《数据仓库与商务智能》课程教学大纲.docxVIP

《数据仓库与商务智能》课程教学大纲 一、课程基本信息 课程名称：数据仓库与商务智能 课程代码：IMS201 学 分：3 学 时：3学时/课，共51（3*17）学时。 二、任课教师、助教、教室等情况 （四）教 室：H311，C408 实 验 室：I401A （五）上课时间：每周一5-7节，周二1-3节 （六）纪 律：1、无特殊情况，不允许无故缺课。 2、每次作业须在规定时间内提交。 三、阅读材料 （一）推荐教材：D Delivering Business Intelligence with Microsoft SQL Server 2012 3/E. Brian Larson. McGraw Hill Professional, 2012年3月- 832 页。 （二）参考教材 1. W H Inmon 著. 数据仓库(第三版). 机械工业出版社, 2003。 2. [加]韩家炜、[加]坎伯，范明等译。数据挖掘概念与技术。机械工业出版社。2005。 3. Mehmed Kantardzic 著. 数据挖掘——概念、模型、方法和算法。 清华大学出版社, 2003。 4. Ralph Kimball，Margy Ross。The Data Warehouse Toolkit: the Complete Guide to Dimensional Modeling。John Wiley Sons Inc. 5. Delivering Business Intelligence with Microsoft SQL Server 2005. Brian Larson. McGraw-Hill/Osborne 2006 （三）进一步阅读教材 1.中国知网( )相关文献 2. 金博尔(Ralph Kimball)，数据仓库生命周期工具箱。 清华大学出版社。 3.自编教材《数据挖掘基础》。 4.人大经济论坛。 /forum-133-1.html 5. Sogou实验室。 /labs/ 6. Wes McKinney，利用Python进行数据分析. 机械工业出版社 7. 林子雨,大数据技术原理与应用. 人民邮电出版社 四、课程内容概要 （一）课程目标 1.理解并掌握多维分析和数据挖掘方法进行决策的基本思路。 2.能掌握对分析主题的抽象方法和构建模型，能设计并实现比较规范的数据仓库系统。 3.能够掌握多维分析将数据转化为信息的本质，熟练掌握构建多维模型的方法。 4.熟练应用商务智能软件构建数据挖掘模型，并掌握模型评价和选择标准，利用模型进行数据分析和预测。 5.初步具备利用商务智能技术解决实际问题的能力。 6.精通以下技能：口头陈述的能力、撰写案例研究报告的能力、文献搜索和互联网信息检索能力。 7.通过师生交流、同学合作，养成认真、严谨的学习态度；锻炼友爱、包容、相互尊重的个人品质，并充分理解课程主旨思想，培养节约和优化社会资源的社会责任感。 （二）教学内容 序号 题目 知识点 学时 1 绪论 1.1?商务智能概述 1.2?业务数据和分析数据 1.3?业务数据库和分析型应用 1.4?数据仓库概念 3 2 数据仓库 2.1?数据仓库设计方法 2.2?数据仓库三级模型 2.3?物理模型设计 2.4?元数据 2.5?数据的抽取和清洗 2.6?数据转换和装载策略 2.7?数据仓库实施 6 3 多维分析 3.1?多维分析模型 3.2?维度和度量 3.3?联机多维分析 3 4 创建数据仓库 4.1?案例背景 4.2?事实表和维度表设计 4.3?建立数据库和表 4.4?数据库备份和还原 4.5?利用BI工具创建数据仓库 3 5 ETL 5.1?数据源 5.2?装载产品维 5.3?装载国家维 5.4?装载工厂维 5.5?装载材料、机器及机器类别维 3 6 ETL自动化 6.1?装载批次维 6.2?装载生产事实表 6.3?装载库存事实表 6.4?包布署 6.5?包调度 3 7 维度与度量 7.1?创建数据源和数据视图 7.2?生成时间属性字段 7.3?创建多维数据集和维度 7.4?创建时间维 7.5?维度和维度用法 3 8 CUBE 8.1?部署及展现 8.2?创建时间维度 8.3?计算成员和KPI 8.4?分区和聚合 6 9 数据挖掘行业应用概述 9.1?数据挖掘概念 9.2?金融业应用 9.3?保险业应用 9.4?证券业应用 3 10 挖掘模型 10.1?数据预处理 10.2?聚类分析 10.3?关联分析 10.4?决策树分析 3 11 数据挖掘实践 11.1?创建挖掘模型 11.2?模型选择、测试 11.3?模型的使用 11.4?数据挖掘模型应用 6 12 12.1商务智能技术前沿 12.2分布式数据处理实践