商务智能理论与应用4-数据仓库.ppt

Q1 Q2 Q3 Q4 计算机 安全 家庭娱乐 电话 南京 北京 上海 广州 605 825 14 400 395 1560 440 地区 (城市) Q1 Q2 Q3 Q4 计算机 安全 家庭娱乐 电话 江苏省 广东省 地区（省） 上卷 从城市到省 下钻是上卷的逆操作，它由不太详细的数据到更详细的数据。下钻可以通过沿维的概念分层向下或引入新的维来实现。 例：沿着年季月天定义的时间维的概念分层向下，在中心数据立方体执行下钻操作的结果。 5、下钻 150 北京 南京 上海 广州 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月 时间(月) 地区(城市) 150 100 150 计算机 安全 家庭娱乐 电话 下钻 从季到月 OLAP的其它操作还有统计表中最高值和最低值的项数，计算平均值、增长率、利润、投资回报率等统计计算。 OLAP提供了分析建模机制，包括推导比率、变差等以及跨越多维计算度量的计算引擎。它能在每一粒度级和在所有维的交叉产生汇总、聚集和分层。OLAP也支持预报、趋势分析和统计分析的函数模型。 在这种意义下，OLAP是一种强有力的数据分析工具。 多维分析-维度 维度在数据仓库中主要对用户要读取的指标进行过滤和重新组织。可以将用户对事实的查询结果按照维度指标进行筛选，只允许与维度指标相关的数据返回给用户。 维度层级用来描述维度的各个层级。根据维度细节程度的不同，划分数据在逻辑上的等级关系，例如，时间维度包括年、季度、月、日等层次，地区维度包括国家、省、市等层次。 用维表来记录多维数据库中的维度，将多维数据立方体的坐标轴上的各个取值记录在一张维表中，这样对于一个n维数据立方体就存在n张维表。 多维分析—维度表 事实是各个维度的交点，是对某个特定事件的度量。 比如客户打电话，可能选择的度量有通话时长、通话次数和通话费用等； 客户购买商品，可能选择的度量有购买的次数、购买商品的金额和购买商品的数量等。 六、多维分析—事实 事实表用来记录多维数据立方体各个维度的交点的度量值。这样，多维数据立方体各个坐标轴上的刻度以及立方体各个交点的取值都被记录下来，因而多维数据立方体的全部信息就被记录下来。多维数据立方体中所有的度量信息均可记录在同一事实表中，因此事实表的体积要比维表大得多。 多维分析—事实表 事实表设计 事实表中包含2部分：一是由主键和外键所组成的键部分。 事实表设计 另一部分是用户希望在数据仓库中所了解的数值指标，这些指标是为每个派生出来的键而定义和计算的，称为事实或指标。 维度和事实的区别： 来自数据源的数值数据字段到底是一个已度量的事实还是一个维度的属性是比较容易混淆的。一般情况下，在每次抽样时，如果数值数据字段的度量都改变，那么它就是事实，如果它是某种东西的离散值描述，并几乎保持为常数，那么它就是维属性。 多维分析 OALP 六、多维分析 * * 大数据与数据挖掘-数据仓库 一、决策支持系统 二、商务智能 人们对商务智能的理解如同那七个印度盲人对大象的理解：有人认为它是高级管理人员信息系统（EIS），有人认为它是管理信息系统（MIS），有人认为它是决策支持系统（DSS）； 有人说它是数据库技术，有人说它是数据仓库，有人说它是数据集市，有人说它是数据整合与清洗工具，有人说它是查询和报告工具，有人说它是在线分析处理工具，有人说它是数据挖掘，有人说它是统计分析；有人把它当做分析性ERP, 有人把它当做分析性CRM, 有人把它当做分析性SCM, 有人把它当做企业绩效管理，有人把它当作平衡记分卡…… 商业智能技术，它以数据仓库（Data Warehousing）、在线分析处理（OLAP）、数据挖掘（Data Mining）3种技术的整合为基础，建立企业数据中心和业务分析模型，以提高企业获取经营分析信息的能力，从而提高企业经营和决策的质量与速度。 三、商务智能组 成 1、关系型数据库 2、数据仓库 （数据系统整合，收集，清洗） 3、多维分析 （不同维度之间的剖析，自定义） 4、数据挖掘 （灵魂，产生价值的地方） 5、展示 （可视化界面） 在线分析处理技术 （OLAP：Online Analytical Processing） 数据挖掘技术 （Data Mining） 数据仓库技术 （ Data Warehousing） 数据整合 集成各系统的历史数据，建立面向主题的企业数据中心 数据分析 灵活、动态、快速的多维分析、随机查询、即席报表 知识发现 通过数学模型发现隐藏的、潜在的规律，以辅助决策 三、商务智能体系 四、关系型数据库 关系型数据库就是由二维表及其之间的联系组成的一