数据仓库理论与应用.docVIP

数据仓库理论与应用 　　摘要：当前信息领域的热门课题是研究数据仓库。数据仓库系统的主要信息源是传统的数据库，为了实现数据向信息的转换，对大量的数据和信息采用联机分析处理和数据挖掘等技术进行处理，用多维视图的形式展示其分析的结果，分析结果为中、高层领导的决策提供有效的支持。本文分析了数据仓库的理论和应用。 　　关键词：数据仓库 信息 分析处理 数据挖掘 转换 有效 　　W.H.Lnmom在20世纪90年代提出了“数据仓库”的概念。数据仓库借助于数据仓库大量的、全面的数据存储，依靠数据分析工具和数据挖掘技术达到了高效的决策的目的。但是数据仓库在实现的过程中存在着很多的问题，主要是因为数据仓库是数据挖掘、联机分析处理以及数据库等多种技术的结合体，但是为了支持我国的空间数据基础设施建设，研制空间数据仓库十分必要，本文对此展开一个分析。 　　1 数据仓库理论应用概述 　　数据仓库在信息技术领域得到了广泛的应用，并且在我们生活的各个方面，数据仓库都保存着与我们生活息息相关的各式各样的数据。数据仓库不仅仅影响着人们的生活和学习，对于企业来讲，数据库给其带来了巨大的变化同时还给企业增加了一些新的工作流程，而改变一个流程其他相应的流程也会随之发生很大的变化。数据仓库为企业带来了很多的新知识，这些新知识都是以数据为基础的。利用这些知识不仅仅应用于为企业发现新的市场商机和评价市场战略，还有效的应用到了企业的生产检查、定义客户群体和控制库存等方面。无论任何一家公司都拥有自己的数据，数据仓库按照特定的方式对这些数据进行组织，不仅仅为企业带来了新的商业知识，同时也为企业的运作带来了新的视角。 　　数据仓库具有改变业务的威力。它能帮助公司深入了解客户行为，预测销售趋势，确定某一组客户或产品的收益率。尽管如此，数据仓库的实现却是一个长期的、充满风险的过程。最近，由DM Review发布的一项网络调查显示，51%受访者认为创建数据仓库的头号障碍是缺乏准确的数据。而其中最重要的一点是无法实时更新所有的数据。这就需要我们加快技术的发展和改进，使其能更好的应用到企业中。 　　2 数据仓库特点分析 　　数据仓库并不是我们表面所认为的“大型数据库”，它是在数据库已经大量存在的情况下为了进一步挖掘数据资源和决策的需要而出现的。建设数据仓库方案主要是为前端查询和分析做基础，数据库需要较大的储存主要是由于有较大的冗余。但是它的效率足够高，因为企业领导要及时看到最近的数据分析；数据质量要高，因为要根据其提供的数据进行决策；要有扩展性，主要体现在数据建模的合理性，要留出足够的缓冲。 　　数据库是一个数据的集合，是对管理决策过程的支持，具有面向主题、集成、随时间变化和信息自身相对稳定的特点。主题是指用户在使用数据仓库进行决策时所关心的收入、客户以及销售渠道等重点方面。面向主题是指不是向业务支撑系统那样按照业务功能进行组织数据仓库信息，而是按照主题组织数据库的信息；集成是指数据仓库的信息是关于整个企业的一致的全局信息经过一系列的加工、整理和汇总的过程，而不是从各个业务系统简单抽取出来的信息。 　　数据仓库随着时间的变化而变化，指的是数据仓库不仅仅只是反映企业的当前数据库信息的状态，而是数据库记录了从过去的某一个时点到当前各个阶段的信息，这些信息是全面的，系统的。通过这些历史性的信息可以对企业的未来发展历程和未来的趋势做一个定量的分析和预测。 　　3 数据仓库应用 　　建立数据仓库构想的提出是在计算机发展的早期，最早在1990年Bill Inmon先生提出了“数据仓库”一词，其描述如下：数据仓库是为支持企业决策而特别设计和建立的数据集合。 　　由于现有的数据存储形式已经不能够满足信息的分析需要，因此企业要建立数据仓库。事务型数据和决策支持型数据的处理性能不能够相同是数据仓库理论的核心理念。 　　企业的数据是在他们的事务操作过程中收集的。事务型数据在企业的运作过程中随着订货、销售记录的进行连续不断的产生。为了有效的引入数据我们必须对事务型数据库进行优化。从事务型数据处理中将决策支持型数据处理分离出来是解决数据仓库的方法。数据按照一定的周期，通常是在每晚或每周末，从事务型数据库中导入决策支持型数据库，即数据仓库。按回答企业某方面的问题分主题来组织数据是数据仓库最有效的数据组织方式。 　　我们以数据仓库在很多大型企业中业务的应用来进行一个分析。我国有很多数据密集型企业，他们每天都会产生成千上万条业务数据而形成庞大的信息资源，企业为了提高自身的竞争力，就需要研究如何管理和利用好这些信息使这些无形资产发挥作用。数据仓库技术随着企业经营理念、管理战略的变革以及信息技术的飞速发展已经成为企业业务分析和管理决策不可或缺的重要工具之一。但是企业的员工对数据仓库不够熟悉，在