第1章数据仓库的基本概念.ppt

课程安排数据仓库： 18学时数据挖掘： 18学时考 试： 撰写论文;;第一章：数据仓库的基本概念; 与分析型应用结合时存在的问题： 决策支持系统为掌握充分的信息，需要访问大量的企业内部数据和外部数据。企业中存在不同的操作型MIS即不同的数据源；不同的数据管理平台?信息提取不方便。如：Oracle SQL Server…… 传统数据库中的大量数据是事务型数据，即该数据是对每一项工作、管理对象的具体的、细节性的描述。如：一份合同；DSS需要的是综合的、总结性数据。其特点：数据量大。?基与传统的操作型DB不适合建立分析型应用系统。 ;与分析型应用结合时存在的问题（续）：; 结论： （１）在事务处理型应用环境中直接构建分析决策型应用不可行的。 （２）面向分析决策型应用的数据及数据处理与事务处理型应用的数据及数据处理分离。即必须把分析决策型数据从事务处理系统应用环境中分离开来，建立单独的分析性应用环境。 于是： 面向分析决策型应用而组织和存储数据的数据仓库技术应运而生。; 时间：20世纪80年代初 人物：W.H.Inmon 定义: 数据仓库是面向主题的、集成的、具有时间特征的、稳定的数据集合，用以支持经营管理中的决策制定过程。 A data warehouse is a subject-oriented,integrated, time-variant,and nonvolatile collection of data in support of management’s decision making process. ; 数据仓库的四大特征： 数据是面向主题的 数据是集成的 数据是具有时间特征的 数据是相对稳定的 数据仓库的其它特点： 数据量非常大（10GB---1000GB） 是数据库技术的一种新的应用 使用人员较少;;续上表：; 1-3 数据仓库的基本结构;数据仓库的基本结构（续）; 数据仓库的基本结构（续）; 数据仓库的基本结构（续）; 1-4 数据仓库技术的术语 主题: (Subject) 主题是一个在较高层次上将数据归类的标准，每一个主题基本对应一个宏观的分析领域。 例：面向主题：产品订货分析，货物发运分析， 新产品开发分析； 面向应用：财务，销售，供应，人力资源，生产调度……. 主题域的特征：独立性，完备性 ;;;粒度：（Granularity） 粒度是指数据仓库中数据单元的详细程度和级别。 数据越详细，粒度越小，级别越低，回答查询的种类就越多。（数据堆积，回答综合问题效率低） 数据越综合，粒度越大，级别越高，回答查询的种类就越少。 ; 维度：（Dimension） １．维的概念 维度是指人们观察事物的角度,类似于关系表的属性。 例如：当人们关注产品销售情况时，有如下维度： 时间维：随时间变化的销售数据； 地区维：不同地区的销售数据； 客户维：不同客户的销售； 在DW中常用的维主要有：时间维、客户维、产品维、地区维。 ２．维层次 人们从某个维的角度观察数据，还可以根据细节程度的不同形 成多个描述层次，该多个描述层次称为维层次。 渠道维：不同销售渠道的销售数据； 产品维：不同产品的销售数据 ; 一个维具有多个层次, 例：时间维：日期、周、月份、季度、年等； 地区维：城市、地区、国家等。 3.维层次的表示 （1）维的层次关系用层次图来表示。 如：地区维 维层次的信息放在元数据 查询时：通过元数据的信息-区分不同的维层次-查询 （2）维层次级别的确定 如：地区维的级别关系是国家?地区?省?城市四个层次。 注意：数据综合时，要在同一维层次上进行求和操作。; 数据立方体： 数据立方体是指由两个或更多个属性即两个或更多个维来描述或者分类的数据。 在三维的情况下可以用图形来表示，一般称为数据立方体。 实际的数据仓库的应用中，数据是多维的。