第四章数据仓库.pptVIP

第4章 数据仓库与客户关系管理 4.1 数据仓库概述 4.1.1 从数据库到数据仓库 4.1.1 从数据库到数据仓库 在数据库应用的早期，计算机系统处理的是传统手工业务自动化的问题。联机事务处理成为整个80年代直到90年代初数据库应用的主流。 当联机事务处理系统应用到一定阶段，单靠拥有联机事务处理系统已经不足以获得市场竞争的优势，于是出现了联机分析处理 。 数据仓库是一个作为决策支持系统和联机分析应用数据源的结构化数据环境，它研究和解决的问题就是从数据库中获取信息。 4.1.1 从数据库到数据仓库 （1）事务处理和分析处理的性能特性不同。 所有联机事务处理强调的是数据更新处理性能和系统的可靠性，并不关心数据查询的方便与快捷。在事务处理环境中，用户的行为特点是数据的存取操作频率高而每次操作处理的时间短。 在分析处理环境中，用户的行为模式与此完全不同，强调的是数据处理和分析的能力。在传统数据库系统基础上的DSS应用程序可能需要连续几个小时，从而消耗大量的系统资源。 联机分析和事务处理对系统的要求不同，同一个数据库在理论上难以做到两全，将具有如此不同处理性能的两种应用放在同一个环境中运行显然是不适当的。 4.1.1 从数据库到数据仓库 （2）数据集成问题。 DSS需要集成的数据。全面而正确的数据是有效的分析和决策的首要前提，相关数据收集得越完整，得到的结果就越可靠。当前绝大多数企业内数据的真正状况是分散而非集成的。 造成这种分散的原因有多种，主要有事务处理应用分散、“蜘蛛网”问题、数据不一致问题、外部数据和非结构化数据。 4.1.1 从数据库到数据仓库 （3）数据动态集成问题。 静态集成的最大缺点在于，如果在数据集成后数据源中数据发生了变化，这些?变化将不能反映给决策者，导致决策者使用的是过时的数据。集成数据必须以一定的周期（例如24小时）进行刷新，我们称其为动态集成。显然，事务处理系统不具备动态集成的能力。 4.1.1 从数据库到数据仓库 （4）历史数据问题。 事务处理一般只需要当前数据，在数据库中一般也是存储短期数据，切不同数据的保存期限也不一样，即使有一些历史数据保存下来了，也被束之高阁，未得到充分利用。但对于决策分析而言，历史数据是相当重要的，许多分析方法必须一大量的历史数据为依托。没有历史数据的详细分析，是难以把握企业的发展趋势的。DSS对数据在空间和时间的广度上都有了更高的要求，而事务处理环境难以满足这些要求。 4.1.1 从数据库到数据仓库 （5）数据的综合问题。 在事务处理系统中积累了大量的细节数据，一般而言，DSS并不对这些细节数据进行分析。在分析前，往往需要对细节数据进行不同程度的综合。而事务处理系统不具备这种综合能力，根据规范化理论，这种综合还往往因为是一种数据冗余而加以限制。 4.1.1 从数据库到数据仓库 （6）操作繁简问题。 业务数据的模式是针对事务处理系统而设计的，数据的格式和描述方式并不适合非计算机专业人员进行业务上的分析和统计。 4.1.1 从数据库到数据仓库 有人感叹：20年前查询不到数据是因为数据太少了，而今天查询不到数据是因为数据太多了。 要提高分析和决策的效率和有效性，分析型处理及其数据必须与操作型处理及其数据相分离。必须把分析型数据从事务处理环境中提取出来，按照DSS处理的需要进行重新组织，建立单独的分析处理环境，数据仓库正是为了构建这种新的分析处理环境而出现的一种数据存储和组织技术。 数据仓库的数据从联机的事务处理系统、异构的外部数据源、脱机的历史业务数据中得到。它是一个联机的系统，专门为分析统计和决策支持应用服务，通过它可满足决策支持和联机分析应用所要求的一切。 4.1.2数据仓库概念及特点 数据仓库(Data Warehouse)： 一个以大型数据管理信息系统为基础的、附加在数据库系统之上的、存储了从企业所有业务数据库中获取的综合数据的、并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统 4.1.2数据仓库概念及特点 功能上：数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库； 内容和特征上：数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。 4.1.2数据仓库概念及特点 4.1.2数据仓库概念及特点 4.1.2数据仓库概念及特点 4.1.2数据仓库概念及特点 4.1.2数据仓库概念及特点 数据仓库并没有严格的数学理论基础，也没有成熟的基本模式，且更偏向于工程，具有强烈的工程性。因此，在技术上人们习惯于从工作过程等方面来分析，并按其关键技术部份分为数据的抽取、存储与管理以及数据的表现等三个基本方面。 数据的抽取