客户关系管理第六讲CRM中数据仓库.ppt

* * * 第六讲 CRM中的数据仓库 * 数据仓库与CRM有着难以割舍的密切关系，客户关系管理的很多工作都是以数据仓库为基础展开的。 从某种意义上说，数据仓库是客户关系管理的灵魂。利用数据仓库，企业可以对客户行为进行分析与预测，从而制定准确的市场策略、发现企业的重点客户和评价市场性能，并通过销售和服务等部门与客户交流，实现企业利润的提高。 对于客户量大、市场策略对企业影响较大的企业来说，必须在客户关系管理系统中包含数据仓库。 * 内 容 6.1 数据仓库的定义和特征 6.2 数据仓库与数据库的区别 6.3 数据仓库的实施 6.4 数据仓库的建模模型 6.5 联机分析处理（OLAP） 6.6 数据仓库中的数据集成 * 6.1 数据仓库的定义和特征 数据库技术，特别是OLTP（联机事务处理），主要是为自动化生产、精简工作任务和高速采集数据服务。它是事务驱动的、面向应用的。 目前，人们要利用现有的数据，进行分析和推理，从而为决策提供依据。这种需求既要求联机服务，又涉及大量用于决策的数据。而传统的数据库系统已无法满足这种需求： 所需历史数据量很大，而传统数据库一般只存储短期数据。 涉及许多部门的数据，而不同系统的数据难以集成。 对大量数据的访问性能明显下降 * 数据仓库的定义 数据仓库(Data Warehouse)：是一个面向主题的、集成的、随时间而变的、非易失的数据的集合，是支持管理部门的决策过程。 数据集市(Data Mart)：是一个针对某个主题的经过预统计处理的部门级分析数据库，如销售数据集市、营销数据集市、库存数据集市等。 元数据(Metadata)：是数据中的数据，即描述数据的数据，是数据仓库的蓝图，应包括如下内容: 原始数据拥有者的信息 原始数据的数据源信息 数据的商业意义和典型用法 。。。 * 数据仓库概念的两个层次 功能上 数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库； 内容上 数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，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。 * 数据仓库的特征（1） 面向主题(subject-oeiented) 数据仓库围绕一些主题，如客户、供应商、产品和销售组织。数据仓库关心决策者的数据建模与分析，而不是集中于组织机构的日常操作和事务处理。因此数据仓库排除对决策无用的数据，提供特定主题的简明视图。 集成性(integrated) 构造数据仓库是将多个异种数据源，如关系数据库、一般文件和联机事务处理记录，集成在一起。使用数据清理和数据集成技术，确保命名约定、编码结构、属性度量等的一致性。 * 数据仓库的特征（2） 时变性(time-variant) 数据仓库中数据都是和时间相关，并且每隔一段时间后，运作数据库系统中的数据将被抽取、转换后集成到数据仓库中。 非易失性(nonvolatile) 数据一旦进入数据仓库就不再改变，因此不需要传统数据库中类似插入、更新、删除等操作，在数据仓库中只有装载操作。 * 数据仓库的特征（3） 可以看出，数据仓库最根本的特点是物理的存放数据，而且这些数据并非是最新的、专有的，而是来源于其它的数据库。 数据仓库的建立并不是要取代原有的数据库，而是建立在一个较全面、完善的信息应用的基础上，用于支持高层决策分析。 * 6.2 数据仓库与数据库的区别 目的不同 数据库用于事务处理；数据仓库用于决策支持 存储方式不同 数据库中的数据以表格方式存储；数据仓库中以数组方式存储 查询方式不同 数据库中应用OLTP(在线事务处理)；数据仓库应用OLAP(在线分析处理)或数据挖掘 响应时间不同 数据库要求响应时间短，数据仓库要求响应时间合理 数据类型不同 数据库针对交易型数据设计的，关心的是短期内每一笔交易的细节信息，并对这些交易记录进行增删改的操作；数据仓库一般只涉及从数据集中观察数据，并不进行增删改等操作。 完成任务的性质不同 前者要求实时性、交互性，而后者需要涉及大范围的数据计算，复杂的基于多个层次的查询语言。 * 6.3 数据仓库的实施 主要包括五个部分的内容： 数据仓库的设计建模 对数据仓库的数据组织进行逻辑结构的设计 数据转换与集成 将数据进行提取、转换、装载到数据仓库（或集市）中 数据存储与管理 保证数据的安全性、完整性、一致性 数据的分析和展现 利用OLAP对数据进行多维分析、汇总，形成图表或报表 数据仓库的维护和管理 对数据仓库中元数据的管理 * 数据仓库系统体系结构 * 6.4 数据仓库的建模模型 数据仓库数据模型采用多维数据模型。可以以星型模型、雪花模型等形式存在。 几个相关概念： 事实表（Fact）：存储用户需要查询分析的