专家与决策支持系统课程.ppt

6.1 数据仓库的基本原理 6.2 数据仓库系统 6.3 联机分析处理 6.4 数据仓库的决策支持 数据仓库工作范围和成本常常是巨大的。开发数据仓库是代价很高、时间较长的大项目。 提供更紧密集成的数据集市就应运产生。 目前，全世界对数据仓库总投资的一半以上均集中在数据集市上。 数据集市（Data Marts）是一种更小、更集中的数据仓库，为公司提供分析商业数据的一条廉价途径。 数据集市是指具有特定应用的数据仓库，主要针对某个应用或者具体部门级的应用，支持用户获得竞争优势或者找到进入新市场的具体解决方案。 独立数据集市(Independent Data Mart) 从属数据集市(Dependent Data Mart) 1、规模是小的 2、特定的应用 3、面向部门 4、由业务部门定义，设计和开发 5、由业务部门管理和维护 6、快速实现 7、购买较便宜 8、投资快速回收 9、工具集的紧密集成 10、更详细的、预先存在的数据仓库的摘要子集 11、可升级到完整的数据仓库 6.2 数据仓库系统 6.2.1数据仓库系统结构 数据仓库系统由数据仓库（DW）、仓库管理和分析工具三部分组成。 分析工具集分两类工具： （1）查询工具 数据仓库的查询不是指对记录级数据的查询，而是指对分析要求的查询。 一般包含： 可视化工具：以图形化方式展示数据，可以帮助了解数据的结构，关系以及动态性。 多维分析工具（OLAP工具）: 通过对信息的多种可能的观察形式进行快速、一致和交互性的存取，这样便利用户对数据进行深入的分析和观察。 多维数据的每一维代表对数据的一个特定的观察视角，如时间、地域、业务等。 （2）数据挖掘工具 从大量数据中挖掘具有规律性知识，需要利用数据挖掘（Data Mining）工具。 数据仓库是以多维表型的“维表—事实表”结构形式组织的，共有三种形式： 1、星型模型 大多数的数据仓库都采用“星型模型”。 星型模型是由“事实表”（大表）以及多个“维表”（小表）所组成。 “事实表”中存放大量关于企业的事实数据（数量数据）。 星型模型数据如下图： 6.3.1 基本概念 1、OLAP的定义 3.多维概念视图 企业的数据空间本身就是多维的。因此OLAP的概念模型也应是多维的。 用户可以对多维数据模型进行切片、切块、旋转坐标或进行多维的联合（概括和聚集）分析。 4.稳定的报表性能 报表操作不应随维数增加而削弱，即当数据维数和数据的综合层次增加时，提供的报表能力和响应速度不应该有明显的降低。 5．客户/服务器体系结构 OLAP是建立在客户/ 服务器体系结构上的。 要求多维数据库服务器能够被不同的应用和工具所访问。 8．多用户支持 当多个用户要在同一分析模式上并行工作，需要这些功能的支持。 11．灵活的报表生成 报表必须充分反映数据分析模型的多维特征，并可按用户需要的方式来显示它。 6.3.2 OLAP的数据组织 MOLAP和ROLAP是OLAP的两种具体形式： ROLAP是基于关系数据库存储方式建立的OLAP。 多维数据映射成平面型的关系表。采用星型模型。 MOLAP是基于多维数据库存储方式建立的OLAP；表现为“超立方”结构，类似于多维数组的结构。 在分析中，需要“旋转”数据立方体以及“切片” 、“切块”等操作。 2、广义OLAP功能 1、基本代理操作 “代理”是一些智能性代理，当系统处于某种特殊状态时提醒分析员。 （1）示警报告 定义一些条件，一但条件满足，系统会提醒分析员去做分析。如每日报告完成或月定货完成等通知分析员作分析。 （2）异常报告 当超出边界条件时提醒分析员。如销售情况已超出预定义阈值的上限或下限时提醒分析员。 2、广义OLAP功能 2、计算能力 计算引擎用于特定需求的计算或某种复杂计算。 3、模型计算 增加模型，如增加系统优化、统计分析、趋势分析等模型，以提高决策分析能力。 假设有一个5维数据模型，5个维分别为：商店，方案，部门，时间，销售。 1．三维表查询 在指定“商店=ALL，方案=现有”情况的三维表（行为部门，列为时间和销售量） 确定体系结构 （1）来源：数据应该来自于什么DBMS的源数据？ （2）传输：数据通过什么样的网络拓扑结构传送过来？ （3）目