“数据建模与决策”课程的教学目的是以教授应用技能为主。由于实际问题异常复杂，几乎所有数据的处理和模型的解决都需要借助计算机来实现，因此，选择什么样的软件来处理就是一个问题。如果选择非常专业的软件，则要花费许多时间学习如何使用这些软件，从而影响教学的其他环节。但是，使用比较方便的软件一般又不能有效地解决问题。而且，如果统计部分和管理科学部分使用不同的软件，那么学生就需要在短时间内掌握两个或两个以上的软件的操作。？？？虽然全国MBA教育指导委员会在对于MBA教学检查的要求中对“数据建模与决策”课程的教学案例未做要求，但是，各个学校及其MBA学生对于案例教学的热中使得我们在教学中不得不重视案例教学问题。这给本来时间压力就比较大的“数据建模与决策”课程的教学任务又增添了新的困难。这也是我们编写《数据建模与决策》教材所必须面对的问题。基于编写《数据建模与决策》教材所面临的问题，编写者们经过集体协商，决定以中国人民大学MBA的“数据建模与决策”课程的基本教学内容为主，同时参考大连理工大学管理学院的教学内容，来编写可供一个学期的课程所使用的教材。在内容选取上，我们以介绍统计内容为主，适当地介绍一些管理科学方面的模型。这样做的主要原因是教学时数的限制，在有限的时间内是很难完成太多的教学任务的。？？？我们参照国外的MBA教材，确定了以案例为先导，然后介绍相关知识，最后以一般的练习来巩固知识，并在解决问题的过程中强调计算机软件的利用的写作方式。至于案例作业，我们没有编写，其主要原因是现在有许多的案例教材可以选用。由于在实际应用中数量分析方法所涉及的数据的规模一般都很大，需要通过相应的计算机软件来实现，因此经过商议，在向国内外同行进行咨询的基础上，我们决定在《数据建模与决策》教材中主要以Excel作为工具来解决教材中几乎所有的计算问题，包括管理科学中的计算和统计数据的处理。这样做的原因是Excel软件应用比较普及，几乎在任何一台电脑上都可以使用Excel。而且，Excel操作简单，比较容易学习，不会占用太多的教学时间。同时，电子表格也是现在企业管理中一个非常有用的工具。？？？本书第1章由深圳大学管理学院李丽教授编写，第2章至第11章由中国人民大学统计系的贾俊平教授编写，第12章和第13章由中国人民大学商学院的刘国山教授编写，第14章和第15章由大连理工大学管理学院的胡祥培教授编写。邓茶亚、陈守龙和谭英平也参加了编写工作。

大多数数据仓库的管理者、设计者和开发者都熟悉Ralph Kimball在2001年写给数据仓库界的那封公开信。在信中，他向Inmon阵营提出了挑战，要求回答关于关系式方法有效性的棘手问题。由最著名的Inmon方法专家：Claudia Imhoff和其他作者合写的这本书，正面回答了Kimball公开信中提出的挑战性问题，并为在复杂的业务智能环境中如何正确地应用关系式和多维式两种建模技术提供了指导。 主要内容如下：●在已经囊括了所有行业的各种公司的数据仓库环境中，已知哪种方法是最成功的●给出了关系方法和多维方法的正反两方面意见对比，开发者可以确定最适合的方法●为什么体系结构应该包括建立在关系数据模型概念之上的数据仓库●键的构造和使用，数据仓库、层次及事务型数据的历史性质●为了保证数据仓库能满足较好的性能要求，所需要解决的技术问题●为保证最优数据仓库性能和处理随时间变化的数据，所需要的关系建模技术本书全面论述了设计和建立高效、可持续发展且可扩展的数据仓库的方法，重点论述了建立各种数据模型的方法。主要内容包括业务智能环境和数据模型的概念、数据模型分类、数据模型的开发步骤、各种数据的建模方法、数据仓库的优化与扩展、数据模型的维护、关系型解决方案的部署、多维体系结构与企业信息工厂的比较等。本书主要面向数据仓库的设计者和构建者以及数据仓库技术研究人员，同时也适合对数据仓库技术和企业信息化建设感兴趣的其他读者阅读。

数据挖掘是信息领域发展最快的技术，很多不同领域的专家，比如统计学家、数据库专家等，都从中获得了发展的空间，使得数据挖掘日益成为企业界讨论的热门话题。随着信息技术的发展，人们采集数据的手段日益丰富与高明，由此积累的数据日益膨胀，数据量达到GB甚至TB级，而且高维数据也日益成为主流。这些海量数据及其高维特征使得传统的数据分析手段相形见绌。计算机性能的日益更新，使得人们能够期望计算机帮助我们分析与理解数据，帮助我们以丰富的数据为基础做出正确决策。《数据挖掘：：客户关系管理的科学与艺术》一书将对数据挖掘作全面的介绍。第一部分从商业领域开始。本部分的四章将回答如下的问题：数据挖掘为什么重要？数据挖掘有哪些诀窍？第四章将特别介绍客户及客户关系管理。尽管数据挖掘在许多领域都有成功的应用，但在客户关系管理领域引起了人们格外的兴趣和重视。第二部分从技术层面上介绍数据挖掘。第五章回顾数据挖掘技术（这些技术和方法在我们的第一本书里有详细的介绍），第六章讨论数据，接下来的第七章研究如何建立好模型。这一章十分重要，因为它包含了我们多年的经验和教训。第三部分是本书最长的部分，也是最重要的部分。这部分是数据挖掘的案例研究。尽管这些案例都是商业领域的，但涉及的范围还是很广的，从对数十万兆字节数据的探索（hundreds。fgis9-bytes。fdata）到为网络银行客户服务预报下一个标题广告，从而改进印刷过程。所有这些案例讨论的都是实际的问题，同时都给出了其中所用的方法、数据、所得到的结果以及经验和教训。最后一章是以更广阔的视野来观察数据挖掘，即从社会的角度。数据挖掘一方面要反对专制，提倡数据公开，同时要重视保护个人的隐私。迈克尔和我试图充分展示数据挖掘的功能，但在分析数据时要特别小心，以保护个人隐私。在编写这本书时，我们特别强调数据挖掘的实际应用。我们希望这本书能够帮助读者掌握这门艺术。作者简介：迈克尔·贝里和戈登·利诺夫是数据挖掘公司的创始人，这是美国一家很受欢迎的数据挖掘顾问公司。在从事数据挖掘项目之余，他们在世界各地讲课、演讲，所到之处均大受欢迎。公司站点：www.data-miners.com，该站点内容包括：最新的数据挖掘产品和服务提供商的信息、数据挖掘会议、课程和其他信息、本书中用到的图片的彩色版本。目录：第1部分本书焦点第1章数据挖掘概述第2章为什么要精通数据挖掘这门艺术第3章数据挖掘方法论：互动循环系统第4章客户和他们的生命周期第2部分数据挖掘的三大支柱第5章数据挖掘技术与算法第6章无所不在的数据第7章建立有效的预测模型第8章实施控制：建立数据挖掘环境第3部分案例研究第9章数据挖掘在目录直销业中的应用第10章数据挖掘在在线银行业中的应用第11章数据挖掘在无线通信业中的应用第12章数据挖掘在电信业中的应用第13章谁正在买什么？第14章不浪费、不短缺：改善生产流程第15章社会议题：数据挖掘与隐私权索引

数据仓库技术的研究和应用是当前数据管理领域的热点。随着信息化建设在企业、国家政府部门以及社会其他领域的不断普及，数据分析和决策支持系统的开发与建设逐渐纳入到信息化建设的过程中来。面向组织决策层的数据管理技术是决策者挖掘组织内部和组织外部经营管理信息价值的有利工具和方法。本书从数据仓库理论、多维数据分析技术和多维数据分析应用3个方面，以某市地税局数据仓库的成功实施为背景案例，系统地介绍了基于Microsoft SQL Server 2000的OLAP多维数据引擎——Analysis Services构建数据仓库多维数据集的全过程，旨在为读者提供从理论到应用的一整套数据仓库OLAP解决方案的清晰视图。本书可以作为信息管理专业和计算机专业本科生或硕士生教材，也可以作为从事数据仓库建设和研究人员的参考书。

本书以计算机学科的主干课程——数据结构为主线索组织内容，涵盖了计算机学科涉及到的大部分经典算法的实现，书中结合大量的图示和程序代码，展示了各种数据结构的实现细节和编程技巧，能够帮助学习者提高运用知识解决实际问题的能力。同时，书中还汇编了高校数据结构常用教材中出现的大部分习题的解答。本书的配套光盘中附带了书内提到的所有经典应用的C语言实现。本书既可作为计算机及相关专业的学生学习数据结构、进行课程设计的辅导材料，又可作为学习者学习计算机学科其他相关课程的辅导材料。

本书主要介绍客户关系管理（CRM）环境中使用的数据仓库的设计和构建。书中介绍了数据仓库的概念，探讨了数据仓库的体系结构、逻辑模型、物理实现、工程管理等内容。并且描述了建造数据仓库的一些工具产品，介绍了购买这些工具时需要注意的问题。另外，书中还对数据仓库的时间性问题提出了独到的见解，给出了可行的方案。本书适合于希望学习数据仓库原理的人员以及数据仓库建造的顾问人员使用。译者序本书主要介绍客户关系管理（CRM）环境中使用的数据仓库的设计和构建。数据仓库是一种特殊的数据库，近几年来在信息技术行业中获得了极大的关注。根据著名的数据仓库专家W，H．Inmon在《BuildingtheDataWarehouse》一书中的定义：数据仓库（DataWarehouse）是一个面向主题的（SubjectOriented）、集戒的（Integrated）、非易失的（Non-Volatile）、时变的（TimeVariant）数据集合，用于支持管理决策。对于数据仓库的概念可以从两个层次予以理解，首先，数据仓库用于支持决策型、面向分析型的数据处理，它不同于企业现有的运营型（Operational）数据库；其次，数据仓库是对多个异构的数据源的有效集成，集成后按照主题进行了重新组织，并包含历史数据。而且对存放在数据仓库中的数据一般不再进行修改。从上述定义可知，数据仓库具有以下四大特点：1）面向主题。运营型数据库的数据面向事务进行组织，各个业务系统之间相互分离，而数据仓库中的数据按照一定的主题域进行组织。主题是一个抽象的概念，是指用户利用数据仓库进行决策时所关心的重点方面，一个主题通常与多个运营型信息系统相关。2）集成的。面向事务处理的运营型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。而数据仓库中的数据是在对原有的分散的数据库数据提取、过滤的基础上经过系统加工、汇总和整理得到的，从而消除了源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。3）非易失的。运营型数据库中的数据通常实时更新，会根据需要及时发生变化。数据仓库中的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将长期保留，也就是说，数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的装载、刷新即可。4）时变的。也就是反映历史变化。运营型数据库主要关心当前某一个时间段内的数据，而数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时刻（如开始应用数据仓库的时刻）到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。企业数据仓库的建设，是以现有企业业务系统和大量业务数据的积累为基础的。数据仓库不是静态的概念，只有把信息及时提交给需要这些信息的使用者，供他们做出改善业务经营的决策，信息才能发挥作用，信息才有意义。而把信息加以整理归纳和重新组织，并及时提供给相应的管理决策人员，是设计和构建数据仓库的根本任务。因此，从业界的角度来看，构建数据仓库是一个工程，是一个过程。数据仓库中存放的数据不是最新的、专有的，而是来源于其他数据库。设计和构建数据仓库不是要取代原有的数据库，而是在一个较全面、完善的信息应用的基础上重新设计和构建，用于支持高层决策分析。数据仓库是数据库技术的一种新的应用，与其他数据库应用不同的是，数据仓库更像一种过程，一种对分布在企业内部各处的业务数据进行整合、加工和分析的过程。因此，数据仓库是一种概念，不是一种可以购买的产品。数据仓库中包括了一些重要的技术，如数据挖掘，即从大量的数据中提取出潜在的、鲜为人知的有用信息、模式和趋势。其目的是：提高市场决策能力；检测异常模式；在过去的经验基础上预测未来趋势。还包括事先构造汇总表，以提高信息的检索效率，同时不增加使用人员的负担，由程序在检索时自动进行表的转换等技术。本书介绍数据仓库的概念，探讨数据仓库的体系结构、逻辑模型、物理实现、工程管理等内容。并且对构建数据仓库的一些工具产品作了讨论，介绍了购买这些工具时需要注意的问题。书中还对数据仓库的时间性问题提出了独到的见解，给出了可行的解决方案。本书适合于希望学习数据仓库原理的人员以及数据仓库构建的顾问人员使用。参加本书翻译的主要成员有：钟鸣、常征。全书由刘晓霞同志审校。同时担任部分翻译及校对工作的还有郝玉洁、梅刚、石永平、王君、“张文、田晓涛、耿娜、何江华、孙登峰、樊伟、赵彦萍等。由于译者水平有限，书中难免有错误或不当之处，敬请读者批评指正。前言本书主要围绕数据仓库展开讨论。数据仓库是一种特殊的数据库，近几年来在信息技术行业中获得了极大的关注。关于数据仓库构造的书籍很多，但把重点放在数据仓库设计上的很少，但也不是没有，本书中将会引用它们。构造数据仓库的目的是使信息可用。没有人会怀疑信息的价值，我们认为，大多数组织机构都可能具有一个信息的“阿拉丁山洞”，这个山洞被各机构的运营系统封锁起来。数据仓库就是打开这个信息山洞之门的钥匙。强有力的证据表明，我们在数据仓库领域的最初尝试（指的是第一代数据仓库）并未取得完全的成功。新生事物通常都不会非常成熟，在信息技术（盯）行业中更是如此，rr的从业人员迅速发现了数据仓库的潜力，他们试图努力使自己的公司在数据仓库方面保持竞争优势。在这样做的过程中，本人认为忽略了两个问题。第一点是，粗看上去，数据仓库似乎是一种相当简单的应用，事实上它一点也不简单。除了其绝对规模（数据仓库可能是世界上最庞大的一种数据库）和由此带来的性能瓶颈这个基本问题之外，其数据结构也比早期的类似系统天生要复杂得多。结果，造成设计过于简化，虽然数据库理解和使用起来很简单，但许多重要的问题没有考虑到。‘第二点是，数据仓库不像其他运行系统，它不能准确地定义需求。这与传统的系统不一样，传统系统由需求规范来驱动整个开发生命周期。我们的系统设计方法仍主要基于对需求的彻底理解，这是一种“硬性”的系统方法。而在数据仓库建造中，常常不知道要解决的问题是什么。数据仓库的部分任务应该是帮助公司了解他们的问题是什么。-关于设计，也有两个主要问题需要考虑。第一点与数据仓库本身有关。怎样保证相应的数据结构能解决一些较难的问题？第二点是已经证明硬性的系统方法限制性太强，需要一种更柔性的技术。因此，不仅要改进数据仓库的设计，还要改进实现这种设计的方法。作者针对这两个要求撰写了本书。第卜代数据仓库历史上，第一代数据仓库建立在业内大师们创立的某些法则的基础之上。作者很敬佩数据域中两位伟大的先行者：BiUInmon和RalphKimball。在我看来，这两位学者在数方面比别的人走得更远。虽然许多人声称自己“在有数据仓库这个称呼前已经从事建造工作很长时间了”，但实际上，Inmon和Kimball是数据仓库建造的奠基人，因地制定了今天大多数从业者所知道的定义和设计原则。纵使不能完全遵循他们的准Inmon关于数据仓库的定义和Kimball关于平缓地更改维的原则仍然是很常见的。本书第2章是对数据仓库的一个介绍。在某些方面，它应该被视为进行背景铺垫的一章，因为它给出了下列内容，从初步原理开始对数据仓库进行了介绍：决策支持的需求数据仓库有何用途运营系统和数据仓库之间的差别维模型数据仓库的主要成分第2章为介绍第二代数据仓库的发展做了铺垫，第二代数据仓库和客户关系管理在介绍数据仓库前，粗略地考察一下客户关系管理（CRM）的业务问题。数据仓库一直在等待CRM的出现。以前没有它，数据仓库仍比较流行，但其流行程度往往不够。IT管理人员很快会意识到数据仓库的潜力，但其业务需求并不总是主要的驱动力，这导致了某些数据仓库项目的失败。从业务经理的角度来看，发起这些大型的和昂贵的数据库开发项目总是有点勉强。由叮发起的那些数据仓库项目并不总是恰到好处。CRM的出现改变了一切。如果没有较多的信息资源（当然，它是数据仓库存在的理由），在业务开展中是不能实行CRM的。现在对数据仓库的兴趣已经有了新的活力，这次坐在“驾驶席”上的是业务人员。在介绍了CRM的概念和描述了它的主要成分后，将讨论第一代数据仓库的设计方法中的缺陷（具有事后总结的好处），并提出用于下一代设计的方法。本书从分析某些设计问题开始，然后仔细地选择解决更敏感的问题的方法，过去几年中，对这些更敏感问题存在一些争论（有时还很激烈）。基本问题之一是关于设计中的时间表示。对于这个问题的实际支持非常少，这是很可悲的，因为数据仓库已经成了所有业务中普遍的真正的基于时间的应用。在阐述解决方案时，我们针对有关时间的迷惑，再次介绍建造数据仓库的旧的概念、逻辑和实际方法。为什么应该做这件事存在很好的理由，在介绍过程中我们将会说明这些理由。有一章是关于建造数据仓库的业务理由的。意思很清楚。如果你不能说明开发数据仓库的理由，就不要建立它。如果我们设计和开发了一个漂亮的高性能的系统，但它不能在适当的时间内给出回报，任何人都不会为此感谢我们。许多数据仓库能够充分地证明自身存在的理由，而有的不能。我们不想造成失败项目。没有人能从这样的事情中得到好处，因此，在证明建立数据仓库的合理性方面，我们是相当严谨的。项目管理是数据仓库开发的一个关键部分。一般的项目管理方法在这里不适用。有许多经验丰富的项目管理者最初面对数据仓库项目时感到极不舒服。他们过去习惯了依赖于系统规格说明，但是数据仓库项目的交付产品具有不确定性，项目的接收标准本质上很不精确，这使他们感到很不安心。本书会提供项目管理方面的一些指导。认识我的人都认为我在软件产品方面有点“坦率”，但我觉得，如果我是一个诚实的人就应该这样。在碰到把旧的查询工具改头换面，就像它们是新产品一样随新东西一道发行的情形时，我就生气。过去，查询工具就是查询工具。现在，它是数据挖掘产品、分段产品，而且还是CRM产品。我知道，这些供应商要谋生，但作为职业顾问，我们必须保护客户（特别是容易受骗的客户），免得他们上这些供应商的当。有的产品确实增加了价值，而有的根本就没有增值，而且还非常昂贵。关于软件产品的那一章列出了各种可以得到的工具，说明它们擅长什么，不擅长什么，以及哪些问题你不关心，供应商就不会告诉你。本书读者本书涵盖了许多有意义的技术内容，其潜在的读者相当广泛。第2章是由本科生教材改编而来的，适合于希望学习数据仓库原理的人员。它用简单的术语说明了以下问题：．什么是数据仓库．怎样使用数据仓库．数据仓库的主要成分．数据仓库的“行话”这一章中还介绍了建造数据仓库要面对的困难和问题。对于顾问人员，本书包含了一个保证业务目标得以满足的方法。此方法是一个自顶向下的方法，它采用了常见的专题讨论会技术。还有一章专门帮助建立业务需求。对于数据仓库的开发人员，本书包含了关于设计（特别是在数据模型方面）、时间处理、概念、逻辑和物理层次的大量资料。本书还包含了对所有开发层次提供帮助的一个完整的方法学。重点集中在建立以客户为中心的模型上，这种模型对于支持客户关系管理的完整需求非常理想。对于项目管理人员，有一整章提供了关于方法的指南，同时还包括以下内容：完整的工作分解结构（WBS）项目组结构所需技能

本书不仅讨论了数据体系的顶层结构，它还提供了通用的和行业专用的逻辑模型，也提供了一些数据设计，我们可以对这些设计进行定制以满足各自的需求。这样就能得到一个丰富的架构，其中的各种模型将包括一个数据体系结构的高层和低层部分，包括高层模型、逻辑模型、仓库设计、星型模式和SQL脚本。我们可以将这些数据模型、设计和脚本作为自己的模型设计工作的模板或者是起点，也可以将它们当成是我们不很熟悉的主题域的模型介绍，也可以将它们当成参考标准来对现有的模型进行校验，也可以利用它们来协助我们建立企业数据体系结构。本书给出了将这些模型从一个层次转换到另外一个层次的技术，本书也给出一些在模型中获得合适抽象层的技巧和技术。书中给出了一些实例表（样本数据），它们使得这些模型能更贴近现实。LenSilverston是UniversalDataModels公司的创立人和拥有者，该公司位于科罗拉多，提供咨询和培训，帮助企业定制和应用“通用数据模型”，开发全局和集成的系统。Silverston先生在提供数据集成、数据库和数据仓库解决方案方面已经具有20年的经验。本书第1版出版以来，业内专家门对该书进行了热烈的讨论，这不足为奇。本书将给您配备上一套功能强大的数据模型和数据仓库设计，采用这些模型可以将您的数据库设计项目带到一个高的起点上。您将获得通用业务功能的经过验证的模型，如订购和管理产品、处理装运、开票、财务和预算、管理人力资源、联系人管理和项目管理。本版经过完全校订和修改，包括了许多新的和扩展的数据模型，这些模型包括产品定制、装运和接收、预算背景和雇员资格和表现。另外，书中有新的数据集市设计，包括财务分析、库存管理和装运逻辑。本书适合作为数据建模人员的参考书。通过本书，您将学会：·如何定制企业和逻辑数据模型，以满足企业的具体需求·如何将逻辑数据模型转换成数据仓库和数据集市·如何开发物理数据设计和基于通用数据模型来评估设计选项·如何在企业范围内进行数据库和数据仓库集成·如何验证企业的现有数据模型

《数据仓库生命周期工具箱》刚一问世，好评如潮。在Barnesandnoble.com公司网站上，有读者评价说：“尽管我在项目管理和数据建模方面积累了多年的初中经验，但我认为本书才是解决有关项目管理和数据仓库生命周期方面问题的最好参考信息源。”还有读者认为“本书要比第一版更加物有所值，它探讨了有关数据仓库的设计、实现、运行、维护和管理等方面的几乎所有问题。”本书深入探讨了两个主题，一个是业务维生命周期方法。另一个是数据仓库总线结构。本书的主要读者对象应该是那些从事数据仓库的创建和管理工作的设计人员或者管理人员。本书略微偏向技术。RalphKimball，不仅是自1982年以来数据仓库界最伟大的幻想家，而且是目前在数据仓库方面国际知名度最高的演讲家，项目顾问以及教师之一。他曾经为《智能化企业》杂志负责撰写“数据仓库结构”专栏。KalphKimball博士的几位合作者们也都各自创建了获得了极大成功的数据仓库咨询公司，包括：LauraReeves的StarSoft解决方案公司、MargyRoss的DecisionWorks咨？疽约癢arrenThornthwaite的InfoDynamicsLLC公司。本书是著名数据仓库畅销书作者RalphKimball的著名作品，在世界各地畅销不衰。这是目前惟一一本从技术和管理两个角度介绍了使数据仓库项目获得成功所必备的各种知识和经验教训的专著，这些内容都是作者自1982年以来在从事数以百计的数据仓库安装和咨询任务过程中不断积累总结出来的。书末的两个附录中提供了大量的框架、任务、模板以及生动详实的样例（具体内容见本书配套光盘），所有这些都使本书别具一格。全书主题广泛，思想深刻，内容详尽，图文并茂。本书不仅是现代信息系统开发人员的重要指南，而且是所有面向数据仓库项目的设计、开发、管理和咨询人员的高级参谋，并且适合信息管理与信息系统、计算机应用、电子商务等专业的高校师生作为教学参考用书，还可供从事传统数据库系统工作的技术人员参考阅读。

“数据结构与算法”是计算机科学与技术专业的一门很重要的专业基础课，也是《中国计算机科学与技术学科教程2002》中指定的核心课程之一。本书内容覆盖了该教程中关于这门课程的所有知识点。在处理这些知识点时，本书充分考虑了数据结构和算法的融合。和传统教材相比，本教材在不增加教学学时的情况下，强化了对算法的训练，为学生学习后继课程打下扎实的基础。 本书适合计算机科学与技术学科和相关专业的本科生学习，也可作为自学教材。

本书采用面向对象的观点讨论数据结构技术，以类定义为线索对各数据类型中所定义的操作进行说明。内容包括：线性表、栈、队列、串、二维数组、广义表、树、图、查找和排序等。书中使用面向对象的开发工具对各章所定义的类的功能进行演示，可使读者加深刘·课程内容的理解，并促进软件开发能力的提高。本书可作为大专院校计算机专业必修课的教科书，也可作为计算机科技人员及电脑爱好者的自学参考书。