数据仓库技术与联机分析处理

理论篇
第一章  从数据库到数据库仓库
1.1  从数据库到数据仓库
1.2  什么是数据仓库
1.2.1  主题与面向主题
1.2.2  数据仓库的其他三个特征
1.3  数据仓库中的数据组织
1.3.1  数据仓库的数据组织结构
1.3.2  粒度与分割
1.3.3  数据仓库的数据组织形式
1.3.4  数据仓库的数据追加
1.4  数据库体系化环境
1.4.1  四层体系化环境
1.4.2  数据库集市
1.5  小结
第二章  数据仓库设计
2.1  数据仓库系统设计方法概述
2.2  数据仓库设计的三级数据模型
2.2.1  概念模型
2.2.2  逻辑模型
2.2.3  物理模型
2.2.4  高级模型、中级模型和低级模型
2.3  提高数据仓库的性能
2.3.1  粒度划分
2.3.2  分割
2.3.3  数据仓库物理设计中的其他一些问题
2.4  数据仓库中的元数据
2.5  数据仓库设计步骤
2.5.1  概念模型设计
2.5.2  技术准备工作
2.5.3  逻辑模型设计
2.5.4  物理模型设计
2.5.5  数据仓库的生成
2.5.6  数据仓库的使用与维护
2.6  小结
第三章  操作数据存储(ODS)
3.1  什么是ODS
3.1.1  ODS的定义及特点
3.1.2  ODS的功能和实现机制
3.2  DB-ODS-DW体系结构
3.2.1  ODS与DW
3.2.2  DB-ODS-DW三层体系结构
3.3  创建ODS
3.3.1  ODS数据模式的形成过程
3.3.2  ODS对数据的控制——获取并传输
3.3.3  创建ODS的两条技术路线
3.4  实例——商场ODS系统
3.5  小结
第四章  数据仓库投资回报分析
4.1  概述
4.2  数据仓库投资回报的定量分析
4.2.1  投资回报的度量标准
4.2.2  数据仓库的投资回报率与回报周期
4.2.3  数据仓库投资回报分析
4.3  数据仓库投资回报的定性分析
4.4  数据仓库实现分析
4.4.1  建立数据仓库的必要性分析
4.4.2  技术选择分析
4.4.3  数据仓库实现方法的投资回报分析
4.4.4  数据仓库实现目标的投资回报分析
4.5  典型企业的投资回报分析
4.5.1  美国麻萨诸塞州政府（Commonwealth of Massachusetts）(ROI 44%)
4.5.2  荷兰Interpolis公司（ROI 568%）
4.5.3  美国Niagara Mohawk能源公司（ROI 1413%）
4.6  小结
工具篇  
第五章  数据仓库工具
5.1    数据仓库工具——数据仓库系统的重要组成部分
5.1.1  数据仓库系统的结构
5.1.2  数据库系统与数据仓库系统的组成结构的比较
5.2  数据分析工具发展
5.2.1  EIS软件
5.2.2  PC挖掘工具
5.2.3  OLAP服务器
5.2.4  面向数据仓库、支持决策应用的数据分析产品
5.3  数据分析模型
5.3.1  四种分析模型
5.3.2  比较
5.4  数据仓库工具简介
5.4.1  验证型工具
5.4.2  发掘型工具
第六章  决策支持工具的新进展——联面分析处理(OLAP)
6.1  从OLTP到OLAP
6.1.1  OLAP的出现
6.1.2  什么是OLAP
6.1.3  OLTP与OLAP的关系及比较
6.2  OLAP的特征及衡量标准
6.2.1  Codd关于OLAP产品的十二条评价准则
6.2.2  其他厂商对Codd的十二条准则的看法
6.3  OLAP实施
6.4  基于多维数据库的OLAP实现
6.4.1  多维数据
6.4.2  维的层次关系和类
6.4.3  时间序列数据类型
6.4.4  多维数据库存储
6.4.5  多维数据库存取
6.5  基于关系数据库的OLAP实现
6.6  两种技术间的比较
6.6.1  结构
6.6.2  数据存储和管理
6.6.3  数据存取
6.6.4  适应性
6.7  OLAP产品介绍及选择
6.7.1  产品介绍
6.7.2  产品选择
6.8  OLAP的新发展及在我国的应用展望
6.8.1  OLAP的新发展
6.8.2  OLAP在我国的应用展望
第七章  数据挖掘(Data Mining)工具
7.1  Data Mining的技术基础
7.1.1  Data Mining的概念
7.1.2  Data Mining的方法与技术
7.1.3  Data Mining的分析方法
7.2  Data Mining系统的体系结构及运行过程
7.2.1  数据挖掘的步骤
7.2.2  实例
7.3  从技术与实现
7.4  Data Mining与OLAP的区别和联系
7.5  数据挖掘的应用
应用篇
第八章  数据仓库应用谈
8.1  数据仓库应用概述
8.1.1 全局应用
8.1.2 复杂分析
8.2  数据仓库的应用实例
8.2.1 数据仓库解决“蜘蛛网”问题
8.2.2  分层决策体系
8.2.3  数据抽样分析
8.2.4  发挥历史数据的经济效益
8.2.5  回扣分析
8.3  小结
第九章  数据仓库的应用与实践
9.1  任务来源
9.2  研制过程
9.2.1  前期准备工作
9.2.2  总体方案的确立
9.2.3  数据模型分析与数据库设计
9.2.4  应用系统开发
9.3  研制成果
9.4  作用与效益
9.5  结束语
附录  中国银行广东省分行FMIS系统
产品篇
第十章  INFORMIX公司的数据仓库解决方案及其OLAP产品MetaCube技术分析
10.1  INFORMIX数据仓库解决方案
10.2  联机事务处理（OLTP）、数据仓库与联机分析处理（OLAP）
10.3  Informix公司数据仓库的数据分析模型——多维模型
10.3.1  什么是多维模型
10.3.2  多维模型的实现关键——计算中间表的设计
10.4  Informix OLAP产品MetaCube介绍及技术分析
10.4.1  MetaCube的技术特色
10.4.2  MetaCube Explorer
10.4.3  MetaCube Warehouse Manager
10.5  MetaCube使用实例
10.5.1  DSS系统MetaCube DEMO的多维模型
10.5.2  MetaCube DEMO的逻辑模型实现
10.5.3  通过MetaCube Explorer访问MetaCube DEMO中的数据
10.5.4  利用MetaCube Optimizer优化数据仓库
10.6  结束语
第十一章  Oracle数据仓库解决方案及OLAP产品技术分析
11.1  ORACLE数据仓库解决方案
11.1.1  数据仓库建模和设计
11.1.2  数据抽取
11.1.3  数据仓库管理
11.1.4  数据分析
11.2  Oracle OLAP产品介绍
11.2.1  OLAP背景
11.2.2  OLAP的两类用户
11.2.3  Oracle OLAP产品系列
11.3  Oracle Express Server技术特色
11.3.1  Express Server结构
11.3.2  Express 数据模型
11.3.3  Oracle Express 的存储结构
11.3.4  Express 多维数据模型的优点
11.3.5  Express Server数据的提取及其与关系数据库的集成
11.3.6  SQL与多维查询的实例
11.4  实例
11.4.1  数据模型定义
11.4.2  数据抽取
11.4.3  通过EXPRESS OBJECT分析
11.4.4  总结
第十二章  Sybase的交互式数据仓库解决方案及其特色产品Sybase IQ
12.1  Sybase的数据仓库三层体系结构
12.1.1  多层体系结构的概念与划分
12.1.2  三层客户/服务器结构适应的数据仓库应用的需要
12.2  Sybase的QuickStart DataMart捆绑计划
12.2.1  Sybase数据仓库体系环境
12.2.2  数据仓库和数据集市（Data Wart）
12.2.3  Sybase的“ WarehouseNOW”策略：Quick Start DataMart
12.3  Sybase特色产品Sybase IQ的技术简介
12.3.1  Sybase IQ产品定位
12.3.2  Sybase IQ服务器技术特色
12.3.3  Bit-Wise索引的建立
12.4  数据仓库设计工具——PowerDesignor Warehouse Architect 6.0
12.4.1  维建模与相关概念
12.4.2  Warehouse Architect功能简介
附录1  设置Sybase IQ的基本步骤
附录2  测试比较
附录3  Sybase IQ的典型用户——美国MCI公司的SQLD数据仓库
参考文献