前言
第1章 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫
1.1 數(shù)據(jù)挖掘簡介
1.1.1 數(shù)據(jù)挖掘的定義4
1.1.2 數(shù)據(jù)挖掘的重要性
1.1.3 數(shù)據(jù)挖掘的功能
1.1.4 數(shù)據(jù)挖掘的步驟
1.1.5 數(shù)據(jù)挖掘建模的標(biāo)準(zhǔn)CRISP-DM
1.2 商務(wù)智能簡介
1.2.1 商務(wù)智能
1.2.2 商務(wù)智能的定義
1.2.3 商務(wù)智能的架構(gòu)
1.2.4 商務(wù)智能的實施流程
1.3 數(shù)據(jù)挖掘與其他相關(guān)領(lǐng)域的關(guān)系
1.3.1 數(shù)據(jù)挖掘與統(tǒng)計分析的不同
1.3.2 數(shù)據(jù)挖掘與數(shù)據(jù)倉庫的關(guān)系
1.3.3 KDD與數(shù)據(jù)挖掘的關(guān)系
1.3 .4在線分析處理(OLAP)與數(shù)據(jù)挖掘的關(guān)系
1.3.5 數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的關(guān)系
1.3.6 Web挖掘和數(shù)據(jù)挖掘有什么不同
1.4 數(shù)據(jù)挖掘在客戶關(guān)系管理中的應(yīng)用
1.4.1 客戶關(guān)系管理(CRM)
1.4.2 客戶關(guān)系管理指標(biāo)
1.4.3 數(shù)據(jù)挖掘應(yīng)用于各行業(yè)
1.4.4 客戶市場細(xì)分
1.4.5 交叉銷售
1.4.6 客戶關(guān)系管理四大循環(huán)過程
1.4.7 數(shù)據(jù)庫營銷
1.5 數(shù)據(jù)倉庫定義
1.5.1 數(shù)據(jù)倉庫特性
1.5.2 數(shù)據(jù)倉庫架構(gòu)
1.5.3 構(gòu)建數(shù)據(jù)倉庫的原因
1.5.4 構(gòu)建數(shù)據(jù)倉庫的主要目的
1.5.5 數(shù)據(jù)倉庫的應(yīng)用
1.5.6 數(shù)據(jù)倉庫的管理
1.6 數(shù)據(jù)挖掘工具分類
1.6.1 數(shù)據(jù)挖掘工具
1.6.2 各工具的簡介
第2章 SQL語言介紹及其實例
2.1 SQL簡介及數(shù)據(jù)變量來源說明
2.1.1 何謂SQL
2.1.2 各數(shù)據(jù)文檔變量說明
2.2 SQL基本語法介紹
2.3 會員基本資料整理
2.3.1 查詢縣市別填答狀態(tài)
2.3.2 婚姻狀態(tài)
2.4 會員基本變項
2.4.1 性別
2.4.2 交易周期性變化
2.4.3 會員在交易時的年齡及婚姻狀態(tài)
2.4.4 會員交易金額及紅利積點次數(shù)分配百分比
2.4.5 平均交易間隔時間
2.5 產(chǎn)品組合
2.5.1 按照產(chǎn)品編號排行榜
2.5.2 單項產(chǎn)品的排行榜
2.5.3 重復(fù)購買率
2.6 會員流失率
2.7 會員貢獻(xiàn)度
第3章 SQL Server 2008的數(shù)據(jù)挖掘模型在零售業(yè)中的應(yīng)用
3.1 實際案例練習(xí)
3.1.1 數(shù)據(jù)挖掘Microsoft決策樹
3.1.2 數(shù)據(jù)挖掘Microsoft羅吉斯回歸
3.1.3 數(shù)據(jù)挖掘Microsoft類神經(jīng)網(wǎng)絡(luò)
3.1.4 數(shù)據(jù)挖掘Microsoft貝氏概率分類
3.2 潛在客戶預(yù)測模型
3.2.1 潛在客戶預(yù)測流程圖
3.2.2 交易頻率趨勢圖
3.2.3 交易頻率語法
3.3 模型建構(gòu)
3.3.1 SSIS操作流程
3.3.2 SSAS操作流程
3.3.3 數(shù)據(jù)挖掘Microsoft決策樹模型建構(gòu)
3.3.4 數(shù)據(jù)挖掘Microsoft羅吉斯回歸模型建構(gòu)
3.3.5 數(shù)據(jù)挖掘Microsoft類神經(jīng)網(wǎng)絡(luò)及貝氏概率模型建構(gòu)
3.3.6 模型比較
3.4 數(shù)據(jù)挖掘Microsoft時間序列
3.4.1 基本概念
3.4.2 時間序列的成分
3.4.3 時間序列數(shù)據(jù)的圖形介紹
3.4.4 利用修勻法預(yù)測
3.4.5 用趨勢投射預(yù)測時間序列
3.4.6 預(yù)測含趨勢與季節(jié)成分的時間序列
3.4.7 利用回歸模型預(yù)測時間序列
3.4.8 其他預(yù)測模型
3.4.9 模型單變量時間序列預(yù)測模型
3 ,4.1 0時間趨勢預(yù)測模型
3.4.1 1范例操作
3.5 數(shù)據(jù)挖掘Microsoft聚類分析
3.5.1 基本概念
3.5.2 范例操作
3.6 數(shù)據(jù)挖掘Microsoft線性回歸
3.6.1 基本概念
3.6.2 簡單線性回歸分析
3.6.3 多無回歸分析
3.6.4 嶺回歸分析
3.6.5 范例操作
3.6.6 補(bǔ)充（測試集數(shù)據(jù)匯出）
3.7 數(shù)據(jù)挖掘Microsoft關(guān)聯(lián)規(guī)則
3.7.1 基本概念
3.7.2 關(guān)聯(lián)規(guī)則的種類
3.7.3 關(guān)聯(lián)規(guī)則的算法：Apriori算法
3.7.4 關(guān)聯(lián)規(guī)則DMX數(shù)據(jù)挖掘語法
3.8 數(shù)據(jù)挖掘Microsoft時序群集
3.8.1 基本概念
3.8.2 相關(guān)研究
3.8.3 時序群集DMX數(shù)據(jù)挖掘語法
第4章 OLAP-零售業(yè)中的應(yīng)用
4.1 數(shù)據(jù)倉庫
4.2 實例操作
4.2.1 數(shù)據(jù)來源檢查
4.2.2 創(chuàng)建命名查詢（VIP會員數(shù)據(jù)）
4.2.3 編輯命名查詢（VIP產(chǎn)品組成貨號）
4.2.4 編輯命名查詢(VIP訂單明細(xì)表)
4.2.5 編輯命名查詢（VIP訂單數(shù)）
4.2.6 編輯命名查詢（VIP購買產(chǎn)品）
4.2.7 編輯命名查詢（VIP會員數(shù)）
4.3 維度設(shè)計
4.4 建立多維數(shù)據(jù)集
4.4.1 對企業(yè)的價值
4.4.2 數(shù)據(jù)儲存的選擇性
4.4.3 實例操作
4.5 數(shù)據(jù)模擬及相關(guān)數(shù)據(jù)明細(xì)
第5章 Excel中的數(shù)據(jù)挖掘模塊
5.1 安裝與設(shè)定數(shù)據(jù)挖掘加載宏
5.1.1 系統(tǒng)需求
5.1.2 開始安裝
5.1.3 完成安裝檢查
5.1.4 狀態(tài)設(shè)定
5.1.5 設(shè)定完成檢查
5.2 Excel 2007數(shù)據(jù)挖掘工具列介紹
5.2.1 數(shù)據(jù)挖掘使用幫助
5.2.2 數(shù)據(jù)挖掘連接設(shè)定
5.2.3 設(shè)定目前的連接
5.2.4 跟蹤
5.2.5 數(shù)據(jù)準(zhǔn)備
5.2.6 瀏覽數(shù)據(jù)
5.2.7 清除數(shù)據(jù)
……