| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 符号说明 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·商业智能理论研究及进展 | 第12-13页 |
| ·商业智能已有的应用解决方案及产品现状 | 第13-14页 |
| ·商业智能在劳动密集型企业中的应用现状 | 第14-15页 |
| ·本文主要的工作 | 第15页 |
| ·本文的基本框架 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 商业智能核心技术及工具介绍 | 第17-31页 |
| ·数据仓库技术 | 第17-20页 |
| ·数据仓库概念 | 第17-18页 |
| ·从数据库到数据仓库 | 第18页 |
| ·数据仓库的结构 | 第18-20页 |
| ·OLAP技术 | 第20-24页 |
| ·OLAP基本概念和特征 | 第20-22页 |
| ·OLAP的基本操作 | 第22-23页 |
| ·OLAP的实现方式 | 第23-24页 |
| ·数据挖掘技术 | 第24-27页 |
| ·数据挖掘基本概念 | 第24页 |
| ·数据挖掘结构 | 第24-26页 |
| ·常用数据挖掘分析方法 | 第26-27页 |
| ·开发环境和工具选型 | 第27-30页 |
| ·SQL Server 2005 BI解决方案介绍 | 第27-28页 |
| ·开发工具选型 | 第28-29页 |
| ·Analysis Service介绍 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 劳动密集型企业商业智能系统的数据仓库分析与设计 | 第31-49页 |
| ·需求分析 | 第31-32页 |
| ·商业智能系统解决方案 | 第32-34页 |
| ·数据仓库设计 | 第34-43页 |
| ·概念模型设计 | 第34-36页 |
| ·逻辑模型设计 | 第36-41页 |
| ·物理模型设计 | 第41-43页 |
| ·数据仓库的实施 | 第43-47页 |
| ·数据准备 | 第44-46页 |
| ·数据加载 | 第46页 |
| ·数据处理 | 第46-47页 |
| ·系统的安全设计 | 第47-48页 |
| ·身份验证模式 | 第47页 |
| ·基于角色的访问模式 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 OLAP在劳动密集型企业产品营销中的应用 | 第49-69页 |
| ·OLAP与数据仓库的关系 | 第49页 |
| ·OLAP的设计与实现 | 第49-57页 |
| ·建立多维数据集 | 第50-51页 |
| ·查看多维数据集 | 第51-54页 |
| ·多维查询扩展语言MDX | 第54-57页 |
| ·基于数据仓库的前端数据展现 | 第57-68页 |
| ·Pivot Table数据展现 | 第57-60页 |
| ·Reporting Services报表服务 | 第60-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 数据挖掘在劳动密集型企业产品营销中的应用 | 第69-88页 |
| ·应用数据挖掘进行客户分类和销售预测的必要性分析 | 第69-70页 |
| ·决策树算法在客户分类中的应用 | 第70-81页 |
| ·分类算法选择 | 第70-71页 |
| ·决策树算法概述 | 第71-72页 |
| ·决策树的构造 | 第72-75页 |
| ·决策树模型的实现 | 第75-81页 |
| ·时序算法在销售预测中的应用 | 第81-87页 |
| ·时序算法概述 | 第81-82页 |
| ·Microsoft时序算法描述 | 第82-84页 |
| ·Microsoft Time Series模型的实现 | 第84-87页 |
| ·本章小结 | 第87-88页 |
| 第六章 结束语 | 第88-90页 |
| ·本文贡献 | 第88页 |
| ·进一步工作与设想 | 第88-90页 |
| 参考文献 | 第90-93页 |
| 致谢 | 第93-94页 |
| 攻读硕士学位期间发表论文情况和参加的科研项目 | 第94-96页 |
