数据仓库和决策支持.pptVIP

第 5 章 数据仓库的决策支持 5．1数据仓库的用户 5.2数据仓库的决策支持与决策支持系统 5. 3 数据仓库应用实例 5．1数据仓库的用户 5.1.1 数据仓库的信息使用者 5.1.2 数据仓库的探索者 数据仓库的用户有两类：信息使用者和探索者 信息使用者是使用数据仓库的大量用户。 信息使用者以一种可预测的、重发性的方式使用数据仓库平台。 信息使用者通常查看概括数据或聚集数，查看相同的商业维度（如产品、客户、时间）和指标（如收入和成本）随时间的发展趋势。 探索者完全不同于信息使用者，他们有一个完全不可预测的、非重复性的数据使用模式。 探索者的任务是寻找公司数据内隐含的价值并且根据过去事件努力预测未来决策的结果。 探索者是典型的数据挖掘者。  5.1.1 数据仓库的信息使用者 1.信息使用者使用数据仓库的性能优化 2.探索者使用数据仓库的性能优化 信息使用者的性能需求 非规格化 规范化的作用是产生一种完全没有数据冗余的设计方法。 但是，有时在数据仓库设计中引入一些有限的数据冗余来提高数据访问效果。 创建数据阵列 创建数据阵列，将相关类型的数据(如：1月、2月、3月等月份中的数据)存储在一起，提高访问效果。 预连接表格 一个公用键和共同使用的数据将表格合并在一起。 共享一个公用键，可以将多个表格合并到一个物理表格中。这样做可以很大程度的提高数据访问效率。 预聚集数据 根据“滚动概括”结构来组织数据。 当数据被输入到数据仓库中时，以每小时为基础存储数据。在这一天结束时，以每天为基础存储累加每小时的数据。在一周结束时，以每周为基础存储累加每天的数据。月末时，则以每月为基础存储累加每周的数据。 聚类数据 将不同类型的数据记录放置在相同的物理位置。这为用户查看这些记录，可以在同一地点找到它们，提高查询效率。 压缩数据 压缩可以使可读取的数据量极大。 定期净化数据 定期删除数据仓库中不需要的数据，可以为每个用户提高性能。 合并查询 如果查询定期发生，那么可以通过把这些查询合并到同一个表格中，从而节省大量资源。 5.1.2 数据仓库的探索者 探索者要做的工作有：概括分析、抽取、建模和分类。 (1) 概括分析 探索者开始以分析数据的完整性和准确性（数据质量）。在概括分析活动中，要询问的典型问题包括： 家庭收入如何分配？ 有多少帐户每月消费超过200元？ 有多少客户有两个以上的小孩并居住在市区？ (2)抽取 从数据仓库中抽取指定的数据，并组织起来，送入支持探索者分析的探索仓库中。 (3)建模 探索者通过概括分析来理解数据，通过抽取来准备数据，通过建模来分析数据。 建模是开发一种用来描述实体（如客户、商品、渠道等）的关系模型的过程。探索者使用的模型有： 客户分段 后续产品 欺诈检测 渠道响应（例如，电话销售和直接邮寄） 信用风险 客户生存期价值 推销响应 例如， 利用建模来确认有可能拖延支付电话帐单的客户： 首先，建立一个模型（利用统计学和行为科学）来确认经常拖延支付电话帐单的客户特征。 然后，根据客户与模型的密切程度，对所有的客户分类。 这样，可以提供谁将不支付电话帐单的某种可能性预测。 数据仓库是一种能够提供重要战略信息，并获得竞争优势的新技术，从而得到迅速的发展。 具体的战略信息有： 给出销售量最好的产品名单 找出出现问题的地区（切片） 追踪查找出现问题原因（向下钻取） 对比其他的数据（横向钻取） 显示最大的利润 当一个地区的销售低于目标值时，提出警告信息。 建立数据仓库的目的不只是为了存储更多的数据，而是要对这些数据进行处理并转换成商业信息和知识，利用这些信息和知识来支持企业进行正确的商业行动，并最终获得效益。 数据仓库的功能是在恰当的时间，把准确的信息传递给决策者，使他能作出正确的商业决策。 5.2.1 查询与报表 1.查询 （1）能向用户提供查询的初始化，公式表示和结果显示等功能。 （2）由元数据来引导查询过程 （3）用户能够轻松地浏览数据结构 （4）信息是用户自己主动索取的，而不是数据仓库强加给他们的 （5）查询环境必须要灵活地适应不同类型的用户 2.报表 （1）预格式化报表。 （2）参数驱动的预定义报表。 （3）简单的报表开发。 （4）公布和订阅。 （5）传递选项。 （6）多数据操作选项。 （7）多种展现方式选项。 5.2.2 多维分析与原因分析 1、多维分析 通过多维分析将获得在各种不同维度下的实际商业活动值（如销售量等），特别是他们的变化值和差值，达到辅助决策效果。 例如通过多维分析得到如下信息： 今年以来，公司的哪些产品量是最有利润的？ 最有利润的产品是不是和去年