數(shù)據(jù)倉庫及其在電信領(lǐng)域中的應(yīng)用

第1章 數(shù)據(jù)倉庫概述
1.1 數(shù)據(jù)倉庫概念
1.1.1 概念
1.1.2 與數(shù)據(jù)庫的對(duì)比
1.2 數(shù)據(jù)倉庫技術(shù)的發(fā)展
1.2.1 數(shù)據(jù)倉庫發(fā)展歷史
1.2.2 數(shù)據(jù)倉庫的市場(chǎng)發(fā)展
1.2.3 數(shù)據(jù)集市與數(shù)據(jù)倉庫的關(guān)系
1.2.4 數(shù)據(jù)查詢技術(shù)
1.3 數(shù)據(jù)分析技術(shù)
1.3.1 OLAP分析
1.3.2 數(shù)據(jù)挖掘
1.3.3 聯(lián)機(jī)分析挖掘（OLAM）
1.3.4 統(tǒng)計(jì)分析技術(shù)
1.3.5 數(shù)據(jù)分析技術(shù)的難點(diǎn)
1.4 數(shù)據(jù)倉庫的特點(diǎn)
1.4.1 概述
1.4.2 面向主題等特點(diǎn)介紹
1.5 數(shù)據(jù)倉庫與數(shù)據(jù)分析的關(guān)系
1.6 數(shù)據(jù)倉庫現(xiàn)狀
1.7 數(shù)據(jù)倉庫應(yīng)用中的幾個(gè)問題
參考資料
第2章 構(gòu)建數(shù)據(jù)倉庫
2.1 構(gòu)建數(shù)據(jù)倉庫
2.1.1 數(shù)據(jù)倉庫實(shí)施步驟
2.2 數(shù)據(jù)倉庫項(xiàng)目的需求分析
2.3 數(shù)據(jù)倉庫體系結(jié)構(gòu)與實(shí)施框架
2.3.1 體系結(jié)構(gòu)與實(shí)施框架概述
2.3.2 統(tǒng)一的數(shù)據(jù)倉庫
2.3.3 數(shù)據(jù)集市
2.4 數(shù)據(jù)源的分析
2.4.1 來自業(yè)務(wù)系統(tǒng)的實(shí)時(shí)數(shù)據(jù)
2.4.2 匯總數(shù)據(jù)
2.5 數(shù)據(jù)倉庫模型設(shè)計(jì)
2.5.1 數(shù)據(jù)倉庫的建模技術(shù)
2.5.2 實(shí)體關(guān)系建模
2.5.3 維度建模
2.5.4 實(shí)體關(guān)系建模與維建模的關(guān)系
2.5.5 數(shù)據(jù)倉庫模型設(shè)計(jì)工具
2.6 數(shù)據(jù)抽取/轉(zhuǎn)換/加載（ETL）過程
2.6.1 數(shù)據(jù)抽取（Extraction）
2.6.2 數(shù)據(jù)轉(zhuǎn)換（Transformation）
2.6.3 數(shù)據(jù)加載（Load）
2.7 構(gòu)建數(shù)據(jù)倉庫的幾個(gè)關(guān)鍵問題
2.7.1 數(shù)據(jù)倉庫粒度問題
2.7.2 ETL的處理策略
參考資料
第3章 數(shù)據(jù)分析技術(shù)（OLAP／數(shù)據(jù)挖掘介紹）
3.1 簡(jiǎn)介
3.2 聯(lián)機(jī)分析處理（OLAP）技術(shù)
3.2.1 維的介紹
3.2.2 多維分析（OLAP）方法和工具
3.2.3 OLAP數(shù)據(jù)的處理方式
3.3 數(shù)據(jù)挖掘技術(shù)
3.3.1 數(shù)據(jù)挖掘技術(shù)簡(jiǎn)介
3.3.2 數(shù)據(jù)挖掘的步驟
3.3.3 數(shù)據(jù)挖掘的體系結(jié)構(gòu)
3.3.4 數(shù)據(jù)挖掘的分析模型
3.3.5 數(shù)據(jù)挖掘的具體算法和常用技術(shù)
3.3.6 應(yīng)用舉例
3.4 OLAP與數(shù)據(jù)挖掘的對(duì)比
3.5 數(shù)據(jù)挖掘與其他技術(shù)的對(duì)比
3.5.1 與專家系統(tǒng)的對(duì)比
3.5.2 與統(tǒng)計(jì)分析的對(duì)比
3.5.3 與人工智能的對(duì)比
3.6 聯(lián)機(jī)數(shù)據(jù)挖掘
3.6.1 OLAM的簡(jiǎn)介
3.6.2 OLAM的體系結(jié)構(gòu)
3.6.3 OLAM的應(yīng)用
3.7 統(tǒng)計(jì)分析方法
3.8 數(shù)據(jù)分析要與業(yè)務(wù)結(jié)合
參考資料
第4章 數(shù)據(jù)倉庫在電信領(lǐng)域中的應(yīng)用
4.1 概述
4.1.1 數(shù)據(jù)倉庫在電信領(lǐng)域的應(yīng)用
4.1.2 中國移動(dòng)的經(jīng)營(yíng)分析系統(tǒng)
4.1.3 電信行業(yè)數(shù)據(jù)倉庫的應(yīng)用情況
4.1.4 電信行業(yè)選擇數(shù)據(jù)倉庫的必然
4.2 電信行業(yè)數(shù)據(jù)倉庫及數(shù)據(jù)分析的特點(diǎn)
4.3 電信行業(yè)數(shù)據(jù)倉庫的應(yīng)用內(nèi)容
4.3.1 OLAP在電信行業(yè)中的應(yīng)用
4.3.2 數(shù)據(jù)挖掘在電信行業(yè)中的應(yīng)用
4.3.3 電信應(yīng)用中數(shù)據(jù)挖掘與OLAP的對(duì)比
4.4 項(xiàng)目實(shí)施組織
4.4.1 數(shù)據(jù)倉庫項(xiàng)目的階段劃分
4.4.2 項(xiàng)目管理
4.4.3 應(yīng)該注意的一些問題
4.5 CRM與數(shù)據(jù)倉庫
參考資料
第5章 數(shù)據(jù)倉庫實(shí)施舉例
5.1 數(shù)據(jù)倉庫模型實(shí)施案例
5.1.1 大客戶資料分析主題的數(shù)據(jù)倉庫構(gòu)建
5.1.2 客戶流失分析主題的數(shù)據(jù)倉庫構(gòu)建
5.1.3 網(wǎng)絡(luò)狀況分析主題的數(shù)據(jù)倉庫構(gòu)建
5.2 ETL模塊的結(jié)構(gòu)
5.2.1 數(shù)據(jù)采集清洗子系統(tǒng)
5.2.2 源數(shù)據(jù)變換、重整、匯總子系統(tǒng)
5.3 OLAP分析實(shí)例
5.3.1 確定分析主題
5.3.2 確定分析方法
5.3.3 定義維度
5.3.4 根據(jù)具體的分析主題構(gòu)造分析立方體（MOLAP）或星型結(jié)構(gòu)（ROLAP）
5.3.5 解釋分析結(jié)果
5.4 數(shù)據(jù)挖掘方法論
5.4.1 SAS的SEMMA方法論
5.4.2 SPSS的CRISP-DM方法論
5.4.3 IBM的通用數(shù)據(jù)挖掘方法論
5.5 電信業(yè)務(wù)數(shù)據(jù)挖掘?qū)嵗?br />5.5.1 應(yīng)用決策樹算法（Decision Tree）進(jìn)行客戶流失分析
5.5.2 應(yīng)用聚類分析對(duì)電信客戶進(jìn)行細(xì)分
5.5.3 應(yīng)用數(shù)據(jù)挖掘預(yù)防電信欺詐
參考資料
第6章 數(shù)據(jù)倉庫產(chǎn)品及解決方案舉例
6.1 IBM公司的相關(guān)系列產(chǎn)品簡(jiǎn)介
6.1.1 數(shù)據(jù)倉庫產(chǎn)品
6.1.2 OLAP分析產(chǎn)品
6.1.3 數(shù)據(jù)挖掘產(chǎn)品
6.2 Oracle相關(guān)系列產(chǎn)品簡(jiǎn)介
6.2.1 數(shù)據(jù)倉庫產(chǎn)品
6.2.2 OLAP產(chǎn)品
6.2.3 數(shù)據(jù)挖掘產(chǎn)品
6.3 Sybase相關(guān)系列產(chǎn)品簡(jiǎn)介
6.3.1 設(shè)計(jì)組件Warehouse Architect
6.3.2 元數(shù)據(jù)管理軟件Warehouse Control Center
6.3.3 數(shù)據(jù)倉庫引擎Adaptive ServerIQ
6.3.4 Warehouse Studio的其他特性
6.3.5 Warehouse Studio的商業(yè)應(yīng)用
6.3.6 Sybase電信業(yè)數(shù)據(jù)倉庫應(yīng)用案例介紹
6.4 SAS的數(shù)據(jù)倉庫產(chǎn)品簡(jiǎn)介
6.4.1 定義數(shù)據(jù)倉庫及其主題
6.4.2 傳送和匯總整理數(shù)據(jù)
6.4.3 更新匯總數(shù)據(jù)
6.4.4 建立、管理和取用查看Metadata
6.4.5 設(shè)置數(shù)據(jù)市場(chǎng)
6.4.6 SAS電信業(yè)數(shù)據(jù)倉庫應(yīng)用案例介紹
6.5 Informix的數(shù)據(jù)倉庫產(chǎn)品簡(jiǎn)介
6.5.1 數(shù)據(jù)抽取工具Datastage
6.5.2 數(shù)據(jù)倉庫引擎Redbrick
6.5.3 分析工具M(jìn)etacube
6.5.4 Informix電信業(yè)數(shù)據(jù)倉庫成功案例
6.6 NCR Teradata的整體解決方案簡(jiǎn)介
6.6.1 NCR可擴(kuò)展數(shù)據(jù)倉庫
6.6.2 NCR Teradata數(shù)據(jù)倉庫電信業(yè)解決方案介紹
6.6.3 NCR Teradata電信業(yè)數(shù)據(jù)倉庫成功案例
6.7 CA數(shù)據(jù)倉庫產(chǎn)品介紹
6.8 數(shù)據(jù)倉庫相關(guān)專業(yè)工具的提供廠商介紹
6.8.1 MicroStrategy
6.8.2 Brio
6.8.3 Business Object
6.8.4 Cognos
6.8.5 Informatica
6.8.6 Hyperion
6.8.7 SPSS
參考資料
第7章 數(shù)據(jù)倉庫的測(cè)試與選型
7.1 數(shù)據(jù)倉庫測(cè)試概述
7.2 數(shù)據(jù)庫、數(shù)據(jù)倉庫測(cè)試標(biāo)準(zhǔn)
7.2.1 權(quán)威的數(shù)據(jù)倉庫測(cè)試機(jī)構(gòu)——TPC測(cè)試介紹
7.2.2 TPC-D
7.2.3 TPC-H
7.2.4 其他數(shù)據(jù)倉庫測(cè)試標(biāo)準(zhǔn)
7.3 數(shù)據(jù)倉庫選型所要考慮的因素
7.4 數(shù)據(jù)倉庫測(cè)試過程以及測(cè)試方案
7.4.1 測(cè)試過程
7.4.2 測(cè)試指標(biāo)以及測(cè)試流程
7.5 自行組織測(cè)試要注意的問題
參考資料
第8章 數(shù)據(jù)倉庫的發(fā)展與展望
8.1 數(shù)據(jù)倉庫未來發(fā)展方向
8.2 OLAP發(fā)展的歷史
8.3 OLAP發(fā)展方向
8.4 數(shù)據(jù)挖掘研究歷史及現(xiàn)狀
8.4.1 數(shù)據(jù)挖掘（知識(shí)發(fā)現(xiàn)）的歷史
8.4.2 從專家系統(tǒng)的演進(jìn)
8.5 數(shù)據(jù)挖掘發(fā)展方向
參考資料