王飛、劉國峰編著的《商業智能深入淺出》幾乎涵蓋了商業智能的方方面面，包括一些架構的思想和工具的使用，*重要的是，本書包含了商業智能的規劃思想和原理，也滲透了架構過程中的難點和解決方案。本書並不拘泥於細節部分，但是試圖幫助讀者深入理解商業智能的核心技術，包括相關的理論、規劃思想和實際案例等。

王飛、劉國峰編著的《信息科學與技術叢書·商 業智能深入淺出：大數據時代下的架構規劃與案例（ 第2版）》雖然是《商業智能深入淺出—Cognos， Informatica技術與應用》一書的修訂版，但在結合 各方面的反饋意見之後，對內容上做了很多調整，力 求最新、最細。同時書中將商業智能和大數據有機地 結合起來，增加了一些相應的章節和案例，擴充了知 識點，幾乎涵蓋了商業智能領域的所有知識。本書並 不推崇細節性的理論知識講述，因為每一部分理論都 可以寫成一本書。本書主要針對如何解決項目中所遇 到的問題，以及商業智能項目開發的一般流程。本書 還力圖幫助初學者快速進入到項目之中，所以本書對 他們來說具有極高的參考價值。 本書內容可以分成如下幾個部分。 理論篇：主要包括商業智能概述、數據倉庫理論 知識、數據挖掘和分析、大數據理論知識等內容。 項目篇：主要包括商業智能項目需求的定義、商 業智能項目模型的建立、商業智能數據倉庫繫統應用 實例、大數據架構與實踐、電力行業和金融行業的商 業智能案例等內容。 工具篇：詳細介紹兩大商業智能工具Cognos與 Informatica的理論知識和使用方法。 實踐篇：包括Cognos報表的開發、部署和實踐等 內容。 本書還附贈了部分源代碼和一些有價值的文檔模 板。

前言
致謝
理論篇
第1章 商業智能簡介
1.1 商業智能概述
1.1.1 商業智能的定義
1.1.2 商業智能的作用
1.1.3 商業智能的處理過程
1.1.4 商業智能的功能
1.1.5 商業智能的發展趨勢
1.2 關於商業智能的核心技術
1.2.1 數據倉庫
1.2.2 數據挖掘和分析
1.2.3 ETL處理技術
1.2.4 聯機分析處理（OLAP）技術
1.2.5 可視化分析
1.2.6 大數據技術
1.2.7 商業智能元數據管理
1.3 商業智能的實施方法和步驟
1.3.1 商業智能的實施方法
1.3.2 商業智能的實施步驟
1.4 商業智能項目成功的關鍵
1.5 商業智能項目的組織機構
1.6 本章小結
第2章 數據倉庫的理論知識
2.1 數據倉庫概述
2.1.1 數據倉庫產生的背景
2.1.2 數據倉庫定義
2.1.3 數據倉庫和商業智能之間的關繫
2.2 數據倉庫的特點
2.2.1 面向主題
2.2.2 集成性
2.2.3 穩定性
2.2.4 反映歷史變化
2.3 數據倉庫的優勢
2.4 數據倉庫和數據庫的區別
2.5 數據倉庫開發過程介紹
2.5.1 規劃分析階段
2.5.2 設計實現階段
2.5.3 使用維護階段
2.6 數據倉庫繫統組成部分介紹
2.6.1 數據源分析
2.6.2 數據遷移
2.6.3 選擇數據的存儲結構
2.6.4 元數據
2.7 數據倉庫模型設計介紹
2.7.1 概念模型
2.7.2 邏輯模型
2.7.3 物理模型
2.8 數據集市介紹
2.8.1 數據集市概述
2.8.2 數據集市和數據倉庫的聯繫和區別
2.8.3 數據集市的目標分析
2.8.4 數據集市的技術特性
2.9 ODS介紹
2.9.1 ODS的概述
2.9.2 ODS繫統與數據庫繫統、數據倉庫繫統的區別
2.9.3 基於ODS和基於數據倉庫的OLAP之間的關繫
2.9.4 ODS繫統的功能
2.9.5 ODS繫統的架構
2.10 數據倉庫實施詳細步驟
2.10.1 需求分析
2.10.2 數據倉庫的邏輯分析
2.10.3 設計ODS繫統
2.10.4 數據倉庫建模
2.10.5 數據集市建模
2.10.6 數據源分析
2.10.7 數據的獲取與整合
2.10.8 應用分析
2.10.9 報表展現
2.11 在大數據環境下的數據倉庫的建設
2.12 數據倉庫建設路線圖
2.13 數據倉庫的作用
2.14 數據倉庫的建設意義
2.15 本章小結
第3章 數據挖掘和分析理論知識
3.1 什麼是數據挖掘
3.2 數據挖掘方法的幾個步驟
3.3 數據挖掘常用算法
3.4 數據倉庫和數據挖掘之間的關繫
3.5 數據挖掘的主要過程
3.6 數據挖掘的主要應用——客戶精準營銷
3.6.1 客戶精準營銷背景
3.6.2 關於旅遊行業的客戶精準營銷
3.6.3 關於銀行業的客戶精準營銷
3.7 本章小結
第4章 商業智能ETL理論知識
4.1 ETL在數據倉庫中的重要地位
4.2 ETL的一般過程
4.3 研究ETL的本質
4.4 ETL的體繫結構
4.5 ETL的難點
4.6 主流的ETL工具
4.7 ETL的作用
4.8 詳解ETL過程
4.8.1 數據抽取
4.8.2 數據清洗
4.8.3 數據轉換
4.8.4 數據加載
4.8.5 ETL的日志
4.9 ETL優化
4.10 ETL設計規範要點
4.11 ETL的框架結構
4.12 ETL的實施策略
4.13 本章小結
第5章 商業智能聯機分析處理理論簡介
5.1 OLAP介紹
5.2 OLAP繫統與OLTP繫統的區別
5.3 OLAP的實現方法
5.4 OLAP的基本目標和特點
5.5 建立OLAP的過程
5.6 OLAP與數據倉庫的關繫
5.7 OLAP繫統的實施過程
5.8 OLAP模型的設計與實現
5.9 本章小結
第6章 數據可視化分析理論知識
6.1 什麼是數據可視化分析
6.2 數據可視化的表現形式
6.3 本章小結
第7章 大數據理論知識
7.1 大數據概念的提出
7.2 什麼是大數據？
7.3 大數據處理技術
7.4 大數據應用案例
7.5 大數據和傳統商業智能的結合
7.6 本章小結
第8章 商業智能元數據理論知識
8.1 元數據的定義
8.2 元數據的重要性
8.3 元數據的類型
8.4 元數據的作用
8.5 元數據的管理
8.6 元數據包含的內容
8.7 本章小結
項目篇
第9章 商業智能項目需求的定義
9.1 商業智能項目的啟動
9.2 商業智能項目的需求定義
9.3 繫統原型的建立
9.4 驗收和評審的內容
9.5 本章小結
**0章 商業智能項目模型的建立
10.1 數據模型的設計原則
10.2 企業模型的意義
10.2.1 企業模型的定義
10.2.2 建設企業模型的意義
10.2.3 企業數據模型和其他模型之間的關繫
10.2.4 與企業數據模型相關的概念
10.2.5 企業數據模型轉換到數據倉庫模型的步驟
10.3 概念模型的設計
10.4 邏輯模型的設計
10.4.1 ODS邏輯模型
10.4.2 數據倉庫邏輯模型
10.4.3 數據集市邏輯模型
10.5 物理模型的設計
10.5.1 ODS物理模型的設計
10.5.2 數據倉庫物理模型的設計
10.5.3 數據集市物理模型的設計
10.6 本章小結
**1章 商業智能數據倉庫繫統應用實例
11.1 定義數據倉庫項目的生命周期
11.2 數據倉庫粒度的劃分
11.3 企業輔助決策分析繫統的構建
11.4 決策分析繫統一般的部署方案和步驟
11.4.1 提供繫統安裝軟件的體繫結構
11.4.2 部署繫統的數據庫環境
11.4.3 ETL環境的部署
11.4.4 報表展示環境的部署
11.5 數據倉庫建設的難點
11.6 本章小結
**2章 商業銀行數據倉庫建設規劃
12.1 商業銀行數據倉庫建設概況
12.2 目前**商業銀行數據倉庫面臨的瓶頸
12.3 商業銀行數據倉庫建設面臨哪些問題
12.4 商業銀行數據倉庫建設思路及繫統情況
12.4.1 某商業銀行建設數據倉庫時遇到的挑戰
12.4.2 某商業數據倉庫架構存在的問題
12.4.3 對該行數據倉庫目標架構的建議
12.5 商業銀行數據倉庫建設啟示
12.6 本章小結
**3章 電力行業數據倉庫的建設規劃
13.1 電力行業數據倉庫建設難點
13.2 電力行業數據倉庫邏輯架構
13.3 電力行業數據倉庫能力藍圖
13.4 數據倉庫促進電力業務的發展
13.5 數據倉庫建設策略比較
13.6 電力行業數據倉庫模型建立過程
13.7 電力行業數據倉庫的架構設計
13.8 本章小結
**4章 商業智能項目規劃和管理
14.1 項目團隊的組織結構
14.2 項目角色劃分及技能要求
14.3 定義領導組的職責和主要任務
14.4 如何定義商業智能項目的進度
14.5 如何定義商業智能項目的過程
14.6 本章小結
**5章 商業智能應用介紹
15.1 商業智能應用設計的原則
15.2 商業智能應用的實施步驟
15.3 商業智能具有的應用功能
15.4 商業智能應用實例
15.5 本章小結
**6章 數據抽取、轉換和加載
16.1 ETL的定義和總體架構
16.2 ETL的加載方法
16.2.1 以時間戳作為加載條件
16.2.2 利用源表的日志信息對目標表進行數據加載
16.2.3 通過全表對比的方式進行數據加載
16.2.4 全表刪除後再進行數據加載的方式
16.3 利用ETL構建企業級數據倉庫
16.4 ETL的設計過程
16.5 ETL的備份與恢復
16.5.1 數據的備份
16.5.2 數據備份存放的介質以及目錄結構
16.5.3 ETL程序的備份
16.5.4 數據的恢復方案
16.6 ETL數據質量的改進
16.6.1 ETL數據質量分析
16.6.2 ETL數據質量改進的方法和目標
16.6.3 推動ETL數據質量改進的方法
16.6.4 ETL的技術路線選擇
16.7 ETL應用舉例
16.7.1 ETL分析需求
16.7.2 ETL數據源說明
16.7.3 ODS設計與抽取
16.7.4 數據倉庫（DW）設計與抽取
16.7.5 數據集市（DM）設計與抽取
16.8 本章小結
**7章 聯機分析處理
17.1 OLAP的概念
17.2 OLAP的實施
17.2.1 建立“維”的概念
17.2.2 多維分析技術
17.2.3 OLAP實施的一般過程
17.3 OLAP的應用實例
17.3.1 案例背景
17.3.2 需求
17.3.3 數據準備
17.3.4 瀏覽分析數據
17.4 OLAP繫統設計的一般步驟
17.5 本章小結
**8章 應用舉例
18.1 項目工作計劃的制訂
18.1.1 對項目背景與目的的描述
18.1.2 確定項目需要交付的成果
18.1.3 制定項目管理文檔
18.1.4 項目進度劃分
18.2 需求分析
18.2.1 業務需求
18.2.2 功能需求
18.3 營銷繫統設計
18.3.1 總體架構設計
18.3.2 營銷輔助決策繫統的ETL架構設計
18.3.3 營銷輔助決策繫統數據訪問功能設計
18.3.4 營銷輔助決策繫統展示方式設計
18.3.5 營銷輔助決策繫統主題分析功能設計
18.3.6 數據模型設計
18.4 ETL數據抽取
18.4.1 ETL物理設計
18.4.2 從源數據庫抽取到ODS數據緩衝區
18.4.3 從ODS數據緩衝區抽取到ODS統一信息視圖區
18.4.4 從ODS統一信息視圖區抽取到數據倉庫
18.4.5 從數據倉庫抽取到數據集市
18.5 報表展示
18.6 編寫測試報告
18.7 編寫用戶手冊
18.8 軟件發布
18.9 繫統運行維護
18.10 本章小結
**9章 大數據架構與實踐
19.1 大數據概述
19.2 大數據的處理技術之一——流數據
19.3 大數據下的數據架構
19.4 大數據在銀行業的應用與實踐
19.5 本章小結
第20章 金融行業的商業智能概述
20.1 金融行業實施商業智能的背景
20.2 商業智能在金融行業的作用
20.3 金融行業實施商業智能的措施
20.4 本章小結
第21章 電力行業商業智能概述
21.1 電力行業面臨的挑戰
21.2 建設企業級數據倉庫的原因
21.3 電力行業數據倉庫的執行架構
21.4 數據倉庫開發的階段、任務和流程
21.5 數據倉庫運維內容
21.6 電力行業數據倉庫的建設方法
21.7 本章小結
工具篇
第22章 Informatica PowerCenter工具簡介
22.1 Informatica PowerCenter介紹
22.1.1 Informatica的特點
22.1.2 Informatica的優勢
22.2 Informatica PowerCenter工具概況
22.3 Informatica Servers引擎
22.4 Administration Console
22.4.1 登錄方式
22.4.2 相關術語
22.5 PowerCenter Designer
22.5.1 菜單
22.5.2 工具欄
22.5.3 導航
22.5.4 工作區
22.5.5 輸出窗口
22.6 Repository Manager
22.6.1 菜單
22.6.2 工具欄
22.6.3 導航
22.6.4 工作區
22.7 Workflow Manager
22.7.1 菜單
22.7.2 工具欄
22.7.3 導航
22.7.4 工作區
22.7.5 輸出窗口
22.8 Workflow Monitor
22.8.1 工具欄
22.8.2 監控區
22.8.3 屬性
22.9 本章小結
第23章 Cognos工具簡介
第24章 Informatica的安裝與快速入門
第25章 Informatica實例
第26章 Cognos安裝與快速入門
第27章 Cognos實例
第28章 Cognos的安全管理
第29章 Cognos優化