2、数据仓库和数据挖掘的OLAP技术.pptxVIP

数据仓库和数据挖掘的 OLAP技术;数据仓库一数据挖掘的有效平台;什么是数据仓库?;数据仓库关键特征一一一面向主题 ■面向主题，是数据仓库显著区别于关系数据库 系统的一个特征 □围绕一些主题，如顾客、供应商、产品等 □关注决策者的数据建模与分析，而不是集中于组织 机构的日常操作和事务处理。 口排除对于决策无用的数据，提供特定主题的简明视 图。;数据仓库关键特征二一一数据集成;数据仓库关键特征三--随时间而变 化;数据仓库关键特征四——数据不易丢 失;数据仓库的构建与使用;数据仓库与异种数据??集成;查询駆动方法和更新駆动方法的比较;数据仓库与操作数据库系统;OLAP VS. OLTP (1);OLAP VS. OLTP (2);OLAP VS. OLTP (3);为什么需要…个分离的数据仓库?;多维数据模型(1);多维数据模型(2);多维数据模型（3）;多维数据模型(4);数据立方体;数据仓库的概念模型;星型模式实例;I雪花模式实例;I事实星座模式实例;一种数据挖掘查询语言:DMQL;I实例：使用DMQL定义星型模式;I实例：使用DMQL定义雪花模式;实例：使用DMQL定义事实星座模式;I度量的分类 ■ 一个数据立方体的度量是一个踏函数，该函数可以对数据立方 体的每一个点求值。 □ t刚才的示例屮用的是什么函数？) ■度量可以根据其所用的聚集函数分为三类： □分布的(distributive)：将函数用于n个聚集值得到的结果和将函数用 于所有数据得到的结果一样。 ■ 比如:count。，sum(), min(), max()等 □代数的(algebraic)：函数可以由一个带M个参数的代数函数计算 (M为有界整数)，而每个参数值都可以有一个分布的聚集函数求 得。 . 比如：avg(), min_N(), standard_deviation() □整体的(holistic)：描述冨数的子聚集所需兩存储没有一个常数界。 ■ 比如：median。，mode。，rank();任课教师：王灿;概念分层(1);Mexico;概念分层(3)——使用;多维数据模型上的OLAP操作(1);多维数据模型上的OLAP操作(2);数据仓库设计：一个商务分析框架(1);数据仓库设计：一个商务分析框架(2);数据仓库设计：一个商务分析框架(3);数据仓库的设计过程⑴;数据仓库的设计过程(2);三层数据仓库架构⑴;三层数据仓库架构(2);三种数据仓库模型;数据仓库开发：困难与方法;数据仓库开发——一个推荐的方法;OLAP服务器类型(1);OLAP服务器类型(2);0;I方体的操作;数据立方体的物化;方体计算：ROLAP vs. MOLAP;I方体计算的多路数组聚集方法⑴;I方体计算的多路数组聚集方法(2);I方体计算的多路数组聚集方法(3);I方体计算的多路数组聚集方法(4);I方体计算的多路数组聚集方法（5）;OLAP查询的有效处理;有效处理OLAP查询（示例）;I元数据存储;I元数据的使用;数据仓库后端工具和程序;数据仓库的应用;从联机分析处理到联机分析挖掘;第三层