面向物流企業(yè)數(shù)據(jù)在線分析挖掘及應用

前言

　　數(shù)據(jù)挖掘的目的在于使用所發(fā)現(xiàn)的模式幫助解釋當前的行為或預測未來的結(jié)果。數(shù)據(jù)挖掘技術(shù)涉及下列各方面：數(shù)據(jù)倉庫及在線分析處理技術(shù)、數(shù)據(jù)預處理、挖掘工具選擇、關(guān)聯(lián)規(guī)則、分類和預測、聚類分析及時序和序列數(shù)據(jù)的挖掘。　　本書分為三個部分：　　第一部分：數(shù)據(jù)挖掘理論體系研究　　第一部分即本書前3章內(nèi)容。介紹了數(shù)據(jù)挖掘的基本理論體系，對數(shù)據(jù)挖掘常用算法、數(shù)據(jù)倉庫、在線分析處理等相關(guān)理論及應用進行了總體闡述，為本書的其余部分奠定理論基礎?！　〉诙糠郑簲?shù)據(jù)挖掘過程闡述　　第二部分即第4～6章，針對數(shù)據(jù)挖掘過程的各個環(huán)節(jié)，如數(shù)據(jù)預處理、數(shù)據(jù)倉庫的構(gòu)建、報表的制作進行了必要的理論闡述，提供了詳細的基于sQLserver2005軟件環(huán)境的操作實例，并通過案例建立和檢驗數(shù)據(jù)挖掘過程?！　〉谌糠郑簲?shù)據(jù)挖掘?qū)嵗O計與實現(xiàn)　　本書側(cè)重研究在線分析處理和數(shù)據(jù)挖掘結(jié)合的在線分析挖掘及其多維可視化技術(shù)，本書第三部分即第7—9章通過三個綜合案例著重研究數(shù)據(jù)挖掘算法、在線分析挖掘及其多維可視化技術(shù)在物流企業(yè)、制造業(yè)輔助決策方面的實際應用?！　〉?章研究了基于關(guān)聯(lián)規(guī)則的在線分析挖掘（OLAM）及其多維可視化的若干關(guān)鍵技術(shù)?；谀称髽I(yè)實際銷售主題數(shù)據(jù)倉庫，對產(chǎn)品銷售的數(shù)據(jù)進行了序列關(guān)聯(lián)分析并將其可視化，剖析了銷售產(chǎn)品之間的關(guān)聯(lián)規(guī)律，為企業(yè)的促銷策略等決策支持提供依據(jù)。對產(chǎn)品銷售額、訂單量等交易數(shù)據(jù)通過多維度多層次的上卷、下鉆、橫切、縱切等在線分析，以可視化、可理解的方式剖析了深層的客戶屬性因素。

內(nèi)容概要

本書對數(shù)據(jù)挖掘及聯(lián)機分析理論體系進行了概述，通過案例示范了數(shù)據(jù)挖掘的各個環(huán)節(jié)，并結(jié)合物流企業(yè)的三個綜合案例進行了數(shù)據(jù)挖掘及聯(lián)機分析理論的系統(tǒng)設計和應用。全書共分9章，第1～3章介紹了數(shù)據(jù)挖掘的基本理論體系，對數(shù)據(jù)挖掘常用算法及相關(guān)理論的發(fā)展過程進行了總體闡述；第4～6章針對數(shù)據(jù)挖掘過程的各個環(huán)節(jié)進行了理論闡述，并通過案例建立和檢驗數(shù)據(jù)挖掘過程；第7～9章介紹了三個綜合案例，設計并實現(xiàn)了一個聯(lián)機客戶分析挖掘系統(tǒng)，構(gòu)建了一個面向SOA的數(shù)據(jù)挖掘服務平臺，研究數(shù)據(jù)挖掘算法、聯(lián)機分析挖掘及其多維可視化技術(shù)在物流企業(yè)、制造業(yè)輔助決策方面的實際應用。    本書可供從事物流工程、物流管理、制造業(yè)信息化、計算機應用等領(lǐng)域的相關(guān)高校師生參考，也適合對復雜海量信息處理有興趣的專業(yè)技術(shù)研究人員使用。

書籍目錄

前言第1章 數(shù)據(jù)挖掘原理  1.1 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘  1.2 數(shù)據(jù)挖掘概論    1.2.1 數(shù)據(jù)挖掘的對象和任務    1.2.2 數(shù)據(jù)挖掘的應用    1.2.3 在線分析數(shù)據(jù)挖掘系統(tǒng)、軟件工具    1.2.4 數(shù)據(jù)挖掘發(fā)展第2章 數(shù)據(jù)倉庫、數(shù)據(jù)挖掘與OLAM  2.1 數(shù)據(jù)倉庫    2.1.1 從數(shù)據(jù)庫到數(shù)據(jù)倉庫    2.1.2 數(shù)據(jù)倉庫常用模型    2.1.3 MDX查詢及分析    2.1.4 數(shù)據(jù)倉庫建模工具    2.1.5 數(shù)據(jù)清洗  2.2 數(shù)據(jù)挖掘    2.2.1 從報表到數(shù)據(jù)挖掘    2.2.2 數(shù)據(jù)挖掘過程    2.2.3 數(shù)據(jù)挖掘的可視化技術(shù)    2.2.4 數(shù)據(jù)挖掘工具  2.3 OLAM    2.3.1 從OLTP到OLAP    2.3.2 從OLAP到OLAM    2.3.3 OLAM發(fā)展第3章 常用數(shù)據(jù)挖掘模型與算法  3.1 貝葉斯算法    3.1.1 貝葉斯算法原理    3.1.2 貝葉斯算法的應用  3.2 決策樹    3.2.1 決策樹算法    3.2.2 決策樹方法的應用  3.3 神經(jīng)網(wǎng)絡    3.3.1 神經(jīng)網(wǎng)絡的原理    3.3.2 神經(jīng)網(wǎng)絡方法的應用  3.4 關(guān)聯(lián)規(guī)則    3.4.1 關(guān)聯(lián)規(guī)則的原理    3.4.2 關(guān)聯(lián)規(guī)則方法的應用  3.5 聚類分析    3.5.1 聚類分析原理  3.6 時間序列    3.6.1 時間序列與時間序列分析    3.6.2 時間序列方法的應用  3.7 統(tǒng)計和可視化    3.7.1 統(tǒng)計    3.7.2 可視化第4章 實例一：物流信息系統(tǒng)源數(shù)據(jù)清洗實例  4.1 ETL在企業(yè)數(shù)據(jù)管理工作的重要性    4.1.1 ETL在企業(yè)數(shù)據(jù)平臺中的作用    4.1.2 ETL工具需要解決的問題  4.2 SSIS功能  4.3 SSIS的體系結(jié)構(gòu)    4.3.1 程序包    4.3.2 任務    4.3.3 數(shù)據(jù)源元素    4.3.4 數(shù)據(jù)源視圖  4.4 SSIS程序包設計    4.4.1 控制流    4.4.2 Connection Manager      4.4.3 變量    4.4.4 數(shù)據(jù)流    4.4.5 Event Handler    4.4.6 Package Explorer  ……第5章 實例二：多維數(shù)據(jù)倉庫模型創(chuàng)建第6章 實例三：物流企業(yè)復合報表設計與制作實例第7章 實例四：物流企業(yè)銷售OLAM實例第8章 實例五：OLAM在客戶分析中的綜合應用第9章 實例六：面向第三方物流企業(yè)的數(shù)據(jù)挖掘服務構(gòu)建實例參考文獻

章節(jié)摘錄

　　第2章 數(shù)據(jù)倉庫、數(shù)據(jù)挖掘與OLAM　　2.1 數(shù)據(jù)倉庫　　2.1.1 從數(shù)據(jù)庫到數(shù)據(jù)倉庫　　人們對數(shù)據(jù)的處理需求可以分為兩種類型，在線事務處理型（On.Hne Transaction Process，OLTP）和在線分析處理型（OLAP）。傳統(tǒng)的數(shù)據(jù)庫主要是面向OLTP，注重數(shù)據(jù)的計算、記錄的插入、刪除與修改，以及簡單的查詢和統(tǒng)計。它的主要任務是進行事務處理，所關(guān)注的是事務處理的及時性、完整性和正確性，而在數(shù)據(jù)的分析處理方面存在著嚴重的不足，主要表現(xiàn)在以下一些方面?！　∈紫仁羌尚缘娜狈?，業(yè)務數(shù)據(jù)庫系統(tǒng)的條塊與部門分割，導致數(shù)據(jù)分布的分散化與無序化。業(yè)務數(shù)據(jù)庫缺乏統(tǒng)一的定義與規(guī)劃，導致數(shù)據(jù)的定義存在歧義。其次是主題不明確，建立數(shù)據(jù)庫的目的就是為了滿足事務處理的需要，庫和表的定義與設計完全以此為基礎而進行，對于數(shù)據(jù)分析而言，這些庫和表無疑缺少明確的主題?！　≡O計基于傳統(tǒng)數(shù)據(jù)庫的應用系統(tǒng)的核心準則，是要確保事務得到及時、準確的處理。因此，在業(yè)務數(shù)據(jù)庫系統(tǒng)的構(gòu)建過程中，除了庫和表的精心設計之外，索引的建立、存儲過程的優(yōu)化等工作，也均以此為中心展開，這樣雖然充分提高了事務處理的效率，但是數(shù)據(jù)分析處理的效率卻無法得到保證?！　　?/pre>








圖書封面






評論、評分、閱讀與下載



還沒讀過(63)
勉強可看(457)
一般般(780)
內(nèi)容豐富(3234)
強力推薦(265)


 


    面向物流企業(yè)數(shù)據(jù)在線分析挖掘及應用 PDF格式下載