Suchen und Finden

Titel

Autor/Verlag

Inhaltsverzeichnis

Nur eBooks für mein Endgerät anzeigen:

 

Newsletter

Datawarehouse & Data Mining

Datawarehouse & Data Mining

von: Roland Gabriel, Peter Gluchowski, Alexander Pastwa

W3L. GmbH, 2009

ISBN: 9783937137667, 243 Seiten

Format: PDF, OL

Mac OSX,Windows PC Apple iPad, Android Tablet PC's Online-Lesen für: Linux,Mac OSX,Windows PC

Preis: 15,99 EUR

Ersparnis: 3,91 EUR

  • Perl Best Practices - Standards für gute Perl-Code
    XML
    Makros in OpenOffice.org 3 - Basic/StarBasic - Einstieg, Praxis, Referenz
    PostgreSQL 8.4 - Das Praxisbuch
    VBA Programmierung fürs Büro
    C++ Der Einstieg in die Programmierung
    Basiswissen Analysis
    Datenbankanwendungen entwerfen & programmieren - Von der objektorientierten Analyse bis zur SQL-Implementierung
  • Nebenläufige & verteilte Programmierung
    Java 6: Anwendungen programmieren - Von der GUI-Programmierung bis zur Datenbank-Anbindung
    Basiswissen Lineare Algebra
    Java: Der Einstieg in die Programmierung - Strukturiert und prozedural programmieren
    Der Perl Programmierer - Perl lernen - Professionell anwenden - Lösungen nutzen

     

     

     

     

 

Mehr zum Inhalt

Datawarehouse & Data Mining


 

Vorwort

6

Inhalt

8

1 Einleitung *

10

1.1 Einordnung und Abgrenzung *

10

1.1.1 Betriebliche Informations- und Kommunikationssysteme – Arten und Integrationsrichtungen *

11

1.1.2 Data Warehouse als integrierte Datenbasis analyseorientierter Informationssysteme *

15

1.1.3 OLAP *

19

1.1.4 Data Mining *

21

1.2 Historische Entwicklung *

25

1.2.1 MIS – Management Information- Systeme **

29

1.2.2 DSS – Decision Support-Systeme **

33

1.2.3 EIS – Executive Information- Systeme **

37

1.2.4 ESS – Executive Support- Systeme **

42

1.3 Fallstudie: TOPBIKE **

44

2 Data Warehouse und OLAP *

50

2.1 Grundlagen *

50

2.1.1 Einordnung und Komponenten des Data Warehouse- Konzeptes *

52

2.1.2 OLAP – On-Line Analytical Processing *

61

2.1.3 Vorgehensmodell zur Gestaltung multidimensionaler Informationssysteme **

74

2.1.4 Einsatzbereiche multidimensionaler Informationssysteme *

78

2.2 Modellierung und Implementierung **

82

2.2.1 Bestandteile multidimensionaler Datenstrukturen **

83

2.2.2 Gestaltung multidimensionaler Datenstrukturen bzw. - modelle **

87

2.2.3 Semantische Modellierung **

90

2.2.4 Implementierung mit multidimensionalen Datenbanksystemen **

99

2.2.5 Implementierung mit relationalen Datenbanksystemen **

102

2.3 Fallstudie: TOPBIKE – BI **

111

3 Data Mining – Datenmustererkennung *

124

3.1 Grundlagen des Data Mining *

125

3.1.1 Treiber des Data Mining *

125

3.1.2 Auslegungen zum Data Mining *

129

3.1.3 Das CRISP-DM-Modell *

132

3.1.4 Betriebswirtschaftliche Einsatzgebiete des Data Mining *

148

3.1.5 Web Mining und Text Mining als alternative Analyseansätze **

151

3.2 Ausgewählte Methoden des Data Mining ***

153

3.2.1 Künstliche Neuronale Netze ***

154

3.2.2 Entscheidungsbaumverfahren ***

160

3.2.3 Clusterverfahren ***

165

3.2.4 Verfahren zur Assoziationsanalyse ***

170

3.3 Fallstudie: TOPBIKE – Data Mining **

174

3.3.1 Fallstudie: TOPBIKE – Business Understanding ( Phase1) **

175

3.3.2 Fallstudie: TOPBIKE – Data Understanding ( Phase 2) **

183

3.3.3 Fallstudie: TOPBIKE – Data Preparation ( Phase 3) **

189

3.3.4 Fallstudie: TOPBIKE – Data Modeling ( Phase 4) **

194

3.3.5 Fallstudie: TOPBIKE – Evaluation und Deployment ( Phase 5 und Phase 6) **

214

4 Zusammenfassung und Ausblick **

218

Glossar

224

Literatur

234

Sachindex

241