| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 绪论 | 第8-12页 |
| 第一章 数据仓库及相关技术 | 第12-24页 |
| ·数据仓库体系结构 | 第12-13页 |
| ·数据仓库 | 第13-16页 |
| ·数据仓库的特点和相关术语 | 第13-14页 |
| ·数据仓库与数据库设计的区别 | 第14-15页 |
| ·数据仓库的数据组织 | 第15-16页 |
| ·数据仓库的物理设计 | 第16页 |
| ·数据提取转换加载 | 第16-17页 |
| ·ETL的必要性 | 第16页 |
| ·ETL的工作内容 | 第16-17页 |
| ·ETL的主流程 | 第17页 |
| ·联机分析处理 | 第17-18页 |
| ·相关术语 | 第17-18页 |
| ·OLAP的操作 | 第18页 |
| ·OLAP数据分析过程 | 第18页 |
| ·数据挖掘 | 第18-23页 |
| ·数据挖掘算法 | 第19-21页 |
| ·数据挖掘的应用范围 | 第21-22页 |
| ·数据挖掘的过程 | 第22-23页 |
| 本章小结 | 第23-24页 |
| 第二章 基于数据仓库的销售分析与挖掘系统的总体结构 | 第24-33页 |
| ·集团的数据仓库体系结构 | 第24-27页 |
| ·数据仓库体系软件产品 | 第24-25页 |
| ·选择软件工具 | 第25页 |
| ·集团的数据仓库体系结构 | 第25-27页 |
| ·基于数据仓库的销售分析和挖掘系统的结构 | 第27-30页 |
| ·需求分析 | 第27页 |
| ·主题域定义 | 第27-28页 |
| ·结构设计 | 第28-30页 |
| ·挖掘模型的选择 | 第30-32页 |
| ·销量趋势预测 | 第31页 |
| ·营销中心的分类 | 第31-32页 |
| ·其他关键技术方案 | 第32页 |
| ·在线采集方案 | 第32页 |
| ·面向销售分析和挖掘的ETL方案 | 第32页 |
| ·面向销售分析的OLAP方案 | 第32页 |
| 本章小结 | 第32-33页 |
| 第三章 系统的数据仓库设计 | 第33-42页 |
| ·概念模型设计 | 第33页 |
| ·技术准备工作 | 第33-34页 |
| ·逻辑模型设计 | 第34-38页 |
| ·元数据 | 第34-35页 |
| ·数据仓库的粒度确定 | 第35页 |
| ·多维模型设计 | 第35-38页 |
| ·物理模型设计 | 第38-41页 |
| ·事实表和维表设计 | 第38-40页 |
| ·建立索引 | 第40-41页 |
| ·数据仓库生成与维护 | 第41页 |
| 本章小结 | 第41-42页 |
| 第四章 面向销售分析的OLAP | 第42-49页 |
| ·OLAP工具Microstrategy | 第42-43页 |
| ·Microstrategy中的术语 | 第42-43页 |
| ·Microstrategy建立报表过程 | 第43页 |
| ·产品月销量分析 | 第43-46页 |
| ·关键产品销量分析 | 第46-48页 |
| 本章小结 | 第48-49页 |
| 第五章 基于统计回归的销售预测研究 | 第49-58页 |
| ·回归算法的思想 | 第49-50页 |
| ·回归分析软件工具 | 第50-51页 |
| ·基于回归的销量预测 | 第51-57页 |
| ·采集数据 | 第51-52页 |
| ·建立回归方程 | 第52-54页 |
| ·预测2006年销量 | 第54-57页 |
| 本章小结 | 第57-58页 |
| 第六章 营销中心聚类分析 | 第58-68页 |
| ·聚类算法思想 | 第58-61页 |
| ·聚类算法中的数据类型 | 第58-59页 |
| ·相异度的度量 | 第59-60页 |
| ·K平均值算法 | 第60-61页 |
| ·简单分类 | 第61-62页 |
| ·销售聚类分析 | 第62-66页 |
| ·聚类分析的实现 | 第62-63页 |
| ·平台使用软件 | 第63页 |
| ·准备分类数据 | 第63-65页 |
| ·界面设计 | 第65-66页 |
| ·分析结果 | 第66-67页 |
| 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 附录 | 第71-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |