客户关系管理 第十章 数据仓库.pptVIP

第十章 数据仓库 本章结构 10.1 数据仓库基本概念 10.1.1 数据仓库的产生 企业内部各部门的数据各不 相同，利用这些数据进行分析得 到的结论也会产生差异甚至截然 相反 。可见，传统的关系型数据 库无法满足分析数据、支持决策 的需求。这势必要求分析型数据 环境的产生。数据仓库就是在此 时产生的 10.1.2 数据仓库与数据库的区别 表10-1数据仓库和数据库的区别 10.1.3数据仓库的定义 著名的数据仓库专家 W.H.Inmon 的定义是：数据仓库（ Data Warehouse ）是一个面向主题的、集成的、非易失的、随时间变化的 数据集合，用于支持管理决策。该定义指出了数据仓库的四个特性： 10.2数据仓库的基本原理 10.2.1数据仓库的体系结构 10.2.2数据仓库的相关概念 10.2.3数据集市（Data Mart） 数据集市也叫数据市场，是企业级数据仓库中针对某一主题的数据 库，它是企业数据库的一个子集 按照数据集市的数据来源可将数据集市分为独立的数据集市和依赖 的数据集市 （ 1 ）独立的数据集市的数据直接来源于各信息系统。 （ 2 ）依赖的数据集市的数据直接来源于中央数据仓库，也就是说它是在数据仓库的基础上建立起来的。 10.2.4操作数据存储（Operational Data Store ,ODS） ODS 是用于支持企业日常的全局应用的数据集合。 ODS解决的是 “日常”性问题，因而具有引入数据是可变的、数据是当前或近期的两个 特点 ODS 的应用一般体现在两个方面： 10.3多维数据库与OLAP分析 10.3.1多维数据库的基本概念 10.3.2多维数据模型上的OLAP操作 OLAP 技术的核心是多维分析。 下面我们具体介绍OLAP 的分 析动作 (1)切片 对多维数据集（维 1 、维 2 ……维 i ……维 n 、变量）在维 度 i 上选定一个维成员，得到一个 n-1 维多维数据集，称得到的 这个 n-1 维多维数据集为原数据集在第 i 维上的数据切片 (2)数据切块 在多维数据立方体中，确定某些维度的取值范围，得到一个原立方体的子立方体的过程称为数据切块 (3)数据钻取 数据钻取也叫数据下钻，是由概括的数据到详细的数据的过程 (5) 数据旋转 数据旋转即变换维度的位置，也就是转动数据的视角，给用户提供 一个从不同的角度观察数据的方法 10.3.3多维数据库模式 (1)星型模式 要了解星型模式首先要了解维表和事实表的概念 (2)雪花模式 雪花模式是星型模式的一种衍生 ( 3 )星座模式 在复杂的数据应用时，多个事实表需要共享维表。这种模式可以 看成是星型模式的集合，因此又叫星系模式。 三种多维数据模式中，星型模式和雪花模式比较适合对单个主题 建模，而其中星型模式又更为流行。在具体应用时，要根据维表的复 杂程度选择合适的模式 10.3.4多维数据的数据存储与可视化 10.3.5多维数据库与数据仓库 10. 4数据仓库模型设计 10.4.1企业模型设计 企业模型是将企业中各个角度的数据需求综合并抽象得到的数 据模型。建立企业模型首先要搜集企业内部各方面人员对数据需求情 况的资料。当所有的数据收集好以后，用ER图或面向对象的方法将收 集到的信息抽象成ER模型或对象模型 (1) ER 模型 ER 图是由实体和实体间关系构成的。实体间的关系分为一对一的 关系、一对多的关系和多对多的关系。将有关系的实体用线连接，并标 注实体间的关系类型及具体关系内容就形成了ER图 图10-9 ER图示例 (2)对象模型 对象模型采用的是面向对象的方法。面向对象的方法首先要确定 模型中需要的类。由类和类之间的关系构成的模型称为对象模型，即 面向对象方法的企业模型 10.4.2概念模型设计 概念模型设计包括了两个方面 10.4.3逻辑模型设计 10.4.4物理模型设计 1