商业智能深入浅出

前言致谢理 论 篇第1章 商业智能简介1.1 商业智能概述1.1.1 商业智能的定义1.1.2 商业智能的作用1.1.3 商业智能的处理过程1.1.4 商业智能的功能1.1.5 商业智能的发展趋势1.2 关于商业智能的核心技术1.2.1 数据仓库1.2.2 数据挖掘和分析1.2.3 ETL处理技术1.2.4 联机分析处理（OLAP）技术1.2.5 可视化分析1.2.6 大数据技术1.2.7 商业智能元数据管理1.3 商业智能的实施方法和步骤1.3.1 商业智能的实施方法1.3.2 商业智能的实施步骤1.4 商业智能项目成功的关键1.5 商业智能项目的组织机构1.6 本章小结第2章 数据仓库的理论知识2.1 数据仓库概述2.1.1 数据仓库产生的背景2.1.2 数据仓库定义2.1.3 数据仓库和商业智能之间的关系2.2 数据仓库的特点2.2.1 面向主题2.2.2 集成性2.2.3 稳定性2.2.4 反映历史变化2.3 数据仓库的优势2.4 数据仓库和数据库的区别2.5 数据仓库开发过程介绍2.5.1 规划分析阶段2.5.2 设计实现阶段2.5.3 使用维护阶段2.6 数据仓库系统组成部分介绍2.6.1 数据源分析2.6.2 数据迁移2.6.3 选择数据的存储结构2.6.4 元数据2.7 数据仓库模型设计介绍2.7.1 概念模型2.7.2 逻辑模型2.7.3 物理模型2.8 数据集市介绍2.8.1 数据集市概述2.8.2 数据集市和数据仓库的联系和区别2.8.3 数据集市的目标分析2.8.4 数据集市的技术特性2.9 ODS介绍2.9.1 ODS的概述2.9.2 ODS系统与数据库系统、数据仓库系统的区别2.9.3 基于ODS和基于数据仓库的OLAP之间的关系2.9.4 ODS系统的功能2.9.5 ODS系统的架构2.10 数据仓库实施详细步骤2.10.1 需求分析2.10.2 数据仓库的逻辑分析2.10.3 设计ODS系统2.10.4 数据仓库建模2.10.5 数据集市建模2.10.6 数据源分析2.10.7 数据的获取与整合2.10.8 应用分析2.10.9 报表展现2.11 在大数据环境下的数据仓库的建设2.12 数据仓库建设路线图2.13 数据仓库的作用2.14 数据仓库的建设意义2.15 本章小结第3章 数据挖掘和分析理论知识3.1 什么是数据挖掘3.2 数据挖掘方法的几个步骤3.3 数据挖掘常用算法3.4 数据仓库和数据挖掘之间的关系3.5 数据挖掘的主要过程3.6 数据挖掘的主要应用——客户精准营销3.6.1 客户精准营销背景3.6.2 关于旅游行业的客户精准营销3.6.3 关于银行业的客户精准营销3.7 本章小结第4章 商业智能ETL理论知识4.1 ETL在数据仓库中的重要地位4.2 ETL的一般过程4.3 研究ETL的本质4.4 ETL的体系结构4.5 ETL的难点4.6 主流的ETL工具4.7 ETL的作用4.8 详解ETL过程4.8.1 数据抽取4.8.2 数据清洗4.8.3 数据转换4.8.4 数据加载4.8.5 ETL的日志4.9 ETL优化4.10 ETL设计规范要点4.11 ETL的框架结构4.12 ETL的实施策略4.13 本章小结第5章 商业智能联机分析处理理论简介5.1 OLAP介绍5.2 OLAP系统与OLTP系统的区别5.3 OLAP的实现方法5.4 OLAP的基本目标和特点5.5 建立OLAP的过程5.6 OLAP与数据仓库的关系5.7 OLAP系统的实施过程5.8 OLAP模型的设计与实现5.9 本章小结第6章 数据可视化分析理论知识6.1 什么是数据可视化分析6.2 数据可视化的表现形式6.3 本章小结第7章 大数据理论知识7.1 大数据概念的提出7.2 什么是大数据？7.3 大数据处理技术7.4 大数据应用案例7.5 大数据和传统商业智能的结合7.6 本章小结第8章 商业智能元数据理论知识8.1 元数据的定义8.2 元数据的重要性8.3 元数据的类型8.4 元数据的作用8.5 元数据的管理8.6 元数据包含的内容8.7 本章小结项 目 篇第9章 商业智能项目需求的定义9.1 商业智能项目的启动9.2 商业智能项目的需求定义9.3 系统原型的建立9.4 验收和评审的内容9.5 本章小结第10章 商业智能项目模型的建立10.1 数据模型的设计原则10.2 企业模型的意义10.2.1 企业模型的定义10.2.2 建设企业模型的意义10.2.3 企业数据模型和其他模型之间的关系10.2.4 与企业数据模型相关的概念10.2.5 企业数据模型转换到数据仓库模型的步骤10.3 概念模型的设计10.4 逻辑模型的设计10.4.1 ODS逻辑模型10.4.2 数据仓库逻辑模型10.4.3 数据集市逻辑模型10.5 物理模型的设计10.5.1 ODS 物理模型的设计10.5.2 数据仓库物理模型的设计10.5.3 数据集市物理模型的设计10.6 本章小结第11章 商业智能数据仓库系统应用实例11.1 定义数据仓库项目的生命周期11.2 数据仓库粒度的划分11.3 企业辅助决策分析系统的构建11.4 决策分析系统一般的部署方案和步骤11.4.1 提供系统安装软件的体系结构11.4.2 部署系统的数据库环境11.4.3 ETL环境的部署11.4.4 报表展示环境的部署11.5 数据仓库建设的难点11.6 本章小结第12章 商业银行数据仓库建设规划12.1 商业银行数据仓库建设概况12.2 目前国内商业银行数据仓库面临的瓶颈12.3 商业银行数据仓库建设面临哪些问题12.4 商业银行数据仓库建设思路及系统情况12.4.1 某商业银行建设数据仓库时遇到的挑战12.4.2 某商业数据仓库架构存在的问题12.4.3 对该行数据仓库目标架构的建议12.5 商业银行数据仓库建设启示12.6 本章小结第13章 电力行业数据仓库的建设规划13.1 电力行业数据仓库建设难点13.2 电力行业数据仓库逻辑架构13.3 电力行业数据仓库能力蓝图13.4 数据仓库促进电力业务的发展13.5 数据仓库建设策略比较13.6 电力行业数据仓库模型建立过程13.7 电力行业数据仓库的架构设计13.8 本章小结第14章 商业智能项目规划和管理14.1 项目团队的组织结构14.2 项目角色划分及技能要求14.3 定义领导组的职责和主要任务14.4 如何定义商业智能项目的进度14.5 如何定义商业智能项目的过程14.6 本章小结第15章 商业智能应用介绍15.1 商业智能应用设计的原则15.2 商业智能应用的实施步骤15.3 商业智能具有的应用功能15.4 商业智能应用实例15.5 本章小结第16章 数据抽取、转换和加载16.1 ETL的定义和总体架构16.2 ETL的加载方法16.2.1 以时间戳作为加载条件16.2.2 利用源表的日志信息对目标表进行数据加载16.2.3 通过全表对比的方式进行数据加载16.2.4 全表删除后再进行数据加载的方式16.3 利用ETL构建企业级数据仓库16.4 ETL的设计过程16.5 ETL的备份与恢复16.5.1 数据的备份16.5.2 数据备份存放的介质以及目录结构16.5.3 ETL程序的备份16.5.4 数据的恢复方案16.6 ETL数据质量的改进16.6.1 ETL数据质量分析16.6.2 ETL数据质量改进的方法和目标16.6.3 推动ETL数据质量改进的方法16.6.4 ETL的技术路线选择16.7 ETL应用举例16.7.1 ETL分析需求16.7.2 ETL 数据源说明16.7.3 ODS设计与抽取16.7.4 数据仓库（DW）设计与抽取16.7.5 数据集市（DM）设计与抽取16.8 本章小结第17章 联机分析处理17.1 OLAP的概念17.2 OLAP的实施17.2.1 建立“维”的概念17.2.2 多维分析技术17.2.3 OLAP实施的一般过程17.3 OLAP的应用实例17.3.1 案例背景17.3.2 需求17.3.3 数据准备17.3.4 浏览分析数据17.4 OLAP系统设计的一般步骤17.5 本章小结第18章 应用举例18.1 项目工作计划的制订18.1.1 对项目背景与目的的描述18.1.2 确定项目需要交付的成果18.1.3 制定项目管理文档18.1.4 项目进度划分18.2 需求分析18.2.1 业务需求18.2.2 功能需求18.3 营销系统设计18.3.1 总体架构设计18.3.2 营销辅助决策系统的ETL架构设计18.3.3 营销辅助决策系统数据访问功能设计18.3.4 营销辅助决策系统展示方式设计18.3.5 营销辅助决策系统主题分析功能设计18.3.6 数据模型设计18.4 ETL数据抽取18.4.1 ETL物理设计18.4.2 从源数据库抽取到ODS数据缓冲区18.4.3 从ODS数据缓冲区抽取到ODS统一信息视图区18.4.4 从ODS统一信息视图区抽取到数据仓库18.4.5 从数据仓库抽取到数据集市18.5 报表展示18.6 编写测试报告18.7 编写用户手册18.8 软件发布18.9 系统运行维护18.10 本章小结第19章 大数据架构与实践19.1 大数据概述19.2 大数据的处理技术之一——流数据19.3 大数据下的数据架构19.4 大数据在银行业的应用与实践19.5 本章小结第20章 金融行业的商业智能概述20.1 金融行业实施商业智能的背景20.2 商业智能在金融行业的作用20.3 金融行业实施商业智能的措施20.4 本章小结第21章 电力行业商业智能概述21.1 电力行业面临的挑战21.2 建设企业级数据仓库的原因21.3 电力行业数据仓库的执行架构21.4 数据仓库开发的阶段、任务和流程21.5 数据仓库运维内容21.6 电力行业数据仓库的建设方法21.7 本章小结工 具 篇第22章 Informatica PowerCenter工具简介22.1 Informatica PowerCenter介绍22.1.1 Informatica的特点22.1.2 Informatica的优势22.2 Informatica PowerCenter工具概况22.3 Informatica Servers引擎22.4 Administration Console22.4.1 登录方式22.4.2 相关术语22.5 PowerCenter Designer22.5.1 菜单22.5.2 工具栏22.5.3 导航22.5.4 工作区22.5.5 输出窗口22.6 Repository Manager22.6.1 菜单22.6.2 工具栏22.6.3 导航22.6.4 工作区22.7 Workflow Manager22.7.1 菜单22.7.2 工具栏22.7.3 导航22.7.4 工作区22.7.5 输出窗口22.8 Workflow Monitor22.8.1 工具栏22.8.2 监控区22.8.3 属性22.9 本章小结第23章 Cognos工具简介第24章 Informatica的安装与快速入门第25章 Informatica实例第26章 Cognos安装与快速入门第27章 Cognos实例第28章 Cognos的安全管理第29章 Cognos优化

　　《信息科学与技术丛书·商业智能深入浅出：大数据时代下的架构规划与案例（第2版）》虽然是《商业智能深入浅出—Cognos，Informatica技术与应用》一书的修订版，但在结合各方面的反馈意见之后，对内容上做了很多调整，力求最新、最细。同时书中将商业智能和大数据有机地结合起来，增加了一些相应的章节和案例，扩充了知识点，几乎涵盖了商业智能领域的所有知识。本书并不推崇细节性的理论知识讲述，因为每一部分理论都可以写成一本书。本书主要针对如何解决项目中所遇到的问题，以及商业智能项目开发的一般流程。本书还力图帮助初学者快速进入到项目之中，所以本书对他们来说具有极高的参考价值。　　本书内容可以分成如下几个部分。　　理论篇：主要包括商业智能概述、数据仓库理论知识、数据挖掘和分析、大数据理论知识等内容。　　项目篇：主要包括商业智能项目需求的定义、商业智能项目模型的建立、商业智能数据仓库系统应用实例、大数据架构与实践、电力行业和金融行业的商业智能案例等内容。　　工具篇：详细介绍两大商业智能工具Cognos与Informatica的理论知识和使用方法。　　实践篇：包括Cognos报表的开发、部署和实践等内容。　　本书还附赠了部分源代码和一些有价值的文档模板。【作者简介】刘国峰，中国人民大学在职研究生，曾任职三星数据系统（中国）有限公司中国研发中心，现任中国电力科学研究院中电普华信息技术有限公司高级工程师，潜心研究数据仓库理论多年，形成了自己对数据仓库的独特见解。