SQL Server 2005数据挖掘与商业智能完全解决方案

. 2.2 设计和使用etl
2.3 创建olap数据立方
　 2.3.1 定义数据源
　2.3.2 定义数据源视图
　 2.3.3 生成多维数据集
2.4 创建和使用报表
　2.4.1 创建报表
　 2.4.2 使用报表
2.5 实现其他前端展现
2.6 使用数据挖掘获取商业智能
　2.6.1 商务需求分析
　 2.6.2 创建挖掘结构
　2.6.3 从数据挖掘中获取有价值的信息
第3章 bi分析的基石：结构良好的数据仓库设计
3.1 数据的两种组织形式：操作数据和分析数据
　3.1.1 操作型系统和分析型系统的分离
　 3.1.2 事务处理和分析处理的对比
　3.1.3 操作型数据与分析型数据的对比
　 3.1.4 数据仓库的特点
3.2 数据仓库设计方法论
　3.2.1 数据库设计与数据仓库设计
　 3.2.2 数据仓库的架构方式及其比较
　3.2.3 宏观上的数据仓库设计
　 3.2.4 微观上的数据仓库设计
　3.2.5 2种创建数据仓库的模式
　 3.2.6 技术上需要关注的重点步骤
3.3 理解历史数据和分析需求
　3.3.1 “数据驱动＋用户驱动”的设计理念
　 3.3.2 理解业务数据
　3.3.3 确定用户对分析型数据的需求
3.4 明确仓库的对象：主题和元数据
　 3.4.1 信息打包技术
　3.4.2 理解数据仓库中的主题
　 3.4.3 理解数据仓库中的元数据
3.5 确定分析内容的构成：事实及其粒度
　3.5.1 事实、度量和事实表
　 3.5.2 事实表的设计
　3.5.3 粒度的设计
　 3.5.4 聚合的设计
　3.5.5 数据分割
3.6 规划分析的视角：维度
　 3.6.1 维度的构成
　 3.6.2 维度的特性
　3.6.3 维度的分类
　 3.6.4 维度的层次和级别
　3.6.5 维度的缓慢变化特性及其处理
　 3.6.6 典型的维度设计
3.7 数据仓库物理模型设计
　3.7.1 设计存储结构
　3.7.2 设计索引策略
　 3.7.3 设计存储策略
3.8 数据仓库设计示例
　3.8.1 销售数据仓库
　 3.8.2 保险业数据仓库
3.9 数据仓库数据库设计的心得总结
　3.9.1 透彻理解数据仓库设计过程
　 3.9.2 把握设计的关键环节
　3.9.3 分离非分析数据
第4章 用ssis对数据进行etl操作
第5章 ssis在商业智能中的典型应用
第6章 用ssas进行olap操作
第7章 数据立方的增强及其应用
第8章 用mdx扩展olap功能
第9章 用ssrs处理智能报表
第10章 基于ssas的商业智能分析
第11章 数据挖掘体系结构与基本使用方法
第12章 用数据挖掘技术满足商业分析需求
参考文献