课件：医院数据仓库案例.ppt

* * * * * * * * * * * * * * * * * * * * * * 内容大纲 实例介绍 1 体系结构 2 模型构建 3 3 数据仓库实现 4 4 联机分析处理 3 5 医院数据仓库应用 4 6 数据仓库实现 技术方案 数据透视 表服务 数据仓库 框架 数据转换 服务DTS 在线分析服 务(Analysis Services SQL Server数据仓库组件 采用SQL Server 2000 实现HIS数据仓库 知识库 数据仓库实现 开发数据仓库环境的四个相互分离的独特构件 操作型源系统即HIS、PACS等系统。 数据聚集环节主要是清理建立一致维度，如病人维度、医生维度、时间维度等。 数据展示环节主要是确定面向主题的数据集市，如挂号业务和处方业务等，通过一致的维度集成各个数据集市。 数据存取工具主要是各种分析报表和数据挖掘，如数据透视服务、Web查询等。 数据仓库实现 1 创建数据准备区。数据准备区的创建可以采用SQL Server2000中的数据库与表创建工具实现。 3 从业务系统提取数据。在SQL Server2000中可以使用Transact-SQL， DTS、分布式查询、命令行应用程序、BCP实用工具及BULK Insert语句和ActiveX脚本实现数据的提取。 2 创建数据仓库。数据仓库的创建同样可以采用SQL Server2000中的数据库与表创建工具实现。 4 清理和转换数据，完成数据加载。在SQL Server2000中可以使用Transact-SQL，DTS、命令行应用程序及ActiveX脚本实现数据的清理和转换。可以使用Transact-SQL，DTS和BCP实现数据的加载。 数据仓库物理实现 数据仓库实现 应用实施 ETL过程 确定物理模型 确定逻辑模型 分析应用需求，提供数据服务 利用DTS工具，子系统数据通过 抽取转换加载到仓库中 面向医院某个业务主题建立物理数据库 业务主题分析，构建事实表和维表。 数据仓库实现流程分析 内容大纲 实例介绍 1 体系结构 2 模型构建 3 3 数据仓库实现 4 4 联机分析处理 3 5 医院数据仓库应用 4 6 联机分析处理 多维数据集的联机分析处理 基于多维数据集的OLAP是将数据想象成多维的立方体，通过对多维数据集进行切片、切块、聚合、钻取、旋转等一系列操作，进行数据剖析，使用户从多种维度、多个侧面或多种数据综合度查看数据，掌握数据背后蕴含的规律。 联机分析处理 数据切片 在科室维中选择“消化内科”，则可形成在科室维上的数据切片，显示消化内科各年的病人分布情况。如果科室维取值为“消化内科”，时间维取值为2003年第二季(Q2)，则得到一个数据切块查询语句如下: SELECT {[measures].[病人数量]} on columns,[职业类别]. members on rows FROM病人构成分布WHERE ([时间].[2003]. [Q2],[科室].[消化内科]) 联机分析处理 数据切块 查询结果显示2003年第二季度消化内科的各职业病人分布情况。若对更多的维进行切块，则在WHERE后面的条件中增加维设置，从而完成更复杂的查询需求。 联机分析处理 数据钻取和数据聚合 维度是具有层次性的，如时间维度层次结构的顶层可以是年，下一层是季度，然后是月、周，最后位于层次结构底层的是日。 维度的层次实际上反映了数据的综合程度。数据钻取就是从较高的维度层次下降到较低的维度层次上来观察多维数据。 联机分析处理 数据钻取和数据聚合 科室 第1季度 第2季度 第3季度 第4季度 消化内科 1264 1387 1512 1226 呼吸内科 1055 1326 917 1265 表1 2008年各季度各科室病人分布情况 表2 2008年各季度各月各科室病人 科室 第1季度 第2季度 第3季度 第4季度 1月 2月 3月 4月 5月 6月 4月 5月 6月 4月 5月 6月 消化内科 367 403 494 517 483 387 467 530 515 462 397 367 呼吸内科 303 415 427 465 487 375 353 286 278 390 412 473 联机分析处理 数据钻取和数据聚合 表1显示了每年每季度各科室的病人分布情况，层次是季度，如果选择时间维向下钻取，得到表2，显示每年每季度每月各科室的病人数量。 数据聚合是数据钻取的逆操作，是对数据进行高层次综合的操作。如由表2选择时间维向上聚合，可得到表1。 联机分析处理 数据旋转 数据旋转。数据旋转改变维度的位置关系，使决策者可以从多角度来观察。如将横向的时间维和科室维进行交换，从而形成横向为科室、纵向为时间的报表。 内容大纲 实例介绍