數(shù)據(jù)倉庫的設(shè)計及應(yīng)用

數(shù)據(jù)倉庫的設(shè)計及應(yīng)用提綱1.為什么要建立數(shù)據(jù)倉庫2.數(shù)據(jù)倉庫的概念及特性3.數(shù)據(jù)倉庫的結(jié)構(gòu)4.數(shù)據(jù)倉庫的設(shè)計5.數(shù)據(jù)倉庫的開發(fā)過程6.數(shù)據(jù)倉庫的典型應(yīng)用事務(wù)處理環(huán)境不適宜DSS應(yīng)用的原因

事務(wù)處理和分析處理的性能特性不同操作型處理對數(shù)據(jù)的存取操作頻率高而每次操作處理的時間短；

在分析處理環(huán)境中，某個DSS應(yīng)用程序可能需要連續(xù)幾個小時，從而消耗大量的系統(tǒng)資源。數(shù)據(jù)集成問題數(shù)據(jù)動態(tài)集成問題歷史數(shù)據(jù)問題數(shù)據(jù)的綜合問題

抽取程序用抽取程序能將數(shù)據(jù)從高性能聯(lián)機事務(wù)處理方式中轉(zhuǎn)移出來，在需要總體分析數(shù)據(jù)時就與聯(lián)機事務(wù)處理性能不發(fā)生沖突。用抽取程序能將數(shù)據(jù)從聯(lián)機事務(wù)處理范圍內(nèi)移出時，數(shù)據(jù)的控制方式就發(fā)生了轉(zhuǎn)變。體系結(jié)構(gòu)設(shè)計環(huán)境的層次數(shù)據(jù)操作層只保存原始數(shù)據(jù)并且服務(wù)于高性能事務(wù)處理領(lǐng)域；數(shù)據(jù)倉庫層存儲不更新的原始數(shù)據(jù)，此外一些導(dǎo)出數(shù)據(jù)也在此存在；數(shù)據(jù)的部門層幾乎只存放導(dǎo)出數(shù)據(jù)；在數(shù)據(jù)個體層中完成大多數(shù)啟發(fā)式分析操作層原子/數(shù)據(jù)倉庫層部門層個體層數(shù)據(jù)倉庫的概念

數(shù)據(jù)倉庫是在企業(yè)管理和決策中面向主題的、集成的、與時間相關(guān)的、不可修改的數(shù)據(jù)集合。[WilliamH.Inmon]與其他數(shù)據(jù)庫應(yīng)用不同的是，數(shù)據(jù)倉庫更像一種過程，對分布在企業(yè)內(nèi)部各處的業(yè)務(wù)數(shù)據(jù)的整合、加工和分析的過程。數(shù)據(jù)倉庫的結(jié)構(gòu)早期細(xì)節(jié)級當(dāng)前細(xì)節(jié)級輕度綜合級數(shù)據(jù)集市高度綜合級元數(shù)據(jù)操作型轉(zhuǎn)換

數(shù)據(jù)倉庫設(shè)計中的幾個重要概念

ETLETL（Extract/Transformation/Load）—用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗、轉(zhuǎn)換,最終按照預(yù)先定義好的數(shù)據(jù)倉庫模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。元數(shù)據(jù)關(guān)于數(shù)據(jù)的數(shù)據(jù)，指在數(shù)據(jù)倉庫建設(shè)過程中所產(chǎn)生的有關(guān)數(shù)據(jù)源定義，目標(biāo)定義，轉(zhuǎn)換規(guī)則等相關(guān)的關(guān)鍵數(shù)據(jù)。同時元數(shù)據(jù)還包含關(guān)于數(shù)據(jù)含義的商業(yè)信息。粒度數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)的細(xì)化或綜合程度的級別。細(xì)化程度越高，粒度級就越??；相反，細(xì)化程度越低，粒度級就越大。分割結(jié)構(gòu)相同的數(shù)據(jù)被分成多個數(shù)據(jù)物理單元。任何給定的數(shù)據(jù)單元屬于且僅屬于一個分割。典型的元數(shù)據(jù)包括：數(shù)據(jù)倉庫表的結(jié)構(gòu)數(shù)據(jù)倉庫表的屬性數(shù)據(jù)倉庫的源數(shù)據(jù)（記錄系統(tǒng)）從記錄系統(tǒng)到數(shù)據(jù)倉庫的映射數(shù)據(jù)模型的規(guī)格說明抽取日志訪問數(shù)據(jù)的公用例行程序

數(shù)據(jù)倉庫設(shè)計中的幾個重要概念(續(xù)）DataMart數(shù)據(jù)集市--小型的，面向部門或工作組級數(shù)據(jù)倉庫。OperationDataStore操作數(shù)據(jù)存儲—ODS是能支持企業(yè)日常的全局應(yīng)用的數(shù)據(jù)集合,是不同于DB的一種新的數(shù)據(jù)環(huán)境,是DW擴展后得到的一個混合形式。四個基本特點：面向主題的(Subject-Oriented)、集成的、可變的、當(dāng)前或接近當(dāng)前的。datamodel數(shù)據(jù)模型--（1）邏輯數(shù)據(jù)結(jié)構(gòu)，包括由DBMS為有效進行數(shù)據(jù)庫處理提供的操作和約束；（2）用于表示數(shù)據(jù)的系統(tǒng)（例如，ERD或關(guān)系型模型）。

artifact

人工關(guān)系--在DSS環(huán)境中用于表示參照完整性的一種設(shè)計技術(shù)。企業(yè)數(shù)據(jù)模型到數(shù)據(jù)倉庫數(shù)據(jù)模型的轉(zhuǎn)換除去純粹用于操作型環(huán)境的數(shù)據(jù)在企業(yè)鍵碼結(jié)構(gòu)中增加時間元素增加導(dǎo)出數(shù)據(jù)創(chuàng)建人工關(guān)系數(shù)據(jù)模型的規(guī)范化/反規(guī)范化為了減少程序在表中的跳轉(zhuǎn)、節(jié)省I/O，需將多個相關(guān)的表合并；引入冗余數(shù)據(jù)；當(dāng)訪問概率有很大懸殊時，要對數(shù)據(jù)做進一步分離；在物理數(shù)據(jù)庫的設(shè)計中引入導(dǎo)出數(shù)據(jù)可以減少I/O；建立所謂的“創(chuàng)造的”索引或創(chuàng)造的簡要記錄（如卷中的前十名顧客是——）從操作型的現(xiàn)存系統(tǒng)到數(shù)據(jù)倉庫中數(shù)據(jù)轉(zhuǎn)換工作的難點現(xiàn)有系統(tǒng)缺乏數(shù)據(jù)集成，跨越不同應(yīng)用的數(shù)據(jù)集成性很差存取現(xiàn)存系統(tǒng)的效率，掃描已有文件成了數(shù)據(jù)倉庫體系結(jié)構(gòu)設(shè)計者主要面對的問題時基的變化數(shù)據(jù)要濃縮概念：數(shù)據(jù)周期、簡要記錄數(shù)據(jù)周期：是指從操作型數(shù)據(jù)發(fā)生改變起，到這個變化反映到數(shù)據(jù)倉庫中所用的時間。從操作型環(huán)境知道數(shù)據(jù)的改變到這個變化反映到數(shù)據(jù)倉庫中至少應(yīng)該經(jīng)歷24小時。簡要記錄：或聚集記錄，是把不同操作型數(shù)據(jù)的詳細(xì)信息聚集在一個記錄中而形成的記錄。好處：①減少數(shù)據(jù)量；②為用戶的訪問和分析提供了一種緊湊的方便的數(shù)據(jù)組織形式；缺點：信息的詳細(xì)程度將會降低。

VendordataVendordataVendordatavendor_id供應(yīng)商cust_id客戶order_id發(fā)貨OrderdataOrderdataorder_id訂單CustdataCustdataCustdataNonkeydataOrderdataOrderdataOrderdata產(chǎn)品ProductdataProductdataProductdataProductidVendoridNonkeydatacustidNonkeydataorderidNonkeydataproductid數(shù)據(jù)建模的十條戒律①必須回答緊迫的問題；②必須有正確的事實表；③將有正確的維表，描述必須按最終用戶的業(yè)務(wù)術(shù)語表達；④必須理解數(shù)據(jù)倉庫所影響的公司過程或影響數(shù)據(jù)倉庫的公司過程；⑤對于事實表，應(yīng)該有正確的“粒度”；⑥根據(jù)需要存儲正確長度的公司歷史數(shù)據(jù)；⑦以一種對于公司有意義的方式來集成所有必要的數(shù)據(jù)；⑧創(chuàng)建必要的總結(jié)表；⑨創(chuàng)建必要的索引；⑩能夠加載數(shù)據(jù)倉庫數(shù)據(jù)庫并使它以一種適宜的方式可用。數(shù)據(jù)集市外部數(shù)據(jù)用自頂向下的方法構(gòu)建數(shù)據(jù)倉庫數(shù)據(jù)集市建造企業(yè)數(shù)據(jù)倉庫建設(shè)中心數(shù)據(jù)模型一次性的完成數(shù)據(jù)的重構(gòu)工作最小化數(shù)據(jù)冗余度和不一致性存儲詳細(xì)的歷史數(shù)據(jù)從企業(yè)數(shù)據(jù)倉庫中建造數(shù)據(jù)集市得到大部分的集成數(shù)據(jù)直接依賴于數(shù)據(jù)倉庫的可用性操作數(shù)據(jù)問題投資效益的時間?建設(shè)中心數(shù)據(jù)模型的必要性和可能性?初始費用?企業(yè)數(shù)據(jù)倉庫數(shù)據(jù)倉庫的開發(fā)過程建立或獲得企業(yè)的數(shù)據(jù)模型；定義記錄系統(tǒng)；設(shè)計數(shù)據(jù)倉庫并按主題領(lǐng)域進行組織；設(shè)計和建立操作型環(huán)境中的記錄系統(tǒng)和數(shù)據(jù)倉庫之間的接口，這些接口能保證數(shù)據(jù)倉庫的載入工作能有序的進行；開始載入第一個主題領(lǐng)域，進入載入和反饋過程，數(shù)據(jù)倉庫中的數(shù)據(jù)在此過程中也在不斷地改變。數(shù)據(jù)模型的內(nèi)容標(biāo)識主要主題領(lǐng)域。各個主要主題之間的各種關(guān)系。清晰地定義模型的邊界。把原始數(shù)據(jù)和導(dǎo)出數(shù)據(jù)分離。每個主題領(lǐng)域需要標(biāo)識鍵碼屬性屬性分組之間的關(guān)系多重出現(xiàn)的數(shù)據(jù)數(shù)據(jù)的類型表達數(shù)據(jù)模型的最好數(shù)據(jù)最實時最準(zhǔn)確最完備與外部數(shù)據(jù)源最近最具結(jié)構(gòu)兼容性定義記錄系統(tǒng)就是找出現(xiàn)存系統(tǒng)所具有的最好的數(shù)據(jù)在接口中需完成的工作數(shù)據(jù)抽取對來自操作型、面向應(yīng)用型環(huán)境的數(shù)據(jù)的集成數(shù)據(jù)時基的變更數(shù)據(jù)壓縮對現(xiàn)存系統(tǒng)環(huán)境的有效掃描數(shù)據(jù)倉庫開發(fā)成功的關(guān)鍵關(guān)鍵：是數(shù)據(jù)體系結(jié)構(gòu)設(shè)計者和DSS分析者之間的反饋循環(huán)。有幾點觀察結(jié)果對數(shù)據(jù)倉庫環(huán)境的成功建立是至關(guān)重要的問題：DSS分析人員一定要嚴(yán)格遵循“給我我所要的東西，然后我能告訴你我真正需要的東西”的工作模式；反饋循環(huán)的周期越短，越有可能成功；需要調(diào)整的數(shù)據(jù)量越大，反饋循環(huán)所需要的周期就越長數(shù)據(jù)倉庫的應(yīng)用在證券業(yè)的應(yīng)用:可處理客戶分析、帳戶分析、證券交易數(shù)據(jù)分析、非資金交易分析等多個業(yè)界關(guān)心的主題，為客戶提供針對其個人習(xí)慣、投資組合的投資建議，從而真正作到對客戶的貼心服務(wù)。在銀行領(lǐng)域的應(yīng)用:防范銀行的經(jīng)營風(fēng)險、實現(xiàn)科學(xué)管理以及進行決策.在稅務(wù)領(lǐng)域的應(yīng)用：可以解決三個方面的問題：一是查出應(yīng)稅未報者和瞞稅漏稅者，并對其進行跟蹤；二是對不同行業(yè)、產(chǎn)品和市場中納稅人的行為特性進行描述，找出普遍規(guī)律，謀求因勢利導(dǎo)的稅務(wù)征稽策略；三是對不同行業(yè)、產(chǎn)品和市場應(yīng)收稅款進行預(yù)測，制定最有效的征收計劃