数据仓库和数据挖掘的OLAP技术.pptxVIP

数据仓库与OLAP技术;数据仓库概述;信息系统层次结构（ERP为例）;数据透视表—多维数据分析工具;什么是数据仓库?;数据仓库与数据挖掘的关系

--是支持数据挖掘的有效平台;数据仓库的关键特征;数据仓库关键特征一——面向主题;数据仓库关键特征二——数据集成;数据仓库关键特征三——随时间变化;数据仓库关键特征四——数据不易失;数据仓库概述;数据仓库的构建与使用;异种数据库集成方法;查询驱动方法和更新驱动方法的比较;数据仓库与事务(操作)数据库系统;OLAPVS.OLTP(1);OLAPVS.OLTP(2);OLAPVS.OLTP(3);为什么需要一个分离的数据仓库?;数据仓库概述;多维数据模型(1);多维数据模型(2)——示例（关注不同分支机构的销售数据）;多维数据模型(2)——示例（关注不同供应商的销售数据）;多维数据模型(3);多维数据模型(3);数据立方体——一个方体的格;数据仓库的概念模型;星型模式实例;雪花模式实例;事实星座模式实例;一种数据挖掘查询语言:DMQL;实例：使用DMQL定义星型模式;实例：使用DMQL定义雪花模式;实例：使用DMQL定义事实星座模式;度量的分类;数据仓库概述;概念分层(1);概念分层(2):location维的一个概念分层;January4,2024;January4,2024;January4,2024;January4,2024;44;SqlServer中维度属性层次关系的定义;概念分层(3)——使用;数据仓库概述;多维数据模型上的OLAP操作(1);多维数据模型上的OLAP操作(2);OLAP:多维分析;OLAP：旋转;OLAP：钻取;OLAP：切片;数据仓库概述;数据仓库开发模式;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);数据仓库设计中关键问题（4）;三层数据仓库架构(1);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;数据仓库概述;OLAP服务器类型(1);OLAP服务器类型(2);数据仓库的实现

——数据立方体的有效计算;方体的计算问题;70;71;方体存储方法：ROLAPvs.MOLAP;方体计算的多路数组聚集方法(1);方体计算的多路数组聚集方法(2);方体计算的多路数组聚集方法(3);完全方体计算的多路数组聚集方法;方体计算的多路数组聚集方法(5);OLAP查询的有效处理;数据立方??的物化;有效处理OLAP查询（示例）;81;82;83;元数据存储;元数据的使用;数据仓库后端工具和程序;数据仓库概述;数据仓库的应用;从联机分析处理到联机分析挖掘;联机分析挖掘的体系结构;DB2DataWarehouse体系结构;微软的数据仓库架构;当前状态;挑战：信息孤岛;建立数据仓库、实施商业智能;如何实施商业智能;IBMBI解决方案产品;不同的数据用于不同的目的;OLAP;建立数据仓库的过程;小结;课堂讨论;讨论主题（问题）

请同学们任选其中一个讨论的问题进行报告，报告时间20分钟。