最新数据仓库与数据挖掘课件ppt模版课件.pptVIP

课程安排数据仓库： 18学时数据挖掘： 18学时考 试： 撰写论文;;第一章：数据仓库的基本概念; 与分析型应用结合时存在的问题： 决策支持系统为掌握充分的信息，需要访问大量的企业内部数据和外部数据。 传统数据库中的大量数据是事务型数据，即该数据是对每一项工作、管理对象的具体的、细节性的描述。 事务处理型应用与分析决策型应用对数据库系统的性能要求不同。 传统数据库中保存和管理的一般是当前数据，而决策支持系统不仅需要当前的数据，而且还要求有大量的历史数据。; 结论： 在事务处理型应用环境中直接构建分析决策型应用是不可行的。 于是： 面向分析决策型应用而组织和存储数据的数据仓库技术应运而生。; 时间：20世纪80年代初 人物：W.H.Inmon 定义: 数据仓库是面向主题的、集成的、具有时间特征的、稳定的数据集合，用以支持经营管理中的决策制定过程。 A data warehouse is a subject-oriented,integrated, time-variant,and nonvolatile collection of data in support of management’s decision making process. ; 数据仓库的四大特征： 数据是面向主题的 数据是集成的 数据是具有时间特征的 数据是相对稳定的 数据仓库的其它特点： 数据量非常大（10GB---1000GB） 是数据库技术的一种新的应用 使用人员较少;;续上表：; 1-3 数据仓库技术的术语 主题: (Subject) 主题是一个在较高层次上将数据归类的标准，每一个主题基本对应一个宏观的分析领域。 例：面向主题：产品订货分析，货物发运分析， 新产品开发分析； 面向应用：财务，销售，供应，人力资源，生产调度……. 主题域的特征：独立性，完备性 ;粒度：（Granularity） 粒度是指数据仓库中数据单元的详细程度和级别。 数据越详细，粒度越小，级别越低，回答查询的种类就越多。（数据堆积，回答综合问题效率低） 数据越综合，粒度越大，级别越高，回答查询的种类就越少。 ; 维度：（Dimension） 维度是指人们观察事物的角度。 例如：当人们关注产品销售情况时，有如下维度： 时间维：随时间变化的销售数据； 地区维：不同地区的销售数据； 客户维：不同客户的销售； …… 根据观察事物角度的细节程度不同，维又具有维层次。数据； 渠道维：不同销售渠道的销售数据； 产品维：不同产品的销售数据 例：时间维：日期、周、月份、季度、年等； 地区维：城市、地区、国家等。; 数据立方体： 数据立方体是指由两个或更多个属性即两个或更多个维来描述或者分类的数据。 在三维的情况下可以用图形来表示，一般称为数据立方体。 实际的数据仓库的应用中，数据是多维的。 ; 联机分析处理： （OLAP） 联机分析处理是快速、灵活的多维数据分析工具。 OLAP的目的是支持分析决策，满足多维环境的查询和报表需求。 数据仓库的多维数据存储结构为OLAP的实施提供了理想的多维数据环境。 ; 数据集市： （Data Mart） 数据集市是完整的数据仓库的一个逻辑子集，而数据仓库正是由其所有的数据集市有机组合而成的。 一般在某个业务部门建立数据集市，或称为部门级数据仓库。 建立数据集市与数据仓库，一般是采用“自顶向下”和“自下而上”相结合的设计思想。;第一章 数据仓库的基本概念; 1-4 多维数据模型 多维数据模型是进行决策支持数据建模的最好方式，数据仓库采用多维数据模型不仅能使其使用方便，而且能提高系统的性能。 1-4-1 实体关系模型与多维模型 实体关系模型应用于操作型数据库系统，多维模型应用于分析型数据仓库系统。