Ⅰ 谁有这本书 《Microsoft数据仓库工具箱
数据仓库:《数据库来系统概源念》第六版 这本书比较好。 商务智能：《商业智能深入浅出：Cognos,Informatica技术与应用》 由于正式发行的商务智能cognos书目前我只发现这一本，所以买了。浏览了一下，不推荐，因为书里边讲的特理论。
Ⅱ 怎么理解数据仓库中的面向主题
1、面向主题，是让你面向主题去分析问题，架构模型，而不是非要物理上回分开，就像答面向对象编程一样
2、“很多资料中都写数据仓库的数据模型是使用“第三范式”，数据集市才使用多维的星型模型”这个是不对的，因为在Inmon 和 Kimball 的书中都没有表示这种说法
Inmon 表是建数仓需要有个企业级的一致数据模型，并没有表示非要第三范式，这个第三范式是 Kimball 在自己的书里说 Inmon 的方式用第三范式不好啦啥的，具体自己看书《数据仓库工具箱-维度建模权威指南》第一种1.5节
数据集市使用维度建模，这个说法Kimball 也没有说过，而是 Inmon 在自己的书里说维度建模只适合数据集市，具体看《数据仓库》第5张5.19节（应该是这一节）
PS：其实感觉他俩的观点差不多，只是根据他们必须得给自己的观点加油呐喊而已，两个人互撕很多年了
Ⅲ 大数据都需要学什么
这要看你学到什么程度了，初级的大数据工程师，大数据开发工程师，大数据维护工程师啊，再往后发展大数据研发工程师，大数据架构师，数据分析师，大数据高级工程师，大数据分析师专家，大数据挖掘师，大数据算法师等；不管的研发，还是数据分析，还是运维，都要看以后的工作需要和发展，还有自我提升等，不同的方向分工又不太相同，大数据作为一门基础科学，无论在数据开发及分析、物联网和人工智能算法训练领域，都有着核心技术和职位诉求。具体学习大数据一般分为以下几个阶段：
第一阶段：大数据基础
Java基础——Java语法基础。掌握JAVA的开发环境搭建以及基础知识等.能够熟练使用逻辑语法进行代码编写
数据结构——数组、链表、栈、队列、排序、二分查找、散列表、哈希表、二叉树，红黑树、递归树，堆和栈。继续提升大家的计算机素养，掌握算法初步。
MySQL基础——mysql安装、基本SQL语句、SQL优化。掌握数据库的基本应用。
Javaweb——tomacat、servlet、JSP 、MVC。掌握web开发的相关内容，理解数据来源
高级java——面向对象、网络编程、反射、多线程。理解分布式程序运行原理，为以后阅读大数据框架打下基础。
linux基础——虚拟机安装、常用linux命令、shell脚本。学会使用linux操作系统，为部署大数据集群做准备。
第二阶段：大数据框架
Hadoop——分布式存储、分布式计算、公共通用接口。掌握部署大数据集群，熟练编写map-rece程序。
Zookeeper——Zookeeper协调机制、选举机制。搭建高可用集群。
Hive——数据仓库搭建、数据导入和分析。初步掌握数据仓库的概念，为后续企业级数仓做准备。
Hbase——Hbase集群搭建、大数据数据库工作原理、列式存储、高吞吐量应用开发。掌握大数据数据库Hbase的应用，科学的行键设计，热点数据处理。
Kafka——理解消息队列、Kafka集群部署、高并发高可用数据采集框架搭建。掌握高可以高并发数据队列系统设计、能处理峰值问题。
Scala——Scala语法基础、常用算子、异步通信。掌握优秀的数据处理语言Scala
Spark——Spark集群搭建、离线数据处理、实时数据处理、机器学习、图计算。掌握一栈式解决方案Spark，它是大数据的核心模块。
常用辅助框架——Sqoop、Flume、Presto、impala、Phoenix、oozie、ElasticSearch、kylin、MongoDB、Redi、Druid。掌握常用工具和与大数据紧密相关的框架，提高工作效率，拓展框架功能。
第三阶段：机器学习
python基础——python基础语法、面向对象、Numpy。掌握python基础语法和机器学习相关的基础框架。
数学基础——线性代数、微积分、概率、凸优化。本部分内容理解即可，对优化模型很重要。
常用算法——回归、KNN、决策树、聚类、集成学习、SVM、多分类、贝叶斯、EM、隐马模型、深度学习。掌握常用计算器学习算法的原理，能够根据数据特性选择合适的模型，训练泛化能力强的模型。
第四阶段：项目实操
云和数据有大数据专业，可以详细了解一下，看看这个专业的职业发展。
Ⅳ 谁有这本书 《Microsoft数据仓库工具箱的相关推荐
数据仓库:《数据库系统概念》第六版 这本书比较好。 商务智能：《商业智能深入浅出：Cognos,Informatica技术与应用》 由于正式发行的商务智能cognos书目前我只发现这一本，所以买了。浏览了一下，不推荐，因为书里边讲的特理论。
Ⅳ 哪位亲有《数据仓库生命周期工具箱》的电子版，求！！谢谢！！
我帮你找到了,来这里抄看看，不知道是不是你需要的。如果下载需要积分,自己注册一个用户,就两分钟的时间.注册后就有积分啦。
http://ishare.iask.sina.com.cn/search.php?key=%CA%FD%BE%DD%B2%D6%BF%E2%C9%FA%C3%FC%D6%DC%C6%DA%B9%A4%BE%DF%CF%E4&format=
Ⅵ 哪可以下载到《数据仓库工具箱：维度建模的完全指南》中文电子版本
六维空间
Ⅶ 谁有这本书 《Microsoft数据仓库工具箱的相关推荐
你要的邮件已经发出，请查收，有可能在垃圾箱里，如果10分钟后没收到，请在本问题里追问，我会再次发送，如果还有需要的朋友~
请点“赞”此条回答以后，在下面的评论里留下您的联系方式即可！
Ⅷ 麻烦哪位高人推荐几本数据挖掘的书
楼上来在误人子弟了，数据库自和数据仓库还是区别一大把的，可能数据仓库的很多实现上还是借助于数据库，但是要记住，现在已经很多成熟的东西是不基于数据库了，或者精确一点说是不借助于传统的关系型数据库了，比如Hyperion的数据仓库产品的话，就是搭建在ESSBASE上的，这就是一种多维数据库。
另外传统数据库的设计和现在OLAP数据仓库的设计完全是不一样的，传统一般采用的雪花模型在OLAP中基本上不会采用的。所以还是很多不同的，不能等同对待
如果要学数据仓库的话，我建议你看两本书：构建数据仓库、数据仓库工具箱：维度建模的完全指南
把这两本书看看就基本上具备理论基础了。
Ⅸ 数据仓库怎么上手
额 我是做DW的 先说你第一个问题哈 ETL 表面意思是清洗转换加载 这个不说了 网上自己内搜就行，我要说的容是，这个过程其实实施起来没网上说的那么复杂，ETL是为你的数据从业务数据库流入到DW服务的 第二个问题 你现在有前台界面和数据库建DW有这些东西足够你用了，如果说还缺点什么，最好把你们统计系统的数据库数据字典搞一份 总结一下 你现在其实最缺的不是技术 是例子 因为我猜你还不知道DW应该长什么样 推荐你本书，拉尔夫的《数据仓库工具箱》 另外补充楼上说的 数据量大小和用不用工具是没有半毛钱关系的 新手推荐手写