数据仓库商业智能及维度建模初步.PDF

第 章 1 数据仓库、商业智能及维度建模初步 本章是后续各章的基础。我们首先从宏观层面上考察数据仓库和商业智能(Data Warehousing and Business Intelligence ，DW/BI)系统。您可能会对本书没有开门见山地讨论 技术和工具感到有些失望，但DW/BI 系统首先应该仔细考虑的问题是业务需求。本书将紧 紧抓住业务需求这一要点，逐步深入探讨逻辑设计、物理设计以及采用有关技术和工具的 决策等问题。 本章将详细考察数据仓库及商业智能的主要目标，辨析DW/BI 管理者与杂志出版商各 自责任中存在的不可思议的相似之处。 基于此背景，我们将探索维度建模核心概念并建立基本词汇表。在此基础上，本章将 讨论Kimball DW/BI 结构的主要组成部分，并与其他不同的结构方法进行比较，无论您倾 向于使用何种结构，这些讨论对维度建模都有非常重要的意义。最后，我们将总结针对维 度建模的诸多错误理解。本章最后将解释为什么在处理DW/BI 项目时，既需要从数据库管 理员的角度，也需要从商业分析师的角度考虑问题。 本章主要讨论下述概念： ● DW/BI 的业务驱动目标 ● 发布DW/BI 系统的隐喻 ● 维度建模核心概念及涉及的主要词汇，包括事实表与维度表 ● Kimball DW/BI 架构的组件与原则 ● 不同DW/BI 架构的比较研究，维度建模在不同架构中所扮演的角色 ● 有关维度建模的误解 1.1 数据获取与数据分析的区别 对所有组织来说，信息都是其最重要的财富之一。信息几乎总是用作两个目的：操作型记 录的保存和分析型决策的制定。简单来说，操作型系统保存数据，而DW/BI 系统使用数据。 操作型系统的用户确保组织能正常运转。操作型系统获取订单、签订新客户、监视操 作型活动的状态、记录问题及用户的抱怨。对操作型系统进行优化的目的是使其能够更快 2 数据仓库工具箱(第 3 版)——维度建模权威指南 地处理事务。操作型系统一般一次处理一个事务记录。它们按部就班，以可预测的方式完 成同样的操作型任务，可预测地执行组织的业务过程。鉴于这种执行特点，操作型系统通 常不必维护历史数据，只需修改数据以反映最新的状态。 另一方面，DW/BI 系统的用户研究分析企业的运转，并对其性能进行评估。DW/BI 系 统计算新订单的数量，并与过去一周的订单进行比较，找寻签订新客户的原因，了解客户 在抱怨什么。这些信息用于分析并判断操作型过程是否处于正确的工作状态。尽管也需要 详细的数据来支持始终处于变化状态的问题，但 DW/BI 系统一般不会一次只处理一个事 务。对DW/BI 系统进行优化的目的是高性能地完成用户的查询，而回答用户的查询通常需 要搜索成千上万条事务，并将查询结果放入一个查询集合中。为应对更复杂的问题，DW/BI 系统的用户通常要求保存历史环境，用于精确地评估组织在一段时间内的性能。 在本书第1 版中，作者 Ralph Kimball 用一整章内容描述操作型处理和数据仓库之间存 在的巨大差异。目前，DW/BI 系统与操作型系统有不同的需求、不同的客户、不同的结构 以及不同的应用场景的观点已经为大众所接受。遗憾的是，我们仍会发现认为DW/BI 系统 是存储于不同硬件平台上的操作型系统的记录的拷贝这样的错误观点。尽管在这样的环境 中，出于性能的考虑，将操作型系统和分析型系统进行了隔离，但并未仔细考虑这两类系 统之间天然存在的其他差异。商业用户感觉不到由这些虚假数据仓库提供的可用性和性能。 这些冒名顶替者对DW/BI 系统造成了伤害，因为它们没有考虑DW/BI 系统用户与操作型 系统用户在需求方面存在巨大的差异。 1.2 数据仓库与商业智能的目标 在开始深入研究维度建模的细节前，关注数据仓库与商业智能的基本目标是非常有益 的。这些目标可通过深入到任何组织的工作场所中，倾听业务管理的问题而建立起来。以 下同样的话题已经存在30 多年了： ● 我们收集了海量的数据，但无法对其访问 ● 我们需要以各种方式方便地对数据进行切片及切块