浅谈数据库在电信企业中的应用.docVIP

浅谈数据仓库在电信企业中的应用 摘要：本文着重阐述了数据仓库的基本概念、和体系结构， 关键词：数据仓库 WTO和国内电信行业的改革重组，电信市场正逐步放开。为了保持竞争的优势，各运营商管理层和业务人员必须能实时了解企业的运行状况，获取各个专题的市场信息，并根据市场反馈的情况随时调整业务策略，以求在竞争激烈的电信市场中赢得先机抢占市场，获得更好的利润并提升企业品牌形象。 如今各电信运营商的业务支持系统构成复杂，数据种类繁多，数据量极为庞大，信息的提供在速度、质量和范围上不能满足市场竞争所要求的标准，为此各运营商纷纷针对企业内部的实际情况，着手引入数据仓库技术，以整合内部的各业务系统分散、孤立的业务数据，提供方便快捷的数据访问手段，支持企业内部不同部门、不同需求、不同层次的用户随时获得自己所需的信息，促进企业“以客户为中心”的运营模式的开展，以提高企业的核心竞争力。 数据仓库的概念 随着C/S技术的成熟和并行数据库的发展,信息处理技术的发展趋势已变为:从大量的事务型数据库中抽取数据,并将其清理、转换为新的存储格式,也就是为决策目标把数据聚合在一种特殊的格式中。随着此过程的发展和完善,这种支持决策的、特殊的数据存储即被称为数据仓库(Data Warehouse, DW)。  数据仓库是一种管理技术，它能够将分布在企业网络中不同站点的商业数据集成到一起，为决策者提供各种类型的、有效的数据分析，起到决策支持的作用。数据仓库概念的创始人W.H.Inmon在《建立数据仓库》一书中指出：数据仓库是面向主题的、集成的、稳定的、随时间变化的数据集合，用以支持经营管理中的决策制定过程。数据仓库面向分析型数据处理，它不同于企业现有的操作型数据库；数据仓库是对多个异构的数据源的有效集成，集成后按照主题进行重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。 数据仓库的体系架构 如图所示为数据仓库典型的体系结构。 图1 数据仓库的体系架构图 从图中可以看出，数据仓库系统包括：数据装载、数据管理、信息访问和系统管理与维护。它描述了数据仓库系统的数据源(即业务系统或者其它OLTP系统)、相应的数据转换ETL((Extraction、Transformation、Loading)过程(指把数据从数据源转换并加载到中央数据仓库的过程)、中央数据仓库、对数据仓库信息的访问(通过一般的OLAP工具进行访问或者进行数据挖掘等)、以及对整个数据仓库系统的管理与维护(元数据服务、数据库建模与管理、系统管理、操作管理、专业技术服务等)。从这个框架结构图可以清楚地看出，数据仓库系统是一个由许多产品、模块、及服务构成的复杂解决方案，而决非某一个单纯的产品。 以下对这四部分内容做一简要描述： 数据装载 数据装载是按照一定的规则和方法将所需数据从各种数据源提取/转换/加载（ETL）到中央数据仓库中，这是整个数据仓库系统应用的基础。对于电信来说，这样的数据源包括计费帐务系统、营业97系统、客服系统、网间结算系统等。需要把这些业务系统中的数据通过一定的ETL方法和过程将它们进行抽取、过滤、清洗、转换，然后加载到中央数据仓库中。 数据存储和管理 信息访问 查询/报表/OLAP 存储在数据仓库系统中的数据，通过有效地组织和分析，就可以得到有用的信息，回答用户特定的业务问题。通常这类信息访问工具可以分为以下几组： 报表和图形化查询工具（Brio、BO、Cognos等） 多维分析工具 (BO、Cognos、Analysis Services等) 通用开发工具（VB、VC、PB等） 知识发现/数据挖掘 数据仓库系统的价值最终体现于用户获取有用的信息的能力，以及利用信息进行决策的能力。在数据挖掘层，数据仓库系统中的原始数据被探测出来，使用自动化或半自动化的工具分析。数据挖掘可以采用自顶向下的方法或自底向上的方法。自顶向下的方法测试假设，也就是使用数据仓库系统中的数据验证或反驳某个设想。自底向上的方法叫做知识发现，能够解释或分类特定的数据，发现数据之间的类似处或模式。 系统管理与维护 图右边表示的是数据仓库系统管理，包括元数据(Meta Data)管理、操作管理与维护(OAM)、数据库与网络管理、数据字典、逻辑数据模型、物理数据模型、网络管理、系统管理、数据管理、以及专业技术服务与咨询。通过这些管理工作，可以把前面三个部分的模块有机地结合起来，形成一个完整的解决方案。 逻辑数据模型和物理数据模型 在数据装载过程开始之前，需要首先根据的经营业务面建立相应的数据库逻辑模型，然后在此基础上构造相应的物理数据模型，利用ETL过程将操作数据加载到物理表中。逻辑建模应该从电信的业务层面来考虑，而不仅仅是基于目前的系统能提供什么的数据进行。换言之，数据仓