1. 数据仓库、ETL入门培训---梁东旭 2. 数据仓库 数据集市 ETL 项目scjd内容提要 3. 引言　　经过多年的计算机应用和市场积累，许多企业保存了大量原始数据和各种业务数据, 它是企业

数据仓库提升管理信息化 作者： 欧阳光 / 时间： 2011年 12月号 2011年4月，中国银监会出台《中国银行业实施新监管标准的指导意见》，明确了我国银行业实施国际新监管标准的原则和目标，其中着

数据仓库：维度建模作者：XX数据仓库总体结构数据存储层次结构重中之重错误的建模设计：以报表为中心的设计X数据被重复抽取；相同的数据，存储在不同地点；结局：相同来源的数据在不同地报表上数据不一致；疲于奔命的查找错误；蜘蛛网般的数据网络建模：ImmonvskimballImmon观点Kimball观点典型的维度模型产品客户账户签约事实表交易事务事实表日期渠道星型模型雪花模型维度&事实日期获得指定机构下各渠道2009年的交易额和交易量？属性度量渠道机构2009年高新支行ATM交易额维度建模步骤业务分析决定粒度定义维度确定事实步骤一：需求？

数据仓库基础培训胡红强 神州数码思特奇信息技术股份有限公司 2009年04月15日 2. 内容部门产品简介23主流数据仓库厂商和产品介绍数据仓库概述1 3. 数据仓库概述数据仓库的历史 数据仓库的基本概念

Greenplum数据库安装手册 Greenplum数据库及数据仓库 安装手册 第 页 Greenplum数据库安装手册 目 录 第一章 文档概述 5 1.1 适用范围 5 1.2 文档说明 5 第二章

什么是分类 数据分类（data classfication）是数据挖掘的主要内容之一，主要是通过分析训练数据样本，产生关于类别的精确描述。这种类别通常由分类规则组成，可以用来对未来的数据进行分类和预测。

浅谈数据仓库中的元数据管理技术 孙力君 仇道霞 方峻峰 宋楠 山东省烟草公司信息中心 摘要：数据仓库是数据库的发展方向之一， 对企业管理和决策支持起着重要的辅助作用。简要介绍了数据仓库和元数据的基本

1. 数据仓库与数据挖掘原理及应用东华理工大学 理学院 刘爱华 2. 目录数据仓库基础 7. 分类和预测 数据仓库设计和实现 8. 关联分析 数据仓库实例 9. Web挖掘 OLAP和OLAM 10

1. 数据仓库与数据挖掘综述概念、体系结构、趋势、应用 2004年6月7日 2. 提纲数据仓库概念 数据仓库体系结构及组件 数据仓库设计 数据仓库技术（与数据库技术的区别） 数据仓库性能 数据仓库应用 数据挖掘应用概述

数据仓库与数据挖掘综述概念、体系结构、趋势、应用报告人：王建慧 2011年12月30日 2. 提纲数据仓库概念 数据仓库体系结构及组件 数据仓库设计 数据仓库技术（与数据库技术的区别） 数据仓库性能

1. 数据仓库和数据挖掘在商业活动中的应用刘建民 博士 首席顾问1 2. 简介●数据仓库是公司成功的关键因素 ●随着数据的数量以指数速度增长，将原始数据转化为可供决策的信息就变得十分关键 ●这个演讲将

1. 数据仓库与数据挖掘原理及应用 2. 目录数据仓库基础 7. 分类和预测 数据仓库设计和实现 8. 关联分析 数据仓库实例 9. Web挖掘 OLAP和OLAM 10. 数据挖掘实例 5 . 数据挖掘基础

1. 数据仓库与数据挖掘综述概念、体系结构、趋势、应用报告人：朱建秋 2001年6月7日 2. 提纲数据仓库概念 数据仓库体系结构及组件 数据仓库设计 数据仓库技术（与数据库技术的区别） 数据仓库性能 数据仓库应用

及对外开放的四个专题的演讲，期望能促进业界对互联网基础架构的建设及发展，本文是兰建刚分享饿了么服务治理经验。 兰建刚，饿了么框架部门技术总监，前爱立信首席软件工程师，10 年以上高可用性，高并发系

平衡计分卡——IT治理的一大利器 本文描述的主要问题：如何将平衡记分卡拓展用于IT环境，使其成为IT治理的辅助工具。 在基于COBIT模型的IT治理中，对于项目的评价、开发、实施以及维护过程，需要引

1. 企业SOA服务治理与服务开放平台周海涛 2. 01 有需求02 有挑战03 有经验企业SOA服务治理和服务开放的背景服务治理和服务开放平台架构与关键技术介绍服务治理和服务开放案例介绍 3. 趋势

任何计算机系统,无论是集中式或分布式,需要某种形式的治理,即。监控和管理系统的行为。等治理可能简单,确保只有授权用户可以访问的功能(如服务),或保证一样复杂系统及其组件保持可用性或可靠性水平的存在故障或增加系统负载。

1. 第3章数据仓库和数据挖掘的OLAP技术本章要点 数据仓库的基本概念 多维数据模型 数据仓库的系统结构 数据仓库实现 数据立方体技术的近一步发展 从数据仓库到数据挖掘 2. 数据仓库的发展自从NCR公司为Wal

ETL构建数据仓库五步法 在数据仓库构建中，ETL贯穿于项目始终，它是整个数据仓库的生命线，包括了从数据清洗，整合，到转换，加载等的各个过程，如果说数据仓库是一座大厦，那 么ETL就是大厦的根基，E

Hive是一个基于Hadoop的数据仓库平台。通过hive，我们可以方便地进行ETL的工作。hive定义了一个类似于SQL的查询语言：HQL，能 够将用户编写的QL转化为相应的Mapreduce程序基于Hadoop执行。