logo资料库

Microsoft SQL Server 2005商业智能实现.pdf

第1页 / 共640页
第2页 / 共640页
第3页 / 共640页
第4页 / 共640页
第5页 / 共640页
第6页 / 共640页
第7页 / 共640页
第8页 / 共640页
资料共640页,剩余部分请下载后查看
封面
书名
版权
前言
第Ⅰ部分 商业智能化
第1章 使组织机构具备有效决策能力
1.1 有效决策能力
1.1.1 谁是决策者?
1.1.2 什么是有效决策?
1.2 具备有效决策能力的要素
1.2.1 量化的目标
1.2.2 具体的度量
1.2.3 适时的信息
1.3 商业智能
第2章 充分利用现有资源
2.1 商业智能的作用
2.1.1 用于问题明确的情况
2.1.2 发现新问题并解决问题
2.2 多层次的商业智能
2.2.1 金字塔的顶层
2.2.2 中间层次
2.2.3 最低层次
2.3 Maximum Miniatures公司
2.3.1 业务需求
2.3.2 当前系统
2.4 建立基础
第3章 商业智能的源系统
3.1 寻找源系统
3.2 数据集市
3.2.1 数据集市的特征
3.2.2 数据集市的结构
3.3 小结
第4章 统一维度模型
4.1 联机分析处理
4.1.1 使用多维数据集建立OLAP系统
4.1.2 OLAP系统的特性
4.1.3 OLAP系统的体系结构
4.1.4 缺点
4.2 统一维度模型
4.2.1 结构
4.2.2 优点
4.3 小结
第5章 开始商业智能的第一步
5.1 Business Intelligence Development Studio
5.1.1 Visual Studio
5.1.2 Business Intelligence Development Studio导航
5.1.3 Business Intelligence Development Studio的选项
5.2 SQL Server Management Studio
5.3 小结
第Ⅱ部分 定义商业智能的结构
第6章 建立基础——创建和填充数据集市
6.1 数据集市
6.2 设计数据集市
6.2.1 决策者的需求
6.2.2 可用数据
6.2.3 数据集市的结构
6.2.4 使用SQL Server Management Studio创建数据集市
6.2.5 使用Business Intelligence Development Studio创建数据集市
6.3 小结
第7章 使用Integration Services填充数据集市
7.1 Integration Services
7.1.1 包结构
7.1.2 包项
7.2 包的开发特性
7.2.1 开发Integration Services包
7.2.2 包开发工具
7.2.3 迁移SQL Server 2000中的DTS包
7.3 应用Integration Services包
7.3.1 部署Integration Services包
7.3.2 执行Integration Services包
7.4 小结
第Ⅲ部分 分析多维数据集
第8章 多维数据集的机制——度量和维度
8.1 回顾与展望
8.1.1 完善生产线数据集市
8.1.2 创建多维数据集
8.2 度量
8.2.1 度量组
8.2.2 计算成员
8.2.3 度量聚合
8.3 维度
8.3.1 管理维度
8.3.2 建立维度和度量组的联系
8.3.3 维度类型
8.3.4 渐变维度
8.4 小结
第9章 OLAP多维数据集的属性
9.1 准备部署多维数据集
9.1.1 部署和处理
9.1.2 从Business Intelligence Development Studio进行部署
9.1.3 从“Analysis Services部署向导”进行部署
9.2 其他的多维数据集属性
9.2.1 链接对象
9.2.2 商业智能向导
9.2.3 关键性能指标
9.2.4 操作
9.2.5 分区
9.2.6 透视
9.2.7 翻译
9.3 小结
第10章 编写新的脚本——MDX
10.1 术语与概念
10.1.1 我们在哪里?
10.1.2 从当前位置到达另一个目的地
10.2 运用MDX脚本
10.2.1 多维数据集的安全
10.2.2 今年和去年的对比以及年初到本日止的汇总
10.3 从多维数据集中提取数据
第11章 MDX查询
11.1 MDX SELECT语句
11.1.1 基本的MDX SELECT语句
11.1.2 其他查询工具
11.1.3 其他维度
11.2 其他查询语法
11.2.1 运算符
11.2.2 函数
11.3 数据挖掘
第Ⅳ部分 数据挖掘
第12章 数据挖掘入门
12.1 什么是数据挖掘
12.1.1 从混乱到有序
12.1.2 数据挖掘完成的任务
12.1.3 数据挖掘的步骤
12.2 数据挖掘算法
12.2.1 Microsoft Decision Trees算法
12.2.2 Microsoft Naive Bayes算法
12.2.3 Microsoft Clustering算法
12.2.4 Microsoft Association算法
12.2.5 Microsoft Sequence Clustering算法
12.2.6 Microsoft Time Series算法
12.2.7 Microsoft Neural Network算法
12.3 小结
第13章 处理数据挖掘模型
13.1 数据挖掘结构
13.1.1 数据列
13.1.2 数据挖掘模型
13.1.3 训练数据集
13.2 挖掘模型查看器
13.2.1 Microsoft决策树
13.2.2 Microsoft Naive Bayes
13.2.3 Microsoft聚类
13.2.4 Microsoft神经网络
13.2.5 Microsoft关联
13.2.6 Microsoft序列聚类
13.2.7 Microsoft时间序列
13.3 小结
第14章 使用数据挖掘
14.1 “挖掘准确性图表”选项卡
14.1.1 “列映射”选项卡
14.1.2 提升图
14.1.3 利润图
14.1.4 分类矩阵
14.2 “挖掘模型预测”选项卡
14.2.1 单独查询
14.2.2 Prediction Join查询
14.3 Data Mining Extension
14.3.1 预测查询语法
14.3.2 预测查询的类型
14.4 数据传递
第Ⅴ部分 报表
第15章 使用Reporting Services实现商业智能
15.1 Reporting Services
15.1.1 报表结构
15.1.2 传递报表
15.2 报表服务结构
15.2.1 Report Server
15.2.2 Reporting Services的组成部分
15.2.3 Reporting Services的安装注意事项
15.3 创建报表
15.4 Report Manager
15.4.1 文件夹
15.4.2 Report Manager
15.4.3 使用Report Designer部署脚本
15.4.4 使用Report Manager上传报表
15.4.5 在Report Manager中打印报表
15.5 在Report Server上管理报表
15.5.1 安全性
15.5.2 链接报表
15.5.3 报表缓冲
15.5.4 执行快照
15.5.5 报表历史记录
15.5.6 标准订阅
15.5.7 数据驱动订阅
15.6 即席报表
15.6.1 报表模型
15.6.2 Report Builder基础
15.7 小结
第16章 在应用中整合OLAP
16.1 ADOMD.NET
16.1.1 ADOMD.NET的结构
16.1.2 ADOMD.NET示例
16.2 不带Report Manager的Reporting Services
16.2.1 URL访问
16.2.2 Web服务访问
16.2.3 Report Viewer控件
16.3 小结
第17章 Excel透视表和透视图表
17.1 Excel
17.1.1 创建透视表和透视图表
17.1.2 透视表
17.1.3 透视图表
17.1.4 其他功能
17.2 小结
附录A 学习资源
分享到:
收藏