协同OA办公系统---数据仓库.pptVIP

议程： 企业组织想要什么? 的历史回顾 直接联接 历史回顾 OLTP 系统的数据抽取和复制 历史回顾 用户自建的部门 系统 操作型数据 数据仓库 面向应用，事务驱动 面向分析，分析驱动 支持许多并发用户动态地 不可更新，周期性刷新 添加和修改数据 细节性数据 综合性和提炼性数据 当前值数据 历史数据 一次处理的数据量小 一次处理的数据量大 快速响应 相对较低 同一性 ——梦想而已 异构性 ——才是现实 分析：切片、切块 数据挖掘（ 发现数据中存在的关系和规则，根据现有的数据预测未来的发展趋势  时间 地点 全球 美国 欧洲 纽约 洛杉矶 伦敦 巴黎 产品 的分析 ：钻取 OA软件/ 数据分析的四种模型与相应工具 数据分析的四种模型: 绝对模型 属于静态数据分析. 它通过比较历史数据和行为来描述过去发生的事情. 解释模型 属于静态数据分析. 它通过层层细化, 找出事实发生的原因. 思考模型 属于动态数据分析. 它通过引入一定参数后, 预测将来会发生什么. 公式模型 最高级动态数据分析. 它知道需要引入哪些参数以及所产生的结果. 数据分析的工具有三种类型: 查询工具: 指对分析结果的查询, 而不是记录级的查询. 验证型工具: 从数据仓库中发现事实. 实现数据分析的前三种模型. 挖掘型工具: 从大量数据中发现模式. 实现第四种分析模型. 广州OA系统/ ：“未来的企业总经理就像一个驾驶员，企业所有的各种产供销数据都在驾驶仓的仪表盘上直观地显示，总经理的职责就是绿灯行、黄灯警告、红灯干预，利用现代信息技术为自己的管理助力。” 60s, 70s were spent electrifying 业务 流程. As soon as we had them automated, we need to report the 活动. Direct access to OLTP (On Line Transaction 流程ing) 系统s caused poor OLTP response. Big problem for 运营 people, who get paid based on response time. 运营 response was to create replicated 数据sets to relieve problem of reduced response time. Saved their paychecks, but didn’t solve problems of multiple extraction jobs and multiple versions of the truth. Advent of SAS and Focus led to proliferation of user developed 数据sets, infinite # of extraction jobs and infinite versions of the truth. Primary driver for 数据仓库. 决策支持系统自70年代提出以来已经得到了很大发展。它是在管理信息系统（mis）基础上发展起来的。　　80年代初，国内外曾在决策支持系统的研究过程中提出了数据库、模型库和方法库三库的概念和方法，描述了一个决策支持系统的理想框架。当时，有许多专家学者对决策支持系统的理论、系统结构及建立的方法等作了论述和研究。企业界和应用部门也曾按照这些概念进行决策支持系统开发的尝试，但结果与人们的期望相去甚远。许多所谓的决策支持系统实际上是一个查询系统或报表系统，并不能给决策人员提供辅助决策的信息，而且大多数系统都只停留在演示阶段，并不实用，灵活性及可用性也不够。有人评价决策支持系统的发展历史基本上是失败的历史，这也许有些过激，但却十分中肯而坦率地指出在决策支持系统的发展中，理论研究多于系统建设，概念方法的探讨多于实际工具的研制。　　今天，我们认真地分析一下这些问题，发现有以下