数据仓库工具箱：维度建模的完全指南

第1章维度建模初步1
1.1信息应用的不同领域1
1.2数据仓库的最终目标2
1.2.1出版业方面的比喻实例4
1.3数据仓库的组成6
1.3.1操作型源系统7
1.3.2数据聚集环节7
1.3.3数据展示9
1.3.4数据存取工具12
1.3.5其他要考虑的内容13
1.4维度建模词汇表15
1.4.1事实表15
1.4.2维度表18
1.4.3事实与维度的融合20
1.5关于维度建模的神话22
1.5.1应该避免的常见疏误24
1.6总结25
第2章零售营销26
2.1四步维度设计过程27
2.2零售实例的研究28
2.2.1第一步：选取业务处理30
2.2.2第二步：定义粒度30
2.2.3第三步：选定维度31
2.2.4第四步：确定事实32
2.3维度表属性34
2.3.1日期维度35
2.3.2产品维度39
2.3.3商场维度42
2.3.4促销维度43
2.3.5退化的事务编号维度46
2.4零售方案的运用48
2.5零售方案的扩展49
2.6经受住安逸诱惑的考验52
2.6.1维度的规范化处理（雪花处理）52
2.6.2维度使用过多54
2.7代理关键字56
2.8市场篮子分析59
2.9总结62
第3章库存63
3.1值链的引入63
3.2库存模型64
3.2.1周期库存快照65
3.2.2库存事务69
3.2.3库存累积快照70
3.3值链的集成72
3.4数据仓库总线结构73
3.4.1数据仓库总线矩阵75
3.4.2一致性维度78
3.4.3一致性事实82
3.5总结83
第4章采购84
4.1采购案例研究84
4.2采购事务85
4.2.1多事务事实表与单事务事实表86
4.2.2辅助性采购快照89
4.3渐变维度89
4.3.1类型1：改写属性值90
4.3.2类型2：添加维度行91
4.3.3类型3：添加维度列94
4.4混合渐变维度处理方法96
4.4.1可预见的多重变化96
4.4.2不可预见的单重变化97
4.5快变维度98
4.6总结99
第5章订单管理100
5.1订单管理的引入101
5.2订单事务101
5.2.1事实的规范化102
5.2.2维度的角色模仿103
5.2.3再谈产品维度104
5.2.4收货顾客维度106
5.2.5交易维度108
5.2.6订单编号退化维度109
5.2.7杂项维度110
5.2.8多种流通货币112
5.2.9粒度不同的标题与分列项事实113
5.2.10发票事务115
5.2.11赢利与亏损事实116
5.2.12利润率：最有效能的数据中心118
5.2.13利润率方面的告诫119
5.2.14顾客满意度事实119
5.3订单任务流水线累积快照120
5.3.1延迟计算122
5.3.2多个计量单位123
5.3.3后视图镜像124
5.4事实表的比较125
5.4.1事务事实表125
5.4.2周期快照事实表126
5.4.3累积快照事实表126
5.5实时分区的设计127
5.5.1实时分区的条件128
5.5.2事务粒度的实时分区128
5.5.3周期快照的实时分区129
5.5.4累积快照的实时分区130
5.6总结131
第6章客户关系管理132
6.1CRM概述133
6.1.1操作型与分析型CRM134
6.1.2CRM封装组件136
6.2客户维度136
6.2.1姓名与地址解析137
6.2.2常见的其他客户属性141
6.2.3低基数属性集的维度支架143
6.2.4大型变化客户维度144
6.2.5类型2客户维度变化的内容150
6.2.6客户行为研究组150
6.2.7商务客户体系结构152
6.2.8多源客户数据的组合158
6.3多业务处理的客户数据分析159
6.4总结160
第7章账目162
7.1账目案例研究162
7.2一般分类总账方面的数据163
7.2.1一般分类总账周期快照164
7.2.2一般分类总账日记账分录事务166
7.2.3财务报表169
7.3预算处理169
7.3.1合并事实表172
7.4OLAP与封装分析型方案的角色174
7.5总结175
第8章人力资源管理176
8.1维度中时间标记事务的跟踪176
8.1.1具有周期快照事实的时间标记维度180
8.2审计维度181
8.3关键词支架维度183
8.3.1选择AND与OR方面的难题184
8.3.2搜索子字符串184
8.4调查表数据186
8.5总结187
第9章财经服务188
9.1银行业案例研究188
9.2维度精选189
9.2.1家庭维度192
9.2.2多值维度193
9.2.3再谈微型维度194
9.3事实的自由值分段195
9.4时间点结余197
9.5异构产品方案199
9.5.1事务事实异构产品203
9.6总结203
第10章电信与公用事业205
10.1电信实例研究205
10.2设计复查要考虑的一般因素208
10.2.1粒度208
10.2.2日期维度209
10.2.3退化维度210
10.2.4维度解释与描述210
10.2.5代理关键字211
10.2.6维度太多（或者太少）211
10.3草案设计活动的讨论211
10.4地理位置维度213
10.4.1位置支架214
10.4.2支撑地理信息系统214
10.4总结215
第11章交通216
11.1飞机常客实例研究216
11.1.1多个事实表粒度217
11.1.2航段与行程的连接219
11.2向其他行业的扩展221
11.2.1载运货主221
11.2.2旅行社222
11.3将微型维度组合成超级维度223
11.3.1服务等级223
11.3.2起点与目的地224
11.4日期与时间方面更多的考虑226
11.4.1国别历法226
11.4.2作为维度或者事实的日间时间227
11.4.3处于多个时区的日期与时间228
11.5总结229
第12章教育230
12.1大学实例研究230
12.2用于维度跟踪的累积快照231
12.3非事实型事实表233
12.3.1学生注册事件234
12.3.2设施应用范围236
12.3.3学生听课事件237
12.4其他领域的分析兴趣240
12.5总结241
第13章卫生保健242
13.1卫生保健值环242
13.2卫生保健单据245
13.2.1日期维度所模仿的角色248
13.2.2多值诊断维度249
13.2.3扩展单据事实表以显示利润252
13.2.4住院出单维度253
13.3复杂卫生保健事件254
13.4医药记录255
13.4.1用于稀疏事实的事实维度255
13.5内容回顾257
13.5.1迟到事实行258
13.5.2迟到维度行259
13.6总结260
第14章电子商务261
14.1Web客户-服务器交互指南262
14.2为什么点击流并不仅仅是另外一种数据源264
14.2.1跟踪点击流数据所遇到的挑战265
14.2.2用于点击流的具体维度270
14.3用于整个会话的点击流事实表275
14.4用于单个页面事件的点击流事实表278
14.5聚集点击流事实表281
14.6将点击流数据中心集成到企业数据仓库282
14.7商务利润率数据中心284
14.8总结287
第15章保险289
15.1保险实例研究290
15.1.1保险值链291
15.1.2草拟的保险总线矩阵292
15.2保单事务293
15.2.1维度细节与方法293
15.2.2可选（或者补充）保单累积快照299
15.3保单周期快照299
15.3.1一致性维度299
15.3.2一致性事实300
15.3.3再谈异构产品301
15.3.4再谈多值维度302
15.4更多的保险实例研究背景302
15.4.1更新的保险总线矩阵303
15.5索赔事务304
15.6索赔累积快照306
15.7保险/索赔合并快照308
15.8非事实型事故事件309
15.9维度建模要避免的常见错误310
15.10总结313
第16章建立数据仓库314
16.1业务维度生命周期路线图315
16.1.1路线图的主要兴趣点315
16.2项目规划与管理317
16.2.1准备情况的评估317
16.2.2范围的确定319
16.2.3论证319
16.2.4人力资源配备319
16.2.5项目方案的开发与维护322
16.3业务需求定义323
16.3.1需求规划323
16.3.2业务需求收集325
16.3.3文档形成与后续整理327
16.4生命周期技术路径329
16.5技术体系设计329
16.5.1创建技术体系的8步过程330
16.6产品选购与安装332
16.7生命周期数据路径334
16.8维度建模334
16.9物理设计336
16.9.1聚集策略336
16.9.2初始索引策略337
16.10数据转储系统的设计与开发338
16.10.1维度表转储处理339
16.10.2事实表转储341
16.11生命周期分析型应用路径342
16.11.1分析型应用程序说明343
16.11.2分析型应用程序的开发343
16.12配发344
16.13维护与扩展345
16.14建立数据仓库需要避免的常见错误347
16.15总结349
第17章相关知识与展望350
17.1正在出现的技术进步351
17.2安全需求与隐私影响方面的政治压力353
17.2.1有益的使用与具有险恶用心的滥用之间存在冲突354
17.2.2由谁掌握个人数据355
17.2.3可能发生什么事情355
17.2.4监视监控人员如何影响数据仓库的体系356
17.3精心设计而避免出现灾难性的失败358
17.3.1灾难性故障358
17.3.2对灾难性故障的应对359
17.4知识产权与公平使用361
17.5数据仓库应用方面的文化取向362
17.5.1企业范围内的数字管理362
17.5.2对复杂的关键性能指标存在更多的信赖363
17.5.3行为是新的应用大户363
17.5.4封装应用达到顶峰364
17.5.5仍然需要应用集成364
17.5.6采购数据仓库需要进行审慎的风险评估365
17.6结束语366
术语表367