以microsoft sql server 2014（適用於2012）的數據挖掘模塊進行介紹，讓讀者可以很快地通過書中的說明與范例，在短的時間內就能上手。《SQL Server數據挖掘與商業智能基礎及案例實戰(適用於SQL Server 2012/2014)》分為四個部分：部分介紹數據倉庫、數據挖掘與商業智能之間的關系。第二部分對microsoft sql server的整體架構進行了介紹，並詳細闡述了直接與數據挖掘相關的兩個服務：分析服務和報表服務。第三部分逐一闡述了microsoft sql server中包含的九種數據挖掘模型。第四部分提供了四個數據挖掘的案例以及數據挖掘模型的評估，通過模仿練習，讀者可獲得實際的數據挖掘經驗，稍加修改就能在自己所處的領域中加以應用。謝邦昌，首都經貿大學統計學院客座教授兼博士生導師，中央財經大學統計學院客座教授兼博士生導師，中國人民大學統計學院客座教授，廈門大學統計學系客座教授、數據挖掘中心常務副主任兼博士生導師，上海財經大學統計學系客座教授，西南財經大學統計學院客座教授，西安財經學院統計學院客座教授，天津財經大學統計學院客座教授，山東財經大學統計學院客座教授，廣西財經學院客座教授，新疆財經學院客座教授，中國統計學會理事，中國數據挖掘協會榮譽理事長，中國市場研究協會理事長，東森集團大數據首席顧問，中國國家統計局教材編審委員，中國統計教育學會理事兼高級顧問。

PARTⅠ 數據倉庫、數據挖掘與商業智能Chapter1 緒論1—1商業智能1—2數據挖掘Chapter2 數據倉庫2—1數據倉庫定義2—2數據倉庫特性2—3數據倉庫架構2—4創建數據倉庫的目的2—5數據倉庫的運用2—6數據倉庫的管理Chapter3 數據挖掘簡介3—1數據挖掘的定義3—2數據挖掘的重要性3—3數據挖掘的功能3—4數據挖掘的步驟3—5數據挖掘建模的標准CRISP—DM3—6數據挖掘的應用3—7數據挖掘軟件介紹Chapter4 數據挖掘的主要方法4—1回歸分析4—2關聯規則4—3聚類分析4—4判別分析4—5神經網絡4—6決策樹4—7其他分析方法Chapter5 數據挖掘與相關領域的關系5—1數據挖掘與統計分析5—2數據挖掘與數據倉庫5—3數據挖掘與KDD5—4數據挖掘與OLAP5—5數據挖掘與機器學習5—6數據挖掘與Web數據挖掘8PARTⅡ Microsoft SQ LServer概述Chapter6 Microsoft SQL Server中的商業智能6—1MicrosoftSQL Server入門6—2關系數據倉庫6—3SQL Server 2014概述6—4SQL Server 2014技術6—5SQL Server 2014新增功能Chapter7 Microsoft SQL Server中的數據挖掘功能7—1創建商業智能應用程序7—2Microsoft SQL Server數據挖掘功能的優勢7—3MicrosoftSQL Server數據挖掘算法7—4Microsoft SQL Server可擴展性7—5Microsoft SQL Server是數據挖掘與商業智能的結合7—6使用數據挖掘可以解決的問題Chapter8 Microsoft SQL Server的分析服務（Analysis Services）8—1創建多維數據集的結構8—2建立和部署多維數據集8—3從模板創建自定義的數據庫8—4統一維度模型8—5基於屬性的維度8—6維度類型8—7量度組和數據視圖8—8計算效率8—9MDX腳本8—10存儲過程8—11關鍵績效指標（KPI）8—12實時商業智能Chapter9 Microsoft SQL Server的報表服務（Reporting Services）9—1為何使用報表服務9—2報表服務的功能Chapter10 Microsoft SQL Server的整合服務10—1SSIS介紹10—2操作示例Chapter11 Microsoft SQL Server的DMX語言11—1DMX語言介紹11—2DMX函數11—3DMX語法11—4DMX操作實例PARTⅢ Microsoft SQL Server中的數據挖掘模型Chapter12 決策樹模型12—1基本概念12—2決策樹與判別函數12—3計算方法12—4操作范例Chapter13 貝葉斯分類器13—1基本概念13—2操作范例Chapter14 關聯規則14—1基本概念14—2關聯規則的種類14—3關聯規則的算法：Apriori算法14—4操作范例Chapter15 聚類分析15—1基本概念15—2層級聚類法與動態聚類法15—3操作范例Chapter16 時序聚類16—1基本概念16—2主要算法16—3操作示例Chapter17 線性回歸模型17—1基本概念17—2一元回歸模型17—3多元回歸模型17—4操作范例Chapter18 邏輯回歸模型18—1基本概念18—2logit變換與logistic分布18—3邏輯回歸模型18—4操作范例Chapter19 人工神經網絡模型19—1基本概念19—2神經網絡模型的特點19—3神經網絡模型的優劣比較19—4操作范例Chapter20 時序模型20—1基本概念20—2時序的構成20—3簡單時序的預測20—4包含趨勢與季節成份的時序預測20—5參數化的時序預測模型20—6操作范例PARTⅣ Microsoft SQL Server數據挖掘應用實例Chapter21 決策樹模型實例Chapter22 邏輯回歸模型實例22—1回歸模型實例一22—2回歸模型實例二22—3回歸模型實例三Chapter23 神經網絡模型實例23—1神經網絡模型實例一23—2神經網絡模型實例二Chapter24 時序模型實例24—1時序模型實例一24—2時序模型實例二Chapter25 如何評估數據挖掘模型25—1評估圖節點介紹Evaluation Chart Node25—2在SQL Server中如何評估模型25—3規則度量：支持度與可信度25—4緒論