数据仓库入门.pptVIP

数据仓库入门第1页，共36页，星期日，2025年，2月5日数据仓库管理的历史时期人工管理方式：这一时期是在20世纪50年代中期以前，这一阶段的计算机应用主要用于科学计算，外存只有纸带、磁带、卡片等，数据处理的方式基本上是批处理。这一时期数据管理的特点是：数据不保存；没有专用的数据管理软件，每个应用都必须自己完成存储结构、存取方法、输入输入输出等数据管理功能；一组数据对应一个应用，这使得程序之间可能有重复的数据。文件系统管理这一阶段在20世纪50年代后期至60年代中后期，计算机应用开始用于信息管理，由于数据存储、检索和维护等需求，使得相应的研究开展起来了，在硬件和软件方面都得到了发展，磁盘磁鼓出现，操作系统也产生。这一时期数据管理的特点主要是：：数据保存，数据可以长期保存在磁盘上；有操作系统的文件管理系统，文件结构化，数据的物理结构和逻辑结构有了区别；有了存储文件后，数据可以不再仅仅属于某一个应用，而能进行一定程度的复用。但文件系统在数据管理方面存在缺陷，表现在数据冗余度大，数据和程序之间缺乏独立性，容易造成数据的不一致性。数据库系统（60年代末开始）*第2页，共36页，星期日，2025年，2月5日数据仓库的发展的动力业务需求驱动主要是详细的分析科学的经营市场活动的细化和实施等数据驱动数据量不断扩大没有数据仓库等相关技术很难全面了解企业项目驱动*第3页，共36页，星期日，2025年，2月5日数据仓库定义Inmon的定义：DataWarehouseisasubject-oriented,integrated,time-variant,andnonvolatilecollectionofdatainsupportofmanagement’sdecisionmakingprocess数据仓库的特点数据仓库的数据是面向主题的数据仓库的数据是集成的数据仓库的数据是与时间相关的数据仓库的数据是稳定的*第4页，共36页，星期日，2025年，2月5日简单的数据仓库架构*第5页，共36页，星期日，2025年，2月5日数据仓库实际应用例子*第6页，共36页，星期日，2025年，2月5日数据集成企业全面的经营数据OLTP分散在各个不同系统中（事件独立）银行：卡、储蓄、信贷、会计、中间业务等等系统BOSS＋增值业务＋财务集成数据建立关联事件关联（业务之间是相互关联）客户数据统一历史数据大量历史数据的保存问题中国建设银行一个中等规模的省产生每天的交易详细记录大约200M通常在业务系统中只保存当日数据历史数据查询困难*第7页，共36页，星期日，2025年，2月5日数据仓库数据处理流程数据格式检查源数据清洁、抽取、转换ODS数据抽取、转换装载数据到DW装载到OLAP报表展现业务系统数据/外部数据DW数据抽取、转换DW数据生成报表装载数据到ODS分析性查询*第8页，共36页，星期日，2025年，2月5日ETL简述*第9页，共36页，星期日，2025年，2月5日ETL定义ETL:Extract-Transform-Load数据抽取（Extract）、转换（Transform）、装载（Load）的过程。ETL是BI/DW的核心和灵魂，按照统一的规则集成并提高数据的价值，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据仓库的重要步骤*第10页，共36页，星期日，2025年，2月5日ETL应用过程数据抽取抽取主要是针对各个业务系统及不同网点的分散数据，充分理解数据定义后，规划需要的数据源及数据定义，制定可操作的数据源，制定增量抽取的定义。(数据源和文件等多种形式)数据传输数据传输是通过网络负责把远程的数据到本地目录下。*第11页，共36页，星期日，2025年，2月5日ETL应用过程数据的清洗和转换转换主要是针对数据仓库建立的模型，通过一系列的转换来实现将数据从业务模型到分析模型，通过内建的库函数、自定义脚本或其他的扩展方式，实现了各种复杂的转换，并且支持调试环境，清楚的监控数据转换的状态。数据转换是真正将源数据变为目标数据的关键环节，它包括数据格式转，换数据类型转换、数据汇总计算、数据拼接等等。清洗主要是针对系统的各个环节可能出现的数据二义性、重复、不完整、违反业务规则等问题，允许通过试抽取，将有问题的纪录先剔除出来，根据实际情况调整相应的清洗操作。*第1