chapter1 資料採礦簡介
1.1 資料採礦定義
1.2 資料採礦重要性
1.3 資料採礦功能
1.4 資料採礦步驟
1.5 資料採礦建模的標準CRISP-DM
chapter2 商業智慧簡介
2.1 商業智慧
2.2 商業智慧之定義
2.3 商業智慧之架構
2.4 商業智慧之實施流程
chapter3 資料採礦與其他相關領域的關係
3.1 統計分析與資料採礦的不同
3.2 資料倉儲與資料採礦的關係
3.3 KDD 與資料採礦的關係
3.4 OLAP 與資料採礦的關係
3.5 機器學習與資料採礦的關係
3.6 Web Mining 和資料採礦有什麼不同？
chapter4 資料採礦於顧客關係管理之應用
4.1 顧客關係管理（CRM）
4.2 顧客關係管理指標
4.3 資料採礦應用於各行業
4.4 顧客市場區隔
4.5 交叉銷售
4.6 顧客關係管理四大循環過程
4.7 資料庫行銷
chapter5 資料倉儲定義
5.1 資料倉儲特性
5.2 資料倉儲架構
5.3 建置資料倉儲的原因
5.4 建置資料倉儲的主要目的
5.5 資料倉儲的應用
5.6 資料倉儲的管理
chapter6 資料採礦工具分類
6.1 資料採礦工具
6.2 各工具的簡介
chapter7 SQL 簡介與基本操作
7.1 SQL 簡介及資料變數來源說明
7.2 資料匯入
7.3 SQL 基本語法介紹
7.4 會員基本資料整理
chapter8 零售業資料預處理
8.1 會員基本變項
8.2 會員購買行為
8.3 產品組合
8.4 會員流失率
8.5 會員貢獻度
chapter9 Microsoft 資料採礦模型（I）
9.1 資料採礦「Microsoft 決策樹」
9.2 資料採礦「Microsoft 羅吉斯迴歸」
9.3 資料採礦「Microsoft 類神經網路」
9.4 資料採礦「Microsoft 貝氏機率分類」
chapter10 潛在顧客預測模型
10.1 潛在顧客預測流程圖
10.2 交易頻率趨勢圖
10.3 交易頻率語法
10.4 模型建構
chapter11 Microsoft 資料採礦模型（II）
11.1 資料採礦「Microsoft 時間序列」
11.2 資料採礦「Microsoft 群集分析」
11.3 資料採礦「Microsoft 線性迴歸」
11.4 資料採礦「Microsoft 關聯規則」
11.5 資料採礦「Microsoft 時序群集」
chapter12 資料倉儲與實例操作
12.1 資料倉儲
12.2 實例操作
chapter13 維度設計
13.1 維度與量值
13.2 多維度模型的資料表
13.3 維度建構實例操作
chapter14 建置Cube
14.1 對企業的價值
14.2 資料儲存的選擇性
14.3 實例操作
chapter15 資料採礦增益集（Excel Add-In）
15.1 資料採礦增益集安裝與設定
15.2 Excel 2013 資料採礦工具列介紹
15.3 DMX 介紹
15.4 DMX 函數介紹
15.5 DMX 資料採礦語法
chapter16 R 軟體資料採礦模型
16.1 R 軟體
16.2 資料採礦「R 時間序列」
16.3 資料採礦「R 集群分析」
16.4 資料採礦「R 迴歸分析」
16.5 資料採礦「R 關聯分析」
