数据仓库工具箱

第1章 数据仓库、商业智能及维度建模初步

1.1 数据获取与数据分析的区别

1.2 数据仓库与商业智能的目标

1.3 维度建模简介

1.3.1 星型模式与OLAP多维数据库

1.3.2 用于度量的事实表

1.3.3 用于描述环境的维度表

1.3.4 星型模式中维度与事实的连接

1.4 Kimball的DW/BI架构

1.4.1 操作型源系统

1.4.2 获取.转换_加口载(ETL)系统

1.4.3 用于支持商业智能决策的展现区

1.4.4 商业智能应用

1.4.5 以餐厅为例描述Kimball架构

1.5 其他DW/BI架构

1.5.1 独立数据集市架构]

1.5.2 辐射状企业信息工厂Inmon架构

1.5.3 混合辐射状架构与Kimball架构

1.6 维度建模神话

1.6.1 神话1：维度模型仅包含汇总数据

1.6.2 神话2：维度模型是部门级而不是企业级的

1.6.3 神话3：维度模型是不可扩展的

1.6.4 神话4：维度模型仅用于预测

1.6.5 神话5：维度模型不能被集成

1.7 考虑使用维度模型的

更多理由

1.8 本章小结

第2章 Kimball维度建模技术概述

2.1 基本概念

2.1.1 收集业务需求与数据实现

2.1.2 协作维度建模研讨

2.1.3 4步骤维度设计过程

2.1.4 业务过程

2.1.5 粒度

2.1.6 描述环境的维度

2.1.7 用于度量的事实

2.1.8 星型模式与OLAP多维数据库

2.1.9 方便地扩展到维度模型

2.2 事实表技术基础

2.2.1 事实表结构

2.2.2 可加、半可加、不可加事实

2.2.3 事实表中的空值

2.2.4 一致性事实

2.2.5 事务事实表

2.2.6 周期快照事实表

2.2.7 累积快照事实表

2.2.8 无事实的事实表

2.2.9 聚集事实表或OLAP多维数据库

2.2.1 0合并事实表

2.3 维度表技术基础

2.3.1 维度表结构

2.3.2 维度代理键

2.3.3 自然键、持久键和超自然键

2.3.4 下钻

2.3.5 退化维度

2.3.6 非规范化扁平维度

2.3.7 多层次维度

2.3.8 文档属性的标识与指示器

2.3.9 维度表中的空值属性

2.3.10 日历日期维度

2.3.11 扮演角色的维度

2.3.12 杂项维度

2.3.13 雪花维度

2.3.14 支架维度

2.4 使用一致性维度集成

2.4.1 一致性维度

2.4.2 缩减维度

2.4.3 跨表钻取

2.4.4 价值链

2.4.5 企业数据仓库总线架构

2.4.6 企业数据仓库总线矩阵

2.4.7 总线矩阵实现细节

2.4.8 机会／利益相关方矩阵

2.5 处理缓慢变化维度属性

2.5.1 类型0：原样保留

2.5.2 类型1：重写

2.5.3 类型2：增加新行

2.5.4 类型3：增加新属性

2.5.5 类型4：增加微型维度

2.5.6 类型5：增加微型维度及类型1支架

2.5.7 类型6：增加类型1属性到类型2维度

2.5.8 类型7：双类型l和类型2维度

2.6 处理维度层次关系

2.6.1 固定深度位置的层次

2.6.2 轻微参差不齐／可变深度层次

2.6.3 具有层次桥接表的参差不齐／可变深度层次

2.6.4 具有路径字符属性的可变深度层次

2.7 高级事实表技术

2.7.1 事实表代理键

2.7.2 蜈蚣事实表

2.7.3 属性或事实的数字值

2.7.4 日志／持续时间事实

2.7.5 头／行事实表

2.7.6 分配的事实

2.7.7 利用分配建立利润与损失事实表

2.7.8 多种货币事实

2.7.9 多种度量事实单位

2.7.1 0年.日事实

2.7.1 1多遍SQL以避免事实表间的连接

2.7.1 2针对事实表的时间跟踪1

2.7.1 3迟到的事实

2.8 高级维度技术

2.8.1 维度表连接

2.8.2 多值维度与桥接表

2.8.3 随时间变化的多值桥接表

2.8.4 标签的时间序列行为

2.8.5 行为研究分组

2.8.6 聚集事实作为维度属性

2.8.7 动态值范围

2.8.8 文本注释维度

2.8.9 多时区

2.8.10 度量类型维度

……

第3章 零售业务

第4章 库存

第5章 采购

第6章 订单管理

第7章 会计

第8章 客户关系管理

第9章 人力资源管理

第10章 金融服务

第11章 电信

第12章 交通运输

第13章 教育

第14章 医疗卫生

第15章 电子商务

第16章 保险业务

第17章 KimballDW/BI生命周期概述

第18章 维度建模过程与任务

第19章 ETL子系统与技术

第20章 ETL系统设计与开发过程和任务

第21章 大数据分析

　　随着TheDataWarehouseToolkit（1996）第1版的出版发行，RalphKimball为整个行业引入了维度建模技术。从此，维度建模成为一种被广泛接受的表达数据仓库和商业智能（DW/BI）系统中数据的方法。该经典书籍被认为是维度建模技术、模式和实践的资源。
　　本书汇集了到目前为止最全面的维度建模技术。《大数据应用与技术丛书·数据仓库工具箱（第3版）：维度建模指南》采用新的思路和实践对上一版本进行了全面修订，给出了设计维度模型的全面指南，既适合数据仓库新手，也适合经验丰富的专业人员。
　　本书涉及的所有技术都基于作者实际从事DW/BI的设计经验，通过实际案例加以描述。
　　主要内容
　　◆实用设计技术——有关维度和事实表的基本和高级技术
　　◆14个案例研究，涉及零售业、电子商务、客户关系管理、采购、库存、订单管理、会计、人力资源、金融服务、医疗卫生、保险、教育、电信和运输等
　　◆为12个案例研究提供了数据仓库总线矩阵示例
　　◆需要避免的维度建模陷阱和错误
　　◆增强的缓慢变化维度（SCD）技术类型0~类型7
　　◆用于处理参差不齐的可变深度层次和多值属性的桥接表
　　◆大数据分析的实践
　　◆与业务参与方合作、交互设计会议的指南
　　◆有关KimballDW/BI项目生命周期方法论的概论
　　◆对ETL系统和设计思考的总结
　　◆构建维度和事实表的34个ETL子系统和技术