本書力求通過淺顯易懂的語言和貼近生活的案例，深入淺出地介紹數據倉庫與數據挖掘技術的概念和相關理論。本書內容覆蓋數據倉庫的概念、結構、設計、使用方法、維護方法、優化方法，以SQL Server分析服務器為例介紹了數據倉庫的構建方法，以Tableau為例介紹了多維分析及數據可視化的主要操作。在數據挖掘部分，本書從數據挖掘的基礎工作和流程開始，對常見的模型和方法做了全面介紹，并利用SPSS Modeler工具介紹了如何通過工具實施真實的數據挖掘過程。
本書可作為高職高專類院校電子商務、信息管理、數據庫營銷等專業的教材，也可作為數據分析方向的培訓教材。
谷斌，數據挖掘專業碩士，長期在石家莊郵電職業技術學院從事一線教學工作，主要研究方向為電子商務、數據挖掘與數據分析。與郵政企業合作開展多項不同層面數據庫營銷項目和數據分析項目，較為熟悉NLP技術在郵政企業的典型應用。
第1章數據倉庫與數據挖掘概述1
1.1數據庫與數據倉庫1
1.1.1數據的層次性1
1.1.2數據倉庫出現的原因2
1.1.3數據倉庫的概念4
1.1.4數據倉庫與數據庫的差異7
1.1.5數據倉庫的商業應用8
1.2數據分析與數據挖掘8
1.2.1數據挖掘的概念10
1.2.2數據挖掘的商業流程12
1.2.3數據挖掘的典型應用13
1.2.4基于電子商務的數據挖掘技術16
1.2.5典型的數據挖掘方法17
1.3商務智能20
思考題21
第2章數據倉庫分析22
2.1數據倉庫的生命周期22
2.1.1數據倉庫規劃分析階段23
2.1.2數據倉庫設計實施階段23
2.1.3數據倉庫使用維護階段25
2.1.4數據倉庫開發的特點25
2.2數據倉庫的基本體系結構26
2.2.1外部數據源27
2.2.2數據抽取27
2.2.3抽取存儲區27
2.2.4數據清洗27
2.2.5數據轉換28
2.2.6數據集市28
2.3數據倉庫的構造模式29
思考題31
第3章數據倉庫設計32
3.1數據倉庫中的數據模型概述32
3.2概念模型設計33
3.2.1企業模型的建立34
3.2.2數據模型的規范35
3.2.3常見的概念模型36
3.3邏輯模型設計40
3.3.1數據倉庫的數據綜合41
3.3.2數據倉庫中的時間分割42
3.3.3數據倉庫中的數據組織形式42
3.3.4數據倉庫的粒度設計43
3.4物理模型設計48
3.4.1物理模型的設計要點48
3.4.2事實表的設計49
3.4.3維度表的設計50
3.4.4物理模型的設計對數據倉庫性能的影響51
思考題52
第4章數據倉庫的使用53
4.1數據倉庫與OLAP53
4.1.1OLAP的基本概念53
4.1.2OLAP系統與OLTP系統的區別53
4.1.3OLAP帶來的好處54
4.1.4數據倉庫與OLAP55
4.1.5OLAP多維數據分析56
4.2元數據59
4.2.1元數據的概念59
4.2.2元數據的作用60
4.2.3元數據的使用62
4.3數據倉庫的管理與維護62
4.3.1數據管理63
4.3.2系統管理65
4.4數據倉庫的優化71
4.4.1索引技術71
4.4.2物化視圖75
4.4.3其他優化手段76
4.5主流的數據倉庫廠商及產品77
4.6基于Analysis Services的數據倉庫構建過程79
4.6.1數據準備79
4.6.2數據倉庫的構建過程82
4.6.3開展OLAP分析的方法92
4.7基于Tableau的多維分析與數據可視化94
4.7.1Tableau的基本操作94
4.7.2在Tableau中開展OLAP分析的方法99
4.7.3在Tableau中完成數據展現的方法103
思考題107
第5章數據預處理108
5.1數據預處理的重要性108
5.2數據清洗110
5.2.1缺失數據處理110
5.2.2噪音數據的處理110
5.2.3不一致數據處理112
5.3數據集成與轉換112
5.3.1數據集成112
5.3.2數據轉換處理112
5.4數據規約114
5.4.1數據立方合計114
5.4.2維規約115
5.4.3數據壓縮116
5.4.4數據塊的消減117
5.5離散化和概念層次樹生成118
5.5.1數據概念層次樹生成119
5.5.2類別概念層次樹生成121
思考題122
第6章數據挖掘基礎123
6.1數據挖掘的任務123
6.2數據挖掘的實施125
6.2.1數據挖掘的基本過程125
6.2.2數據挖掘的實施難點125
6.3知識表示方法126
6.3.1產生式表示方法126
6.3.2產生式系統127
6.3.3其他知識表示方法130
思考題131
第7章數據挖掘的主要方法132
7.1關聯規則挖掘132
7.1.1關聯規則的定義和屬性132
7.1.2關聯規則的挖掘134
7.1.3關聯規則的分類135
7.1.4關聯規則挖掘的相關算法135
7.1.5關聯分析的實際應用141
7.2分類與預測145
7.2.1分類問題與預測問題145
7.2.2決策樹148
7.2.3人工神經網絡155
7.2.4其他分類方法158
7.2.5預測160
7.2.6分類與預測的實際應用161
7.3聚類分析171
7.3.1聚類的定義171
7.3.2聚類分析中的數據類型與結構172
7.3.3層次方法173
7.3.4劃分方法174
7.3.5聚類的實際應用175
7.4遺傳算法182
7.4.1遺傳算法的歷史和現狀182
7.4.2遺傳算法常用的操作算子及實施步驟183
7.5文本挖掘184
7.5.1文本挖掘的主要應用185
7.5.2文本表示方法188
7.5.3中文的分詞188
7.6Web挖掘與電子商務191
7.6.1Web挖掘定義191
7.6.2Web挖掘與電子商務192
7.6.3Web挖掘的數據來源與類型193
7.6.4Web使用模式挖掘194
思考題198
第8章大數據199
8.1大數據的基本內涵199
8.1.1大數據概念199
8.1.2大數據的典型特征199
8.2大數據技術演進200
8.2.1關系理論與關系型數據庫200
8.2.2非關系型數據庫的興起202
8.2.3典型的NoSQL系統及其特點203
8.3大數據的作用205
8.3.1數據機遇206
8.3.2數據回報207
8.4大數據應用案例207
8.4.1塔吉特百貨孕婦營銷分析207
8.4.2試衣間的大數據應用208
8.4.3路易斯維爾利用大數據治理空氣污染問題208
8.4.4阿里信用貸款和淘寶數據魔方209
8.4.5大數據時代的總統選舉，奧巴馬團隊如何處理數據209
參考文獻212
新書資訊