| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·本课题的研究背景和意义 | 第8页 |
| ·数据库与数据仓库 | 第8-9页 |
| ·数据仓库 | 第9-10页 |
| ·商业智能与数据仓库 | 第9-10页 |
| ·数据仓库正在成为主流 | 第10页 |
| ·数据仓库模式 | 第10-11页 |
| ·数据仓库与数据挖掘 | 第11-12页 |
| ·基于数据仓库的KPI 指标分析系统体系结构 | 第12-13页 |
| ·本文的结构安排 | 第13-14页 |
| 第二章 OLAP 技术分析 | 第14-20页 |
| ·OLAP 与OLTP 的区别 | 第14-15页 |
| ·OLAP 立方体的作用 | 第15-16页 |
| ·多维数据模型上的OLAP 操作 | 第16-17页 |
| ·OLAP 立方体查询语言MDX | 第17-18页 |
| ·OLAP 与数据挖掘 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 数据挖掘技术 | 第20-28页 |
| ·什么是数据挖掘 | 第20页 |
| ·数据挖掘解决的商业问题 | 第20-21页 |
| ·数据挖掘语言DMX | 第21-22页 |
| ·数据挖掘算法 | 第22-23页 |
| ·决策树 | 第22页 |
| ·神经网络 | 第22-23页 |
| ·数据挖掘应用举例 | 第23-26页 |
| ·关联分析（Clementine 8.0） | 第23-24页 |
| ·挖掘算法比较分析（SQL 2005 BI Studio） | 第24-26页 |
| ·CRISP-DM 标准商业数据挖掘流程 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于寿险KPI 指标数据仓库的构建 | 第28-38页 |
| ·商业数据理解 | 第28-29页 |
| ·数据准备 | 第29-32页 |
| ·数据仓库建模 | 第32-34页 |
| ·数据仓库环境搭建 | 第34-35页 |
| ·数据加载 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于寿险KPIs 指标的数据分析 | 第38-44页 |
| ·KPIs 指标数据分析 | 第38页 |
| ·寿险KPI 指标存储过程 | 第38-39页 |
| ·OLAP 多维查询分析和KPI 指标预警 | 第39-41页 |
| ·多维复杂查询分析优化 | 第41-42页 |
| ·寿险KPIs 指标前端展现 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 论文总结 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 附录 A 保费契撤率KPI 指标存储过程 | 第49页 |
| 附录 B 攻读硕士学位期间发表的文章和参加的项目 | 第49页 |