数据仓库讲座演示文稿.ppt

严格的DW需要以上11个部分，3个大的部分阶段 而前期偏管理类，需要大量的去主动了解，交流，需求的确定，同时要做好需要的不确定性的准备 而中后期，多为技术人员所做的工作 * 元数据：描述数据的数据，比如说：一支笔，它的元数据是：长：**cm , color , 型号，规格 现实世界是需求方直接给我们描述的世界 概念模型：抽象出实体概念，确定主题和主题域的范围 逻辑模型：粒度层次分析，事实量度确定，数据分割策略，结构模式确定 物理模型：最终版：具体的星形模型，or雪花模型。确定存储结构，索引结构，合理对表进行归并，优化存储分配 数据粒度：所描述对象的详细程度，比如说一个产品鲜绞猪肉：我们只描述它是生鲜类，下面的 家禽类 ，下面的 猪肉类 * 一种创建概念模型的方法 对商务数据的多维特性进行分析，用信息打包图表示维度和类别之间的传递和映射关系，建立概念模型 同时确定分析的量度指标，根据业务的实际情况 * 用的最多的是星形模型 同时，也有多个事实表一起建模的，那是因为共用了多个维度表 事实表：记录数据量很大的事实表，需要尽量减小单条记录的长度——即是说：细长型结构 维表：记录数量较少的维表，需要去除同分析无关的数据——即是说：扁平型结构 * 外键相对应 * 根据业务的不同，将不同的粒度分为不同的数据阶段 数据单位中保存数据的细化或综合程度的级别。 * 上钻：在BIEE中，是个返回键 下钻：在一个维度中，沿着一个层次从大到小的范围进行下钻，粒度也是越来越小 而其他的slice\dice\pivot 很好实现 * X,Y,Z是看待一个事物的3个维度，多维度看待，相互独立而交叉。交叉点是事实表 * 数据挖掘是实现数据仓库的重要技术手段，比如说 常用的数据挖掘方法主要包括决策树、相关规则、神经元网络、遗传算法，以及可视化、OLAP联机分析处理等。另外也采用了传统的统计方法。 根据实际情况而定 * 从下而上的金字塔结构 BI的创建有以下几层 * * Business Intelligence Architecture About Data Warehouse What is Business Intelligence A typical business intelligence architecture The introduction of Data Warehouse Operational data Analytical data OLTP OLAP Building the data warehouse Star-Schema Snowflake-Schema Dimension Cube Data mining CONTENTS Business intelligence Business intelligence system Business intelligence may be defined as a set of mathematical models and analysis methodologies that exploit the available data to generate information and knowledge useful for complex decision-making processes. 商务智能系统是建立在数据仓库（Data Warehouse）、OLAP（Online Analysis ）和数据挖掘（Data Mining）等技术的基础之上，通过收集、整理和分析企业内外部的各种数据，加深企业对客户及市场的了解，并使用一定的工具对企业运营状态、客户需求和市场动态等做出合理的评价及预测，为企业管理层提供科学的决策依据。 1th - What is Business Intelligence The management is decision decision needs information MIS——ERP——BI Data—Information—Knowledge—Profit 2th - A typical business intelligence architecture ODI 3th - The introduction of Data Warehouse The term data warehousing indicates the whole set of interrelated activities involved in designing, implementing and using a data warehouse. 是支持管理决策过程的、面向主题的（Subject Oriented）、集成的（Integra