理論篇
第一章  從數據庫到數據庫倉庫
1.1  從數據庫到數據倉庫
1.2  什么是數據倉庫
1.2.1  主題與面向主題
1.2.2  數據倉庫的其他三個特征
1.3  數據倉庫中的數據組織
1.3.1  數據倉庫的數據組織結構
1.3.2  粒度與分割
1.3.3  數據倉庫的數據組織形式
1.3.4  數據倉庫的數據追加
1.4  數據庫體系化環(huán)境
1.4.1  四層體系化環(huán)境
1.4.2  數據庫集市
1.5  小結
第二章  數據倉庫設計
2.1  數據倉庫系統(tǒng)設計方法概述
2.2  數據倉庫設計的三級數據模型
2.2.1  概念模型
2.2.2  邏輯模型
2.2.3  物理模型
2.2.4  高級模型、中級模型和低級模型
2.3  提高數據倉庫的性能
2.3.1  粒度劃分
2.3.2  分割
2.3.3  數據倉庫物理設計中的其他一些問題
2.4  數據倉庫中的元數據
2.5  數據倉庫設計步驟
2.5.1  概念模型設計
2.5.2  技術準備工作
2.5.3  邏輯模型設計
2.5.4  物理模型設計
2.5.5  數據倉庫的生成
2.5.6  數據倉庫的使用與維護
2.6  小結
第三章  操作數據存儲(ODS)
3.1  什么是ODS
3.1.1  ODS的定義及特點
3.1.2  ODS的功能和實現機制
3.2  DB-ODS-DW體系結構
3.2.1  ODS與DW
3.2.2  DB-ODS-DW三層體系結構
3.3  創(chuàng)建ODS
3.3.1  ODS數據模式的形成過程
3.3.2  ODS對數據的控制——獲取并傳輸
3.3.3  創(chuàng)建ODS的兩條技術路線
3.4  實例——商場ODS系統(tǒng)
3.5  小結
第四章  數據倉庫投資回報分析
4.1  概述
4.2  數據倉庫投資回報的定量分析
4.2.1  投資回報的度量標準
4.2.2  數據倉庫的投資回報率與回報周期
4.2.3  數據倉庫投資回報分析
4.3  數據倉庫投資回報的定性分析
4.4  數據倉庫實現分析
4.4.1  建立數據倉庫的必要性分析
4.4.2  技術選擇分析
4.4.3  數據倉庫實現方法的投資回報分析
4.4.4  數據倉庫實現目標的投資回報分析
4.5  典型企業(yè)的投資回報分析
4.5.1  美國麻薩諸塞州政府（Commonwealth of Massachusetts）(ROI 44%)
4.5.2  荷蘭Interpolis公司（ROI 568%）
4.5.3  美國Niagara Mohawk能源公司（ROI 1413%）
4.6  小結
工具篇  
第五章  數據倉庫工具
5.1    數據倉庫工具——數據倉庫系統(tǒng)的重要組成部分
5.1.1  數據倉庫系統(tǒng)的結構
5.1.2  數據庫系統(tǒng)與數據倉庫系統(tǒng)的組成結構的比較
5.2  數據分析工具發(fā)展
5.2.1  EIS軟件
5.2.2  PC挖掘工具
5.2.3  OLAP服務器
5.2.4  面向數據倉庫、支持決策應用的數據分析產品
5.3  數據分析模型
5.3.1  四種分析模型
5.3.2  比較
5.4  數據倉庫工具簡介
5.4.1  驗證型工具
5.4.2  發(fā)掘型工具
第六章  決策支持工具的新進展——聯面分析處理(OLAP)
6.1  從OLTP到OLAP
6.1.1  OLAP的出現
6.1.2  什么是OLAP
6.1.3  OLTP與OLAP的關系及比較
6.2  OLAP的特征及衡量標準
6.2.1  Codd關于OLAP產品的十二條評價準則
6.2.2  其他廠商對Codd的十二條準則的看法
6.3  OLAP實施
6.4  基于多維數據庫的OLAP實現
6.4.1  多維數據
6.4.2  維的層次關系和類
6.4.3  時間序列數據類型
6.4.4  多維數據庫存儲
6.4.5  多維數據庫存取
6.5  基于關系數據庫的OLAP實現
6.6  兩種技術間的比較
6.6.1  結構
6.6.2  數據存儲和管理
6.6.3  數據存取
6.6.4  適應性
6.7  OLAP產品介紹及選擇
6.7.1  產品介紹
6.7.2  產品選擇
6.8  OLAP的新發(fā)展及在我國的應用展望
6.8.1  OLAP的新發(fā)展
6.8.2  OLAP在我國的應用展望
第七章  數據挖掘(Data Mining)工具
7.1  Data Mining的技術基礎
7.1.1  Data Mining的概念
7.1.2  Data Mining的方法與技術
7.1.3  Data Mining的分析方法
7.2  Data Mining系統(tǒng)的體系結構及運行過程
7.2.1  數據挖掘的步驟
7.2.2  實例
7.3  從技術與實現
7.4  Data Mining與OLAP的區(qū)別和聯系
7.5  數據挖掘的應用
應用篇
第八章  數據倉庫應用談
8.1  數據倉庫應用概述
8.1.1 全局應用
8.1.2 復雜分析
8.2  數據倉庫的應用實例
8.2.1 數據倉庫解決“蜘蛛網”問題
8.2.2  分層決策體系
8.2.3  數據抽樣分析
8.2.4  發(fā)揮歷史數據的經濟效益
8.2.5  回扣分析
8.3  小結
第九章  數據倉庫的應用與實踐
9.1  任務來源
9.2  研制過程
9.2.1  前期準備工作
9.2.2  總體方案的確立
9.2.3  數據模型分析與數據庫設計
9.2.4  應用系統(tǒng)開發(fā)
9.3  研制成果
9.4  作用與效益
9.5  結束語
附錄  中國銀行廣東省分行FMIS系統(tǒng)
產品篇
第十章  INFORMIX公司的數據倉庫解決方案及其OLAP產品MetaCube技術分析
10.1  INFORMIX數據倉庫解決方案
10.2  聯機事務處理（OLTP）、數據倉庫與聯機分析處理（OLAP）
10.3  Informix公司數據倉庫的數據分析模型——多維模型
10.3.1  什么是多維模型
10.3.2  多維模型的實現關鍵——計算中間表的設計
10.4  Informix OLAP產品MetaCube介紹及技術分析
10.4.1  MetaCube的技術特色
10.4.2  MetaCube Explorer
10.4.3  MetaCube Warehouse Manager
10.5  MetaCube使用實例
10.5.1  DSS系統(tǒng)MetaCube DEMO的多維模型
10.5.2  MetaCube DEMO的邏輯模型實現
10.5.3  通過MetaCube Explorer訪問MetaCube DEMO中的數據
10.5.4  利用MetaCube Optimizer優(yōu)化數據倉庫
10.6  結束語
第十一章  Oracle數據倉庫解決方案及OLAP產品技術分析
11.1  ORACLE數據倉庫解決方案
11.1.1  數據倉庫建模和設計
11.1.2  數據抽取
11.1.3  數據倉庫管理
11.1.4  數據分析
11.2  Oracle OLAP產品介紹
11.2.1  OLAP背景
11.2.2  OLAP的兩類用戶
11.2.3  Oracle OLAP產品系列
11.3  Oracle Express Server技術特色
11.3.1  Express Server結構
11.3.2  Express 數據模型
11.3.3  Oracle Express 的存儲結構
11.3.4  Express 多維數據模型的優(yōu)點
11.3.5  Express Server數據的提取及其與關系數據庫的集成
11.3.6  SQL與多維查詢的實例
11.4  實例
11.4.1  數據模型定義
11.4.2  數據抽取
11.4.3  通過EXPRESS OBJECT分析
11.4.4  總結
第十二章  Sybase的交互式數據倉庫解決方案及其特色產品Sybase IQ
12.1  Sybase的數據倉庫三層體系結構
12.1.1  多層體系結構的概念與劃分
12.1.2  三層客戶/服務器結構適應的數據倉庫應用的需要
12.2  Sybase的QuickStart DataMart捆綁計劃
12.2.1  Sybase數據倉庫體系環(huán)境
12.2.2  數據倉庫和數據集市（Data Wart）
12.2.3  Sybase的“ WarehouseNOW”策略：Quick Start DataMart
12.3  Sybase特色產品Sybase IQ的技術簡介
12.3.1  Sybase IQ產品定位
12.3.2  Sybase IQ服務器技術特色
12.3.3  Bit-Wise索引的建立
12.4  數據倉庫設計工具——PowerDesignor Warehouse Architect 6.0
12.4.1  維建模與相關概念
12.4.2  Warehouse Architect功能簡介
附錄1  設置Sybase IQ的基本步驟
附錄2  測試比較
附錄3  Sybase IQ的典型用戶——美國MCI公司的SQLD數據倉庫
參考文獻