[推荐]《数据仓库、挖掘和可视化—— 核心概念》

<P><a href="http://www.tupwk.com.cn/bookimgs/7-302-09261-3.jpg" target="_blank" ><IMG src="http://www.tupwk.com.cn/bookimgs/7-302-09261-3.jpg" border=0></A></P>
<P>作    者：(美) George M. Marakas  著
译    者：敖富江      译
开    本：185×260  印张：19  字数：394千字
版    次：2004年10月第1版  2004年10月第1次印刷
书    号：ISBN 7-302-09261-3/TP·6501
印    数：1~5000
定    价：36.00元 </P>


<P>  
前    言
概念和目的
本书提供了讲授数据仓库(data warehousing)、数据挖掘(data mining)和数据可视化(data visualization)基本概念的基础。内容既着重于这些现代新兴技术的技术问题和管理问题，也强调与这些问题有关的隐含意义。
商业学院的主要目的是，从用户角度开发透彻理解这些新兴技术的教材，而可用于在商业学院中向学生讲授这个主题的课本总是从设计者的角度编写的。笔者发现，这在一定程度上是矛盾的。因此，本书特别着力于帮助学生透彻地理解数据仓库及其相关技术的价值。其内容明显地面向实际，强调在所有主题域的设计和开发之上的应用和实现。未来的管理者必须理解数据仓库的设计，但他们也必须掌握这些技术有效、关键的应用所必需的技巧，以预先估计问题描述及其相关解决方案的质量。本书采用多学科用户/管理者的方式介绍了支持21世纪业务处理所必需的数据仓库技术。
总而言之，使未来的管理者熟悉和掌握数据仓库部署、数据挖掘和可视化技术，是非常重要的。正是对这种重要性的信念激发笔者编写了本书。对现在和未来的管理者而言，应用以及对使用的理解比设计更为重要，现在如此，将来依然如此。
读者对象
本书适合于商业学院的所有学生，可以作为本科高年级或研究生的信息系统课程、执行或决策选修课程的教材。四年制的大学和社区学院通常提供这些课程。在学习本课程之前，学生先最好完成MIS程序导论、系统分析和设计以及数据库概念等课程。此外，学生学习商业课程越深入，那么与本书介绍的数据挖掘和可视化的相关程度就越高。书中的很多章节除了面向学生以外，还可用于日常管理的课程中，为数据仓库从业者提供参考。
教学要素
本书适当地利用了顶级商业学院课程通常使用的传统教学要素。书中使用图形和示例来介绍概念。每一章都包含一个介绍性的小案例，以突出该章介绍的概念。每章的最后都包含关键概念小结、复习题和问题、参考文献和补充读物。下面简单介绍这些要素。
本章学习目标
每一章都用性能术语和操作术语提出该章的学习目标。换句话说，目标指出作为学习成果，学生应该能够理解的内容和能够完成的操作。
本章小案例
小案例都来自实际应用，它们为学生提供该章材料的参考。此外，每一个小案例都涉及到案例应用场合的关键角色，以便使单个学生或学生小组使用各种研究工具进行进一步的调查以扩展案例。
图形和表格
显然，精心设计的图表有助于学生对内容的理解。一旦有可能，每一章包含的图表不但在正文中引用，而且它们还作为对文字讨论的可视化引用出现。
描述性的插图
为了进一步解释与决策过程相关的概念，本书采用了描述性插图的技巧。使用描述性插图是为了让学生不仅弄清楚讨论的特定技巧是如何应用的，而且还能明白应用它的场合和环境。
数据挖掘和数据可视化练习
本书的一个特别有价值之处是与Megaputer公司的PolyAnalyst和TextAnalyst数据挖掘和数据可视化软件的捆绑。该软件包代表了数据挖掘和数据可视化系统的技术前沿。其价值为10 000美元，它的销售与本书无关。
关键概念
在每一章的小节后面是关键概念，它们以在该章中出现的先后顺序列出。帮助学生复习该章的内容，以准备班级讨论或测验。
复习题
每章都包含10~20道复习题，以帮助学生理解和记忆该章的内容。每一个问题的详细、准确答案都可以很容易地在该章中找到。
进一步讨论
每章最后的一些问题扩展了该章所提供的材料，让学生进行更深入的思考和讨论。每一个讨论题都可以用来组织班级公开讨论，其中很多问题可以扩充为个人或小组小项目。
各章概述
第1章—— 数据挖掘、数据仓库和数据可视化概述
第1章概述了数据挖掘、数据仓库和数据可视化技术，为下一步详细研究打下基础。此外，还介绍了每一种技术发展的简要历史，从而使读者能更清楚地认识到这些强大的业务工具的发展。
第2章—— 数据仓库
第2章详细介绍现代数据仓库，解释数据仓库的目的及其相关特性。此外，还介绍了各种数据仓库配置的定义和示例，以及在数据仓库的成功设计和实现中元数据的作用。
第3章—— 数据挖掘和数据可视化
该章扩展了第1、2章介绍的概念，深入探讨了数据挖掘领域，引入了联机分析处理(Online Analytical Processing，OLAP)及其变种的概念。此外，该章还讨论了用于挖掘数据的技巧、它们目前的限制及其在数据可视化环境中的应用。
该章的第2部分主要分析数据可视化和数据挖掘。本书是这些领域的第一本教材，还包含了一个实际的数据挖掘和数据可视化商业软件包，并在内容中集成了这个软件包。
第4章—— 机器学习
人工智能和数据挖掘的最新成果—— 机器学习是本章的内容。该章详细介绍了决策树、模糊逻辑和语言多义性等概念，作为详细讨论人工神经网络和遗传算法的基础。在典型的数据挖掘环境中通常采用这些分析方法。该章简单介绍了这个领域的常见应用程序。此外，还提供了最常见的人工神经网络学习算法的数学推导。
第5章—— 执行信息系统
该章主要关注在现代数据环境中最常见的实现接口—— EIS(Executive Information System，执行信息系统)，详细介绍了执行域以及各种使能技术在EIS的开发和应用程序中的应用。内容包括EIS技术的定义、EIS发展的简明历史，执行级决策和决策生成器的独特属性，以及把EIS引入组织环境所引发的问题。
第6章—— 设计并构造数据仓库
第6章深入探讨了在组织数据仓库的开发中常见的进程、过程、工具和技巧。该章将使读者更好地理解与这种新颖而强大的数据存储方法相关的一些独特挑战。
第7章—— 数据挖掘、仓库和可视化的未来
该章是本书的最后一章，揭示了数据仓库、数据挖掘和数据可视化的发展趋势和未来应用，也讨论了这些技术在其他领域的进展。
相关资源
配套的Web站点(WWW.PRENHALL.COM/MARAKAS)为教师提供的支持材料包括非常丰富、有用的支持信息。每章都配有一个PowerPoint文件，用于课堂教学。本书中的复习题也可在线提供，学生可以方便地把答案直接通过电子邮件发送给教师。
对Web站点教师部分的访问需要一个有效的用户ID和口令。教师需要通过登录到Web站点，完成初始的教师注册过程，把自己注册为教师。完成注册过程后，注册请求将转发给销售商进行确认。如有问题，请仔细填写本书最后所附的“教辅资料申请及教师信息反馈表”中的相关表项，我们将就本书给您提供所需的服务。一旦取得访问Web站点教师部分的许可，就可以下载本书的教师手册和测试项目文件。</P>
<P>
目    录
第1章  数据挖掘、数据仓库和数据可视化概述 1
1.1  现代数据仓库 4
1.2  数据仓库的作用和结构 5
1.3  数据仓库可以完成的工作 7
1.3.1  快捷的信息交付 7
1.3.2  企业内/外的数据集成 8
1.3.3  从历史趋势展望未来 8
1.3.4  用新方式浏览数据的工具 8
1.3.5  免受IS部门资源限制 8
1.3.6  对日常工作有何意义 9
1.3.7  没有什么是免费的 10
1.3.8  是否存在数据仓库无法完成的工作 10
1.4  数据仓库的成本 11
1.4.1  不定成本 12
1.4.2  成本合理性 12
1.4.3  没有数据仓库时如何访问信息 12
1.4.4  存在数据仓库时如何访问信息 13
1.4.5  成本的差距 14
1.4.6  多报表 15
1.4.7  普通用户和高级用户 15
1.4.8  普通用户、高级用户与成本合理性 15
1.4.9  数据集市和数据仓库 16
1.5  数据挖掘的基础 18
1.6  数据挖掘的起源 18
1.7  数据勘查和数据挖掘的方法 22
1.7.1  数据相关 23
1.7.2  数据仓库和数据挖掘/数据勘查 27
1.7.3  最大的挑战—— 数据容量 28
1.8  数据可视化的基础 29
1.8.1  数据可视化背后的历史 30
1.8.2  走在知识前沿的数据可视化 34
1.9  小结 34
第2章  数据仓库 39
2.1  存储、仓库和集市 41
2.1.1  数据存储器 42
2.1.2  数据集市 43
2.1.3  元数据 43
2.1.4  DW环境 43
2.1.5  DW的特征 44
2.1.6  数据冗余问题 48
2.2  数据仓库体系结构 49
2.2.1  操作型数据库层和外部数据库层 50
2.2.2  信息访问层 50
2.2.3  数据访问层 50
2.2.4  元数据层 50
2.2.5  过程管理层 51
2.2.6  应用通信层 51
2.2.7  物理DW层 51
2.2.8  数据分段层 51
2.2.9  数据仓库技术 52
2.3  描述数据的数据—— 元数据 53
2.3.1  “抽象”的概念 53
2.3.2  数据的键 54
2.3.3  运转中的元数据 54
2.3.4  一致性—— 避免事实出现多个版本 55
2.3.5  同意事实的一个版本 55
2.4  元数据的提取 56
2.5  实现数据仓库 59
2.5.1  过失1：“如果创建了仓库，它们的用途就自然显现出来了” 59
2.5.2  过失2：遗漏了体系结构框架 59
2.5.3  过失3：理解用文档对假设进行说明的重要性 60
2.5.4  过失4：没有使用正确的工具 60
2.5.5  过失5：滥用生命周期 61
2.5.6  过失6：忽略了数据冲突问题 61
2.5.7  过失7：没有从失败中吸取经验教训 61
2.6  数据仓库技术 61
2.7  小结 63
第3章  数据挖掘和数据可视化 66
3.1  数据挖掘的概念 69
3.1.1  验证型分析与挖掘型分析 71
3.1.2  DM的逐渐普及 71
3.1.3  使用DM进行更精确的个人预测 72
3.2  联机分析处理 72
3.2.1  MOLAP 73
3.2.2  ROLAP 74
3.3  用于数据挖掘的技术 76
3.3.1  分类 76
3.3.2  关联 77
3.3.3  序列 77
3.3.4  聚类 78
3.3.5  DM技术 78
3.3.6  KDD过程 79
3.3.7  新型DM应用 81
3.4  市场购物篮分析：DM算法之王 82
3.4.1  市场购物篮分析的优点 83
3.4.2  市场购物篮分析的关联规则 84
3.4.3  利用虚项进行市场购物篮分析 88
3.4.4  使用这些结果 91
3.5  DM目前的限制和面临的挑战 92
3.5.1  标识出遗漏信息 92
3.5.2  数据噪声和遗漏值 93
3.5.3  大型数据库和高维度 93
3.6  数据可视化 93
3.6.1  历史 95
3.6.2  人类视觉感知和数据可视化 95
3.6.3  地理信息系统 98
3.6.4  数据可视化技术的应用 99
3.7  Siftware技术 100
3.7.1  Red Brick 100
3.7.2  Oracle 102
3.7.3  Informix 103
3.7.4  Sybase 103
3.7.5  Silicon Graphics 104
3.7.6  IBM 104
3.8  小结 105</P>
<P>第4章  机器学习 121
4.1  模糊逻辑和语义模糊性 123
4.1.1  语义模糊性 123
4.1.2  模糊逻辑的基础 124
4.1.3  模糊与概率 126
4.1.4  模糊逻辑的优缺点 126
4.2  人工神经网络 128
4.2.1  神经计算的基础 129
4.2.2  人工神经网络的训练 132
4.2.3  人工神经网络学习范式 133
4.2.4  神经计算的优点和局限性 135
4.3  遗传算法与遗传进化网络 137
4.3.1  最优理论 137
4.3.2  介绍遗传算法 138
4.3.3  遗传算法的优点和局限性 143
4.4  机器学习的应用 144
4.4.1  机器学习的应用领域 144
4.4.2  机器学习系统的未来 147
4.5  小结 148
第5章  执行信息系统 155
5.1  EIS的概念 157
5.1.1  典型的EIS会话 158
5.1.2  EIS无法完成的工作 159
5.2  EIS历史 159
5.3  高级执行官与众不同的原因 160
5.3.1  执行官的信息需求 160
5.3.2  执行信息的类型和源 163
5.4  EIS组件 165
5.4.1  硬件组件 166
5.4.2  软件组件 167
5.4.3  目前的EIS技术 168
5.5  使EIS开始工作 169
5.5.1  EIS开发框架 169
5.5.2  一些需要避免的EIS局限和缺陷 172
5.5.3  失败是无法接受的 173
5.6  执行官决策和EIS的未来 174
5.6.1  转化条件 174
5.6.2  未来的EIS 175
5.7  小结 177
第6章  设计并构造数据仓库 182
6.1  DW设计的企业模型方法 184
6.1.1  定义EM 184
6.1.2  自上而下的DW设计 185
6.1.3  自下而上的DW设计 185
6.1.4  企业集成的概念 185
6.2  DW项目规划 187
6.2.1  DW项目定义和就绪度评估 187
6.2.2  克服DW就绪度的不足 190
6.2.3  定义新建DW项目的作用域 192
6.2.4  为DW项目定义商业认证 193
6.2.5  使DW项目成为商业案例所面临的问题 193
6.2.6  经济可行性分析 195
6.2.7  经济可行性指标 199
6.2.8  开发DW项目规划 203
6.3  指定分析和设计工具 205
6.3.1  DW逻辑设计的维度建模方法 205
6.3.2  设计DW事实表 208
6.4  DW体系结构规范和开发 209
6.4.1  通用源 210
6.4.2  通用维 210
6.4.3  通用业务规则 210
6.4.4  通用语义 210
6.4.5  通用度量单位 211
6.4.6  DW体系结构关键组件区域 212
6.4.7  开发DW技术体系结构 214
6.5  DW项目的成功因素 215
6.6  小结 216
第7章  数据挖掘、数据仓库和数据可视化的未来 219
7.1  数据仓库的未来 223
7.1.1  规章约束 223
7.1.2  非结构化数据的存储 223
7.1.3  World Wide Web 224
7.2  可选存储器和数据仓库 226
7.2.1  可选存储器 226
7.2.2  使可选存储器工作 228
7.3  数据仓库的趋势 229
7.4  数据挖掘的未来 232
7.4.1  在个性化和隐私之间权衡 232
7.4.2  “信息是自然资源”的概念 235
7.4.3  大型数据集的爆炸 236
7.5  使用数据挖掘保护隐私 237
7.5.1  目前的IDS系统如何检测入侵 237
7.5.2  目前的IDS系统具有的弊端 237
7.5.3  我们在寻找什么 238
7.5.4  DM如何提供帮助 239
7.5.5  入侵检测DM所面临的困难 239
7.6  影响DM未来的趋势 240
7.6.1  数据趋势 240
7.6.2  硬件趋势 240
7.6.3  网络趋势 240
7.6.4  业务趋势 241
7.6.5  对DM的未来所预期的可能情况 241
7.7  数据可视化的未来 242
7.7.1  武器性能和安全仿真 242
7.7.2  医学损伤治疗 243
7.7.3  未来将会展现的技术能力 244
7.7.4  未来的医学外伤场景展望 245
7.8  未来可视化应用的各个组件 246
7.9  小结 247</P>

是介绍。

你怎么是推销书的？