Cantitate/Preț
Produs
Total produse
Vezi coșul
Datawarehouse & Data Mining de Roland Gabriel

Datawarehouse & Data Mining

Autor Roland Gabriel, Peter Gluchowski, Alexander Pastwa
de Limba Germană Paperback – aug 2009
9783937137667Leseprobe"Mit Hilfe der OLAP-Technologie wird dem Management ein mächtiges Werkzeug geboten, um schnelle, interaktive und vielfältige Zugriffe auf relevante und konsistente Informationen in Verbindung mit dynamischen und multidimensionalen Analysen durchzuführen [ChGl06a, S. 18]. Danach wird ein Phasenmodell präsentiert, anhand dessen sich Data Warehouse- und OLAP-Systeme stufenweise und systematisch gestalten und betreiben lassen."
Citește tot Restrânge

Preț: 10691 lei

Preț vechi: 13363 lei
-20% Nou

Puncte Express: 160
Preț estimativ în valută:
2047€ • 2127$ • 1697£

Carte indisponibilă temporar


Wish list
Gift list
Am citit!
Adaugă în listă
Doresc să fiu notificat când acest titlu va fi disponibil:
Trimite
Preluare comenzi: 021 569.72.76

Specificații

ISBN-13: 9783937137667
ISBN-10: 3937137661
Pagini: 234
Dimensiuni: 151 x 213 x 20 mm
Greutate: 0.33 kg
Editura: W3L GmbH

Notă biografică

Lehrstuhl für Wirtschaftsinformatik, Ruhr-Universität Bochum

Cuprins

1 Einleitung/1.1 Einordnung und Abgrenzung/1.1.1 Betriebliche Informations- und Kommunikationssysteme - Arten und Integrationsrichtungen/1.1.2 Data Warehouse als integrierte Datenbasis analyseorientierter Informationssysteme/1.1.3 OLAP/1.1.4 Data Mining/1.2 Historische Entwicklung/1.2.1 MIS - Management Information-Systeme/1.2.2 DSS - Decision Support -Systeme/1.2.3 EIS - Executive Information- Systeme/1.2.4 ESS - Executive Support -Systeme/1.3 Fallstudie: TOPBIKE/2 Data Warehouse und OLAP/2.1 Grundlagen/2.1.1 Einordnung und Komponenten des Data Warehouse-Konzeptes/2.1.1.1 Data Warehouse-Architekturen und -Komponenten/2.1.1.2 Prozesse zum Extrahieren, Transformieren und Laden von Daten/2.1.2 OLAP - On-Line Analytical Processing/2.1.2.1 Die zwölf OLAP-Evaluierungsregeln/2.1.2.2 Multidimensionalität durch die Verwendung von Datenwürfeln/2.1.2.3 Speicherkonzepte für OLAP-Lösungen/2.1.2.4 Navigation in multidimensionalen Datenstrukturen/2.1.2.5 Frontend-Techniken und -Funktionen/2.1.3 Vorgehensmodell zur Gestaltung multidimensionaler Informationssysteme/2.1.4 Einsatzbereiche multidimensionaler Informationssysteme/2.2 Modellierung und Implementierung/2.2.1 Bestandteile multidimensionaler Datenstrukturen/2.2.2 Gestaltung multidimensionaler Datenstrukturen bzw. -modelle/2.2.3 Semantische Modellierung/2.2.4 Implementierung mit multidimensionalen Datenbanksystemen/2.2.5 Implementierung mit relationalen Datenbanksystemen/2.3 Fallstudie: TOPBIKE - BI/3 Data Mining - Datenmustererkennung/3.1 Grundlagen des Data Mining/3.1.1 Treiber des Data Mining/3.1.2 Auslegungen zum Data Mining/3.1.3 Das CRISP-DM-Modell/3.1.3.1 Überblick über das CRISP-DM-Modell/3.1.3.2 Business Understanding/3.1.3.3 Data Understanding - Auswahl und Sichtung der Daten/3.1.3.4 Data Preparation - Datenaufbereitung/3.1.3.5 Data Modeling - Anwendung der Data Mining-Verfahren/3.1.3.6 Evaluation und Deployment/3.1.4 Betriebswirtschaftliche Einsatzgebiete des Data Mining/3.1.5 Web Mining und Text Mining als alternative Analyseansätze/3.2 Ausgewählte Methoden des Data Mining/3.2.1 Künstliche Neuronale Netze/3.2.2 Entscheidungsbaumverfahren/3.2.3 Clusterverfahren/3.2.4 Verfahren zur Assoziationsanalyse/3.3 Fallstudie: TOPBIKE - Data Mining/3.3.1 Fallstudie: TOPBIKE - Business Understanding (Phase1)/3.3.2 Fallstudie: TOPBIKE - Data Understanding (Phase2)/3.3.3 Fallstudie: TOPBIKE - Data Preparation (Phase 3)/3.3.4 Fallstudie: TOPBIKE - Data Modeling (Phase 4)/3.3.5 Fallstudie: TOPBIKE - Evaluation und Deployment (Phase 5 und Phase 6)/4 Zusammenfassung und Ausblick