數據倉庫與數據挖掘項目建設方案(DOC 106頁)
數據倉庫與數據挖掘項目建設方案(DOC 106頁)內容簡介
3.1關於數據倉庫的數據建模
3.10設計邏輯模型
3.11設計物理模型
3.12邏輯模型設計的質量控製
3.13邏輯模型設計質量控製的目標
3.14邏輯模型設計質量控製的方法
3.15跟蹤檢查以下關鍵點
3.16常用的數據模型（主題域）
3.17FS-LDM模型框架
3.17.1從金融機構舉例：
3.17.2跟蹤檢查以下關鍵點：
3.17.3當事人主題域細節模型局部展示
3.17.4協議主題域細節模型局部展示
3.17.5事件主題域細節模型局部展示
3.17.5產品主題域細節模型局部展示
3.17.6地域主題域細節模型局部展示
3.17.7渠道主題域細節模型局部展示
3.17.7財務主題域細節模型局部展示
3.2模型的特點
3.3模型的類型
3.4模型設計的目標
3.5模型設計的方法
3.6設計原則
3.6.1中立性原則
3.6.2常用性原則
3.6.3多樣性原則
3.6.4方便性原則
3.7數據資源層—數據類別
3.8數據倉庫（數據集市）的數據模型設計
3.9設計概念模型
3.客戶分析
3.數據倉庫建模
4.ETCL策略和前端應用
4.基準測試
4.建議
4.數據應用層：主要分為查詢、統計報表、多維分析和數據挖掘四大類應用。
4.數據挖掘：工具驅動
4.質量狀態：質量控製的狀態、整體質量狀態
4.創建單元測試計劃，測試數據歸檔過程是否滿足功能需要。
4.定義並跟蹤需求管理的方法和流程
4.客戶流失預測模型應用模式
4.登記元數據。
4.部分變量舉例如下：
4.1ETL設計
4.10ETL的主要任務包括
4.11OLAP與前端的質量控製
4.11.1質量控製的目標
4.11.2質量控製方法
4.2數據ETL過程設計
4.3數據歸檔轉儲設計
4.4備份與恢複過程設計
4.5作業調度過程設計
4.6設計安全訪問控製機製
4.7ETL的質量控製
4.8ETL的質量控製的目標
4.9ETL的質量控製的方法
5.元數據管理與係統維護
5.製定單元測試計劃
5.11項目整體管理的方法
5.12項目總體管理的質量控製
5.13項目總體管理的質量控製的目標
5.14項目總體管理的質量控製的方法
5.15項目狀態指標
5.1主要工具廠商
5.2元數據管理的質量控製
5.3元數據管理的質量控製目標
5.4元數據管理的質量控製方法
5.5元數據建設目標
5.6元數據需求情況
5.7元數據架構設計
5.8元數據架構設計（第九節）
5.9項目整體管理的目標
6數據挖掘及其應用
6.環境狀態：設備是否正常、軟件環境是否正常、辦公環境是否正常
6.在業務需求訪談的過程中按照以下方法工作：
6.10在銀行中可進行的數據挖掘主題範例
6.11在保險企業中可進行的數據挖掘主題範例
6.12在證券行業中可進行的數據挖掘主題範例
6.13數據挖掘在稅務應用框架
6.14數據挖掘在稅務應用
6.15商業智能在零售業—應用案例
6.15在電信業—主要應用
6.15在零售業—應用主題
6.16任務時間分配
6.17數據挖掘團隊結構
6.18GBICC數據挖掘過程模型
6.1什麼是數據挖掘
6.2數據挖掘的主要特點
6.3數據挖掘簡單曆史
6.4應用在尋找更為有效的區別能力中的若幹數據源
6.5數據樣本抽樣
6.6決定數據收集的因素
6.7數據準備
6.8派生與轉換
6.9屬性的選擇
7數據挖掘算法
7.針對信息係統，進行以下內容的調查：
7.1數據挖掘功能、算法及典型應用（重要）
7.2分類
7.2.1基於傳統統計學理論的判別分析
7.2.2邏輯回歸
7.2.3正態回歸
7.2.4決策樹
7.2.5神經網絡
7.3分類segmentation
7.3.1分類的對象
7.3.2分類目的舉例
7.3.3K均值
7.3.4K均值的限製
7.3.5人口統計學分群挖掘
7.3.6人口統計學分群挖掘的工作
7.3.7舉例說明
7.4值預估
7.4.1線性回歸
7.4.2非線性回歸
7.4.3靜函數
7.5關聯分析
7.6聯合分析
7.7時間序列分析
7.8如何估算模型的效果的好的呢
7.9如何分類
8數據庫營銷和數據挖掘
..............................
3.10設計邏輯模型
3.11設計物理模型
3.12邏輯模型設計的質量控製
3.13邏輯模型設計質量控製的目標
3.14邏輯模型設計質量控製的方法
3.15跟蹤檢查以下關鍵點
3.16常用的數據模型（主題域）
3.17FS-LDM模型框架
3.17.1從金融機構舉例：
3.17.2跟蹤檢查以下關鍵點：
3.17.3當事人主題域細節模型局部展示
3.17.4協議主題域細節模型局部展示
3.17.5事件主題域細節模型局部展示
3.17.5產品主題域細節模型局部展示
3.17.6地域主題域細節模型局部展示
3.17.7渠道主題域細節模型局部展示
3.17.7財務主題域細節模型局部展示
3.2模型的特點
3.3模型的類型
3.4模型設計的目標
3.5模型設計的方法
3.6設計原則
3.6.1中立性原則
3.6.2常用性原則
3.6.3多樣性原則
3.6.4方便性原則
3.7數據資源層—數據類別
3.8數據倉庫（數據集市）的數據模型設計
3.9設計概念模型
3.客戶分析
3.數據倉庫建模
4.ETCL策略和前端應用
4.基準測試
4.建議
4.數據應用層：主要分為查詢、統計報表、多維分析和數據挖掘四大類應用。
4.數據挖掘：工具驅動
4.質量狀態：質量控製的狀態、整體質量狀態
4.創建單元測試計劃，測試數據歸檔過程是否滿足功能需要。
4.定義並跟蹤需求管理的方法和流程
4.客戶流失預測模型應用模式
4.登記元數據。
4.部分變量舉例如下：
4.1ETL設計
4.10ETL的主要任務包括
4.11OLAP與前端的質量控製
4.11.1質量控製的目標
4.11.2質量控製方法
4.2數據ETL過程設計
4.3數據歸檔轉儲設計
4.4備份與恢複過程設計
4.5作業調度過程設計
4.6設計安全訪問控製機製
4.7ETL的質量控製
4.8ETL的質量控製的目標
4.9ETL的質量控製的方法
5.元數據管理與係統維護
5.製定單元測試計劃
5.11項目整體管理的方法
5.12項目總體管理的質量控製
5.13項目總體管理的質量控製的目標
5.14項目總體管理的質量控製的方法
5.15項目狀態指標
5.1主要工具廠商
5.2元數據管理的質量控製
5.3元數據管理的質量控製目標
5.4元數據管理的質量控製方法
5.5元數據建設目標
5.6元數據需求情況
5.7元數據架構設計
5.8元數據架構設計（第九節）
5.9項目整體管理的目標
6數據挖掘及其應用
6.環境狀態：設備是否正常、軟件環境是否正常、辦公環境是否正常
6.在業務需求訪談的過程中按照以下方法工作：
6.10在銀行中可進行的數據挖掘主題範例
6.11在保險企業中可進行的數據挖掘主題範例
6.12在證券行業中可進行的數據挖掘主題範例
6.13數據挖掘在稅務應用框架
6.14數據挖掘在稅務應用
6.15商業智能在零售業—應用案例
6.15在電信業—主要應用
6.15在零售業—應用主題
6.16任務時間分配
6.17數據挖掘團隊結構
6.18GBICC數據挖掘過程模型
6.1什麼是數據挖掘
6.2數據挖掘的主要特點
6.3數據挖掘簡單曆史
6.4應用在尋找更為有效的區別能力中的若幹數據源
6.5數據樣本抽樣
6.6決定數據收集的因素
6.7數據準備
6.8派生與轉換
6.9屬性的選擇
7數據挖掘算法
7.針對信息係統，進行以下內容的調查：
7.1數據挖掘功能、算法及典型應用（重要）
7.2分類
7.2.1基於傳統統計學理論的判別分析
7.2.2邏輯回歸
7.2.3正態回歸
7.2.4決策樹
7.2.5神經網絡
7.3分類segmentation
7.3.1分類的對象
7.3.2分類目的舉例
7.3.3K均值
7.3.4K均值的限製
7.3.5人口統計學分群挖掘
7.3.6人口統計學分群挖掘的工作
7.3.7舉例說明
7.4值預估
7.4.1線性回歸
7.4.2非線性回歸
7.4.3靜函數
7.5關聯分析
7.6聯合分析
7.7時間序列分析
7.8如何估算模型的效果的好的呢
7.9如何分類
8數據庫營銷和數據挖掘
..............................
