商业智能深入浅出：大数据时代下的架构规划与案例（第2版）

　　《信息科学与技术丛书·商业智能深入浅出：大数据时代下的架构规划与案例（第2版）》虽然是《商业智能深入浅出—Cognos，Informatica技术与应用》一书的修订版，但在结合各方面的反馈意见之后，对内容上做了很多调整，力求最新、最细。同时书中将商业智能和大数据有机地结合起来，增加了一些相应的章节和案例，扩充了知识点，几乎涵盖了商业智能领域的所有知识。本书并不推崇细节性的理论知识讲述，因为每一部分理论都可以写成一本书。本书主要针对如何解决项目中所遇到的问题，以及商业智能项目开发的一般流程。本书还力图帮助初学者快速进入到项目之中，所以本书对他们来说具有极高的参考价值。本书内容可以分成如下几个部分。理论篇：主要包括商业智能概述、数据仓库理论知识、数据挖掘和分析、大数据理论知识等内容。项目篇：主要包括商业智能项目需求的定义、商业智能项目模型的建立、商业智能数据仓库系统应用实例、大数据架构与实践、电力行业和金融行业的商业智能案例等内容。工具篇：详细介绍两大商业智能工具Cognos与Informatica的理论知识和使用方法。实践篇：包括Cognos报表的开发、部署和实践等内容。本书还附赠了部分源代码和一些有价值的文档模板。

　　刘国峰，中国人民大学在职研究生，曾任职三星数据系统（中国）有限公司中国研发中心，现任中国电力科学研究院中电普华信息技术有限公司高级工程师，潜心研究数据仓库理论多年，形成了自己对数据仓库的独特见解。王飞。吉林大学硕士毕业，在电力行业、金融行业从事多年的IT架构规划、数据仓库架构设计、数据模型设计和数据库开发等工作，积累了丰富的项目经验和理论知识。目前在央行从事IT架构咨询的工作。主要著作包括《商业智能深入浅出一大数据时代下的架构规划与案例》，《商业智能深入浅出-Cognos，Informatica技术与应用》等。

前言
致谢
理 论 篇
第1章 商业智能简介
1.1 商业智能概述
1.1.1 商业智能的定义
1.1.2 商业智能的作用
1.1.3 商业智能的处理过程
1.1.4 商业智能的功能
1.1.5 商业智能的发展趋势
1.2 关于商业智能的核心技术
1.2.1 数据仓库
1.2.2 数据挖掘和分析
1.2.3 ETL处理技术
1.2.4 联机分析处理（OLAP）技术
1.2.5 可视化分析
1.2.6 大数据技术
1.2.7 商业智能元数据管理
1.3 商业智能的实施方法和步骤
1.3.1 商业智能的实施方法
1.3.2 商业智能的实施步骤
1.4 商业智能项目成功的关键
1.5 商业智能项目的组织机构
1.6 本章小结
第2章 数据仓库的理论知识
2.1 数据仓库概述
2.1.1 数据仓库产生的背景
2.1.2 数据仓库定义
2.1.3 数据仓库和商业智能之间的关系
2.2 数据仓库的特点
2.2.1 面向主题
2.2.2 集成性
2.2.3 稳定性
2.2.4 反映历史变化
2.3 数据仓库的优势
2.4 数据仓库和数据库的区别
2.5 数据仓库开发过程介绍
2.5.1 规划分析阶段
2.5.2 设计实现阶段
2.5.3 使用维护阶段
2.6 数据仓库系统组成部分介绍
2.6.1 数据源分析
2.6.2 数据迁移
2.6.3 选择数据的存储结构
2.6.4 元数据
2.7 数据仓库模型设计介绍
2.7.1 概念模型
2.7.2 逻辑模型
2.7.3 物理模型
2.8 数据集市介绍
2.8.1 数据集市概述
2.8.2 数据集市和数据仓库的联系和区别
2.8.3 数据集市的目标分析
2.8.4 数据集市的技术特性
2.9 ODS介绍
2.9.1 ODS的概述
2.9.2 ODS系统与数据库系统、数据仓库系统的区别
2.9.3 基于ODS和基于数据仓库的OLAP之间的关系
2.9.4 ODS系统的功能
2.9.5 ODS系统的架构
2.10 数据仓库实施详细步骤
2.10.1 需求分析
2.10.2 数据仓库的逻辑分析
2.10.3 设计ODS系统
2.10.4 数据仓库建模
2.10.5 数据集市建模
2.10.6 数据源分析
2.10.7 数据的获取与整合
2.10.8 应用分析
2.10.9 报表展现
2.11 在大数据环境下的数据仓库的建设
2.12 数据仓库建设路线图
2.13 数据仓库的作用
2.14 数据仓库的建设意义
2.15 本章小结
第3章 数据挖掘和分析理论知识
3.1 什么是数据挖掘
3.2 数据挖掘方法的几个步骤
3.3 数据挖掘常用算法
3.4 数据仓库和数据挖掘之间的关系
3.5 数据挖掘的主要过程
3.6 数据挖掘的主要应用——客户精准营销
3.6.1 客户精准营销背景
3.6.2 关于旅游行业的客户精准营销
3.6.3 关于银行业的客户精准营销
3.7 本章小结
第4章 商业智能ETL理论知识
4.1 ETL在数据仓库中的重要地位
4.2 ETL的一般过程
4.3 研究ETL的本质
4.4 ETL的体系结构
4.5 ETL的难点
4.6 主流的ETL工具
4.7 ETL的作用
4.8 详解ETL过程
4.8.1 数据抽取
4.8.2 数据清洗
4.8.3 数据转换
4.8.4 数据加载
4.8.5 ETL的日志
4.9 ETL优化
4.10 ETL设计规范要点
4.11 ETL的框架结构
4.12 ETL的实施策略
4.13 本章小结
第5章 商业智能联机分析处理理论简介
5.1 OLAP介绍
5.2 OLAP系统与OLTP系统的区别
5.3 OLAP的实现方法
5.4 OLAP的基本目标和特点
5.5 建立OLAP的过程
5.6 OLAP与数据仓库的关系
5.7 OLAP系统的实施过程
5.8 OLAP模型的设计与实现
5.9 本章小结
第6章 数据可视化分析理论知识
6.1 什么是数据可视化分析
6.2 数据可视化的表现形式
6.3 本章小结
第7章 大数据理论知识
7.1 大数据概念的提出
7.2 什么是大数据？
7.3 大数据处理技术
7.4 大数据应用案例
7.5 大数据和传统商业智能的结合
7.6 本章小结
第8章 商业智能元数据理论知识
8.1 元数据的定义
8.2 元数据的重要性
8.3 元数据的类型
8.4 元数据的作用
8.5 元数据的管理
8.6 元数据包含的内容
8.7 本章小结
项 目 篇
第9章 商业智能项目需求的定义
9.1 商业智能项目的启动
9.2 商业智能项目的需求定义
9.3 系统原型的建立
9.4 验收和评审的内容
9.5 本章小结
第10章 商业智能项目模型的建立
10.1 数据模型的设计原则
10.2 企业模型的意义
10.2.1 企业模型的定义
10.2.2 建设企业模型的意义
10.2.3 企业数据模型和其他模型之间的关系
10.2.4 与企业数据模型相关的概念
10.2.5 企业数据模型转换到数据仓库模型的步骤
10.3 概念模型的设计
10.4 逻辑模型的设计
10.4.1 ODS逻辑模型
10.4.2 数据仓库逻辑模型
10.4.3 数据集市逻辑模型
10.5 物理模型的设计
10.5.1 ODS 物理模型的设计
10.5.2 数据仓库物理模型的设计
10.5.3 数据集市物理模型的设计
10.6 本章小结
第11章 商业智能数据仓库系统应用实例
11.1 定义数据仓库项目的生命周期
11.2 数据仓库粒度的划分
11.3 企业辅助决策分析系统的构建
11.4 决策分析系统一般的部署方案和步骤
11.4.1 提供系统安装软件的体系结构
11.4.2 部署系统的数据库环境
11.4.3 ETL环境的部署
11.4.4 报表展示环境的部署
11.5 数据仓库建设的难点
11.6 本章小结
第12章 商业银行数据仓库建设规划
12.1 商业银行数据仓库建设概况
12.2 目前国内商业银行数据仓库面临的瓶颈
12.3 商业银行数据仓库建设面临哪些问题
12.4 商业银行数据仓库建设思路及系统情况
12.4.1 某商业银行建设数据仓库时遇到的挑战
12.4.2 某商业数据仓库架构存在的问题
12.4.3 对该行数据仓库目标架构的建议
12.5 商业银行数据仓库建设启示
12.6 本章小结
第13章 电力行业数据仓库的建设规划
13.1 电力行业数据仓库建设难点
13.2 电力行业数据仓库逻辑架构
13.3 电力行业数据仓库能力蓝图
13.4 数据仓库促进电力业务的发展
13.5 数据仓库建设策略比较
13.6 电力行业数据仓库模型建立过程
13.7 电力行业数据仓库的架构设计
13.8 本章小结
第14章 商业智能项目规划和管理
14.1 项目团队的组织结构
14.2 项目角色划分及技能要求
14.3 定义领导组的职责和主要任务
14.4 如何定义商业智能项目的进度
14.5 如何定义商业智能项目的过程
14.6 本章小结
第15章 商业智能应用介绍
15.1 商业智能应用设计的原则
15.2 商业智能应用的实施步骤
15.3 商业智能具有的应用功能
15.4 商业智能应用实例
15.5 本章小结
第16章 数据抽取、转换和加载
16.1 ETL的定义和总体架构
16.2 ETL的加载方法
16.2.1 以时间戳作为加载条件
16.2.2 利用源表的日志信息对目标表进行数据加载
16.2.3 通过全表对比的方式进行数据加载
16.2.4 全表删除后再进行数据加载的方式
16.3 利用ETL构建企业级数据仓库
16.4 ETL的设计过程
16.5 ETL的备份与恢复
16.5.1 数据的备份
16.5.2 数据备份存放的介质以及目录结构
16.5.3 ETL程序的备份
16.5.4 数据的恢复方案
16.6 ETL数据质量的改进
16.6.1 ETL数据质量分析
16.6.2 ETL数据质量改进的方法和目标
16.6.3 推动ETL数据质量改进的方法
16.6.4 ETL的技术路线选择
16.7 ETL应用举例
16.7.1 ETL分析需求
16.7.2 ETL 数据源说明
16.7.3 ODS设计与抽取
16.7.4 数据仓库（DW）设计与抽取
16.7.5 数据集市（DM）设计与抽取
16.8 本章小结
第17章 联机分析处理
17.1 OLAP的概念
17.2 OLAP的实施
17.2.1 建立“维”的概念
17.2.2 多维分析技术
17.2.3 OLAP实施的一般过程
17.3 OLAP的应用实例
17.3.1 案例背景
17.3.2 需求
17.3.3 数据准备
17.3.4 浏览分析数据
17.4 OLAP系统设计的一般步骤
17.5 本章小结
第18章 应用举例
18.1 项目工作计划的制订
18.1.1 对项目背景与目的的描述
18.1.2 确定项目需要交付的成果
18.1.3 制定项目管理文档
18.1.4 项目进度划分
18.2 需求分析
18.2.1 业务需求
18.2.2 功能需求
18.3 营销系统设计
18.3.1 总体架构设计
18.3.2 营销辅助决策系统的ETL架构设计
18.3.3 营销辅助决策系统数据访问功能设计
18.3.4 营销辅助决策系统展示方式设计
18.3.5 营销辅助决策系统主题分析功能设计
18.3.6 数据模型设计
18.4 ETL数据抽取
18.4.1 ETL物理设计
18.4.2 从源数据库抽取到ODS数据缓冲区
18.4.3 从ODS数据缓冲区抽取到ODS统一信息视图区
18.4.4 从ODS统一信息视图区抽取到数据仓库
18.4.5 从数据仓库抽取到数据集市
18.5 报表展示
18.6 编写测试报告
18.7 编写用户手册
18.8 软件发布
18.9 系统运行维护
18.10 本章小结
第19章 大数据架构与实践
19.1 大数据概述
19.2 大数据的处理技术之一——流数据
19.3 大数据下的数据架构
19.4 大数据在银行业的应用与实践
19.5 本章小结
第20章 金融行业的商业智能概述
20.1 金融行业实施商业智能的背景
20.2 商业智能在金融行业的作用
20.3 金融行业实施商业智能的措施
20.4 本章小结
第21章 电力行业商业智能概述
21.1 电力行业面临的挑战
21.2 建设企业级数据仓库的原因
21.3 电力行业数据仓库的执行架构
21.4 数据仓库开发的阶段、任务和流程
21.5 数据仓库运维内容
21.6 电力行业数据仓库的建设方法
21.7 本章小结
工 具 篇
第22章 Informatica PowerCenter工具简介
22.1 Informatica PowerCenter介绍
22.1.1 Informatica的特点
22.1.2 Informatica的优势
22.2 Informatica PowerCenter工具概况
22.3 Informatica Servers引擎
22.4 Administration Console
22.4.1 登录方式
22.4.2 相关术语
22.5 PowerCenter Designer
22.5.1 菜单
22.5.2 工具栏
22.5.3 导航
22.5.4 工作区
22.5.5 输出窗口
22.6 Repository Manager
22.6.1 菜单
22.6.2 工具栏
22.6.3 导航
22.6.4 工作区
22.7 Workflow Manager
22.7.1 菜单
22.7.2 工具栏
22.7.3 导航
22.7.4 工作区
22.7.5 输出窗口
22.8 Workflow Monitor
22.8.1 工具栏
22.8.2 监控区
22.8.3 属性
22.9 本章小结
第23章 Cognos工具简介
第24章 Informatica的安装与快速入门
第25章 Informatica实例
第26章 Cognos安装与快速入门
第27章 Cognos实例
第28章 Cognos的安全管理
第29章 Cognos优化