数据挖掘基础与应用（SQL Server 2008）

　　前言
　　第1章 数据挖掘与数据仓库
　　1.1 数据挖掘简介
　　1.1.1 数据挖掘的定义4
　　1.1.2 数据挖掘的重要性
　　1.1.3 数据挖掘的功能
　　1.1.4 数据挖掘的步骤
　　1.1.5 数据挖掘建模的标准CRISP-DM
　　1.2 商务智能简介
　　1.2.1 商务智能
　　1.2.2 商务智能的定义
　　1.2.3 商务智能的架构
　　1.2.4 商务智能的实施流程
　　1.3 数据挖掘与其他相关领域的关系
　　1.3.1 数据挖掘与统计分析的不同
　　1.3.2 数据挖掘与数据仓库的关系
　　1.3.3 KDD与数据挖掘的关系
　　1.3 .4在线分析处理(OLAP)与数据挖掘的关系
　　1.3.5 数据挖掘与机器学习的关系
　　1.3.6 Web挖掘和数据挖掘有什么不同
　　1.4 数据挖掘在客户关系管理中的应用
　　1.4.1 客户关系管理(CRM)
　　1.4.2 客户关系管理指标
　　1.4.3 数据挖掘应用于各行业
　　1.4.4 客户市场细分
　　1.4.5 交叉销售
　　1.4.6 客户关系管理四大循环过程
　　1.4.7 数据库营销
　　1.5 数据仓库定义
　　1.5.1 数据仓库特性
　　1.5.2 数据仓库架构
　　1.5.3 构建数据仓库的原因
　　1.5.4 构建数据仓库的主要目的
　　1.5.5 数据仓库的应用
　　1.5.6 数据仓库的管理
　　1.6 数据挖掘工具分类
　　1.6.1 数据挖掘工具
　　1.6.2 各工具的简介
　　第2章 SQL语言介绍及其实例
　　2.1 SQL简介及数据变量来源说明
　　2.1.1 何谓SQL
　　2.1.2 各数据文档变量说明
　　2.2 SQL基本语法介绍
　　2.3 会员基本资料整理
　　2.3.1 查询县市别填答状态
　　2.3.2 婚姻状态
　　2.4 会员基本变项
　　2.4.1 性别
　　2.4.2 交易周期性变化
　　2.4.3 会员在交易时的年龄及婚姻状态
　　2.4.4 会员交易金额及红利积点次数分配百分比
　　2.4.5 平均交易间隔时间
　　2.5 产品组合
　　2.5.1 按照产品编号排行榜
　　2.5.2 单项产品的排行榜
　　2.5.3 重复购买率
　　2.6 会员流失率
　　2.7 会员贡献度
　　第3章 SQL Server 2008的数据挖掘模型在零售业中的应用
　　3.1 实际案例练习
　　3.1.1 数据挖掘Microsoft决策树
　　3.1.2 数据挖掘Microsoft罗吉斯回归
　　3.1.3 数据挖掘Microsoft类神经网络
　　3.1.4 数据挖掘Microsoft贝氏概率分类
　　3.2 潜在客户预测模型
　　3.2.1 潜在客户预测流程图
　　3.2.2 交易频率趋势图
　　3.2.3 交易频率语法
　　3.3 模型建构
　　3.3.1 SSIS操作流程
　　3.3.2 SSAS操作流程
　　3.3.3 数据挖掘Microsoft决策树模型建构
　　3.3.4 数据挖掘Microsoft罗吉斯回归模型建构
　　3.3.5 数据挖掘Microsoft类神经网络及贝氏概率模型建构
　　3.3.6 模型比较
　　3.4 数据挖掘Microsoft时间序列
　　3.4.1 基本概念
　　3.4.2 时间序列的成分
　　3.4.3 时间序列数据的图形介绍
　　3.4.4 利用修匀法预测
　　3.4.5 用趋势投射预测时间序列
　　3.4.6 预测含趋势与季节成分的时间序列
　　3.4.7 利用回归模型预测时间序列
　　3.4.8 其他预测模型
　　3.4.9 模型单变量时间序列预测模型
　　3 ,4.1 0时间趋势预测模型
　　3.4.1 1范例操作
　　3.5 数据挖掘Microsoft聚类分析
　　3.5.1 基本概念
　　3.5.2 范例操作
　　3.6 数据挖掘Microsoft线性回归
　　3.6.1 基本概念
　　3.6.2 简单线性回归分析
　　3.6.3 多无回归分析
　　3.6.4 岭回归分析
　　3.6.5 范例操作
　　3.6.6 补充（测试集数据汇出）
　　3.7 数据挖掘Microsoft关联规则
　　3.7.1 基本概念
　　3.7.2 关联规则的种类
　　3.7.3 关联规则的算法：Apriori算法
　　3.7.4 关联规则DMX数据挖掘语法
　　3.8 数据挖掘Microsoft时序群集
　　3.8.1 基本概念
　　3.8.2 相关研究
　　3.8.3 时序群集DMX数据挖掘语法
　　第4章 OLAP-零售业中的应用
　　4.1 数据仓库
　　4.2 实例操作
　　4.2.1 数据来源检查
　　4.2.2 创建命名查询（VIP会员数据）
　　4.2.3 编辑命名查询（VIP产品组成货号）
　　4.2.4 编辑命名查询(VIP订单明细表)
　　4.2.5 编辑命名查询（VIP订单数）
　　4.2.6 编辑命名查询（VIP购买产品）
　　4.2.7 编辑命名查询（VIP会员数）
　　4.3 维度设计
　　4.4 建立多维数据集
　　4.4.1 对企业的价值
　　4.4.2 数据储存的选择性
　　4.4.3 实例操作
　　4.5 数据模拟及相关数据明细
　　第5章 Excel中的数据挖掘模块
　　5.1 安装与设定数据挖掘加载宏
　　5.1.1 系统需求
　　5.1.2 开始安装
　　5.1.3 完成安装检查
　　5.1.4 状态设定
　　5.1.5 设定完成检查
　　5.2 Excel 2007数据挖掘工具列介绍
　　5.2.1 数据挖掘使用帮助
　　5.2.2 数据挖掘连接设定
　　5.2.3 设定目前的连接
　　5.2.4 跟踪
　　5.2.5 数据准备
　　5.2.6 浏览数据
　　5.2.7 清除数据
　　……

　　    谢邦昌，教授，台湾大学生物统计学博士、现任台湾辅仁大学统计资讯学系教授、台湾辅仁大学管理学院商学所所长、中华资料采矿协会理事长、台北市政府市政顾问。他还担任中华人民共和国国家统计局教材编审委员，厦门大学经济学院计划统计系讲座教授、博士生导师，同时是中国人民大学统计学院、中央财经大学统计学院等国内许多著名高校的客座教授。
　　    谢邦昌教授是台湾数据挖掘界的领军人物及世界知名统计学家，长久以来致力推动两岸商务智能、数据挖掘和统计应用研究的发展。目前的研究方向主要集中在生物统计、抽样调查设计、统计预测模型、数据挖掘，特别是数据挖掘与商务智能在企业中的应用研究。先后公开发表有关数据挖掘、预测模型、市场调查等方面的论文130余篇，出版统计学相关学术专著40余部。

　　    《数据挖掘基础与应用（SQL Server 2008）》介绍了数据挖掘技术，然后虚拟一个“邦邦超市”，通过使用SQL语言建立该超市的数据库并对数据进行操作，再进一步利用SQLServer2008的数据挖掘模型对超市积累的数据进行挖掘，以实际例子帮助读者迅速理解并掌握数据挖掘技术，学会使用SQLServer2008提供的数据挖掘工具，提高零售企业的信息利用能力和经营水平。
　　    对于想要了解数据挖掘技术及其应用的读者，《数据挖掘基础与应用（SQL Server 2008）》是很好的参考读物。