财务大数据分析 1.3大数据建模方法 1.4课程单元设计（教案）：大数据数据建模.docVIP

PAGE PAGE 1 财务大数据 课程单元设计 授课时间 第 2周 共 2节 课次 1 授课方式 （请打√） 理论课√ 讨论课√ 实验课□ 习题课√ 其他□ 课时 安排 2 授课题目（教学章、节或主题）：第四节：大数据数据建模 教学目的、要求（分掌握、熟悉、了解三个层次）： 知识目标：熟悉大数据数据建模的方法。 能力目标：1.熟悉E-R建模方法。 2.掌握维度建模方法。 3.熟悉Data Vault建模方法。 4.了解Anchor建模方法。 教学重点及难点： E-R建模方法 维度建模方法 Data Vault建模方法 教 学 基 本 内 容 方 法 手 段 任务一、课前预习 一、利用职教云APP预习教学课件； 二、针对预习内容提出问题，在职教云APP中提出问题，做好笔记； 任务二、课堂面授 ?大数据的数据模型的概念 　 数据模型就是数据组织和存储方法，它强调从业务、数据存取和使用角度合理存储数据。 只有数据模型将数据有序地组织和存储起来后，大数据才能得到高性能、低成本、高效率、高质量的使用。 ? 性能方面：良好的数据模型能帮助我们快速查询所需要的数据，减少数据的I/O吞吐。 ? 成本方面：良好的数据模型能极大地减少不必要的数据冗余，也能实现计算结果复用，极大地降低大数据系统中的存储和计算成本。 ? 效率方面：良好的数据模型能极大地改善用户使用数据的体验，提高使用数据的效率。 ? 质量方面：良好的数据模型能改善数据统计口径的不一致性，减少数据计算错误的可能性。 经典例题： 【例题?多选题】 良好的数据模型能带来大数据分析哪些方面的改变？ 性能方面 B.成本方面 C. 效率方面 D.质量方面 『答案解析』 ABCD ?大数据的数据建模的方法 常用的数据建模方法有：ER模型，也就是E-R模型；维度模型、Data Vault模型、Anchor锚模型。 E-R模型 E-R图也称实体-联系图，提供了表示实体类型、属性和联系的方法，用来描述现实世界的概念模型。 E-R建模步骤分为三个阶段：高层模型、中层模型、物理模型。 维度模型 维度建模从分析决策的需求出发构建模型，为分析需求服务，因此它重点关注用户如何更快速地完成需求分析，同时具有较好的大规模复杂查询的响应性能。 维度建模的典型代表是星形模型，以及在一些特殊场景下使用的雪花模型。 Data Vault模型 Data Vault模型强调建立一个可审计的基础数据层，也就是强调数据的历史性、可追溯性和原子性，而不要求对数据进行过度的一致性处理和整合；同时它基于主题概念将企业数据进行结构化组织，并引入了更进一步的范式处理来优化模型，以应对源系统变更的扩展性。 Anchor模型 Anchor对Data Vault模型做了进一步规范化处理，其创建者的初衷是设计一个高度可扩展的模型，其核心思想是所有的扩展只是添加而不是修改，因此将模型规范到6NF，基本变成了k-v结构化模型。 经典例题： 【例题?单选题】 E-R模型中，菱形代表的含义是？ A. 实体的属性 B.实体 C.实体之间的关系 D.实体的值 『答案解析』 C 【例题?判断题】 E-R模型的实施周期非常短，容易快速上手。 『答案解析』 False 【例题?判断题】 维度模型重点关注于让用户如何更快速地完成需求分析。 『答案解析』 True 【例题?多选题】 维度模型的特点有哪些？ A 快速上手 B快速交付 C数据冗余量小 D非常灵活 『答案解析』 AB 【例题?判断题】 Data Vault模型可直接用于数据决策分析。 『答案解析』 False 【例题?判断题】 Anchor遵循3NF范式。 『答案解析』 False 【例题?判断题】 Anchor模型的组成有哪些？ A. Anchors B.Attributes C.Ties D.Knotes 『答案解析』 ABCD 任务三、职教云在线随堂测验（单选、多选、判断） 根据本节课程的知识点，随机抽取5道题，进行随堂测试。 线上线下混合教学（智慧职教、职教云、理实一体化综合实训室）、任务驱动、教授法、各小组讨论、数字一体化教材、PPT展示、小组代表发言、课堂练习、教师总评 作业和思考题： 完成本节课知识点训练 课后小结： 一、大数据的数据模型概念 1.良好的数据模型可促成决策分析时性能、成本、效率、质量等方面突出 2.大数据的数据模型概念 二、大数据特征选择和特征提取 1.E-R模型 2.维度模型 3.Data Vault模型 4.Anchor模型