本书第1章数据仓库概述，对数据仓库及其发展现状、特点、组成、体系结构等进行介绍；第2章Python数据分析概述，对Python及其开发平台的搭建、数据分析工具进行阐述；第3章准备数据，包括数据仓库读写文件、储存与检索、数据ETL过程、数据的初步处理；第4章数据仓库设计，阐述数据仓库的规划和需求分析以及数据仓库的建模；第5章数据分类，包括分类过程以及k-最邻近分类算法、决策树分类算法、贝叶斯分类算法、神经网络算法、支持向量机5种数据分类法；第6章回归分析与时序分析，对识别并解决数据中的多重共线性、构建线性回归模型、时间序列技术、时序分析模型、时序的相似性搜索进行阐述；第7章基于数据仓库技术的数据分析实例，为读者提供3个实践案例，以作参考。

第1章 数据仓库概述
1.1 数据仓库及其发展现状
1.2 数据仓库的特点与组成
1.3 数据仓库的体系结构
第2章 Python数据分析概述
2.1 Python
2.2 搭建Python开发平台
2.3 Python数据分析工具
第3章 准备数据
3.1 读写文件
3.2 储存与检索
3.3 数据ETL过程
3.4 数据的初步处理
第4章 数据仓库设计
4.1 数据仓库的规划和需求分析
4.2 数据仓库的建模
第5章 数据分类5.1分类过程
5.2 k-邻近分类算法
5.3 决策树分类算法
5.4 贝叶斯分类算法
5.5 神网络算法
5.6 支持向量机
第6章 回归分析与时序分析
6.1 识别并解决数据中的多重共线性
6.2 构建线性回归模型
6.3 时间序列技术
6.4 时序分析模型
6.5 时序的相似性搜索
第7章 基于数据仓库技术的数据分析实例
7.1 分析商品购物篮
7.2 分析电商产品的数据感
7.3 设计社保统计分析的数据仓库
参考文献