构建FoodMart数据仓库.pptxVIP

FoodMart数据库是SQL Server以前版本所带的示例数据库，它模拟了一家大型的食品连锁店的经营业务所产生的数据。 FoodMart公司在美国、加拿大和墨西哥的零售连锁店销售商品。公司商品存放在几个仓库中，然后分发到各个商店。 其商业数据保存在一个数据库中，其中包括了客户管理数据、销售数据、分销数据和库存数据等。随着业务量的增加，这个食品连锁店的老板迫切需要多方位地掌握其经营状况，而传统的报表形式和数据处理方式已经不能满足这一要求，因此在保留历史数据的基础上构建商业智能应用已经迫在眉睫。下面就描述满足这一商务需求的技术实现过程。 基于FoodMart数据库的福马特商业智能系统 FoodMart数据库涉及到公司经营的各个方面，包括产品、库存、人事、客户和销售等。一个真正的商业智能应用应该对这些业务需求进行全面地考虑。本章截取这些需求中的销售部分构建商业智能 打开配套文件中附带的foodmart.mdf文件，可以看到如图2-1所示的表 各个表的说明 人事管理三个表中：员工信息employee、职务信息position、员工所属部门department，对应二个维度employee和department维度。 库存管理业务中的仓库类型存储在warehouse_class表中,具体的仓库存储在warehouse中。 四个多维数据集 Warehouse and Sales多维数据集 HR多维数据集 Budget多维数据集 Sales and Employee多维数据集 2.1.2  设计数据仓库逻辑模型 福马特市场部的商务需求是要对1998年进行的所有销售业务数据进行多角度分析，以便市场分析人员能在查询数据库时获取快速的响应，高层管理人员也能从总体上把握影响本年度销售的因素。 这需要利用存储在公司业务数据库中的数据，建立数据仓库，进而创建可用于分析的多维数据结构。 2.1.2  设计数据仓库逻辑模型 如前所述，这里只着眼于销售方面的数据，因而把与销售相关的表提炼出来进行分析。在foodmart数据库中，销售业务的数据和时间、促销手段、产品和店铺等都有关系，它们的关系体现在表与表之间的逻辑关系上。 要从业务数据出发设计数据仓库的结构，必须明确业务数据本身的结构，而业务数据的关系一般是基于关系数据库设计的范式。数据仓库中表的关系不受关系数据库设计范式的约束，但也要遵循一定的结构规范，如星形结构和雪花形结构即是这种类型的规范。 这里希望用雪花形结构来构建福马特商店的销售数据仓库，逻辑结构设计图如图2-2所示 销售数据仓库雪花形结构设计图 在数据仓库的逻辑结构中，数据表可以划分为两类：一类是事实数据表（简称为“事实表”），用来存储数据仓库中的实际数据，如这里存储1998年销售数据的sales_fact_1998表即为事实表； 另一类是维度数据表（简称为“维度表”），用来存储数据仓库中的维度数据，如这里的关于时间、促销手段和产品等分析要素的表均为维度表。 注意：在本例中设计的维度表和事实表与原始数据中的表名及结构都一致，这主要是由原始数据的特点和本章作为入门章节的定位决定的。在实际设计的时候，通常需要根据需求情况重新建立与原始数据不同的表结构。 这主要是由于传统业务的数据库是用来进行事务处理的（即OLTP），而数据仓库则是用来进行分析处理的（即OLAP），用途的不同决定了其结构的不同。这一点在以后复杂的数据仓库设计中会通过示例体现出来。 2.1.3  创建foodmartsale数据仓库 数据仓库也是一种数据库，其管理同样是通过数据库管理系统（DBMS）来进行的。因此数据仓库可以像普通数据库一样进行创建、修改和删除。当数据仓库的逻辑结构设计完后，就可以创建物理数据仓库了 在SQL Server Management Studio建立名为“foodmartsaleDW”的数据库，然后把这里设计的表创建好，数据类型依据原始数据库中的各个表和字段的数据类型设置。 但由于这里数据仓库的表结构与原始数据库中的表结构基本一致，因此，创建foodmartsaleDW数据仓库的物理结构过程也可以在ETL阶段完成 2.2  设计和使用ETL 这里的任务就是要把数据从其他类型数据库或其他类型数据载体如access中装载到foodmartsaleDW数据仓库中。需要使用到SQL Server Integration Services服务，即SSIS SSIS （1）打开Business Intelligence Development Studio，选择【文件】→【新建】→【项目】命令，弹出“新建项目”对话框，展开“商业智能项目”，在“模板”窗格中，单击“Integration Services项