商业智能知识点.docVIP

数据仓库的数据组织结构 在数据仓库中，数据被分成4种级别，分别是高度综合级、轻度综合级、当前细节级、早期细节级。 当前的数据总是首先进入当前细节级，然后根据应用的需求，通过预运算将细节数据聚合成轻度综合和高度综合级数据。 随着时间的推移，系统中的一些细节数据已经老化了，很少会被用户使用，此时为了节省系统的存储空间，可以将这些老化的细节数据导出到备份设备上,这就是早期细节级数据。 由于客户呼叫数据的数据量很大，并且数据仓库的使用者常常只关心近期的细节数据，因此我们可以在系统中只保存近期的细节数据，而将之前的详细数据导出到备份设备中。 对于高度综合的数据，由于其数据量已经很少，所以一般可以不考虑它们的导出问题。 总的来说，数据仓库的这种组织方式的核心思想是：在系统中保留最有可能被用户使用的数据，而用户很少使用的数据则备份出系统。 综合程度不同的数据其用途不同，在数据仓库中多重的数据粒度是必不可少的。 但是，由于数据仓库最主要的目的是反映企业的整体信息和DSS分析，回答综合程度较高的问题。 如果为了回答许多细节问题，而使系统的数据量极度膨胀，从而降低系统的运营效率，就背离了系统建设的初衷，这也是我们在数据仓库数据组织方式中说明的，对细节数据和综合数据采用不同策略的原因。 实际的工程项目中，我们可以将综合数据较高的数据存放在访问速率较高的磁盘上，而将细节数据定期导出到低速的磁带上。 从数据仓库中导出的数据仍然属于数据仓库，只是在存储介质上发生了改变。 如果这两个样本的数据特征不类似，则继续抽样。 等到抽样获得的样本5、样本6它们的数值特征非常地相似，则认为样本集合的数值特征类似，并且都同源数据具有类似的特征 数据分割能提高数据处理的效率。 如果数据库中的数据没有发生变化，则不需要对数据仓库进行追加。 数据追加只增加在上次数据输入后数据库中变化了的数据。 要完成数据追加的工作，最关键的是“捕捉”数据变化，并将数据的变化记录下来。 并不是日志文件中所有的信息都是必须的，通过分析日志文件可以减少工作量。 数据仓库的清理与普通系统中清理的含义有区别。 在普通的系统中，数据清理意味着将数据删除。 数据仓库系统中的清理并不是简单地删除，而是从细化级别的数据逐渐上升为高级综合度的数据，直到数据已经不再具备任何意义时被清除的过程。 投资回报率不但同回报金额有关，还同回报的时间有关。 投资回报率和投资回报周期是对投资回报的定量分析。 投资回报分析通过ROI（Return of Investment，投资回报率）和投资回报周期来衡量。 如果企业决定建立数据仓库，则需要进行技术选择分析。 瀑布式开发方法的优点是：如果需求确定，进行认真的系统分析和设计后，开发可以采用流水线的方式，效率很高。 在传统的操作型应用中，瀑布模型得到了广泛的应用。 因为操作型应用的需求常常是事先确定的，因此采用瀑布模型可以得到很好的效果。 瀑布模型取得良好效果的前提是需求确定。 在分析型应用中，情况同操作型应用大不相同： （1） 在最终用户还不了解DSS系统的基本概念或者对DSS系统还没有比较敏感的认识时，用户很难提出良好的需求。 （2） 在最终用户对DSS系统有了一定的了解后，用户可能会提出非常庞大的问题；同时市场的需求以及决策者个人风格等诸多因素也是不断变化的，因此在DSS系统初步建立后，还需要不断地对其完善。 在为系统的初期阶段选择主题时，可以参考如下的几条原则： (1)优先实施管理者目前最迫切需求、最关心的主题。 (2)优先选择能够在较短时间内发生效益的决策主题。 (3)推后实施业务逻辑准备不充分的主题。 (4)推后考虑实现技术难度大、可实现性较低、投资风险大的主题。 螺旋式开发通过不断扩大开发范围的方式来逐渐完善数据仓库系统，这种方式可以使项目的方方面面均从中受益。 （1） 由于任务进行了阶段划分，企业能在比较短的时间内获得他们需要的一部分系统功能。 这些功能虽然还不非常完善，但是企业已经可以利用这些功能进行决策支持并从中受益。 螺旋式开发的思想是：越早让企业拥有决策支持系统（哪怕只是其中的一部分），企业就能越快从该系统受益。 （2） 开发团体则以与企业建立信任关系的方式从中收益 由于每个阶段的任务相对较小，需要的开发时间较短，阶段成果能够在比较短的时间内获得。 随着交付使用的成功系统的数目不断增多，企业对开发团队的专业技能有更充分的肯定，企业投资者对项目和团