面向物流企业数据在线分析挖掘及应用PDF|Epub|txt|kindle电子书版本网盘下载

面向物流企业数据在线分析挖掘及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　数据挖掘原理1

1.1　知识发现与数据挖掘1

1.2　数据挖掘概论1

1.2.1　数据挖掘的对象和任务1

1.2.2　数据挖掘的应用2

1.2.3　在线分析数据挖掘系统、软件工具4

1.2.4　数据挖掘发展8

第2章　数据仓库、数据挖掘与OLAM10

2.1　数据仓库10

2.1.1　从数据库到数据仓库10

2.1.2　数据仓库常用模型14

2.1.3　MDX查询及分析22

2.1.4　数据仓库建模工具28

2.1.5　数据清洗30

2.2　数据挖掘39

2.2.1　从报表到数据挖掘39

2.2.2　数据挖掘过程40

2.2.3　数据挖掘的可视化技术46

2.2.4　数据挖掘工具51

2.3 OLAM56

2.3.1 从OLTP到OLAP56

2.3.2 从OLAP到OLAM60

2.3.3 OLAM发展63

第3章　常用数据挖掘模型与算法65

3.1　贝叶斯算法65

3.1.1　贝叶斯算法原理65

3.1.2　贝叶斯算法的应用66

3.2　决策树66

3.2.1　决策树算法66

3.2.2　决策树方法的应用67

3.3　神经网络68

3.3.1　神经网络的原理68

3.3.2　神经网络方法的应用69

3.4　关联规则70

3.4.1　关联规则的原理70

3.4.2　关联规则方法的应用71

3.5　聚类分析71

3.5.1　聚类分析原理71

3.5.2　聚类的应用72

3.6　时间序列73

3.6.1 时间序列与时间序列分析73

3.6.2　时间序列方法的应用74

3.7　统计和可视化75

3.7.1　统计75

3.7.2　可视化75

第4章　实例一：物流信息系统源数据清洗实例77

4.1　ETL在企业数据管理工作的重要性77

4.1.1　ETL在企业数据平台中的作用78

4.1.2　ETL工具需要解决的问题78

4.2　SSIS功能79

4.3　SSIS的体系结构79

4.3.1　程序包81

4.3.2　任务81

4.3.3　数据源元素82

4.3.4　数据源视图83

4.4　SSIS程序包设计84

4.4.1　控制流84

4.4.2　Connection Manager88

4.4.3　变量88

4.4.4　数据流89

4.4.5 Event Handler90

4.4.6　Package Explorer91

4.4.7　执行程序包91

4.5　物流信息系统中数据清洗实例分析91

4.5.1　确定来源维度91

4.5.2　处理时间标识92

4.5.3　邮件监控任务93

第5章　实例二：多维数据仓库模型创建95

5.1　数据仓库简介95

5.2　数据仓库建模常用模式96

5.3　多维数据模型97

5.4　多维数据仓库的规范化处理（雪花处理）99

5.5　多维模型设计流程101

5.5.1　总体架构设计102

5.5.2　Cube的设计102

5.5.3　生成关系架构103

5.5.4　利用测试数据进行模型测试103

5.5.5　ETL数据加载103

5.6　以人事为主题的多维数据仓库模型设计实例104

5.6.1　政府机构人员管理中的数据仓库设计104

5.6.2　与销售结合的人事主题分析104

5.7 以客户分析为主题的多维数据仓库模型设计实例107

5.7.1　数据仓库逻辑模型设计108

5.7.2　SQL Server 2005中数据仓库的建设113

第6章　实例三：物流企业复合报表设计与制作实例116

6.1　报表服务的作用116

6.1.1　解决方案类型116

6.1.2　简单的应用程序集成116

6.1.3　无缝的应用程序集成117

6.2 SQL Server 2005中的报表服务118

6.2.1　报表交付应用程序类型118

6.2.2　设计报表119

6.3　报表服务的体系结构120

6.3.1 平台概览120

6.3.2　SQL Server 2005报表服务支持的提供程序120

6.3.3　显示扩展121

6.4　复合报表的设计实例122

6.4.1　复合报表的设计需求122

6.4.2　复合报表的范围122

6.4.3　复合报表设计实例122

第7章　实例四：物流企业销售OLAM实例132

7.1　基于时序的关联规则133

7.1.1　序列模式关联规则挖掘133

7.1.2　基于时间序列的关联规则133

7.1.3　关联规则的相关参数135

7.2　基于关联规则的购买模式发现实例136

7.2.1　销售业务技术及源数据分析136

7.2.2　购物序列模式发现挖掘及在线分析实例138

7.3　多维数据分析及其OLAP可视化实例143

7.3.1　客户总体概况分析143

7.3.2　单维度下钻分析144

7.3.3　某维度多属性的指标数据纵向切片分析可视化149

7.3.4　多维度多层上卷、旋转及横（纵）向切片综合分析及可视化151

7.3.5　某维度对分析指标沿时间预测分析的可视化154

第8章　实例五：OLAM在客户分析中的综合应用156

8.1 基于支出分配的客户终生价值计算研究158

8.1.1 客户终生价值的组成159

8.1.2　客户终生价值模型研究159

8.1.3　基于马尔可夫链的客户购买转换研究161

8.1.4　基于马尔可夫链计算客户支出分配变化的实例163

8.1.5　定量计算客户支出分配对客户终生价值的影响166

8.1.6　客户终生价值的软件实现168

8.2　客户忠诚度预测及客户资信综合评价169

8.2.1　客户忠诚度概述169

8.2.2　基于模糊神经网络的客户忠诚度预测170

8.2.3　基于属性重要性理论确定模糊神经网络初始权重170

8.2.4　模糊信息处理与模糊神经网络评价步骤171

8.2.5　基于模糊神经网络的客户忠诚度的计算实例172

8.2.6　基于模糊评价法的客户资信计算研究180

8.2.7　基于模糊综合评价的客户资信计算183

8.3　基于数据挖掘的客户细分研究191

8.3.1 常用的客户分类模型191

8.3.2　客户终生价值／客户忠诚度／客户资信（CLV/CL/CC）的客户分类模型191

8.3.3　数据挖掘中的客户聚类算法192

8.3.4　聚类实现194

8.3.5　加权的扩展贝叶斯模型分类199

8.3.6　软件实现及分析203

8.3.7　结果验证与分析205

第9章　实例六：面向第三方物流企业的数据挖掘服务构建实例207

9.1　设计思想207

9.1.1　SOA理论208

9.1.2　WCF概述211

9.2　物流管理平台中数据挖掘服务的设计215

9.2.1　物流管理平台的架构215

9.2.2　物流管理中的数据挖掘应用需求分析217

9.2.3　WCF框架下的数据挖掘服务设计220

9.3　数据挖掘服务中的关键技术及实现227

9.3.1　数据上传服务227

9.3.2　数据清洗服务229

9.3.3　数据挖掘算法服务234

9.3.4　OLAP服务238

9.3.5　跨平台调用WCF服务244

9.4　基于数据挖掘服务在物流运输系统中的应用249

9.4.1　使用开源WebGIS249

9.4.2　物流运输系统中的智能分析253

参考文献259