本书以SQL Server分析服务为环境介绍数据仓库和数据挖掘应用技术，包括数据仓库和数据挖掘概述、OLAP和多维数据模型、数据仓库设计和SQL Server数据仓库开发实例、关联分析算法、决策树分类算法、贝叶斯分类算法、神经网络算法、回归分析算法、时间序列分析和聚类算法。 本书内容翔实，循序渐进地介绍各个知识点，并提供全面而丰富的教学资源，可作为各类高等院校计算机及相关专业“数据仓库和数据挖掘应用技术”和“SQL Server高级应用”课程的教学用书，也适合计算机应用人员和计算机爱好者参考。

内容全面、知识点详实：在内容讲授上力求详实和全面，细致解析每个知识点和各知识点的联系。条理清晰、讲解透彻：从介绍数据仓库和数据挖掘的基本概念出发，由简单到复杂，循序渐进介绍数据仓库和数据挖掘系统的开发过程。精选实例、实用性强：列举了大量的应用示例，读者通过上机模仿可以大大提高使用应用系统开发能力。配套教学资源丰富：提供了教学PPT、书中所有示例代码、相关数据库文件和ETL源程序。便于读者打开和调试。 如果希望加入教师微信交流群，请加微信：itbook8 如果希望加入教师QQ交流群，请加QQ：883604 加入时，请写明：“学校+姓名”，并写明“加入教师群”，只限教师。

前言 数据仓库是企业决策支持系统和联机分析处理(OLAP)的结构化数据环境，具有面向主题、集成性、稳定性和随时间变化的(时变性)的特征。数据挖掘(Data Mining)是从大量的、有噪声的、不完全的数据中提取隐含的、人们事先未知的有用知识和信息的过程。数据仓库和数据挖掘是电子商务数据分析的有效手段。本书讨论数据仓库和数据挖掘应用的相关技术，其内容组织如下。 第1章为数据仓库和数据挖掘概述，介绍数据仓库的特征、数据仓库系统及开发工具、商业智能和数据仓库的关系、数据挖掘的定义和数据挖掘过程。 第2章为OLAP和多维数据模型，介绍OLAP定义和特性、多维数据模型和数据仓库的维度建模。 第3章为数据仓库设计，介绍数据仓库规划与需求分析、数据仓库建模、数据仓库物理模型设计和数据仓库部署与维护。 第4章为SQL Server数据仓库开发实例，介绍一个基于在线电子产品销售数据的OnRetDW数据仓库的设计过程，包括需求分析、建模、数据抽取工具设计等。 第5章为关联分析算法，介绍关联分析的相关概念、Apriori算法、SQL Server挖掘关联规则方法和电子商务数据的关联规则挖掘过程。 第6章为决策树分类算法，介绍基本分类步骤、决策树分类、SQL Server决策树分类方法和电子商务数据的决策树分类过程。 第7章为贝叶斯分类算法，介绍贝叶斯公式、朴素贝叶斯分类原理、SQL Server朴素贝叶斯分类方法和电子商务数据的贝叶斯分类过程。 第8章为神经网络算法，介绍人工神经网络相关概念、用于分类的前馈神经网络、SQL Server神经网络分类方法和电子商务数据的神...