[数据仓库与数据挖掘技术第2章.pptVIP

第二章 数据仓库的分析 主要内容 如何建立数据仓库的需求模型？ 影响数据仓库成功的因素有哪些？ 数据仓库开发各阶段的任务是什么？ 数据仓库的基本体系结构是怎样的？ 数据仓库的逻辑结构是怎样的？ 1、如何建立数据仓库的需求模型？ 2、影响数据仓库成功的因素有哪些？ 影响因素 数据存储的组织方式，决定了数据的可获取性与有用性，进而决定了数据的价值。 数据仓库的数据库结构有以下要求：（P44表2.1） 反映静态数据 存储历史数据 在时间上是可见的、明确的 数据的粒度是详细的可导出的汇总 定期的、计划的更新 支持的任务是不可预期的 对数据库的灵活性要求高 3、数据仓库开发各阶段的任务是什么？ 传统的操作型系统的生命周期 System Development Life Cycle SDLC系统开发生命周期 需求驱动的开发生命周期 数据仓库的生命周期CLDS CLDS数据驱动的开发生命周期（SDLC的逆序） 实现数据仓库 集成数据 检验偏差 针对数据编程 设计DSS系统 分析结果和 理解需求 参见P45图2.5 1.数据仓库计划与准备阶段 用户需求分析 可行性研究 用户的认可 建设数据仓库的协调与阻力分析 开发项目计划制定 关键资源管理 （1）用户需求分析内容 用户如何处理其事务 如何衡量用户的工作表现 用户需要什么属性（在信息方面） 应用于这些属性的业务层次结构是什么 用户现在使用什么数据，以及需要什么数据 用户需要什么水平的细节或汇总数据 （2）可行性研究 三个重要分析 技术可行性 操作可行性 经济可行性 （3）用户认可（User buy in） 重要因素 用户大力支持不可少，其与上层的支持是不同的 不能完全改变决策方式，只能改变决策信息的获取方法，改进用户获取信息的方法 数据仓库必须经常集成其中应用软件的数据，理解用户的看法 （6）创建数据仓库所使用的关键资源 人才 业务分析员 确定和定义目的和目标用户群 确定满足组织战略性商业目标 数据体系结构设计师 数据的采集、转换、分配和加载 定义数据模型 信息系统服务人员 最终用户支持人员 领导和管理人员 项目领导 项目经理 硬件 软件 2.数据仓库的其他阶段 数据仓库的系统分析 系统分析的目标是了解当前实际是如何工作的，以使得系统的操作可在将来得到改善。 原型法 注意：不能与其所有可操作数据源相连，数据仍然需要做数据净化、传送等工作 开发方法 数据驱动法 应用驱动法 数据驱动方法 数据源：连续的数据源 次序：自顶向下 优点：每一个阶段在技术上都很简单，只涉及一个文件或数据库类型映射到数据仓库数据库之中，每个附加数据源只有在其前面的附加数据源处理完之后才添加。 缺点：数据资源不能利落地映射到商业查询中。 应用驱动方法 数据源：来自几个操作系统的数据 次序：自顶向下 优点：在第一阶段就提供有用的信息 缺点：到达这一阶段要花费较长的时间、并且需要的活动很多很复杂 数据仓库系统设计 重点：设计数据仓库的元素，即数据库和数据分析 如何选择数据库体系结构 按照哪种系统结构设计 如何安排数据库 定义数据如何使用所有的数据源都被映射传送到数据仓库 描述数据仓库何时及时如何更新并回答程序员遇到的无数多个”我该怎么办” 数据仓库的测试 适用于顺序测试 确保对源文件提取记录及字段的正确性 证明传送和净化工作正常，对比元数据，检查数据仓库内容以确保整个加载过程有效，可能要测试有关已知谁的回答的分析。 增强维护，增强用户支持 思考 查阅赛迪网，阅读和比较不同的数据仓库的解决方案。明确数据驱动法与应用驱动法两种方法在数据仓库实施中的不同表现。 4、数据仓库的基本体系结构是怎样的？ 数据仓库体系结构 数据分级 Data Staging 提取，转化，净化，加载 数据仓库不直接存储事务数据，提取时必须将事务数据进行转换成数据仓库的数据结构和内部格式，为了保证数据的品质，还要对数据进行净化，将净化后的数据加载到数据仓库中。 ETL（提取—转换—加载） 数据的提取—转换—加载（ETL）是用来实现异构数据源的数据集成，即完成数据的抓取/抽取、清洗、转换、加载与索引等数据调和工作。 ETL是数据仓库系统中最重要的处理工具之一，它的主要任务是建立、维护数据仓库，通过与操作型数据源的映像关系执行数据提取—转换—加载的任务。其中涉及各种各样的技术和处理，比如，数据清洗及其准备结构的设计和处理、映像技术和方法、粒度的考虑，以及数据的提取、转换、追加、加载作业控制等一系列问题。 元数据 元数据Metadata “有关数据的数据” “数据仓库的元数据是要解决何