第一讲数据仓库基础探析.ppt

第一讲数据仓库基础 内容 问题 什么是数据仓库？ 为什么要建数据仓库？ 建数据仓库能带来哪些好处？ 1.1 什么是数据仓库 数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented ）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策和信息的全局共享。 ——数据仓库之父[William H.Inmon] 1.1.1 数据仓库特点（面向主题的） 1.1.2 数据仓库特点（集成的） 1.1.3 数据仓库特点（相对稳定的） 1.1.4 数据仓库特点（反应历史变化的） 1.2 对数据仓库系统的理解 数据仓库系统用于支持管理和决策，面向分析型数据处理，它不同于企业现有的面向交易的操作型数据库； 数据仓库系统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。 与其他数据库应用不同的是，数据仓库更像一种过程，对分布在企业内部各处的业务数据的整合、加工和分析的过程。 1.3 数据仓库的组成 1.3.1 数据仓库数据库 数据仓库数据库是整个数据仓库的核心，是数据信息存放的地方，对数据提供存取和检索支持。相对于传统数据库来说，其突出的特点是对海量数据的支持和快速的检索技术。 1.3.2 数据抽取工具 数据抽取工具是把数据从各种各样的存储环境中提取出来，进行必要的转化、整理，再存放到数据仓库内。对各种不同数据的存储方式的访问能力是数据抽取工具的关键，可以运用高级语言编写的程序、操作系统脚本、批命令脚本或SQL脚本等方式，访问不同的数据环境。 数据转换通常包括如下内容： 删除对决策分析没有意义的数据。 转换到统一的数据名称和定义。 计算统计和衍生数据。 填补缺失数据。 统一不同的数据定义方式。 1.3.3 OLAP服务器 OLAP服务器是用于存储多“维”数据的，存储结构类似与立方体的结构，提供给用户快速的数据分析支持。 1.3.4 元数据 元数据是描述数据仓库数据的结构和建立方法的数据，全面描述了数据仓库中有什么数据，这些数据是怎么得到，数据的来源是哪里等。简言之：元数据就是数据的数据。 元数据分为技术元数据和业务元数据。技术元数据是面向设计和管理人员的，包括数据源信息、数据结构定义、数据转换规则等。业务元数据是面向业务使用人员的，主要是从业务的视角来描述业务主题。 1.3.5 数据展现工具 数据展现工具为用户访问数据仓库提供的手段，如：数据查询和报表工具、应用开发工具、数据分析工具、数据挖掘工具等。 1.3.6 数据集市 数据展现工具为用户访问数据仓库提供的手段，如：数据查询和报表工具、应用开发工具、数据分析工具、数据挖掘工具等。 数据集市的划分有很多中，如 按照时间划分（07年、08年、09年等） 按照地域划分（广州、深圳、珠海等） 按照业务划分（生产、销售、财务等） …… 1.3.7 数据仓库管理 数据仓库管理包括安全与权限的管理、数据更新的跟踪、数据质量的检查、元数据的管理和更新、数据仓库使用状态的监测与审计、数据复制与删除、数据分割与分发、数据备份与恢复、数据存储管理等。 1.3.8 信息发布系统 信息发布系统是把数据仓库中的数据，或其他相关的数据发送给不同的地点或用户。 基于Web的信息发布系统是当前比较流行的多用户访问的最有效方法。 问题 什么是数据仓库？ 为什么要建数据仓库？ 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 建数据仓库能带来哪些好处？ 公司领导层：了解公司全貌，辅助进行战略决策 中间管理层：掌控部门业务情况，协助制定管理策略 基层管理人员：掌握基层单位或个人绩效，实施有效管理 内容 2.1 什么是OLAP OLAP(Online Analysis Process)是针对特定问题的联机数据访问和分析。通过对信息(维数据)的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。 对OLAP的理解 OLAP的目标是满足决策支持或多维环境特定的查询和报表需求，它的技术核心是“维”这个概念，因此OLAP也可以说是多维数据分析工具的集合。 2.2 OLAP基础概念（一） 维度(Dimension) 人们观察数据的特定角度，是考虑问题时的一类属性，属性集合构成一个维(时间维、地理维等)。 量度(Measure) 具体的指标值，如客户数、收入等 层次(Hierarchy) 人们观察数据的某个特定角度(即某个维)还可以存在细节程度不同的各个描述方面(时间维：年-季度-月份-日期)。 成员(Member) 维的一个取值。是数据项在某维中位置的描述。 2.2 OLAP基础概念（二）