| 1 绪论 | 第1-12页 |
| ·论文研究背景及意义 | 第8-9页 |
| ·商业智能的概述和发展趋势 | 第9-11页 |
| ·概述 | 第9-11页 |
| ·商业智能的发展趋势 | 第11页 |
| ·本文的组织方式 | 第11-12页 |
| 2 商业智能核心技术介绍 | 第12-19页 |
| ·BI的数据存储技术 | 第12-14页 |
| ·数据仓库 | 第12-13页 |
| ·数据集市 | 第13-14页 |
| ·BI的分析技术 | 第14-18页 |
| ·联机分析 | 第14-17页 |
| ·数据挖掘 | 第17-18页 |
| ·BI的表示和发布技术 | 第18-19页 |
| 3 常见的商业智能构建模式 | 第19-39页 |
| ·常见的商业智能体系结构 | 第19-20页 |
| ·常见的商业智能构建过程 | 第20-21页 |
| ·商业智能中数据仓库设计 | 第21-35页 |
| ·数据仓库的建模 | 第21-29页 |
| ·数据仓库元数据管理 | 第29-33页 |
| ·ODS | 第33-34页 |
| ·数据仓库数据ETL | 第34-35页 |
| ·一些分析与展现工具简介 | 第35-39页 |
| 4 客户营销服务支撑系统实例中商业智能的需求分析 | 第39-55页 |
| ·需求分析 | 第39-53页 |
| ·用户划分 | 第39页 |
| ·组织机构 | 第39-40页 |
| ·组织结构 | 第40-41页 |
| ·业务流程 | 第41-46页 |
| ·工作职责 | 第46页 |
| ·绩效考核 | 第46-47页 |
| ·统计分析 | 第47-48页 |
| ·社区经理功能需求功能列表 | 第48-49页 |
| ·社区经理日常工作支撑功能 | 第49-52页 |
| ·遗留问题 | 第52页 |
| ·本系统与其他相关系统的关系 | 第52页 |
| ·本系统内部数据处理流程 | 第52-53页 |
| ·项目时间、成本及风险估计 | 第53-55页 |
| ·项目环节以及常规的开发时间、人数 | 第53-54页 |
| ·影响进度及风险的因素 | 第54-55页 |
| 5 客户营销服务支撑系统中商业智能的系统设计与实现 | 第55-94页 |
| ·设计目标 | 第55页 |
| ·设计原则 | 第55-57页 |
| ·确定方案需要考虑和解决的问题 | 第57-62页 |
| ·是否需要建立物理的企业级数据仓库 | 第57-58页 |
| ·是否需要ODS (Operational Data Store) 层?51 | 第58-59页 |
| ·物理仓库的规范化问题 | 第59-60页 |
| ·ETL选用成型产品还是自主开发?53 | 第60-61页 |
| ·ETL做到何种通用程度?元数据管理做到何种程度?54 | 第61页 |
| ·要不要物理的MOLAP SERVER?54 | 第61-62页 |
| ·客户营销服务支撑系统中商业智能的系统选型 | 第62-71页 |
| ·几个大公司的解决方案 | 第62-66页 |
| ·数据存储系统的选型 | 第66-67页 |
| ·前端工具的选择 | 第67-69页 |
| ·本系统的体系结构 | 第69-71页 |
| ·商业智能部分系统设计与部分实现样例 | 第71-90页 |
| ·消费结构主题 | 第71-78页 |
| ·开通维护主题 | 第78-82页 |
| ·客户流失主题 | 第82-85页 |
| ·欠费停机分析主题 | 第85-88页 |
| ·竞争业务分析主题 | 第88-90页 |
| ·性能优化 | 第90-91页 |
| ·数据量上限分析 | 第90-91页 |
| ·本系统中减少响应时间所采用的几种策略 | 第91页 |
| ·总结 | 第91-93页 |
| ·主要成功点与改进 | 第93-94页 |
| ·有效的元数据管理 | 第93页 |
| ·轻型的架构设计 | 第93-94页 |
| 6 结束语 | 第94-95页 |
| ·本文贡献 | 第94页 |
| ·进一步工作与设想 | 第94-95页 |
| 参考文献 | 第95-98页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第98-99页 |
| 独 创 性 声 明 | 第99-100页 |
| 致 谢 | 第100页 |
