IBM數(shù)據(jù)倉庫及IBM商務(wù)智能工具

定　價：￥88.00

作　者：	（美）岡薩雷斯著，吳剛等譯；吳剛譯
出版社：	電子工業(yè)出版社
叢編項：	數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)應(yīng)用叢書
標　簽：	數(shù)據(jù)庫存儲與管理

購買這本書可以去

ISBN：	9787121000164	出版時間：	2004-07-01	包裝：	膠版紙
開本：	16	頁數(shù)：	599	字數(shù)：

內(nèi)容簡介

　　內(nèi)容簡介：本書主要介紹了商務(wù)智能和數(shù)據(jù)倉庫的一系列問題，如數(shù)據(jù)體系結(jié)構(gòu)、技術(shù)體系結(jié)構(gòu)、OLAP、數(shù)據(jù)挖掘、空間分析，以及數(shù)據(jù)抽取、轉(zhuǎn)換和裝載（ETL）；更集中關(guān)注的是如何利用IBM的一系列應(yīng)用廣泛的成熟技術(shù)解決這些問題，例如，SMP和MPP技術(shù)體系結(jié)構(gòu)，DB2通用數(shù)據(jù)庫，DB2OLAPServer數(shù)據(jù)管理技術(shù)，智能挖掘器，空間擴展器等。本書寫作方向明確，主題清晰，兼顧了深度與廣度，在徹底地剖析了商業(yè)智能之后，對使用IBM關(guān)于建立、維護和挖掘數(shù)據(jù)倉庫領(lǐng)域中的豐富產(chǎn)品族提出了頗具實用性的建議。致謝我謹向GaryRobinson致以特別的感謝，感謝他所付出的勞動及對我們的指導和幫助。假如沒有他的幫助，我們不可能找得到寫這本書所必要的確認過的資料。對本書做出貢獻的人NagrajAlur是坐落于圣何塞（SanJose）的IBM國際技術(shù)支持組織中的一位項目領(lǐng)導者。他有28年以上的關(guān)于數(shù)據(jù)庫管理系統(tǒng)（DBMS）的經(jīng)驗。他曾經(jīng)是一位程序員、系統(tǒng)分析師、項目領(lǐng)導者、咨詢師和研究員。他的專業(yè)領(lǐng)域涵蓋了數(shù)據(jù)庫管理系統(tǒng)、數(shù)據(jù)倉庫、分布式系統(tǒng)管理、數(shù)據(jù)庫性能及客戶-服務(wù)器和Internet計算。SteveBenner目前負責ESRI公司戰(zhàn)略事務(wù)。過去13年，他在地理信息系統(tǒng)（GIS）行業(yè)從事過各種不同的工作，他曾經(jīng)在TDWI教授過GIS和數(shù)據(jù)倉庫方面的課程，并就GIS和SAP的集成為《SAP技術(shù)周刊》雜志撰文。RonFryer一直從事IBM數(shù)據(jù)管理工作。作為一個數(shù)據(jù)庫建模和數(shù)據(jù)庫管理人員，他在設(shè)計、組建決策支持環(huán)境上擁有20年以上的工作經(jīng)驗，這其中包括超過10年的數(shù)據(jù)倉庫經(jīng)歷。他曾經(jīng)為世界上最大的幾個數(shù)據(jù)倉庫工作過。Ron發(fā)表了大量的關(guān)于數(shù)據(jù)庫設(shè)計及數(shù)據(jù)庫管理系統(tǒng)結(jié)構(gòu)的文章。他也是"UnderstandingDatabaseManagementSystems，SecondEdition"（RobMattison，McGraw-Hill，1998）一書的作者之一。JacquesLabrie從1984年起至今，曾經(jīng)是IBM多個產(chǎn)品的研發(fā)團隊的領(lǐng)導者和關(guān)鍵研發(fā)人員，他同時也是IBMDB2DataWarehouseCenter和數(shù)據(jù)倉庫管理器的架構(gòu)師。Jacques有超過15年的領(lǐng)導和管理數(shù)據(jù)管理產(chǎn)品的經(jīng)歷，其中包括ETL工具，如IBM的數(shù)據(jù)抽取產(chǎn)品；基于工作站的元數(shù)據(jù)管理工具，如IBM數(shù)據(jù)指南和信息分類管理器；數(shù)據(jù)倉庫管理工具，如IBM可視化數(shù)據(jù)倉庫和DB2DataWarehouseCenter。Jacques在位于圣何塞的加利福尼亞州立大學獲得了數(shù)學學士學位。GregorMeyer從1997年起為IBM工作，他當時加入了位于德國的DB2智能挖掘器的開發(fā)團隊。目前，他在IBM的位于圣何塞的硅谷實驗室工作，主要負責數(shù)據(jù)挖掘集成和其他DB2商務(wù)智能技術(shù)的工作。Gregor曾經(jīng)在德國的布倫瑞克和斯圖加特學習計算機科學，他在德國的哈根大學獲得了博士學位。WendellB.Mitchell目前是Focus集團公司資深的數(shù)據(jù)架構(gòu)師。他在眾多TDWI會議上提出數(shù)據(jù)挖掘、ETL、商務(wù)智能和OLAP等方面的實驗指導。Wendell在密歇根州的西密歇根大學分別獲得了數(shù)學和計算機科學的學士學位。RogerD.Roles目前是信息分類元數(shù)據(jù)管理應(yīng)用的架構(gòu)師。他是一位軟件開發(fā)的老手，具有27年的開發(fā)經(jīng)歷：在Fortran語言環(huán)境下從事計算機輔助設(shè)計和應(yīng)用開發(fā)，用C語言及匯編語言開發(fā)UNIX操作系統(tǒng)內(nèi)核。自1993年起為IBM工作的這一段時間里，他在不同部門從事過微內(nèi)核、文件系統(tǒng)和應(yīng)用開發(fā)。在最近的6年中，作為一個團隊領(lǐng)導者和核心開發(fā)人員，他從事在Java環(huán)境下開發(fā)商務(wù)智能應(yīng)用的工作。RichardSawa自從1998年起一直在HyperionSolutions供職。他目前在俄亥俄州的哥倫比亞擔任IBM數(shù)據(jù)管理部門的HyperionSolutions的技術(shù)開發(fā)經(jīng)理。他是IBM紅皮書"DB2OLAPServerTheoryandPractice"（2001年4月）的主要寫作者，先前作為一個獨立的顧問，Sawa擁有10年左右的相關(guān)決策支持和OLAP技術(shù)的經(jīng)驗。WilliamSterling從1992年起就一直從事OLAP工作，當時他在ArborSoftware（ESSBASE的誕生地）。他的專長是調(diào)節(jié)OLAP數(shù)據(jù)庫，重點放在商業(yè)系統(tǒng)建模、量化分析和設(shè)計上。1999年，他加入IBM，成為IBM全球商務(wù)智能分析團隊的一名技術(shù)人員。PhongTruong是IBMDB2DataWarehouseCenter和數(shù)據(jù)倉庫管理器中主要的數(shù)據(jù)倉庫服務(wù)器的開發(fā)人員，并且他也是Trillium、MQSeries及OLEDB集成項目組的領(lǐng)導者。他具有13年以上的廣泛的研發(fā)經(jīng)驗及DB2UDB組件的客戶服務(wù)經(jīng)驗。他在加拿大的阿爾伯達的卡爾加里大學獲得了理科學士學位。PaulWilms已經(jīng)在IBM從事了20年以上的分布式數(shù)據(jù)庫和商務(wù)智能工作。他撰寫及與別人合作撰寫了幾篇有關(guān)IBM的R*及Starburst研究項目的論文。在最近的10年中，他為IBM商務(wù)智能及ETL工具的客戶提供技術(shù)支持及咨詢工作。Paul在美國及海外的許多國際會議上做過講座。他在法國格勒諾布爾的國家理工學院獲得了計算機科學的博士學位。Cheung-YukWu目前是IBMDB2DataWarehouseCenter和數(shù)據(jù)倉庫管理器的架構(gòu)師。她有15年以上的相關(guān)數(shù)據(jù)庫工具開發(fā)經(jīng)驗，包括運行于Windows或UNIX平臺之上的DB2、Oracle、Sybase、MicrosoftSQLServer和Informix數(shù)據(jù)庫。她也開發(fā)了一些產(chǎn)品，如為DB2開發(fā)Tivoli，為UNIX開發(fā)IBMDataHub和QMF。此外，她還是IBM圣何塞制造數(shù)據(jù)中心的DB2、CICS和IMS的數(shù)據(jù)庫管理員。她于加利福尼亞州立理工大學獲得計算機科學學士學位。ChiYeung是IBMDataWarehouseCenter和數(shù)據(jù)倉庫管理器主要的GUI開發(fā)人員。目前，他是多個數(shù)據(jù)倉庫GUI組件的團隊領(lǐng)導者，這些GUI組件包括數(shù)據(jù)倉庫源、進庫/出庫/發(fā)布、用戶團體、代理機構(gòu)，以及復制步驟。他有超過13年的在IBM產(chǎn)品上的可擴展GUI和面向?qū)ο蟪绦蛟O(shè)計和開發(fā)的經(jīng)驗，這些產(chǎn)品包括智能挖掘器、內(nèi)容管理器、LotusApproach和QMF的集成及可視化工具等。他在康奈爾大學獲得了理學學士學位，在斯坦福大學獲得了理學碩士學位，在加州大學伯克利分校獲得了商業(yè)管理碩士學位。CalistoZuzarte是IBMToronto實驗室DB2QueryRewrite開發(fā)組的資深技術(shù)管理人員。他的特長在于主鍵的查詢回寫，以及那些影響數(shù)據(jù)庫中的復雜查詢性能的基于成本的優(yōu)化組件。VijayBommireddipal是IBMDB2DataWarehouseCenter和數(shù)據(jù)倉庫管理器開發(fā)團隊的一名成員，一直從事數(shù)據(jù)倉庫進庫/出庫的應(yīng)用（包括tag及CWM格式）、數(shù)據(jù)倉庫案例，以及數(shù)據(jù)倉庫元數(shù)據(jù)交換的ISV工具包方面的工作。他于2000年7月加入IBM，那時他已獲得位于達特茅斯的麻薩諸塞大學的電子和計算機工程的碩士學位。譯者序21世紀是知識爆炸的時代，我們每個人在處理日常工作和學習事務(wù)時都面對著一種同樣的過程：從采集知識、篩選知識、使用知識到存儲和管理知識。在紛繁復雜的知識面前，我們一邊感嘆著弗朗西斯·培根的名言：Knowledgeispower（知識就是力量），一邊卻在知識的海洋中迷失了方向?！禝BM數(shù)據(jù)倉庫及IBM商務(wù)智能工具》正是一本能夠引導我們在IBM的產(chǎn)品和技術(shù)中獲取、使用和管理知識的上乘之作。本書比較系統(tǒng)地闡述了商務(wù)智能（BI）和數(shù)據(jù)倉庫問題，以及如何通過IBM的技術(shù)來解決這些問題。它包含的內(nèi)容只和數(shù)據(jù)倉庫有關(guān)，涉及到IBM產(chǎn)品時，不具體介紹細節(jié)，比如不介紹SQL的語法，因為市面上各式各樣的DB2SQL的書籍唾手可得。只有那些專門描述與商務(wù)智能或數(shù)據(jù)倉庫相關(guān)的問題才會在本書中有所提及。不僅如此，本書也不具體展開其所研究技術(shù)的各個方面，比如，不討論DB2V8的所有特征和功能，因為你可以發(fā)現(xiàn)成打的介紹數(shù)據(jù)庫引擎的一般功能的書。此書將重點放在了闡述數(shù)據(jù)存儲的架構(gòu)、分析和數(shù)據(jù)管理方面。所以，讀者在本書中看到的將是IBM產(chǎn)品中那些影響B(tài)I和數(shù)據(jù)倉庫的技術(shù)。這使本書避免了一些無病呻吟的噪聲。作者的目的就是為了讓讀者在閱讀后可以收到立竿見影的效果。承擔本書翻譯工作的有南京理工大學的吳剛、王永明、鄭立青、趙昱、鞠飛、羅力恒和蘇州科技學院的董志國。限于譯者水平，譯文中定有許多不妥之處，敬請讀者批評指正。對IBM數(shù)據(jù)倉庫一書的贊評"這本書兼顧了深度與廣度，它以一種超越平常的方式涵蓋了商務(wù)智能領(lǐng)域。它不僅描述了各種不同的IBM產(chǎn)品，如IBMDB2、IBM智能挖掘器，以及IBMDB2OLAP，而且還全面地剖析了對數(shù)據(jù)挖掘體系結(jié)構(gòu)、分析及數(shù)據(jù)管理。"WayneEckerson數(shù)據(jù)倉庫研究所主任"如今，各個企業(yè)都面臨著一種''''數(shù)據(jù)泛濫''''的境地，而這些數(shù)據(jù)是關(guān)于顧客、原料供應(yīng)商、合作伙伴、雇員和競爭對手的。為了生存和發(fā)展下去，企業(yè)越來越需要信息管理的解決方案。MichaelGonzales的書對于IBM公司的商務(wù)智能軟件介紹得非常好，而這些軟件可以幫助企業(yè)更快、更好地做出決策。在全面地介紹了IBM數(shù)據(jù)倉庫、OLAP、數(shù)據(jù)挖掘器和空間分析能力的同時，MichaelGonzales清楚地指出了在信息競爭日益激烈的時代中，在企業(yè)組織和數(shù)據(jù)的體系結(jié)構(gòu)上取得成功所必不可少的支柱。"JeffJonesIBM數(shù)據(jù)管理方案的高級程序經(jīng)理"IBM公司在提供完備和易用的數(shù)據(jù)倉庫、數(shù)據(jù)分析和數(shù)據(jù)管理技術(shù)方面處于業(yè)界領(lǐng)先。這本書闡述了對于每本涉及數(shù)據(jù)倉庫的書最為重要的專業(yè)要點

作者簡介

暫缺《IBM數(shù)據(jù)倉庫及IBM商務(wù)智能工具》作者簡介

圖書目錄

第1部分  商務(wù)智能和數(shù)據(jù)倉庫的基礎(chǔ)知識
第1章  BI組織概述  3
1.1  BI組織架構(gòu)概述  4
1.2  提供信息內(nèi)容  8
1.2.1  信息內(nèi)容的計劃  9
1.2.2  信息內(nèi)容的設(shè)計  12
1.2.3  信息內(nèi)容的實現(xiàn)  13
1.3  證明BI工作的價值  16
1.3.1  項目與已知的商務(wù)需求相結(jié)合  16
1.3.2  衡量ROI  16
1.3.3  讓數(shù)據(jù)倉庫首次迭代最大限度地發(fā)揮作用  19
1.4  IBM和BI組織  20
1.4.1  無縫集成  21
1.4.2  簡化數(shù)據(jù)傳遞系統(tǒng)  23
1.4.3  零滯后  25
1.5  小結(jié)  25
第2章  商務(wù)智能基礎(chǔ)  27
2.1  BI組成及技術(shù)  28
2.1.1  BI組成  28
2.2  數(shù)據(jù)倉庫的組成  32
2.2.1  數(shù)據(jù)抽取、轉(zhuǎn)換和裝載  34
2.2.2  數(shù)據(jù)管理  37
2.2.3  數(shù)據(jù)訪問  37
2.2.4  元數(shù)據(jù)  38
2.3  分析化的用戶要求  39
2.3.1  報告和查詢  40
2.3.2  在線分析處理  40
2.3.3  數(shù)據(jù)統(tǒng)計  43
2.3.4  數(shù)據(jù)挖掘  43
2.4  維度技術(shù)和BI  44
2.4.1  OLAP服務(wù)器  45
2.4.2  定義空間譜  47
2.5  觸點  48
2.6  零滯后和數(shù)據(jù)倉庫環(huán)境  49
2.7  閉環(huán)學習  49
2.8  歷史完整性  50
2.9  小結(jié)  53
第3章  設(shè)計數(shù)據(jù)倉庫的迭代過程  54
3.1  設(shè)計任何的迭代  55
3.1.1  建立你自己的BI計劃  57
3.2  計劃初期迭代  63
3.2.1  設(shè)定數(shù)據(jù)倉庫以符合公司戰(zhàn)略  64
3.2.2  實施一個準備就緒的評估  65
3.2.3  源計劃  66
3.3  用DIF矩陣選擇方案  69
3.3.1  確定正確的方法  70
3.3.2  應(yīng)用DIF矩陣  70
3.3.3  功能紊亂  74
3.3.4  影響力  75
3.3.5  可行性  75
3.3.6  DIF矩陣的結(jié)果  75
3.4  計劃隨后的迭代  78
3.4.1  確定范圍  78
3.4.2  確定戰(zhàn)略性的商務(wù)詢問  79
3.5  完成項目的方法  80
3.5.1  BI駭客方法  80
3.5.2  Inmon方法  81
3.5.3  商務(wù)空間的生命周期方法  81
3.5.4  螺旋形方法  82
3.5.5  IBM方法  90
3.5.6  選擇合適的方法  93
3.6  小結(jié)  93
第2部分  商務(wù)智能架構(gòu)
第4章  設(shè)計數(shù)據(jù)架構(gòu)  97
4.1  選擇正確的架構(gòu)  99
4.1.1  原子層選擇  101
4.1.2  數(shù)據(jù)集市  106
4.1.3  有依賴性的數(shù)據(jù)集市的原子層  107
4.1.4  獨立的數(shù)據(jù)集市  109
4.1.5  數(shù)據(jù)傳輸架構(gòu)  110
4.2  預測傳送量  114
4.3  架構(gòu)建模  116
4.3.1  商務(wù)邏輯模型  117
4.3.2  原子層模型  118
4.3.3  數(shù)據(jù)集市的建模  120
4.3.4  原子和星型數(shù)據(jù)的比較  124
4.4  可操作的數(shù)據(jù)的存儲  125
4.5  數(shù)據(jù)架構(gòu)策略  126
4.6  小結(jié)  129
第5章  技術(shù)架構(gòu)和數(shù)據(jù)管理基礎(chǔ)  131
5.1  決定架構(gòu)的技術(shù)依據(jù)  133
5.1.1  集中的數(shù)據(jù)倉庫  133
5.1.2  分布式的數(shù)據(jù)倉庫  137
5.1.3  并行和倉庫  139
5.1.4  分區(qū)數(shù)據(jù)存儲  142
5.2  數(shù)據(jù)管理的技術(shù)基礎(chǔ)  143
5.2.1  DB2和原子層  143
5.2.2  DB2和星型模式  148
5.3  DB2技術(shù)架構(gòu)的本質(zhì)  150
5.3.1  SMP、MPP和簇  150
5.3.2  共享資源與無共享  152
5.3.3  靜態(tài)和動態(tài)并行  154
5.3.4  目錄分區(qū)  155
5.3.5  高可用性  155
5.4  尺寸需求  162
5.5  小結(jié)  164

第3部分  數(shù)據(jù)管理
第6章  DB2 BI基礎(chǔ)  167
6.1  高可用性  168
6.1.1  MDC  168
6.1.2  在線裝載  169
6.1.3  從游標處裝載  170
6.1.4  減少批處理窗口  171
6.1.5  減少表重組  172
6.1.6  在線裝載和物化查詢表（MQT）的維護  172
6.1.7  MQT緩存表  173
6.1.8  在線表重組  173
6.1.9  動態(tài)緩沖池管理  175
6.1.10  動態(tài)數(shù)據(jù)庫配置  176
6.1.11  數(shù)據(jù)庫管理的存儲空間  176
6.1.12  日志  177
6.2  管理  178
6.2.1  eLiza和SMART  178
6.2.2  自動健康狀態(tài)的管理框架  179
6.2.3  AUTOCONFIGURE  179
6.2.4  管理通知日志  180
6.2.5  維護模式  180
6.2.6  事件監(jiān)控程序  181
6.3  SQL及其他編程特性  181
6.3.1  INSTEAD OF觸發(fā)器  181
6.3.2  經(jīng)由UNION All 的DML操作  182
6.3.3  信息約束  183
6.3.4  用戶維護的MQT  183
6.4  性能  184
6.4.1  連接集中器  184
6.4.2  壓縮  185
6.4.3  Type-2索引  186
6.4.4  MDC性能改進  186
6.4.5  緩沖池的分塊  187

6.5  可擴展性  187
6.5.1  空間擴展  188
6.5.2  文本擴展和文本信息擴展  188
6.5.3  圖形擴展  189
6.5.4  XML擴展  189
6.5.5  視頻擴展和音頻擴展  190
6.5.6  網(wǎng)絡(luò)查詢擴展  190
6.5.7  MQ序列  190
6.5.8  DB2評分  191
6.6  小結(jié)  192
第7章  DB2物化查詢表  193
7.1  初始化MQT  198
7.1.1  建立  198
7.1.2  泛化  198
7.1.3  調(diào)整  200
7.1.4  MQT DROP  200
7.2  MQT刷新策略  200
7.2.1  延時刷新  200
7.2.2  立即刷新  204
7.3  裝載底層表格  206
7.3.1  新狀態(tài)  207
7.3.2  新的LOAD選項  207
7.4  使用DB2 ALTER  210
7.5  物化視圖匹配  211
7.5.1  狀態(tài)考慮  212
7.5.2  匹配標準  212
7.6  MQT設(shè)計  222
7.7  MQT 調(diào)整  223
7.7.1  刷新優(yōu)化  224
7.8  物化視圖的限制  225
7.9  小結(jié)  228

第4部分  數(shù)據(jù)倉庫管理
第8 章  利用IBM DB2 Data Warehouse Center管理數(shù)據(jù)倉庫  231
8.1  IBM DB2 Data Warehouse Center的關(guān)鍵特征  232
8.1.1  倉庫主題區(qū)  232
8.1.2  倉庫源  232
8.1.3  倉庫目標  232
8.1.4  倉庫服務(wù)器和日志  233
8.1.5  倉庫代理程序和代理點  233
8.1.6  倉庫控制數(shù)據(jù)庫  234
8.1.7  倉庫過程和步驟  234
8.2  IBM DB2 Data Warehouse Center向?qū)В╨aunchpad）  237
8.2.1  設(shè)置數(shù)據(jù)倉庫環(huán)境  238
8.2.2  使用向?qū)?chuàng)建一個數(shù)據(jù)倉庫  240
8.2.3  在目標表中定義關(guān)鍵字  250
8.2.4  維護數(shù)據(jù)倉庫  250
8.2.5  倉庫的授權(quán)用戶  251
8.2.6  為用戶編寫倉庫對象目錄  251
8.3  過程和步驟的任務(wù)流控制  252
8.3.1  計劃  253
8.3.2  通知數(shù)據(jù)管理員  255
8.3.3  計劃一個過程  256
8.3.4  在IBM DB2 Data Warehouse Center之外觸發(fā)步驟  260
8.4  IBM DB2 Data Warehouse Center監(jiān)視戰(zhàn)略  262
8.4.1  IBM DB2 Data Warehouse Center監(jiān)視工具  262
8.4.2  DB2監(jiān)視工具  271
8.4.3  Replication Center監(jiān)視  272
8.5  倉庫調(diào)整  274
8.5.1  更新統(tǒng)計數(shù)據(jù)  274
8.5.2  重組數(shù)據(jù)  275
8.5.3  使用DB2快照和監(jiān)視器  275
8.5.4  使用可視化解釋  276
8.5.5  調(diào)整數(shù)據(jù)庫性能  278
8.6  維護IBM DB2 Data Warehouse Center  278
8.6.1  日志歷史  279
8.6.2  控制數(shù)據(jù)庫  279
8.7  DB2 Data Warehouse Center V8新增內(nèi)容  279
8.8  小結(jié)  282
第9章  在IBM DB2 Data Warehouse Center中進行數(shù)據(jù)變換  283
9.1  IBM DB2 Data Warehouse Center過程模型  286
9.1.1  確定數(shù)據(jù)源和目標  286
9.1.2  確定變換  288
9.1.3  過程模型  290
9.2  IBM DB2 Data Warehouse Center 變換  292
9.2.1  刷新問題  294
9.2.2  數(shù)據(jù)量  295
9.2.3  管理數(shù)據(jù)版本  296
9.2.4  用戶定義的變換要求  296
9.2.5  多個表的裝載  296
9.2.6  保證數(shù)據(jù)倉庫中的數(shù)據(jù)是最新的  297
9.2.7  重試  301
9.3  SQL變換步驟  301
9.3.1  SQL選擇（Select）和插入（Insert）  303
9.3.2  SQL選擇（Select）和更新（Update）  304
9.4  DB2實用程序  305
9.4.1  導出實用程序的步驟  305
9.4.2  裝載實用程序的步驟  306
9.5  數(shù)據(jù)倉庫變換程序  308
9.5.1  清洗變換程序  308
9.5.2  產(chǎn)生關(guān)鍵字表格  310
9.5.3  建立周期表  312
9.5.4  倒轉(zhuǎn)數(shù)據(jù)變換  314
9.5.5  轉(zhuǎn)動數(shù)據(jù)  316
9.5.6  日期格式改變  319
9.5.7  統(tǒng)計變換程序  320
9.6  數(shù)據(jù)復制  336
9.6.1  建立復制步驟  338
9.6.2  在IBM DB2 Data Warehouse Center中定義復制步驟  341
9.7  MQSeries集成  347
9.7.1  對固定長度或定界格式的MQSeries信息的存取  348
9.7.2  使用DB2 MQSeries視圖  350
9.7.3  存取XML MQSeries信息  351
9.8  用戶自定義的程序步驟  353
9.9  賣方集成  355
9.9.1  ETI·EXTRACT集成  356
9.9.2  Trillium集成  364
9.9.3  Ascential INTEGRITY  366
9.10  Microsoft OLE DB以及Data Transformation Services  367
9.10.1  存取OLE DB  368
9.10.2  存取DTS包  369
9.11  小結(jié)  369
第10章  元數(shù)據(jù)和IBM DB2倉庫管理器  371
10.1  什么是元數(shù)據(jù)  371
10.2  元數(shù)據(jù)分類  374
10.2.1  按用戶類型分類  374
10.2.2  按來源的正式程度分類  375
10.2.3  按所使用環(huán)境分類  376
10.3  什么是元數(shù)據(jù)知識庫  376
10.4  供給元數(shù)據(jù)知識庫  377
10.5  元數(shù)據(jù)和元數(shù)據(jù)知識庫的優(yōu)勢  378
10.6  健康元數(shù)據(jù)知識庫的特征  379
10.7  維護知識庫  380
10.8  實施元數(shù)據(jù)知識庫的難點  381
10.9  IBM元數(shù)據(jù)技術(shù)  382
10.9.1  信息目錄  382
10.9.2  IBM DB2 Data Warehouse Center  382
10.10  由DWC獲取元數(shù)據(jù)  384
10.10.1  從ETI·EXTRACT中收集元數(shù)據(jù)  385
10.10.2  從INTEGRITY中收集元數(shù)據(jù)  390
10.10.3  從DataStage中收集元數(shù)據(jù)  393
10.10.4  從ERwin中收集元數(shù)據(jù)  395
10.10.5  從Axio中收集元數(shù)據(jù)  397
10.10.6  從IBM OLAP集成服務(wù)器中收集元數(shù)據(jù)  398
10.11  在IBM DB2 Data Warehouse Center實例之間交換元數(shù)據(jù)  401
10.11.1  維護測試和產(chǎn)品系統(tǒng)  401
10.11.2  元數(shù)據(jù)交換格式  402
10.12  DWC元數(shù)據(jù)到其他工具的傳送  405
10.12.1  到IBM 信息目錄的DWC元數(shù)據(jù)傳送  406
10.12.2  到OLAP集成服務(wù)器的DWC元數(shù)據(jù)傳送  408
10.12.3  到IBM DB2 OLAP Server的DWC元數(shù)據(jù)傳送  410
10.12.4  到Ascential INTEGRITY的DWC元數(shù)據(jù)傳送  410
10.13  把元數(shù)據(jù)從信息目錄中傳入或傳出  411
10.13.1  由信息目錄獲取元數(shù)據(jù)  412
10.13.2  信息目錄元數(shù)據(jù)傳送  421
10.13.3  向其他信息目錄傳送元數(shù)據(jù)  421
10.13.4  啟動Brio訪問信息目錄元數(shù)據(jù)  422
10.13.5  把信息目錄元數(shù)據(jù)傳送到商業(yè)對象  423
10.13.6  把信息目錄元數(shù)據(jù)傳送到Cognos  423
10.14  小結(jié)  424
第5部分  OLAP和IBM
第11章  多維數(shù)據(jù)和DB2 OLAP Server  427
11.1  理解OLAP的分析周期  432
11.2  產(chǎn)生有效的度量  433
11.3  OLAP 技能  435
11.4  應(yīng)用多維模型  437
11.4.1  用OLAP指導你的組織  437
11.4.2  思維速度分析  438
11.5  商務(wù)輪廓  438
11.6  OLAP陣列  442
11.6.1  關(guān)系型模式的局限  443
11.6.2  衍生的測量  444
11.7  實現(xiàn)企業(yè)的OLAP架構(gòu)  445
11.8  原型化（prototyping）數(shù)據(jù)倉庫  447
11.8.1  數(shù)據(jù)庫設(shè)計：建立輪廓  448
11.8.2  支持需求  455
11.9  DB2 OLAP 矩陣數(shù)據(jù)庫  455
11.9.1  關(guān)于塊的建立  457
11.9.2  矩陣的膨脹  458
11.10  DB2 OLAP Server大小需求  458
11.10.1  DB2 OLAP Server存儲什么  459
11.10.2  使用SET MSG ONLY: 版本8之前的估計  460
11.10.3  什么是典型數(shù)據(jù)  460
11.10.4  DB2 OLAP Server V8.0的大小估計  461
11.11  數(shù)據(jù)庫調(diào)整  462
11.11.1  數(shù)據(jù)庫調(diào)整的目標  463
11.11.2  輪廓調(diào)整的要素  463
11.11.3  批量計算和數(shù)據(jù)存儲  464
11.11.4  成員標簽和動態(tài)計算  464
11.11.5  磁盤子系統(tǒng)的應(yīng)用和數(shù)據(jù)庫文件的配置  466
11.11.6  數(shù)據(jù)庫分區(qū)  466
11.11.7  屬性維  467
11.12  估計硬件的需求  468
11.12.1  CPU 估計  470
11.12.2  磁盤估計  471
11.12.3  OLAP輔助存儲需求  471
11.13  OLAP 備份和災(zāi)難恢復  472
11.14  小結(jié)  473
第12章  OLAP和IBM DB2 Data Warehouse Center  474
12.1  IBM DB2 Data Warehouse Center的步驟類型  475
12.2  將OLAP加入過程  476
12.2.1  OLAP Server的主頁  478
12.2.2  OLAP Server列映射頁  478
12.2.3  OLAP Server程序過程選項  478
12.2.4  其他考慮  479
12.3  OLAP Server 裝載規(guī)則  479
12.3.1  自由文本數(shù)據(jù)裝載  480
12.3.2  使用裝載規(guī)則的文件裝載  481
12.3.3  不使用裝載規(guī)則的文件裝載  482
12.3.4  使用裝載規(guī)則的SQL表  483
12.4  OLAP Server計算  484
12.4.1  默認計算  484
12.4.2  使用計算規(guī)則的計算  485
12.5  更新OLAP Server輪廓  486
12.5.1  使用文件  486
12.5.2  使用SQL表  488
12.6  小結(jié)  489
第13章  DB2 OLAP函數(shù)  490
13.1  OLAP函數(shù)  491
13.1.1  具體函數(shù)  493
13.2  GROUPING功能：ROLLUP和CUBE  496
13.2.1  ROLLUP  497
13.2.2  CUBE  498
13.3  評級、定位和聚集  499
13.3.1  RANK舉例  500
13.3.2  ROW_NUMBER，RANK和DENSE_RANK 舉例  501
13.3.3  RANK和PARTITION 及舉例  502
13.3.4  OVER 語句舉例  503
13.3.5  ROWS和ORDER BY及舉例  505
13.3.6  ROWS, RANGE及ORDER BY 舉例  506
13.4  GROUPING，GROUP BY，ROLLUP和CUBE  508
13.4.1  GROUPING, GROUP BY和CUBE例子  508
13.4.2  ROLLUP 舉例  509
13.4.3  CUBE舉例  513
13.5  OLAP函數(shù)應(yīng)用  516
13.5.1  提供按地區(qū)和城市的年度銷售額  517
13.5.2  為一個活動確定目標群組  518
13.6  小結(jié)  522
第6部分  高級分析
第14章  帶智能挖掘器的數(shù)據(jù)挖掘  527
14.1  數(shù)據(jù)挖掘和BI組織  528
14.1.1  有效的數(shù)據(jù)挖掘  532
14.2  挖掘過程  533
14.2.1  步驟1：對一個商務(wù)問題進行精確的定義  535
14.2.2  步驟2：商務(wù)問題到數(shù)據(jù)模型和數(shù)據(jù)需求的映射  537
14.2.3  步驟3：源和預處理數(shù)據(jù)  538
14.2.4  步驟4：考察和評估數(shù)據(jù)  539
14.2.5  步驟5：選擇數(shù)據(jù)挖掘技術(shù)  540
14.2.6  步驟6：分析結(jié)果  541
14.2.7  步驟7：運用結(jié)果  542
14.3  集成數(shù)據(jù)挖掘  543
14.4  實施數(shù)據(jù)挖掘工程的技術(shù)  544
14.5  數(shù)據(jù)挖掘的好處  545
14.5.1  數(shù)據(jù)質(zhì)量  545
14.5.2  相關(guān)維度  546
14.5.3  在OLAP中使用挖掘結(jié)果  547
14.6  挖掘DB2 OLAP Server的好處  548
14.7  小結(jié)  549
第15章   DB2——增強的BI特征和函數(shù)  550
15.1  DB2分析函數(shù)  551
15.1.1  AVG  551
15.1.2  CORRELATION  552
15.1.3  COUNT  552
15.1.4  COUNT_BIG  552
15.1.5  COVARIANCE  553
15.1.6  MAX  553
15.1.7  MIN  554
15.1.8  RAND  554
15.1.9  STDDEV  555
15.1.10  SUM  555
15.1.11  VARIANCE  555
15.1.12  回歸函數(shù)  556
15.1.13  COVAR, CORR, VAR, STDDEV及回歸舉例  559
15.2  以BI為中心的函數(shù)舉例  565
15.2.1  使用樣本數(shù)據(jù)  565
15.2.2  列舉出地區(qū)今年領(lǐng)先的五個銷售人員  568
15.2.3  確定產(chǎn)品購買之間的關(guān)系  569
15.3  小結(jié)  571
第16章  向數(shù)據(jù)倉庫中添加空間數(shù)據(jù)  572
16.1  空間分析和BI組織  573
16.2  空間的影響  576
16.3  什么是空間數(shù)據(jù)  578
16.3.1  洋蔥類比  579
16.3.2  空間數(shù)據(jù)結(jié)構(gòu)  579
16.3.3  空間數(shù)據(jù)與其他圖形數(shù)據(jù)的比較  581
16.4  獲取空間數(shù)據(jù)  582
16.4.1  建立自己的空間數(shù)據(jù)  582
16.4.2  引進空間數(shù)據(jù)  583
16.5  DSS中的空間數(shù)據(jù)  585
16.6  空間分析和數(shù)據(jù)挖掘  586
16.7  空間分析的提供  588
16.7.1  針對數(shù)據(jù)倉庫的典型商務(wù)問題  590
16.8  理解一個具有空間性能的數(shù)據(jù)倉庫  594
16.8.1  地址編碼  595
16.8.2  空間數(shù)據(jù)倉庫的技術(shù)需求  596
16.8.3  將空間數(shù)據(jù)加入數(shù)據(jù)倉庫  598
16.9  小結(jié)  599