第1章 数据仓库概念与体系结构.ppt

* 两层数据仓库体系结构 * 基于独立数据集市的数据仓库体系结构 * 基于依赖型数据集市和操作型数据存储(ODS)的数据仓库体系结构 * 逻辑型数据集市和实时数据仓库的体系结构 * 1.5 数据仓库的发展与应用 简单地说，数据仓库就是一个作为决策支持和联机分析应用系统数据源的结构化数据环境，数据仓库要研究和解决的问题就是从数据库中获取信息的问题。 1.5 .1数据仓库的发展 * 发展（技术视角） * 以报表为主：数据来自不同地方的整合 以分析为主：对报表数据进行分析 以预测模型为主 ：根据分析结果进行预测 以营运导向为主 ：根据管理主题的决策分析 以实时数据仓库、自动决策应用为主 ：自动化的 、实时的全面决策 发展（应用视角） * 在数据抽取方面，未来的技术发展将集中在系统集成化方面。它将互连、转换、复制、调度、监控纳入标准化的统一管理，以适应数据仓库本身或数据源可能的变化，使系统更便于管理和维护。 在数据管理方面，未来的发展将使数据库厂商明确推出数据仓库引擎，作为数据仓库服务器产品与数据库服务器并驾齐驱。在这一方面，带有决策支持扩展的并行关系数据库将最具发展潜力。 在数据表现方面，数理统计的算法和功能将普遍集成到联机分析产品中，并与Internet/Web技术紧密结合。按行业应用特征细化的数据仓库用户前端软件将成为产品作为数据仓库解决方案的一部分。数据仓库实现过程的方法论将更加普及，将成为数据库设计的一个明确分支，成为管理信息系统设计的必备 数据仓库的未来 * 哪些商品放在一起比较好卖？ 这是沃尔玛的经典案例：一般看来，啤酒和尿布是顾客群完全不同的商品。但是沃尔玛一年内数据挖掘的结果显示，在居民区中尿布卖得好的店面啤酒也卖得很好。原因其实很简单，一般太太让先生下楼买尿布的时候，先生们一般都会犒劳自己两听啤酒。因此啤酒和尿布一起购买的机会是最多的。这是一个现代商场智能化信息分析系统发现的秘密。这个故事被公认是商业领域数据挖掘的诞生。 另外，大家都知道在沃尔玛牙膏的旁边通常配备牙刷，在货价上这样放置，牙膏和牙刷才能都卖的很好。 *关联规则的应用 X===Y(置信度，支持度） 1.5 .2 数据仓库与挖掘的应用实例 * 2. 库存预测 过去零售商依靠供应链软件、内部分析软件甚至直觉来预测库存需求。随着竞争压力的一天天增大，很多零售商（从主要财务主管到库存管理员）都开始致力于找到一些更准确的方法来预测其连锁商店应保有的库存。预测分析是一种解决方案。它能够准确预测哪些商店位置应该保持哪些产品。 使用 Microsoft(R) SQL Server(TM) 2005 中的 Analysis Services 以及 SQL Server 数据仓库，采用数据挖掘技术可以为产品存储决策提供准确及时的信息。SQL Server 2005 Analysis Services 获得的数据挖掘模型可以预测在未来一周内一本书是否将脱销，准确性为 98.52%。平均来说，预测该书是否将在未来两周内脱销的准确性为 86.45% *预测模型 * 3. 股票预设 预测一支股票的走势几乎是不可能，但是通过相关分析，可以找出一支股票的走势与另一只股票走势的潜在规律，比如数据挖掘曾经得到过这个结论：“如果微软的股票下跌4%，那么IBM的股票将在两周内下跌5%”。 *相关分析 * 4. 出了一个新成品，哪些老客户最可能购买？ 银行应该认识到客户需要什么产品以及如何推销这些产品，然后银行需要开发相应商品并进行营销活动， 从而满足这些需求。几 年前，蒙 特利尔银行银行开始采用 IBM DB2 Intelligent Miner Scoring，基于银行账户余额、客户已拥有的银行产品以及所处地点和信贷风险等标准来评价记录档案。这些评价可用于确定客户购买某一具体产品的可能性。该系统能够通过浏览器窗口进行观察，使得管理人员不必分析基础数据，因此非常适合于非统计人员。 “我们对客户的财务行为习惯及其对银行收益率的影响有了更深入的了解。现在，当进行更具针对性的营销活动时，银行能够区别对待不同的客户群，以提升产品和服务质量，同时还能制订适当的价格和设计各种奖励方案，甚至确定利息费用。” 蒙特利尔银行的数据挖掘工具为管理人员提供了大量信息，从而帮助他们对于从营销到产品设计的任何事情进行决策。 *分类与预测 * 5. 电子商务网站公共页面该放哪些内容最可能产生购买行为？ 圣地亚哥 P 通过采用 HitBox，即 WebSideStory 的数据挖掘 ASP 服务，使企业的计划者在业务高峰日也能够对销售情况做出迅速反应。由于鲜花极易枯萎，Pro