数据仓库与决策支持系统

.3.3 数据仓库的数据组织
3.3.1 面向主题组织数据
3.3.2 按关系模式组织主题域
3.3.3 数据仓库中数据粒度选取与综合数据组织
3.3.4 元数据的构建
3.3.5 数据仓库数据组织的一个实例
3.4 数据仓库的体系结构
3.4.1 概述
3.4.2 数据仓库及其管理
3.4.3 数据集市
3.4.4 数据源
3.4.5 后端处理
3.4.6 数据仓库应用层
3.4.7 数据展示层
3.5 数据仓库管理员
3.6 数据仓库工具集
3.7 数据仓库中的若干个基本概念的小结
第4章 决策推理与决策支持系统
4.1 人脑决策推理初探
4.2 电脑推理方法介绍
4.2.1 电脑的演绎推理方法
4.2.2 电脑的归纳推量方法
4.3 dss中的决策过程
4.3.1 dss中的演绎型决策过程
4.3.2 dss中的归纳型决策过程
4.3.3 dss总体结构图
第5章 联机分析处理olap
5.1 概述
5.2 olap模式
5.3 olap多维结构
5.3.1 olap多维数据结构
5.3.2 olap多维结构的操作
5.4 olap多维结构的物理存储
5.4.1 多维数据存储与关系数据存储
5.4.2 molap
5.5 olap的12条准则
5.6 olap的分析操作及实例的的介绍
5.6.1 olap分析操作
5.6.2 olap操作实例
5.7 olap结构
第6章 数据挖掘
6.1 概述
6.1.1 数据挖掘结构
6.1.2 数据挖掘的14种算法
6.1.3 数据挖掘的3种类型
6.1.4 数据挖掘过程
6.2 关联规则与apriori算法
6.2.1 关联规则基本概念与实例
6.2.2 关联规则的算法——apriori算法
6.3 分类与预测
6.3.1 分类与预测基本概念
6.3.2 分类算法之一——判定树算法
6.3.3 分类算法之二——粗集算法
6.3.4 基于人工神经网络的分类算法
6.3.5 基于贝叶斯方法的分类算法
6.4 聚类分析
6.4.1 聚类分析概述
6.4.2 聚类分析中的基本概念
6.4.3 聚类分析算法之一——划分法
6.4.4 聚类分析算法之二——层次法
6.4.5 聚类分析算法之三——遗传算法
第7章 数据仓库工程
7.1 数据仓库工程概述
7.2 软件工程介绍
7.2.1 软件
7.2.2 软件工程
7.2.3 软件工程的标准化与软件文档
7.3 数据工程介绍
7.3.1 概述
7.3.2 数据工程中的开发方法
7.3.3 数据工程中的开发过程
7.3.4 数据工程中的开发工具介绍
7.4 数据仓库应用系统的分析与设计
7.5 计划制定阶段
7.5.1 项目开发可行性研究
7.5.2 项目开发计划
7.6 需求分析
7.7 概念设计
7.8 逻辑设计
7.9 详细设计
7.10 测试
7.10.1 测试计划书
7.10.2 测试记录
7.10.3 测试分析报告
7.11 定型
7.11.1 项目开发总结
7.11.2 用户手册
7.11.3 操作手册
第8章 数据仓库产品介绍
8.1 数据仓库工具概述
8.2 数据仓库产品分类
8.2.1 4种开发厂商产品
8.2.2 3种不同规模的产品
8.3 典型产品
8.3.1 oracle数据仓库产品
8.3.2 sql server中的数据仓库功能
8.3.3 sas数据仓库产品
8.3.4 bo
8.3.5 brio
8.3.6 cognos
8.3.7 crystal
8.3.8 青大海威（highway）数据仓库产品
第9章 决策支持系统的应用
第10章 决策支持系统案例介绍
10.1 企业erp系统的扩充——eac
10.2 erp系统的组成
10.3 数据仓库主题的确定
10.3.1 数据仓库的主题
10.3.2 系统主题的实现方式
10.4 dss系统平台的构建
10.5 构建基于erp的数据仓库
10.6 数据仓库的应用
10.6.1 数据仓库应用的实现方法
10.6.2 数据仓库应用的4个主题的实现
10.7 olap应用
10.7.1 建立基于多维模型的数据集市
10.7.2 从数据集市到olap
10.7.3 多维建模的几个问题
10.7.4 olap分析
10.8 面向erp的数据挖掘
10.8.1 主题解释
10.8.2 数据准备
10.8.3 建立数据挖掘模型
10.8.4 结果解释、评价和应用
第11章 展望
11.1 动力与源泉
11.2 新的发展方向
11.3 未来预测
附录
附录1 oracle数据仓库产品介绍
附录2 微软公司的数据仓库产品介绍
附录3 sas产品介绍
附录4 bo介绍
附录5 brio介绍
附录6 cognos介绍
附录7 crystal decisions数据仓库产品介绍
附录8 青大海威产品介绍
主要参考文献