本书系统讲述数据仓库的基本概念、基本原理以及建立数据仓库的方法和过程。主要内容包括：决策支持系统的发展、数据仓库环境结构、数据仓库设计、数据仓库粒度划分、数据仓库技术、分布式数据仓库、ElS系统和数据仓库的关系，外部和非结构化数据与数据仓库的关系、数据装载问题、数据仓库与Web、ERP与数据仓库以及数据仓库设计的复查要目。 本书是数据仓库之父撰写的关于数据仓库的最权威著作，既可作为相关专业的研究生教材，也是数据仓库的研究、开发和管理人员的必备指南。

William H. Inmon: William H. Inmon是世界公认的“数据仓库之父”，是数据仓库及其相关技术网站www.billinmon.com的合作伙伴，是“企业信息工厂”的创造者之一。他一直致力于数据库和数据仓库技术方面的研究，在数据管理和数据仓库技术方面以及数据处理的管理方面撰写了40多本著作，发表过600多篇学术论文，并且经常应邀在技术和学术会议上演讲。

第1章　决策支持系统的发展 1 <br />1.1　演化 1 <br />1.1.1　直接存取存储设备的出现 2 <br />1.1.2　个人计算机/第四代编程语言技术 3 <br />1.1.3　进入抽取程序 3 <br />1.1.4　蜘蛛网 4 <br />1.2　自然演化式体系结构的问题 4 <br />1.2.1　数据缺乏可信性 5 <br />1.2.2　生产率问题 6 <br />1.2.3　从数据到信息 8 <br />1.2.4　方法的变迁 9 <br />1.2.5　体系结构化环境 11 <br />1.2.6　体系结构化环境中的数据集成 12 <br />1.2.7　用户是谁 13 <br />1.3　开发生命周期 14 <br />1.4　硬件利用模式 15 <br />1.5　为重建工程创造条件 15 <br />1.6　监控数据仓库环境 17 <br />1.7　小结 19 <br />第2章　数据仓库环境 20 <br />2.1　数据仓库的结构 23 <br />2.2　面向主题 23 <br />2.3　第1天到第n天的现象 26 <br />2.4　粒度 28 <br />2.4.1　粒度带来的好处 29 <br />2.4.2　粒度的一个例子 29 <br />2.4.3　双重粒度 31 <br />2.5　探查与数据挖掘 34 <br />2.6　活样本数据库 34 <br />2.7　分区设计方法 35 <br />2.8　数据仓库中的数据组织 38 <br />2.9　审计与数据仓库 41 <br />2.10　数据的同构/异构 41 <br />2.11　数据仓库中的数据清理 42 <br />2.12　报表与体系结构化环境 43 <br />2.13　各种环境中的操作型窗口 43 <br />2.14　数据仓库中的错误数据 45 <br />2.15　小结 45 <br />第3章　设计数据仓库 47 <br />3.1　从操作型数据开始 47 <br />3.2　数据/过程模型与体系结构化环境 51 <br />3.3　数据仓库与数据模型 52 <br />3.3.1　数据仓库的数据模 ?54 <br />3.3.2　中间层数据模型 54 <br />3.3.3　物理数据模型 59 <br />3.4　数据模型与迭代式开发 60 <br />3.5　规范化/反向规范化 61 <br />3.6　元数据 67 <br />3.7　数据周期—时间间隔 69 <br />3.8　转换和集成的复杂性 70 <br />3.9　数据仓库记录的触发 73 <br />3.9.1　事件 73 <br />3.9.2　快照的构成 73 <br />3.9.3　一些例子 74 <br />3.10　概要记录 74 <br />3.11　管理大量数据 75 <br />3.12　创建多个概要记录 76 <br />3.13　从数据仓库环境到操作型环境 76 <br />3.14　数据仓库数据的直接操作型访问 77 <br />3.15　数据仓库数据的间接访问 77 <br />3.15.1　航空公司的佣金计算系统 78 <br />3.15.2　零售个性化系统 79 <br />3.15.3　信用审核 80 <br />3.16　数据仓库数据的间接使用 81 <br />3.17　星形连接 82 <br />3.18　支持操作型数据存储 86 <br />3.19　需求和Zachman框架 87 <br />3.20　小结 88 <br />第4章　数据仓库中的粒度 90 <br />4.1　粗略估算 90 <br />4.2　规划过程的输入 91 <br />4.3　溢出存储器中的数据 92 <br />4.4　确定粒度级别 95 <br />4.5　一些反馈循环技巧 96 <br />4.6　确定粒度级别的几个例子 97 <br />4.6.1　银行环境中的粒度级别 97 <br />4.6.2　制造业环境中的粒度级别 99 <br />4.6.3　保险业环境中的粒度级别 100 <br />4.7　填充数据集市 102 <br />4.8　小结 102 <br />第5章　 数据仓库和技术 103 <br />5.1　管理大量数据 103 <br />5.2　管理多种介质 104 <br />5.3　索引和监控数据 104 <br />5.4　多种技术的接口 105 <br />5.5　程序员/设计者对数据存放位置的控制 105 <br />5.6　数据的并行存储和管理 105 <br />5.7　语言接口 107 <br />5.8　数据的有效装载 107 <br />5.9　有效利用索引 108 <br />5.10　数据压缩 108 <br />5.11　复合主键 109 <br />5.12　变长数据 109 <br />5.13　加锁管理 110 <br />5.14　只涉及索引的处理 110 <br />5.15　快速恢复 110 <br />5.16　其他的技术特征 110 <br />5.17　 DBMS类型和数据仓库 111 <br />5.18　改变DBMS技术 112 <br />5.19　多维DBMS和数据仓库 112 <br />5.20　在多种存储介质上构建数据仓库 117 <br />5.21　数据仓库环境中元数据的角色 117 <br />5.22　上下文和内容 119 <br />5.22.1　上下文信息的三种类型 119 <br />5.22.2　捕获和管理上下文信息 120 <br />5.22.3　回顾上下文信息管理历史 121 <br />5.23　刷新数据仓库 121 <br />5.24　测试问题 122 <br />5.25　小结 123 <br />第6章　分布式数据仓库 124 <br />6.1　分布式数据仓库的类型 124 <br />6.1.1　局部数据仓库和全局数据仓库 124 <br />6.1.2　技术分布式数据仓库 135 <br />6.1.3　独立开发的分布式数据仓库 136 <br />6.2　开发项目的本质特征 136 <br />6.3　分布式数据仓库的开发 139 <br />6.3.1　在分布的地理位置间协调开发 140 <br />6.3.2　企业数据的分布式模型 141 <br />6.3.3　分布式数据仓库中的元数据 142 <br />6.4　在多种层次上构建数据仓库 142 <br />6.5　多个小组建立当前细节级 144 <br />6.5.1　不同层的不同需求 146 <br />6.5.2　其他类型的细节数据 148 <br />6.5.3　元数据 148 <br />6.6　公共细节数据采用多种平台 150 <br />6.7　小结 150 <br />第7章　主管信息系统和数据仓库 152 <br />7.1　EIS概述 152 <br />7.2　一个简单例子 152 <br />7.3　向下钻取分析 154 <br />7.4　支持向下钻取处理 156 <br />7.5　作为EIS基础的数据仓库 156 <br />7.6　到哪里取数据 158 <br />7.7　事件映射 159 <br />7.8　细节数据和EIS 160 <br />7.9　在EIS中只保存汇总数据 161 <br />7.10　 小结 162 <br />第8章　外部数据与数据仓库 163 <br />8.1　数据仓库中的外部数据 164 <br />8.2　元数据和外部数据 165 <br />8.3　存储外部数据 167 <br />8.4　外部数据的不同部件 167 <br />8.5　建模与外部数据 168 <br />8.6　辅助报告 168 <br />8.7　外部数据存档 169 <br />8.8　内部数据与外部数据的比较 169 <br />8.9　小结 169 <br />第9章　迁移到体系结构化环境 171 <br />9.1　一种迁移方案 171 <br />9.2　反馈循环 176 <br />9.3　策略方面的考虑 177 <br />9.4　方法和迁移 179 <br />9.5　数据驱动的开发方法 180 <br />9.5.1　概念 181 <br />9.5.2　系统开发生命周期 181 <br />9.5.3　智者观点 182 <br />9.6　小结 182 <br />第10章　数据仓库和Web 183 <br />10.1　支持电子商务环境 189 <br />10.2　将数据从Web移动到数据仓库 190 <br />10.3　将数据从数据仓库移动到Web 190 <br />10.4　对Web的支持 190 <br />10.5　小结 191 <br />第11章　非结构化数据和数据仓库 192 <br />11.1　两个领域的集成 193 <br />11.1.1　文本—公共联接 193 <br />11.1.2　基本错误匹配 195 <br />11.1.3　环境间文本匹配 195 <br />11.1.4　概率匹配 195 <br />11.1.5　匹配所有信息 196 <br />11.2　主题匹配 197 <br />11.2.1　产业特征主题 197 <br />11.2.2　自然事件主题 199 <br />11.2.3　通过主题和主题词关联 200 <br />11.2.4　通过抽象和元数据关联 200 <br />11.3　两层数据仓库 201 <br />11.3.1　非结构化数据仓库分类 202 <br />11.3.2　非结构化数据仓库中的文档 203 <br />11.3.3　非结构化数据可视化 203 <br />11.4　自组织图（SOM） 204 <br />11.4.1　非结构化数据仓库 205 <br />11.4.2　数据量和非结构化数据仓库 205 <br />11.5　适用于两个环境 206 <br />11.6　小结 207 <br />第12章　大型数据仓库 208 <br />12.1　快速增长的原因 208 <br />12.2　庞大数据量的影响 209 <br />12.2.1　基本数据管理活动 209 <br />12.2.2　存储费用 210 <br />12.2.3　实际存储费用 210 <br />12.2.4　大型数据量中的数据使用模式 211 <br />12.2.5　一个简单计算 211 <br />12.2.6　两类数据 212 <br />12.2.7　数据分类涉及的问题 212 <br />12.3　数据在不同介质的存储 213 <br />12.3.1　近线存储 213 <br />12.3.2　访问速度和磁盘存储 214 <br />12.3.3　存档存储 215 <br />12.3.4　透明的意义 216 <br />12.4　环境间数据转移 216 <br />12.4.1　CMSM方法 217 <br />12.4.2　数据仓库使用监控器 218 <br />12.4.3　不同存储介质下数据仓库的扩展 218 <br />12.5　数据仓库转换 219 <br />12.6　总费用 219 <br />12.7　最大容量 219 <br />12.8　小结 220 <br />第13章　关系模型和多维模型数据库 设计基础 222 <br />13.1　关系模型 222 <br />13.2　多维模型 223 <br />13.3　雪花结构 224 <br />13.4　两种模型的区别 224 <br />13.4.1　区别的起源 225 <br />13.4.2　重建关系型数据 225 <br />13.4.3　数据的直接访问和间接访问 226 <br />13.4.4　支持将来未知的需求 227 <br />13.4.5　支持适度变化的需求 227 <br />13.5　独立数据集市 229 <br />13.6　建立独立数据集市 230 <br />13.7　小结 232 <br />第14章　数据仓库高级话题 233 <br />14.1　最终用户的需求和数据仓库 233 <br />14.1.1　数据仓库和数据模型 233 <br />14.1.2　关系型的基础 233 <br />14.1.3　数据仓库和统计处理 234 <br />14.2　数据仓库内的资源竞争 234 <br />14.2.1　探查型数据仓库 235 <br />14.2.2　数据挖掘型数据仓库 236 <br />14.2.3　冻结探查型数据仓库 236 <br />14.2.4　外部数据和探查型数据仓库 237 <br />14.3　同一个处理器处理数据集市和 数据仓库 237 <br />14.4　数据的生命周期 238 <br />14.5　测试和数据仓库 239 <br />14.6　追踪数据仓库中的数据流 240 <br />14.6.1　数据仓库中的数据速率 241 <br />14.6.2　“推”和“拉”数据 242 <br />14.7　数据仓库和基于网络的电子商务环境 242 <br />14.7.1　两种环境之间的界面 242 <br />14.7.2　粒度管理器 243 <br />14.7.3　概要记录 244 <br />14.7.4　ODS，概要记录以及性能 244 <br />14.8　财务数据仓库 245 <br />14.9　记录系统 246 <br />14.10　结构体系的概要历史—演化 为公司信息工厂 247 <br />14.10.1　CIF的进化 249 <br />14.10.2　障碍 249 <br />14.11　CIF的未来 250 <br />14.11.1　分析 250 <br />14.11.2　ERP/SAP 250 <br />14.11.3　非结构化数据 251 <br />14.11.4　数据量 251 <br />14.12　小结 252 <br />第15章　数据仓库的成本论证和 投资回报 254 <br />15.1　应对竞争 254 <br />15.2　宏观上的成本论证 254 <br />15.3　微观上的成本论证 255 <br />15.4　来自遗留环境的信息 256 <br />15.4.1　新信息的成本 257 <br />15.4.2　用数据仓库收集信息 257 <br />15.4.3　成本比较 257 <br />15.4.4　建立数据仓库 257 <br />15.4.5　完整的情况图 258 <br />15.4.6　得到数据的障碍 258 <br />15.5　数据的时间价值 259 <br />15.6　集成的信息 260 <br />15.6.1　历史数据的价值 261 <br />15.6.2　历史数据和客户关系模型 261 <br />15.7　小结 261 <br />第16章　数据仓库和ODS 263 <br />16.1　互补的结构 263 <br />16.1.1　ODS中的升级 264 <br />16.1.2　历史数据与ODS 264 <br />16.1.3　概要记录 264 <br />16.2　不同种类的ODS 265 <br />16.3　数据库设计—一种混合的方式 266 <br />16.4　按比例画图 266 <br />16.5　ODS中的事务集成 267 <br />16.6　对ODS处理日进行分片 267 <br />16.7　多个ODS 267 <br />16.8　ODS和网络环境 268 <br />16.9　ODS的一个例子 268 <br />16.10　小结 269 <br />第17章　企业信息依从准则和数据仓库 270 <br />17.1　两个基本行为 270 <br />17.2　财务依从准则 270 <br />17.2.1　“是什么” 272 <br />17.2.2　“为什么” 273 <br />17.3　审计公司的交流信息 274 <br />17.4　小结 276 <br />第18章　最终用户社区 277 <br />18.1　农民 277 <br />18.2　探险者 277 <br />18.3　矿工 277 <br />18.4　旅行者 278 <br />18.5　整个社区 278 <br />18.6　不同的数据类型 278 <br />18.7　成本论证和ROI分析 278 <br />18.8　小结 279 <br />第19章　数据仓库设计的复查要目 280 <br />19.1　何时进行设计复查 280 <br />19.2　谁负责设计复查 281 <br />19.3　有哪些议事日程 281 <br />19.4　结果 281 <br />19.5　复查管理 281 <br />19.6　典型的数据仓库设计复查 282 <br />19.7　小结 295 <br />术语表 296 <br />参考文献 305