第3章 信息系统技术 知识.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 3.3 数据仓库与数据挖掘 3.3.2 物流信息系统的需求层次 根据安东尼模型，通常表现在4个功能层次上：交易、管理、决策支持以及对战略的支持。 第一层次是面向“交易” ：启动和记录个别的物流活动的最基本的层次。 第二层次是面向“管理” ：主要功能需求集中在对交易数据的初步整合和报告上。 第三层次是面向“决策支持” ：要求物流信息系统中的数据能协助管理人员鉴别、评估和比较系统运营中策略层面上的可选方案。 第四层次是面向“对战略计划的支持” ：主要目标是开发和决定物流战略的支持。 3.3 数据仓库与数据挖掘 3.3.3 数据仓库与数据挖掘的背景 数据丰富与知识贫乏 ： 进入21世纪，全世界的数据库及其存储的数据规模增长速度大大加快。 面对极度膨胀的信息，人们受到“信息爆炸”、“混沌信息空间”和“数据过剩”的巨大压力。 人类陷入了一个尴尬的境地，即“丰富的数据”（data rich）而“贫乏的知识（knowledge poor）。 从数据到知识 ： 如何对海量数据中提取出所需的知识，成为信息技术领域的重要课题。 3.3 数据仓库与数据挖掘 为了便于获得决策所需信息，有必要将整个组织内的数据以统一的形式集中存储，这就形成了数据仓库。 数据仓库出现后，人们又提出了能够实时分析和产生相应报表的在线分析工具OLAP。 为了找出埋藏在数据仓库中丰富的不为用户所知的有用信息。还需要基于计算机的智能化自动工具——数据挖掘工具。 数据挖掘工具已开始向智能化整体数据分析解决方案发展，这是从数据到知识演化过程中的一个重要里程碑。 3.3 数据仓库与数据挖掘 3.3.4 数据仓库 数据仓库的定义：数据仓库是一个面向主题的、集成的、随时间变化的、相对稳定的数据集合，用于支持管理决策。 面向主题性（subject-oriented）：主题是数据归类的标准，每一个主题基本对应一个宏观的分析领域，数据仓库的数据是围绕主题组织起来的。 数据集成性（integrated）：数据仓库是将多个异种数据源集成在一起 。 数据时变性（time variant）：数据存储从历史的角度提供信息。 相对稳定性（nonvolatile） ：数据仓库中一般有大量的查询操作，但修改和删除操作很少 。 3.3 数据仓库与数据挖掘 数据集合性 ：数据仓库要以数据集合性质存储。 支持管理决策 ：建立数据仓库目的是对决策进行支持。 3.3 数据仓库与数据挖掘 数据仓库系统的体系结构 ：数据仓库系统是一个包含四个层次的体系结构 。 数据挖掘工具 服务 抽取、清理 装载、刷新 数据 仓库 数据集市 OLAP服务器 OLAP服务器 前端工具 查询工具 报表工具 … 事务处理系统数据库 外部数据源 分析工具 3.3 数据仓库与数据挖掘 数据源 ：包括企业内部信息和外部信息 。 数据的存储与管理 ：整个数据仓库系统的核心 。 OLAP服务器 ：对分析需要的数据进行有效集成，按多维模型予以组织 。 前端工具：各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具 。 数据集市 ： 数据集市是一种更小、更集中的数据仓库，它常常被称为部门级数据仓库 。 3.3 数据仓库与数据挖掘 数据集市反映了企业的部门视图 。 数据集市除具有数据仓库的基本特征以外，还具有以下特点： 规模较小，灵活 一般由业务部门主持定义、设计、实施、管理和维护 能够快速实现，代价较低，投资回收期短，风险小 有利于进一步升级到完整的数据仓库或形成分布式数据仓库 数据集市可以分为两种 ： 独立数据集市（Independent Data Mart) 从属数据集市（Dependent Data Mart) 3.3 数据仓库与数据挖掘 3.3.5 联机分析处理 OLAP技术基本概念 ： 联机分析处理（OLAP，On-Line Analytical Processing）是一个广泛使用的数据仓库应用技术，一种专门用于支持复杂决策分析的工具。 OLAP技术的两个特点 ： 在线性 采用多维数据库进行多维分析 OLAP的基本操作 ：切片、切块、钻取和旋转 3.3 数据仓库与数据挖掘 切片（slice）：在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片。 切块（dice）：在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有三个，则是切块。 钻取 ：改变维的层次，变换分析的粒度。 向