第10章_CRM中数据仓库.ppt

A 主要内容 A 10.1 数据仓库的基本概念 数据仓库与CRM有着难以割舍的密切关系，客户关系管理的很多工作都是以数据仓库为基础展开的。从某种意义上说，数据仓库是客户关系管理的灵魂。利用数据仓库，企业可以对客户行为进行分析与预测，从而制定准确的市场策略、发现企业的重点客户和评价市场性能，并通过销售和服务等部门与客户交流，实现企业利润的提高。对于客户量大、市场策略对企业影响较大的企业来说，必须在客户关系管理系统中包含数据仓库。 10.1 数据仓库的基本概念 10.1 数据仓库的基本概念 —— 10.1.1 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。 决策支持对数据分析的需求 需要对大量的业务数据包括历史业务数据进行分析； 这种基于业务数据的决策分析称为联机分析处理（On-Line Analysis Processing，OLAP）； 联机事务（OLTP）处理强调的是更新数据库；联机分析处理（OLAP）就是要从数据库中获取信息、利用信息。 传统数据库系统不适宜决策支持系统（decision support system, DSS） 事务处理和分析处理的性能特性不同； 数据集成问题； 数据动态集成问题； 历史数据问题； 数据的综合问题； 操作繁简问题。 10.1 数据仓库的基本概念 —— 10.1.1 从数据库到数据仓库 联机分析与联机事务处理区别 OLTP系统在统计分析方面的局限主要是由于它对数据实时性操作的特点造成的。 由于这类系统要频繁的访问数据库，对数据库进行读写操作，如果数据库的历史数据非常庞大，就会影响到当前系统的运行速度。因而，这类系统的当前操作数据库只能存储一段时期的数据，系统自带的查询功能也只能操作当前系统数据库中有限时间的数据。比如，我们日常进行手机话费查询就只能够查询三个月左右的记录。 10.1 数据仓库的基本概念 —— 10.1.1 从数据库到数据仓库 联机分析与联机事务处理区别 10.1 数据仓库的基本概念 —— 10.1.1 从数据库到数据仓库 传统数据库系统不适宜决策支持系统（DSS） ——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。 10.1 数据仓库的基本概念 —— 10.1.1 从数据库到数据仓库 传统数据库系统不适宜决策支持系统（DSS） ——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。 ——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。 10.1 数据仓库的基本概念 —— 10.1.1 从数据库到数据仓库 传统数据库系统不适宜决策支持系统（DSS） ——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，且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。 10.1 数据仓库的基本概念 —— 10.1.1 从数据库到数据仓库 传统数据库系统不适宜决策支持系统（DSS） ——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