第2讲 数据仓库与OLAP概述.pptVIP

数据仓库与数据挖掘 信管教研室 第1章 数据仓库与OLAP概述 1.1 数据仓库 1.2 多维数据分析——OLAP 1.3 数据仓库与OLAP 1.4 数据仓库的体系结构 1.5 数据仓库的构建步骤 1.6 实施数据仓库的注意事项 1.7 小结 1.1 数据仓库 数据仓库的概念和特点 数据仓库与传统数据库的比较 数据仓库带来的好处 数据仓库 从20世纪80年代以来，OLTP数据库在实际应用的很多方面都发挥了重要的作用。 随着历史数据的长期积累，众多企业的高层都意识到有必要利用这些积累数据进行分析，给下一步计划和决策提供参考。 数据仓库的目的就是合并和组织这些历史数据，以便对其进行分析并用来支持业务决策。 数据仓库的概念和特点 面向主题 数据仓库围绕一些主题，排除对于决策无用的数据，提供特定主题的简明视图。 主题是在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的抽象，是对应企业中某一宏观分析领域所涉及的分析对象，是针对某一决策问题而设置的。 面向主题的数据组织方式就是完整、统一地刻画各个分析对象所涉及的企业的各项数据以及数据之间的联系。 数据仓库的概念和特点（续） 数据的集成性 数据仓库中存储的数据是从原来分散在各个子系统中的数据提取出来的，但并不是原有数据的简单拷贝，而是经过统一和整合的。 对原始数据的集成是构建数据仓库中最关键、最复杂的一步。 数据仓库的概念和特点（续） 数据不可修改 从数据的使用方式上来看，数据仓库中的数据是不可更新的。 这是指当数据被存放到数据仓库中之后，最终用户只能通过分析工具进行查询、分析，而不能修改其中存储的数据。 数据仓库的概念和特点（续） 数据与时间相关 数据仓库的数据不可更新，并不是说数据从进入数据仓库以后就永远不变。 数据仓库中的数据随时间变化而定期地被更新。 从而保证前端分析结论的时间有效性。 数据仓库与传统数据库的比较 传统的关系数据库中的数据以表格的形式存储，并且能够用统一的SQL语言对数据进行操作，它的应用常被称作联机事务处理（Online Transaction Processing，简称OLTP）。其重点在于完成业务处理，及时响应客户请求。 数据仓库主要工作的对象是多维数据，因此又称为多维数据库。数据仓库的数据以数组的方式存储。数据仓库中存储的信息既多又广，主要完成的是联机分析处理（OLAP），因此并不追求瞬时的响应时间，只要在有限的时间内给予响应即可。 操作型数据和数据仓库数据的区别 数据仓库带来的好处 在目前竞争激烈的知识经济环境和电子商务经济模式下，重要的信息往往可以决定企业的成败，甚至决定企业的生死存亡。 因此，很多行业都采用了数据仓库解决方案充当企业决策机构的智囊和参谋。 如证券、银行、保险、税务、移动通讯、商品销售等很多行业都在已有数据库基础之上构建了自己的数据仓库。 在这些行业领域，数据仓库技术都表现出强大的优势。 证券 证券公司利用客户行为分析系统将所有客户的操作记录进行归类和整理，并结合行情走势、上市公司资料、宏观微观经济数据等，在掌握大量数据的情况下，对客户的行为和市场各因素的关联、客户的操作习惯、盈亏情况、公司的利润分布等进行统计和分析，从而获得以往一直想获得但却无法获取的关于客户在本公司的行为、盈亏、习惯等关键信息。 券商在获得这些信息后，就有能力为客户提供针对其个人习惯、投资组合的投资建议，从而真正作到对客户的贴心服务。 银行 随着市场金融模式的逐渐形成，带来了银行对各种金融变量控制的随机性和模糊性。 如何防范银行的经营风险、实现科学管理以及进行决策，成为当今金融研究的一个重要课题。 利用数据仓库的强大功能，银行可以建立企业客户群、个人客户群的数据库，并对企业的结构、经营、财务、市场竞争等多个数据源进行统一的组织，形成一个一体化的存储结构，为决策分析奠定基础。通过信息加工、分析、处理软件及银行的经营决策、信贷营销人员的个人经验，对每一个投资方向、每一笔贷款作出科学的判断，可以有效控制投资、信贷风险。 税务 增加税收、提高效率、改善执法的一致性与公平性、降低对纳税人的负担和干扰，是税务稽征部门的重要目标。 通过应用数据仓库技术，对税收部门的内部和外部数据进行综合分析处理，可以解决三个方面的问题：一是查出应税未报者和瞒税漏税者，并对其进行跟踪；二是对不同行业、产品和市场中纳税人的行为特性进行描述，找出普遍规律，谋求因势利导的税务策略；三是对不同行业、产品和市场应收税款进行预测，制定最有效的征收计划。 保险 如何满足保险行业日益增长的各种查询、统计、报表以及分析的需求，如何提高防范和化解经营风险的能力，如何有效利用这些数据来实现经营目标，预测保险业的发展趋势，甚至如何利用这些数据来设计保险企业的发展宏图以在激烈的