.3 星型模型 41
2.2.4 雪花模型 43
2.3 數(shù)據(jù)倉(cāng)庫(kù)的邏輯模型 43
2.3.1 事實(shí)表模型設(shè)計(jì) 45
2.3.2 維模型設(shè)計(jì) 47
2.4 數(shù)據(jù)倉(cāng)庫(kù)的物理模型 47
2.4.1 數(shù)據(jù)倉(cāng)庫(kù)物理模型的存儲(chǔ)結(jié)構(gòu) 47
2.4.2 數(shù)據(jù)倉(cāng)庫(kù)物理模型的索引構(gòu)建 48
2.4.3 數(shù)據(jù)倉(cāng)庫(kù)物理模型的優(yōu)化問題 52
2.5 數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)模型 53
2.5.1 元數(shù)據(jù)的類型與組成 53
2.5.2 元數(shù)據(jù)在數(shù)據(jù)倉(cāng)庫(kù)中的作用 55
2.5.3 元數(shù)據(jù)的收集 58
2.6 數(shù)據(jù)倉(cāng)庫(kù)的粒度和聚集模型 59
2.6.1 數(shù)據(jù)粒度的劃分 60
2.6.2 確定粒度的級(jí)別 61
2.6.3 數(shù)據(jù)倉(cāng)庫(kù)的聚集模型確定 62
2.6.4 聚集模型的處理 62
2.6.5 聚集模型的管理 63
第3章 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用過程 64
3.1 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用的特點(diǎn) 64
3.1.1 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用的階段性 64
3.1.2 數(shù)據(jù)倉(cāng)庫(kù)的螺旋式開發(fā)方法 65
3.1.3 數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)特點(diǎn) 66
3.2 數(shù)據(jù)倉(cāng)庫(kù)的規(guī)劃 67
3.2.1 選擇數(shù)據(jù)倉(cāng)庫(kù)的實(shí)現(xiàn)策略 67
3.2.2 確定數(shù)據(jù)倉(cāng)庫(kù)的開發(fā)目標(biāo)和實(shí)現(xiàn)范圍 68
3.2.3 數(shù)據(jù)倉(cāng)庫(kù)的結(jié)構(gòu) 70
3.2.4 數(shù)據(jù)倉(cāng)庫(kù)使用方案和項(xiàng)目規(guī)劃預(yù)算 71
3.3 數(shù)據(jù)倉(cāng)庫(kù)的概念模型設(shè)計(jì) 72
3.3.1 概念模型的需求調(diào)查 72
3.3.2 概念模型的定義 73
3.3.3 概念模型的分析 76
3.3.4 概念模型的設(shè)計(jì) 77
3.3.5 概念模型文檔與評(píng)審 79
3.4 數(shù)據(jù)倉(cāng)庫(kù)的邏輯模型設(shè)計(jì) 80
3.4.1 分析主題域 81
3.4.2 粒度層次和聚集的確定 82
3.4.3 確定數(shù)據(jù)分割策略 82
3.4.4 關(guān)系模型定義 83
3.4.5 數(shù)據(jù)倉(cāng)庫(kù)的實(shí)體定義 83
3.4.6 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)抽取模型 84
3.4.7 數(shù)據(jù)倉(cāng)庫(kù)元數(shù)據(jù)模型的建立與應(yīng)用 89
3.4.8 邏輯模型的評(píng)審 90
3.5 數(shù)據(jù)倉(cāng)庫(kù)的物理模型設(shè)計(jì) 91
3.5.1 數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)的規(guī)范 91
3.5.2 確定數(shù)據(jù)結(jié)構(gòu)的類型 92
3.5.3 數(shù)據(jù)倉(cāng)庫(kù)索引的創(chuàng)建 93
3.5.4 確定數(shù)據(jù)的存放位置 94
3.5.5 確定存儲(chǔ)分配 94
3.5.6 數(shù)據(jù)倉(cāng)庫(kù)物理模型的評(píng)審 95
3.6 數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施 96
3.6.1 數(shù)據(jù)倉(cāng)庫(kù)與業(yè)務(wù)處理系統(tǒng)接口的設(shè)計(jì) 97
3.6.2 數(shù)據(jù)倉(cāng)庫(kù)的創(chuàng)建 97
3.6.3 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)加載、復(fù)制與發(fā)行 98
3.6.4 數(shù)據(jù)倉(cāng)庫(kù)的中間件設(shè)計(jì) 99
3.6.5 數(shù)據(jù)倉(cāng)庫(kù)的測(cè)試 99
3.7 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用、支持和增強(qiáng) 100
3.7.1 數(shù)據(jù)倉(cāng)庫(kù)的用戶培訓(xùn)及支持 100
3.7.2 數(shù)據(jù)倉(cāng)庫(kù)的使用方式 101
3.7.3 數(shù)據(jù)倉(cāng)庫(kù)使用中的數(shù)據(jù)刷新 102
3.7.4 數(shù)據(jù)倉(cāng)庫(kù)的增強(qiáng) 103
第4章 OLAP技術(shù) 105
4.1 OLAP技術(shù)概述 105
4.1.1 OLAP的發(fā)展 105
4.1.2 OLAP的特性 105
4.2 OLAP與多維分析 106
4.2.1 多維基本概念 106
4.2.2 多維分析 109
4.2.3 維的層次關(guān)系 111
4.2.4 維的類關(guān)系 111
4.2.5 OLAP與數(shù)據(jù)倉(cāng)庫(kù)的關(guān)系 112
4.3 OLAP的實(shí)施 113
4.4 多維OLAP與關(guān)系OLAP 114
4.4.1 多維數(shù)據(jù)庫(kù) 114
4.4.2 多維數(shù)據(jù)庫(kù)的數(shù)據(jù)存儲(chǔ) 116
4.4.3 多維數(shù)據(jù)庫(kù)與數(shù)據(jù)倉(cāng)庫(kù) 116
4.4.4 MOLAP的創(chuàng)建與功能 117
4.4.5 ROLAP實(shí)現(xiàn)的三個(gè)規(guī)則 118
4.4.6 ROLAP的多維表示方法 119
4.4.7 ROLAP的創(chuàng)建與功能 121
4.5 OLAP技術(shù)評(píng)價(jià) 122
4.5.1 MOLAP與ROLAP的比較 122
4.5.2 OLAP的衡量標(biāo)準(zhǔn) 124
4.5.3 OLAP服務(wù)器和工具的評(píng)價(jià)標(biāo)準(zhǔn) 126
第5章 傳統(tǒng)數(shù)據(jù)挖掘技術(shù) 128
5.1 傳統(tǒng)的統(tǒng)計(jì)分析類數(shù)據(jù)挖掘技術(shù) 128
5.1.1 統(tǒng)計(jì)與統(tǒng)計(jì)類數(shù)據(jù)挖掘技術(shù) 128
5.1.2 數(shù)據(jù)的聚集與度量技術(shù) 129
5.1.3 柱狀圖數(shù)據(jù)挖掘技術(shù) 129
5.1.4 線性回歸數(shù)據(jù)挖掘技術(shù) 131
5.1.5 非線性回歸數(shù)據(jù)挖掘技術(shù) 133
5.1.6 聚類數(shù)據(jù)挖掘技術(shù) 133
5.1.7 最近鄰數(shù)據(jù)挖掘技術(shù) 140
5.2 統(tǒng)計(jì)分析類工具 141
5.2.1 統(tǒng)計(jì)類數(shù)據(jù)挖掘工具 141
5.2.2 統(tǒng)計(jì)類數(shù)據(jù)挖掘的商業(yè)分析 142
5.2.3 統(tǒng)計(jì)類數(shù)據(jù)挖掘工具的功能 142
5.2.4 統(tǒng)計(jì)類數(shù)據(jù)挖掘工具??SPSS 143
5.3 統(tǒng)計(jì)分析類工具的應(yīng)用 146
5.3.1 趨勢(shì)分析 146
5.3.2 時(shí)序分析 147
5.3.3 周期分析 147
5.4 統(tǒng)計(jì)分析類工具應(yīng)用的問題 148
5.4.1 統(tǒng)計(jì)類數(shù)據(jù)挖掘的預(yù)處理問題 148
5.4.2 統(tǒng)計(jì)分析應(yīng)遵循的基本原則 150
5.4.3 統(tǒng)計(jì)分析的步驟 151
5.4.4 統(tǒng)計(jì)類數(shù)據(jù)挖掘的性能問題 151
第6章 現(xiàn)代數(shù)據(jù)挖掘技術(shù)與發(fā)展 153
6.1 知識(shí)挖掘系統(tǒng)的體系結(jié)構(gòu) 153
6.1.1 知識(shí)發(fā)現(xiàn)的定義 153
6.1.2 知識(shí)發(fā)現(xiàn)系統(tǒng)的結(jié)構(gòu) 154
6.2 現(xiàn)代挖掘技術(shù)及應(yīng)用 156
6.2.1 規(guī)則型現(xiàn)代挖掘技術(shù)及應(yīng)用 156
6.2.2 神經(jīng)網(wǎng)絡(luò)型現(xiàn)代挖掘技術(shù) 161
6.2.3 遺傳算法型現(xiàn)代挖掘技術(shù) 166
6.2.4 粗糙集型現(xiàn)代挖掘技術(shù) 170
6.2.5 決策樹型現(xiàn)代挖掘技術(shù) 172
6.3 知識(shí)發(fā)現(xiàn)的工具與應(yīng)用 175
6.3.1 知識(shí)挖掘工具的系統(tǒng)結(jié)構(gòu) 175
6.3.2 知識(shí)挖掘工具運(yùn)用中的問題 177
6.3.3 知識(shí)挖掘的價(jià)值 179
6.3.4 現(xiàn)代數(shù)據(jù)挖掘工具簡(jiǎn)介 180
6.4 數(shù)據(jù)挖掘技術(shù)的發(fā)展 181
6.4.1 文本挖掘 181
6.4.2 Web挖掘技術(shù) 183
6.4.3 可視化數(shù)據(jù)挖掘技術(shù) 186
6.4.4 空間數(shù)據(jù)挖掘 187
6.4.5 分布式數(shù)據(jù)挖掘 190
第7章 數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用與管理 193
7.1 數(shù)據(jù)倉(cāng)庫(kù)的用戶 193
7.1.1 數(shù)據(jù)倉(cāng)庫(kù)的用戶??信息的使用者與知識(shí)的挖掘者 193
7.1.2 信息使用者的數(shù)據(jù)倉(cāng)庫(kù)使用方式 193
7.1.3 知識(shí)挖掘者的數(shù)據(jù)倉(cāng)庫(kù)使用方式 194
7.2 數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用案例 195
7.2.1 分層決策體系 195
7.2.2 數(shù)據(jù)抽樣分析 197
7.2.3 發(fā)揮歷史數(shù)據(jù)的經(jīng)濟(jì)效益 198
7.2.4 回扣分析 199
7.2.5 客戶關(guān)系管理 199
7.3 數(shù)據(jù)倉(cāng)庫(kù)的運(yùn)行技術(shù)管理 200
7.3.1 數(shù)據(jù)加載的一些問題 200
7.3.2 故障恢復(fù)管理 201
7.3.3 訪問控制與安全管理 201
7.3.4 數(shù)據(jù)增長(zhǎng)的管理 202
7.4 數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)管理 203
7.4.1 元數(shù)據(jù)的存儲(chǔ)、管理與維護(hù) 203
7.4.2 元數(shù)據(jù)的用戶與使用方法 204
7.4.3 元數(shù)據(jù)管理模型 206
7.5 數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用中的法律問題 208
7.5.1 數(shù)據(jù)的隱私權(quán)問題 209
7.5.2 數(shù)據(jù)隱私權(quán)的處理 209
7.6 數(shù)據(jù)倉(cāng)庫(kù)的成本與效益分析 211
7.6.1 數(shù)據(jù)倉(cāng)庫(kù)的投資回報(bào)的定量分析 211
7.6.2 數(shù)據(jù)倉(cāng)庫(kù)的投資回報(bào)的定性分析 212
第8章 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)實(shí)例 214
8.1 超市銷售數(shù)據(jù)倉(cāng)庫(kù)的規(guī)劃與分析 214
8.1.1 超市銷售數(shù)據(jù)倉(cāng)庫(kù)的需求分析 214
8.1.2 超市銷售數(shù)據(jù)倉(cāng)庫(kù)E-R模型的構(gòu)造 215
8.1.3 超市數(shù)據(jù)倉(cāng)庫(kù)事實(shí)表模型 216
8.1.4 超市數(shù)據(jù)倉(cāng)庫(kù)維表模型設(shè)計(jì) 218
8.1.5 超市數(shù)據(jù)倉(cāng)庫(kù)模型的關(guān)鍵字設(shè)計(jì) 223
8.1.6 超市數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)設(shè)計(jì) 225
8.2 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)工具簡(jiǎn)介 228
8.2.1 數(shù)據(jù)倉(cāng)庫(kù)開發(fā)工具 228
8.2.2 SQL Server數(shù)據(jù)倉(cāng)庫(kù)開發(fā)應(yīng)用工具 230
8.3 SQL Server的數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建 232
8.3.1 創(chuàng)建數(shù)據(jù)庫(kù) 233
8.3.2 創(chuàng)建表 234
8.4 SQL Server數(shù)據(jù)倉(cāng)庫(kù)事實(shí)表與多維數(shù)據(jù)集的建立 235
8.4.1 Analysis Manager數(shù)據(jù)庫(kù)的創(chuàng)建與數(shù)據(jù)源確定 235
8.4.2 SQL Server數(shù)據(jù)倉(cāng)庫(kù)的維創(chuàng)建 239
8.4.3 SQL Server的多維數(shù)據(jù)集創(chuàng)建 246
第9章 數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用實(shí)例 253
9.1 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)加載與鉆取 253
9.1.1 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)加載 253
9.1.2 超市數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的數(shù)據(jù)加載 256
9.1.3 多維數(shù)據(jù)集的更新 262
9.1.4 數(shù)據(jù)倉(cāng)庫(kù)的鉆取訪問 267
9.1.5 數(shù)據(jù)倉(cāng)庫(kù)的多維表達(dá)式MDX應(yīng)用 270
9.2 數(shù)據(jù)挖掘模型的設(shè)計(jì) 272
9.2.1 數(shù)據(jù)挖掘?qū)ο蟮姆治?272
9.2.2 數(shù)據(jù)挖掘模型與相關(guān)數(shù)據(jù)的準(zhǔn)備 273
9.2.3 數(shù)據(jù)挖掘模型的應(yīng)用 276
9.3 SQL Server中的數(shù)據(jù)挖掘工具 276
9.3.1 決策類數(shù)據(jù)挖掘工具的應(yīng)用 277
9.3.2 聚類分析數(shù)據(jù)挖掘工具的應(yīng)用 282
9.4 數(shù)據(jù)倉(cāng)庫(kù)客戶端界面的設(shè)計(jì) 287
9.4.1 客戶端界面展現(xiàn)內(nèi)容的設(shè)計(jì) 287
9.4.2 客戶端界面展現(xiàn)工具的選擇 288
9.4.3 Excel展現(xiàn)界面的實(shí)現(xiàn) 289
參考文獻(xiàn) 294

1. 數(shù)據(jù)挖掘算法—基于C++及CUDA C [蒂莫西•馬斯特斯（Timothy]
2. SQL Server數(shù)據(jù)挖掘與商業(yè)智能基礎(chǔ)及案例實(shí)戰(zhàn) [謝邦昌]
3. 歷史災(zāi)害數(shù)據(jù)挖掘與建模 [胡明生]
4. 試卷質(zhì)量統(tǒng)計(jì)分析與數(shù)據(jù)挖掘原理、設(shè)計(jì)與實(shí)現(xiàn) [張春生 著]
5. 數(shù)據(jù)挖掘技術(shù)在生物信息學(xué)中的應(yīng)用 [裴志利 著]
6. SQL Server 2008 R2數(shù)據(jù)挖掘與商業(yè)智能基礎(chǔ)及高級(jí)案例實(shí)戰(zhàn) [謝邦昌 鄭宇庭 蘇志雄 著]
7. 數(shù)據(jù)挖掘技術(shù) [譚建豪 等編著]
8. 協(xié)同演化算法及其在數(shù)據(jù)挖掘中的應(yīng)用 [董紅斌 賀志 著]