商务智能在企业中的应用
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 商务智能概述 | 第12-17页 |
1.1 商务智能的基本概念 | 第12-13页 |
1.2 商务智能的发展历程 | 第13-14页 |
1.3 商务智能关键技术 | 第14-17页 |
1.3.1 数据仓库技术 | 第14页 |
1.3.2 联机分析处理技术(OLAP) | 第14-15页 |
1.3.3 数据挖掘技术 | 第15-16页 |
1.3.4 BI 的表示和发布技术 | 第16-17页 |
第二章 数据仓库 | 第17-31页 |
2.1 数据仓库与数据库的比较 | 第17-18页 |
2.2 数据仓库的四个特点 | 第18-19页 |
2.3 数据仓库的体系结构及组成 | 第19-20页 |
2.4 数据仓库与数据集市 | 第20-21页 |
2.5 数据仓库解决的问题 | 第21-22页 |
2.6 数据仓库的最终目标 | 第22-23页 |
2.7 ETL | 第23-25页 |
2.8 机分析处理(OLAP) | 第25-31页 |
2.8.1 OLAP 历史背景 | 第25-26页 |
2.8.2 OLAP 相关基本概念与特点 | 第26-28页 |
2.8.3 OLAP 的分类 | 第28-29页 |
2.8.4 OLAP 核心技术 | 第29-31页 |
第三章 SAP BI 数据仓库 | 第31-45页 |
3.1 SAP BI 数据仓库设计思路及步骤 | 第32-33页 |
3.2 SAP BI 数据仓库业务建模 | 第33-38页 |
3.3 SAP BI ETL | 第38-40页 |
3.4 SAP BI OLAP | 第40-41页 |
3.5 数据展示 | 第41-45页 |
第四章 大数据量报表分析设计与实现 | 第45-70页 |
4.1 航运企业信息处理现状 | 第45-46页 |
4.2 报表系统的总体设计 | 第46-52页 |
4.2.1 命名规约书设计 | 第46-47页 |
4.2.2 数据仓库设计 | 第47-49页 |
4.2.3 ETL 设计 | 第49-50页 |
4.2.4 分析模型设计 | 第50-52页 |
4.3 SAP BI 报表系统的实施线路 | 第52-53页 |
4.4 建模 | 第53-56页 |
4.4.1 建立信息范围 | 第53页 |
4.4.2 建立信息对象的目录 | 第53页 |
4.4.3 创建信息对象(特性、关键值) | 第53-54页 |
4.4.4 创建数据存储对象 | 第54-55页 |
4.4.5 创建信息立方体 | 第55-56页 |
4.5 数据抽取、转换和加载 | 第56-65页 |
4.5.1 数据抽取实例 | 第57-59页 |
4.5.2 数据转换实例 | 第59-64页 |
4.5.3 数据传输实例 | 第64-65页 |
4.6 查询和展现数据 | 第65-67页 |
4.7 对象的最优化改进 | 第67-68页 |
4.8 元数据管理的应用 | 第68-70页 |
第五章 数据挖掘 | 第70-90页 |
5.1 数据挖掘技术的产生背景 | 第70-72页 |
5.1.1 商业需求分析 | 第70-71页 |
5.1.2 技术背景分析 | 第71-72页 |
5.2 数据挖掘概念 | 第72-78页 |
5.2.1 知识发现与数据挖掘 | 第72-73页 |
5.2.2 数据挖掘的任务 | 第73-74页 |
5.2.3 数据挖掘的方法 | 第74-76页 |
5.2.4 数据挖掘的工具与应用 | 第76-77页 |
5.2.5 数据挖掘的挑战与未来的研究方向 | 第77-78页 |
5.3 数据挖掘与多维分析的对比 | 第78-79页 |
5.4 数据挖掘过程 | 第79-81页 |
5.5 SAP BI 数据挖掘 | 第81-90页 |
5.5.1 SAP BI 数据挖掘模型 | 第81-83页 |
5.5.2 SAP 分析进程设计器 | 第83页 |
5.5.3 创建数据挖掘模型 | 第83-85页 |
5.5.4 对数据模型进行培训 | 第85-87页 |
5.5.5 应用数据挖掘模型 | 第87-90页 |
第六章 结束语 | 第90-91页 |
参考文献 | 第91-93页 |
致谢 | 第93-94页 |
作者攻读学位期间发表的论文 | 第94-95页 |
攻读学位期间参加的科研项目 | 第95页 |