DW聯(lián)機(jī)分析處理與決策支持

1

第3章聯(lián)機(jī)分析處理3.1OLAP概念3.2OLAP的數(shù)據(jù)模型3.3多維數(shù)據(jù)的顯示3.4OLAP多維數(shù)據(jù)分析23.1.1OLAP定義1.OLAP理事會(huì)給出的定義聯(lián)機(jī)分析處理（OLAP）是一種軟件技術(shù)，它使分析人員能夠迅速、一致、交互地從各個(gè)方面（多維）觀察信息，以達(dá)到深入理解數(shù)據(jù)的目的。這些信息是從原始數(shù)據(jù)轉(zhuǎn)換過(guò)來(lái)的，按照用戶的理解，它反映了企業(yè)真實(shí)的方方面面。32.OLAP的簡(jiǎn)單定義

聯(lián)機(jī)分析處理是共享多維信息的快速分析。它體現(xiàn)了四個(gè)特征：（1）快速性：用戶對(duì)OLAP的快速反應(yīng)能力有很高的要求。（2）可分析性：OLAP系統(tǒng)應(yīng)能處理任何邏輯分析和統(tǒng)計(jì)分析。（3）多維性：系統(tǒng)必須提供對(duì)數(shù)據(jù)分析的多維視圖和分析。（4）信息性：OLAP系統(tǒng)應(yīng)能及時(shí)獲得信息，并且管理大容量的信息。

4

1993年，E.F.Codd提出OLAP的12條準(zhǔn)則，其主要的準(zhǔn)則有以下四條：（1）多維數(shù)據(jù)分析；（2）客戶/服務(wù)器結(jié)構(gòu)；（3）多用戶支持；（4）一致的報(bào)表性能等。

在12條準(zhǔn)則中，挑選如下幾條說(shuō)明：3.1.2OLAP準(zhǔn)則

51.多維概念視圖企業(yè)的數(shù)據(jù)空間本身就是多維的。因此OLAP的概念模型也應(yīng)是多維的。用戶可以對(duì)多維數(shù)據(jù)模型進(jìn)行切片、切塊、旋轉(zhuǎn)坐標(biāo)或進(jìn)行多維的綜合（概括和聚集）分析。64.一致穩(wěn)定的報(bào)表性能

報(bào)表操作不應(yīng)隨維數(shù)增加而削弱，即當(dāng)數(shù)據(jù)維數(shù)和數(shù)據(jù)的綜合層次增加時(shí)，提供的報(bào)表能力和響應(yīng)速度不應(yīng)該有明顯的降低。

75．客戶/服務(wù)器體系結(jié)構(gòu)

OLAP是建立在網(wǎng)絡(luò)上的客戶/服務(wù)器體系結(jié)構(gòu)。

多維數(shù)據(jù)庫(kù)服務(wù)器能夠被不同的應(yīng)用和工具所訪問(wèn)。

客戶端負(fù)責(zé)用戶的應(yīng)用邏輯及界面。8

8．多用戶支持能力

當(dāng)多個(gè)用戶要在同一分析模式上并行工作，OLAP工具應(yīng)能夠提供并發(fā)訪問(wèn)等功能（客戶/服務(wù)器結(jié)構(gòu)能滿足這個(gè)要求)。

11．靈活的報(bào)表生成

報(bào)表必須充分反映數(shù)據(jù)分析模型的多維特征，并可按用戶需要的方式來(lái)顯示它。9

（1）變量：變量是數(shù)據(jù)的實(shí)際意義，即描述數(shù)據(jù)“是什么”。

（2）維：維是人們觀察數(shù)據(jù)的特定角度。如產(chǎn)品維、顧客維、時(shí)間維(即座標(biāo)系中的座標(biāo)）等。

（3）維的層次：數(shù)據(jù)的細(xì)節(jié)不同程度為維的層次如日、月、季、年是時(shí)間維的層次。

（4）維成員：維的一個(gè)取值稱(chēng)為該維的一個(gè)維成員。如“某年某月某日”是時(shí)間維的一個(gè)成員。

3.1.3OLAP的基本概念

10（5）多維數(shù)組：一個(gè)多維數(shù)組可以表示為：（維1，維2，……，維n，變量）一個(gè)4維的結(jié)構(gòu)，即（產(chǎn)品，地區(qū)，時(shí)間，銷(xiāo)售渠道，銷(xiāo)售額）。（6）數(shù)據(jù)單元（單元格）：多維數(shù)組的取值稱(chēng)為數(shù)據(jù)單元。如：4維數(shù)據(jù)單元（牙膏，上海，1998年12月，批發(fā)，銷(xiāo)售額為100000）。

OLAP的基本概念（續(xù)）113.2OLAP的數(shù)據(jù)模型

3.2.1MOLAP數(shù)據(jù)模型3.2.2ROLAP數(shù)據(jù)模型3.2.3MOLAP與ROLAP的比較3.2.4HOLAP數(shù)據(jù)模型123.2.1MOLAP的數(shù)據(jù)模型

MOLAP是基于多維數(shù)據(jù)庫(kù)存儲(chǔ)方式建立的OLAP；表現(xiàn)為“超立方”結(jié)構(gòu)，采用類(lèi)似于多維數(shù)組的結(jié)構(gòu)。例如，二維MDDB（數(shù)組，即矩陣）的數(shù)據(jù)組織見(jiàn)表3.1所示。13表3.1MDDB（二維）數(shù)據(jù)組織北京上海廣州衣服600700500鞋800900700帽子10020080143.2.2ROLAP數(shù)據(jù)模型ROLAP是基于關(guān)系數(shù)據(jù)庫(kù)的OLAP。它是一個(gè)平面結(jié)構(gòu)，用關(guān)系數(shù)據(jù)庫(kù)表示多維數(shù)據(jù)時(shí)，采用星型模型。15產(chǎn)品名地區(qū)銷(xiāo)售量衣服北京600衣服上海700衣服廣州500鞋北京800鞋上海900鞋廣州700帽子北京100帽子上海200帽子廣州80表3.3關(guān)系數(shù)據(jù)庫(kù)RDBMS數(shù)據(jù)組織163.2.3MOLAP與ROLAP的比較1.數(shù)據(jù)存取速度（MOLAP的響應(yīng)速度快）2.數(shù)據(jù)存儲(chǔ)的容量（ROLAP存儲(chǔ)容量上沒(méi)有限制）3.多維計(jì)算的能力（MOLAP能夠支持高性能計(jì)算）4.維度變化的適應(yīng)性（ROLAP對(duì)于維表的變更有很好的適應(yīng)性）5.數(shù)據(jù)變化的適應(yīng)性（ROLAP對(duì)于數(shù)據(jù)變化的適應(yīng)性高)6.軟硬件平臺(tái)的適應(yīng)性(ROLAP適應(yīng)性很好)171.數(shù)據(jù)存取速度ROLAP服務(wù)器需要將SQL語(yǔ)句轉(zhuǎn)化為多維存儲(chǔ)語(yǔ)句，臨時(shí)“拼合”出多維數(shù)據(jù)立方體。因此，ROLAP的響應(yīng)時(shí)間較長(zhǎng)。

MOLAP在數(shù)據(jù)存儲(chǔ)速度上性能好，響應(yīng)速度快。

182.數(shù)據(jù)存儲(chǔ)的容量ROLAP使用的傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)的存儲(chǔ)方法，在存儲(chǔ)容量上基本沒(méi)有限制。MOLAP通常采用多平面疊加成立體的方式存放數(shù)據(jù)。當(dāng)數(shù)據(jù)量超過(guò)操作系統(tǒng)最大文件長(zhǎng)度時(shí)，需要進(jìn)行數(shù)據(jù)分割。多維數(shù)據(jù)庫(kù)的數(shù)據(jù)量級(jí)難以達(dá)到太大的字節(jié)級(jí)。193.多維計(jì)算的能力MOLAP能夠支持高性能的決策支持計(jì)算。ROLAP無(wú)法完成多行的計(jì)算和維之間的計(jì)算。204.維度變化的適應(yīng)性MOLAP增加新的維度，則多維數(shù)據(jù)庫(kù)通常需要重新建立。ROLAP對(duì)于維表的變更有很好的適應(yīng)性。215.數(shù)據(jù)變化的適應(yīng)性當(dāng)數(shù)據(jù)頻繁的變化時(shí)，MOLAP需要進(jìn)行大量的重新計(jì)算，甚至重新建立索引乃至重構(gòu)多維數(shù)據(jù)庫(kù)。在ROLAP中靈活性較好，對(duì)于數(shù)據(jù)變化的適應(yīng)性高。226.軟硬件平臺(tái)的適應(yīng)性ROLAP對(duì)軟硬件平臺(tái)的適應(yīng)性很好，而MOLAP相對(duì)較差。7.元數(shù)據(jù)管理目前在元數(shù)據(jù)的管理，MOLAP和ROLAP都沒(méi)有成形的標(biāo)準(zhǔn)。MOLAP和ROLAP的對(duì)比簡(jiǎn)表MOLAPROLAP固定維可變維維交叉計(jì)算多維視圖行級(jí)計(jì)算超大型數(shù)據(jù)庫(kù)讀-寫(xiě)應(yīng)用維數(shù)據(jù)變化速度快數(shù)據(jù)集市數(shù)據(jù)倉(cāng)庫(kù)243.2.4HOLAP數(shù)據(jù)模型

HOLAP（HybridOLAP），即混和OLAP介于MOLAP和ROLAP之間。在HOLAP中，對(duì)最常用的維度和維層次，使用多維數(shù)據(jù)表來(lái)存儲(chǔ)，對(duì)于用戶不常用的維度和數(shù)據(jù)，采用ROLAP星型結(jié)構(gòu)來(lái)存儲(chǔ)。在HOLAP的多維數(shù)據(jù)表中的數(shù)據(jù)維度少于MOLAP中的維度表，數(shù)據(jù)存儲(chǔ)容量也少于MOLAP方式。HOLAP在數(shù)據(jù)存取速度上又低于MOLAP。253.3多維數(shù)據(jù)的顯示3.3.1多維數(shù)據(jù)顯示方法3.3.2多維類(lèi)型結(jié)構(gòu)(MTS)3.3.3多維數(shù)據(jù)的分析視圖263.3.1多維數(shù)據(jù)顯示方法多維數(shù)據(jù)的顯示只能在平面上展現(xiàn)出來(lái)產(chǎn)品名地區(qū) 時(shí)間銷(xiāo)售量衣服北京1月100衣服北京2月200衣服北京3月300衣服上海1月200衣服上海2月300衣服上海3月400衣服廣州1月150衣服廣州2月250衣服廣州3月300鞋北京1月150鞋北京2月300鞋北京3月350鞋上海1月200鞋上海2月300鞋上海3月400鞋廣州1月150鞋廣州2月250鞋廣州3月300…………273.3.2多維類(lèi)型結(jié)構(gòu)(MTS)表示方法是：每一個(gè)維度用一條線段來(lái)表示。維度中的每一個(gè)成員都用線段上的一個(gè)單位區(qū)間來(lái)表示。例如，用三個(gè)線段分別表示時(shí)間、產(chǎn)品和指標(biāo)三個(gè)維的多維類(lèi)型結(jié)構(gòu)如圖3.3所示。28圖3.3三維MTS例29在圖3.3多維類(lèi)型結(jié)構(gòu)(MTS)中，指定：

時(shí)間維成員是3月，產(chǎn)品維成員是鞋，

指標(biāo)維成員是銷(xiāo)售量，

這樣它代表了三維數(shù)據(jù)總得一個(gè)空間數(shù)據(jù)點(diǎn)，如圖3.4所示。30圖3.4多維類(lèi)型結(jié)構(gòu)中的空間數(shù)據(jù)點(diǎn)313.3.3多維數(shù)據(jù)的分析視圖在平面的屏幕上顯示多維數(shù)據(jù)，是利用行、列和頁(yè)面三個(gè)顯示組來(lái)表示的。例如，對(duì)上例的四維MTS實(shí)例：在頁(yè)面上選定商店維度中“商店3”，在行中選定時(shí)間維的“1月、2月、3月”共3個(gè)成員，在列中選定產(chǎn)品維中的“上衣、褲、帽子”三個(gè)成員，在指標(biāo)維中的“固定成本、直接銷(xiāo)售”二個(gè)成員。該四維數(shù)據(jù)的顯示如圖3.6所示。32商店3（頁(yè)面）上衣褲帽子直接銷(xiāo)售固定成本直接銷(xiāo)售固定成本直接銷(xiāo)售固定成本1月4503505504505004002月3802804603604003203月400310480410450400圖3.6四維數(shù)據(jù)的顯示33對(duì)于更多維度的數(shù)據(jù)顯示，需要選擇維度及其成員分布在行或者列中。在頁(yè)面上可以選定多個(gè)維度，但每個(gè)維度只能顯示一個(gè)成員。在行或者列中一般只選擇二個(gè)維，每個(gè)維可以多個(gè)成員。例如，對(duì)6個(gè)維度數(shù)據(jù)，它的MTS如圖3.7所示。34圖3.7六維維MTS例35對(duì)以上六維數(shù)據(jù)中，設(shè)定頁(yè)面維度為商店的成員是“商店3”，客戶維度成員是“老年”。行維度含時(shí)間維和產(chǎn)品維共2個(gè)維度，其中時(shí)間維中成員為“1月、2月、3月”。產(chǎn)品維中成員為“桌子、臺(tái)燈”。列維度含指標(biāo)維和場(chǎng)景維共2個(gè)維度，其中指標(biāo)維中成員為“直接銷(xiāo)售、間接銷(xiāo)售、總銷(xiāo)售”。場(chǎng)景維中成員為“實(shí)際、計(jì)劃”。具體的顯示數(shù)據(jù)如圖3.8所示。36商店3，老年（頁(yè)面）直接銷(xiāo)售間接銷(xiāo)售總銷(xiāo)售實(shí)際計(jì)劃實(shí)際計(jì)劃實(shí)際計(jì)劃1月桌子250300125150375450臺(tái)燈2653201331604004802月桌子333400167200500600臺(tái)燈2833401421704255103月桌子350420175210525630臺(tái)燈250300125150375450圖3.8六維數(shù)據(jù)的顯示373.4OALP的多維數(shù)據(jù)分析3.4.1多維數(shù)據(jù)分析的基本操作3.4.2多維數(shù)據(jù)分析實(shí)例3.4.3廣義OLAP功能38OLAP的目的是為管理決策人員通過(guò)一種靈活的多維數(shù)據(jù)分析手段，提供輔助決策信息?；镜亩嗑S數(shù)據(jù)分析操作包括切片、切塊、旋轉(zhuǎn)、鉆取等。我們把在多維數(shù)據(jù)分析中加入數(shù)據(jù)分析模型和商業(yè)分析模型稱(chēng)為廣義OLAP。39例如，以“產(chǎn)品、城市、時(shí)間”三維數(shù)據(jù)，如圖403.4.1多維數(shù)據(jù)分析的基本操作1.切片對(duì)三維數(shù)據(jù)，通過(guò)“切片”，分別從城市和產(chǎn)品等不同的角度觀察銷(xiāo)售情況：

412.切塊在多維數(shù)組的某一個(gè)維上選定某一區(qū)間的維成員的操作，切塊可以看成是在切片的基礎(chǔ)上，確定某一個(gè)維成員的區(qū)間得到的片段，也即由多個(gè)切片疊合起來(lái)。圖3.11三維數(shù)據(jù)切塊423.鉆取鉆取有向下鉆取（drilldown）和向上鉆?。╠rillup）操作。向下鉆取是使用戶在多層數(shù)據(jù)中能通過(guò)導(dǎo)航信息而獲得更多的細(xì)節(jié)性數(shù)據(jù)。向上鉆取獲取概括性的數(shù)據(jù)。43鉆取：例如，2005年各部門(mén)銷(xiāo)售收入表如下：44對(duì)時(shí)間維進(jìn)行下鉆操作，獲得新表如下：2009年部門(mén)1季度2季度3季度4季度部門(mén)1200200350150部門(mén)225050150150部門(mén)3200150180270454.旋轉(zhuǎn)通過(guò)旋轉(zhuǎn)可以得到不同視角的數(shù)據(jù)。旋轉(zhuǎn)操作相當(dāng)于平面數(shù)據(jù)將坐標(biāo)軸旋轉(zhuǎn)。例如，旋轉(zhuǎn)可能包含了交換行和列，或是把某一個(gè)行維移到列維中去?；蚴前秧?yè)面顯示中的一個(gè)維和頁(yè)面外的維進(jìn)行交換（令其成為新的行或列中的一個(gè)）46旋轉(zhuǎn)時(shí)間維產(chǎn)品維產(chǎn)品維時(shí)間維（a）行列交換旋轉(zhuǎn)以改變顯示布局時(shí)間維地區(qū)維產(chǎn)品維時(shí)間維產(chǎn)品維地區(qū)維47

3.4.2多維數(shù)據(jù)分析實(shí)例1．切片為了對(duì)廣東省全省營(yíng)業(yè)稅和個(gè)人所得稅在2006-2007兩年的納稅情況進(jìn)行全面了解，需要對(duì)全省稅收數(shù)據(jù)按城市進(jìn)行切片顯示，部分城市數(shù)據(jù)如表3.10所示。48表3.10廣東省各市營(yíng)業(yè)稅和個(gè)人所得稅表(億元)

2006年?duì)I業(yè)稅2006年所得稅2007年?duì)I業(yè)稅2007年所得稅廣州市19996231122東莞市53.425.470.331.6珠海市23.99.134.913.9佛山市55.729.372.534.4

由表中數(shù)據(jù)可知：廣州營(yíng)業(yè)稅增加：32.8億元，增長(zhǎng)率為16.5%。廣州個(gè)人所得稅增加：25.6億元，增長(zhǎng)率為26.7%。東莞營(yíng)業(yè)稅增加：16.9億元，增長(zhǎng)率為31.68%。東莞?jìng)€(gè)人所得稅增加：6.2億元，增長(zhǎng)率為24.6%對(duì)營(yíng)業(yè)稅而言，增長(zhǎng)量最大的城市是廣州，增加速度較快的城市是東莞（31.68%）。492．向下鉆取為了更深入分析東莞市的各行業(yè)的營(yíng)業(yè)稅情況，需要對(duì)東莞營(yíng)業(yè)稅數(shù)據(jù)下鉆分析。

2006、2007兩年部分行業(yè)的納稅情況見(jiàn)表3.11所示。50表3.11東莞市各行業(yè)的營(yíng)業(yè)稅表(百萬(wàn)元)

2006年?duì)I業(yè)稅2007年?duì)I業(yè)稅農(nóng)、林、牧、漁業(yè)1510房地產(chǎn)業(yè)12041510制造業(yè)85.5112.8歺飲業(yè)327.9363.8金融業(yè)475.7698.1采礦業(yè)0.0280.02651由表中數(shù)據(jù)可知，東莞市：農(nóng)、林、牧、漁業(yè)下降了5.5百萬(wàn)元，下降率為35.2%。采礦業(yè)下降0.02百萬(wàn)元，下降率為10.5%。房地產(chǎn)業(yè)增加306.5百萬(wàn)元，增加率為21%。金融業(yè)增加222.4百萬(wàn)元，增加率為46.8%。52四種行業(yè)的增減率用直方圖表示

533．?dāng)?shù)據(jù)分析（1）宏觀分析從表3.10中的數(shù)據(jù)可以宏觀的看出，東莞市的營(yíng)業(yè)稅增長(zhǎng)很突出，在廣東省中名列前位。54（2）深入分析東莞的農(nóng)、林、牧、漁業(yè)下降明顯，采礦業(yè)也下降。而房地產(chǎn)業(yè)增長(zhǎng)明顯，金融業(yè)增長(zhǎng)突出。通過(guò)調(diào)查得到原因是，隨著經(jīng)濟(jì)的發(fā)展，東莞的外來(lái)合資企業(yè)越來(lái)越多，本地農(nóng)民很多把地賣(mài)了或者租出去建廠房然后收租金，是產(chǎn)生農(nóng)林漁營(yíng)業(yè)稅下降的主要原因，東莞市近年逐步實(shí)現(xiàn)產(chǎn)業(yè)轉(zhuǎn)移，由農(nóng)業(yè)更多的轉(zhuǎn)向制造業(yè)和加工業(yè)。第4章數(shù)據(jù)倉(cāng)庫(kù)的決策支持

4.1數(shù)據(jù)倉(cāng)庫(kù)的用戶5.2數(shù)據(jù)倉(cāng)庫(kù)的決策支持與決策支持系統(tǒng)4.3數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用實(shí)例4．1數(shù)據(jù)倉(cāng)庫(kù)的用戶

4.1.1數(shù)據(jù)倉(cāng)庫(kù)的信息使用者4.1.2數(shù)據(jù)倉(cāng)庫(kù)的探索者數(shù)據(jù)倉(cāng)庫(kù)的用戶有兩類(lèi)：信息使用者和探索者信息使用者是使用數(shù)據(jù)倉(cāng)庫(kù)的大量用戶。

信息使用者以一種可預(yù)測(cè)的、重發(fā)性的方式使用數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)。

信息使用者通常查看概括數(shù)據(jù)或聚集數(shù)，查看相同的商業(yè)維度（如產(chǎn)品、客戶、時(shí)間）和指標(biāo)（如收入和成本）隨時(shí)間的發(fā)展趨勢(shì)。探索者完全不同于信息使用者，他們有一個(gè)完全不可預(yù)測(cè)的、非重復(fù)性的數(shù)據(jù)使用模式。

探索者的任務(wù)是尋找公司數(shù)據(jù)內(nèi)隱含的價(jià)值并且根據(jù)過(guò)去事件努力預(yù)測(cè)未來(lái)決策的結(jié)果。探索者是典型的數(shù)據(jù)挖掘者。4.1.2數(shù)據(jù)倉(cāng)庫(kù)的探索者探索者要做的工作有：概括分析、抽取、建模和分類(lèi)。(1)概括分析探索者開(kāi)始以分析數(shù)據(jù)的完整性和準(zhǔn)確性（數(shù)據(jù)質(zhì)量）。在概括分析活動(dòng)中，要詢(xún)問(wèn)的典型問(wèn)題包括：家庭收入如何分配？有多少帳戶每月消費(fèi)超過(guò)200元？有多少客戶有兩個(gè)以上的小孩并居住在市區(qū)？(2)抽取從數(shù)據(jù)倉(cāng)庫(kù)中抽取指定的數(shù)據(jù)，并組織起來(lái)，送入支持探索者分析的探索倉(cāng)庫(kù)中。(3)建模探索者通過(guò)概括分析來(lái)理解數(shù)據(jù)，通過(guò)抽取來(lái)準(zhǔn)備數(shù)據(jù)，通過(guò)建模來(lái)分析數(shù)據(jù)。建模是開(kāi)發(fā)一種用來(lái)描述實(shí)體（如客戶、商品、渠道等）的關(guān)系模型的過(guò)程。探索者使用的模型有：客戶分段后續(xù)產(chǎn)品欺詐檢測(cè)渠道響應(yīng)（例如，電話銷(xiāo)售和直接郵寄）信用風(fēng)險(xiǎn)客戶生存期價(jià)值推銷(xiāo)響應(yīng)例如，利用建模來(lái)確認(rèn)有可能拖延支付電話帳單的客戶：首先，建立一個(gè)模型（利用統(tǒng)計(jì)學(xué)和行為科學(xué)）來(lái)確認(rèn)經(jīng)常拖延支付電話帳單的客戶特征。然后，根據(jù)客戶與模型的密切程度，對(duì)所有的客戶分類(lèi)。這樣，可以提供誰(shuí)將不支付電話帳單的某種可能性預(yù)測(cè)。4.2數(shù)據(jù)倉(cāng)的決策支持與決策支持系統(tǒng)4.2.1查詢(xún)與報(bào)表4.2.2多維分析與原因分析4.2.3預(yù)測(cè)未來(lái)4.2.4實(shí)時(shí)決策4.2.5自動(dòng)決策4.2.6決策支持系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)是一種能夠提供重要戰(zhàn)略信息，并獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的新技術(shù)，從而得到迅速的發(fā)展。具體的戰(zhàn)略信息有：給出銷(xiāo)售量最好的產(chǎn)品名單找出出現(xiàn)問(wèn)題的地區(qū)（切片）追蹤查找出現(xiàn)問(wèn)題原因（向下鉆?。?duì)比其他的數(shù)據(jù)（橫向鉆取）顯示最大的利潤(rùn)當(dāng)一個(gè)地區(qū)的銷(xiāo)售低于目標(biāo)值時(shí)，提出警告信息。建立數(shù)據(jù)倉(cāng)庫(kù)的目的不只是為了存儲(chǔ)更多的數(shù)據(jù)，而是要對(duì)這些數(shù)據(jù)進(jìn)行處理并轉(zhuǎn)換成商業(yè)信息和知識(shí)，利用這些信息和知識(shí)來(lái)支持企業(yè)進(jìn)行正確的商業(yè)行動(dòng)，并最終獲得效益。數(shù)據(jù)倉(cāng)庫(kù)的功能是在恰當(dāng)?shù)臅r(shí)間，把準(zhǔn)確的信息傳遞給決策者，使他能作出正確的商業(yè)決策。4.2.1查詢(xún)與報(bào)表1.查詢(xún)（1）能向用戶提供查詢(xún)的初始化，公式表示和結(jié)果顯示等功能。（2）由元數(shù)據(jù)來(lái)引導(dǎo)查詢(xún)過(guò)程（3）用戶能夠輕松地瀏覽數(shù)據(jù)結(jié)構(gòu)（4）信息是用戶自己主動(dòng)索取的，而不是數(shù)據(jù)倉(cāng)庫(kù)強(qiáng)加給他們的（5）查詢(xún)環(huán)境必須要靈活地適應(yīng)不同類(lèi)型的用戶2.報(bào)表（1）預(yù)格式化報(bào)表。（2）參數(shù)驅(qū)動(dòng)的預(yù)定義報(bào)表。（3）簡(jiǎn)單的報(bào)表開(kāi)發(fā)。（4）公布和訂閱。（5）傳遞選項(xiàng)。（6）多數(shù)據(jù)操作選項(xiàng)。（7）多種展現(xiàn)方式選項(xiàng)。4.2.2多維分析與原因分析1、多維分析通過(guò)多維分析將獲得在各種不同維度下的實(shí)際商業(yè)活動(dòng)值（如銷(xiāo)售量等），特別是他們的變化值和差值，達(dá)到輔助決策效果。例如通過(guò)多維分析得到如下信息：今年以來(lái)，公司的哪些產(chǎn)品量是最有利潤(rùn)的？最有利潤(rùn)的產(chǎn)品是不是和去年一樣的？2、原因分析查找問(wèn)題出現(xiàn)的原因是一項(xiàng)很重要的決策支持任務(wù)，一般通過(guò)多維數(shù)據(jù)分析的“向下鉆取”操作來(lái)完成。某公司從分析報(bào)表中得知最近幾個(gè)月來(lái)整個(gè)企業(yè)的利潤(rùn)在急速下滑，通過(guò)人機(jī)交互找出該企業(yè)利潤(rùn)下滑的原因。（1）查詢(xún)整個(gè)公司最近3個(gè)月來(lái)各個(gè)月份的銷(xiāo)售額和利潤(rùn)，顯示銷(xiāo)售額正常，但利潤(rùn)下降。（2）查詢(xún)?nèi)澜绺鱾€(gè)區(qū)域每個(gè)月的銷(xiāo)售額和利潤(rùn)，顯示歐洲地區(qū)銷(xiāo)售額下降，利潤(rùn)急劇下降。（3）查詢(xún)歐洲各國(guó)銷(xiāo)售額和利潤(rùn)。顯示一些國(guó)家利潤(rùn)率上升，一些國(guó)家持平，歐盟國(guó)家利潤(rùn)率急劇下降。（4）查詢(xún)歐盟國(guó)家中的直接和間接成本。得到直接成本沒(méi)有問(wèn)題，但間接成本提高了。（5）查詢(xún)間接成本的詳細(xì)情況。得出企業(yè)征收了額外附加稅，使利潤(rùn)下降。通過(guò)原因分析，得到企業(yè)利潤(rùn)下滑的真正原因是歐盟國(guó)家征收了額外附加稅造成。4.2.3預(yù)測(cè)未來(lái)預(yù)測(cè)未來(lái)使決策者了解“將要發(fā)生什么”。數(shù)據(jù)倉(cāng)庫(kù)中存放了大量的歷史數(shù)據(jù)，從歷史數(shù)據(jù)中找出變化規(guī)律，將可以用來(lái)預(yù)測(cè)未來(lái)。在進(jìn)行預(yù)測(cè)的時(shí)候需要用到一些預(yù)測(cè)模型。最常用的預(yù)測(cè)方法是采用回歸模型，包括線性回歸或非線性回歸。采用聚類(lèi)模型或分類(lèi)模型也能達(dá)到一定的預(yù)測(cè)效果。4.2.4實(shí)時(shí)決策企業(yè)需要準(zhǔn)確了解“正在發(fā)生什么”，從而需要建立動(dòng)態(tài)數(shù)據(jù)倉(cāng)庫(kù)（實(shí)時(shí)數(shù)據(jù)庫(kù)），用于支持戰(zhàn)術(shù)型決策，即實(shí)時(shí)決策。戰(zhàn)術(shù)性決策支持的重點(diǎn)則在企業(yè)外部，支持的是執(zhí)行公司戰(zhàn)略的員工。第四種側(cè)重在戰(zhàn)術(shù)性決策支持。以貨運(yùn)為例

卡車(chē)上的貨物常常需要把某些貨物從一輛車(chē)轉(zhuǎn)移到另一輛車(chē)上，以便最終送抵各自的目的地。當(dāng)某些卡車(chē)晚點(diǎn)時(shí)，就要做出艱難的決定：是讓后繼的運(yùn)輸車(chē)等待遲到的貨物，還是讓其按時(shí)出發(fā)。如果后繼車(chē)輛按時(shí)出發(fā)而未等待遲到的包裹，那么遲到包裹的服務(wù)等級(jí)就會(huì)大打折扣。反過(guò)來(lái)說(shuō)，等待遲到的包裹則將損害在后繼的運(yùn)輸車(chē)上的其他待運(yùn)包裹的服務(wù)等級(jí)。運(yùn)輸車(chē)究竟等待多長(zhǎng)時(shí)間，取決于需卸裝到該車(chē)輛的所有延遲貨物的服務(wù)等級(jí)和已經(jīng)裝載到該車(chē)輛的貨物的服務(wù)等級(jí)。4.2.5自動(dòng)決策利用動(dòng)態(tài)數(shù)據(jù)庫(kù)自動(dòng)決策，達(dá)到“希望發(fā)生什么”。為了尋求決策的有效性和連續(xù)性，企業(yè)就會(huì)趨向于采取自動(dòng)決策。動(dòng)態(tài)數(shù)據(jù)倉(cāng)庫(kù)可以為整個(gè)企業(yè)提供戰(zhàn)略決策支持，也可提供戰(zhàn)術(shù)決策支持。確切地說(shuō)，動(dòng)態(tài)數(shù)據(jù)倉(cāng)庫(kù)同時(shí)支持這兩種方式。隨著技術(shù)的進(jìn)步，越來(lái)越多的決策由事件觸發(fā)，自動(dòng)發(fā)生。4.2.6決策支持系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)整合了企業(yè)的各種信息來(lái)源，能確保一致與正確詳細(xì)的數(shù)據(jù)。它是一個(gè)龐大的數(shù)據(jù)資源。要將數(shù)據(jù)轉(zhuǎn)換成商業(yè)智能，就需要利用數(shù)據(jù)倉(cāng)庫(kù)來(lái)建立決策支持系統(tǒng)。基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)是針對(duì)實(shí)際問(wèn)題，利用分析工具或者編制程序，采用一種或多種組合的決策支持能力，對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行多維分析，從而掌握企業(yè)的經(jīng)營(yíng)現(xiàn)狀，找出現(xiàn)狀的原因，并預(yù)測(cè)未來(lái)發(fā)展趨勢(shì)，協(xié)助企業(yè)制定決策增強(qiáng)競(jìng)爭(zhēng)優(yōu)勢(shì)。4.3數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用實(shí)例

4.3.1航空公司數(shù)據(jù)倉(cāng)庫(kù)決策支持系統(tǒng)簡(jiǎn)例4.3.2統(tǒng)計(jì)業(yè)數(shù)據(jù)倉(cāng)庫(kù)解決方案4.3.3沃爾瑪數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)4.3.1航空公司數(shù)據(jù)倉(cāng)庫(kù)決策支持系統(tǒng)簡(jiǎn)例1.航空公司數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的功能2.數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的決策支持3.決策支持系統(tǒng)簡(jiǎn)例1.航空公司數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的功能航空公司數(shù)據(jù)倉(cāng)庫(kù)功能模塊有：市場(chǎng)分析：分析國(guó)內(nèi)、國(guó)際、地區(qū)航線上的各項(xiàng)生產(chǎn)指標(biāo)；航班分析：分析某個(gè)特定市場(chǎng)上所有航班的生產(chǎn)情況；班期分析：分析某個(gè)特定市場(chǎng)上各班期的旅客、貨運(yùn)分布情況；

2.數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的決策支持利用數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)提供的決策支持有：l

一段時(shí)間內(nèi)某特定市場(chǎng)占有率、同期比較、增長(zhǎng)趨勢(shì)；l

各條航線的收益分析；l

計(jì)劃完成情況；l

流量、流向分析；l

航線上各項(xiàng)生產(chǎn)指標(biāo)變化趨勢(shì)的分析；

通過(guò)查詢(xún)“北京到各地區(qū)的航空市場(chǎng)情況”，發(fā)現(xiàn)西南地區(qū)總周轉(zhuǎn)量出現(xiàn)了最大負(fù)增長(zhǎng)量。該決策支持系統(tǒng)簡(jiǎn)例就是完成對(duì)此問(wèn)題進(jìn)行多維分析和原因分析，找出出現(xiàn)原因。

決策支持系統(tǒng)運(yùn)行結(jié)構(gòu)圖如下：3.決策支持系統(tǒng)簡(jiǎn)例

數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器

客戶端

查詢(xún)：全國(guó)各地區(qū)航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖1查詢(xún)：全國(guó)各地區(qū)航空客運(yùn)周轉(zhuǎn)量并比較去年同期狀況查詢(xún)：全國(guó)各地區(qū)航空貨運(yùn)周轉(zhuǎn)量并比較去年同期狀況顯示：圖3查詢(xún)：全國(guó)各地區(qū)客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量并比較去年同期狀況具體數(shù)據(jù)顯示：表1查詢(xún)：西南地區(qū)昆明、重慶兩地航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖4

查詢(xún)：昆明航線按不同機(jī)型的總周轉(zhuǎn)量，并比較去年同期狀況顯示：圖5

查詢(xún)：昆明航線按不同機(jī)型的周轉(zhuǎn)量，并比較去年同期周轉(zhuǎn)量的具體數(shù)據(jù)顯示：表2顯示：圖2結(jié)束檢索：數(shù)據(jù)倉(cāng)庫(kù)中今年、去年兩年總周轉(zhuǎn)量綜合數(shù)據(jù)，并比較。繪制直方圖下鉆：從總周轉(zhuǎn)量下鉆到今年、去年兩年客運(yùn)周轉(zhuǎn)量，并比較。繪制直方圖下鉆：從總周轉(zhuǎn)量下鉆到今年、去年兩年貨運(yùn)周轉(zhuǎn)量，并比較。繪制直方圖制表：從數(shù)據(jù)倉(cāng)庫(kù)中取數(shù)據(jù)并制表下鉆：從西南地區(qū)總周轉(zhuǎn)量下鉆，取昆明、重慶兩地的今年、去年兩年數(shù)據(jù)并比較。繪制直方圖下鉆：從昆明航線總周轉(zhuǎn)量下鉆，取各機(jī)型今年、去年兩年數(shù)據(jù)并比較。繪制直方圖制表：從數(shù)據(jù)倉(cāng)庫(kù)中取數(shù)據(jù)并制表圖1全國(guó)各地區(qū)航空周轉(zhuǎn)量與去年對(duì)比狀況返回（其中，1：東北地區(qū)；2：華北地區(qū)；3：華東地區(qū)；4：西北地區(qū)；5：西南地區(qū)；6：新疆地區(qū)；7：中南地區(qū)）從圖1中看到從北京到國(guó)內(nèi)各地區(qū)的總周轉(zhuǎn)量以及與去年同期的比較情況，發(fā)現(xiàn)“北京－西南地區(qū)”出現(xiàn)的負(fù)增長(zhǎng)最大。

圖2全國(guó)各地區(qū)航空客運(yùn)周轉(zhuǎn)量及與去年同期比較從圖2中看到客運(yùn)周轉(zhuǎn)量及與去年同期比較，西南地區(qū)負(fù)增長(zhǎng)在全國(guó)是最大的，其次是東北地區(qū)。返回圖3北京到國(guó)內(nèi)各地區(qū)貨運(yùn)周轉(zhuǎn)量及與去年同期比較

從圖3中看到貨運(yùn)周轉(zhuǎn)量及與去年同期比較，華東地區(qū)負(fù)增長(zhǎng)在全國(guó)是最大的，西南地區(qū)也有負(fù)增長(zhǎng)。

返回表1客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量及其去年同期比較客運(yùn)周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量貨運(yùn)周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量總周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量東北地區(qū)11.86-5.11.29-1.513.15-6.6華北地區(qū)34.8815.031.110.753615.78華東地區(qū)479.30126.5236.16-25.59515.46100.93西北地區(qū)51.6018.059.07.260.625.25西南地區(qū)15.43-19.353.29-0.5618.72-19.91新疆地區(qū)29.0205.85034.870中南地區(qū)643.43295.86116.8560.70760.28356.56

從表1中，可以看出航空客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量以及與去年同期比較的具體數(shù)據(jù)。西南地區(qū)總周轉(zhuǎn)量的負(fù)增長(zhǎng)主要是客運(yùn)負(fù)增長(zhǎng)為主體。返回圖4西南地區(qū)昆明、重慶兩地航空總周轉(zhuǎn)量及與去年同期比較從圖4中看出，西南地區(qū)航空總周轉(zhuǎn)量下降最多的是昆明航線。

返回（其中，A：150座級(jí)；B：200座級(jí)；C：300座級(jí)以上；D：200－300座級(jí)）圖5昆明航線各機(jī)型總周轉(zhuǎn)量以及與去年同期比較的柱形圖

從圖5可以看出昆明航線中200－300座級(jí)機(jī)型負(fù)增長(zhǎng)最大，其次是150座級(jí)機(jī)型也有較大的負(fù)增長(zhǎng)，而200座級(jí)以及300座級(jí)以上機(jī)型保持同去年相同航運(yùn)水平。

返回

表2昆明航線各機(jī)型總周轉(zhuǎn)量以及與去年同期比較的數(shù)據(jù)從表2中可以看出，不同機(jī)型的周轉(zhuǎn)量以及對(duì)比去年同期增長(zhǎng)的具體數(shù)據(jù)。總周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量150座級(jí)12.99-16.83200座級(jí)10.070300座級(jí)以上10.070200-300座級(jí)2.91-26.9返回

以上決策支持系統(tǒng)過(guò)程完成了對(duì)航空公司全國(guó)各地區(qū)總周轉(zhuǎn)量對(duì)比去年同期出現(xiàn)負(fù)增長(zhǎng)量最大的西南地區(qū)，經(jīng)過(guò)多維分析和原因分析，找出其原因發(fā)生在昆明航線上。

主要是200－300座級(jí)機(jī)型的總周轉(zhuǎn)量負(fù)增長(zhǎng)以及150座級(jí)機(jī)型負(fù)增長(zhǎng)量造成的。其中，200－300座級(jí)負(fù)增長(zhǎng)最嚴(yán)重。

這為決策者提供了解決西南地區(qū)負(fù)增長(zhǎng)問(wèn)題輔助決策的信息。返回?cái)?shù)據(jù)倉(cāng)庫(kù)決策支持系統(tǒng)應(yīng)用說(shuō)明以上決策支持系統(tǒng)只是找出了西南地區(qū)航運(yùn)負(fù)增長(zhǎng)問(wèn)題的原因。還可以昆明航線上航班時(shí)間以及其他方面進(jìn)行原因分析，找出其他原因，為決策者提供更多的輔助決策信息。同樣，可以從國(guó)內(nèi)各地區(qū)航空市場(chǎng)狀況中對(duì)比去年同期增長(zhǎng)顯著的中南地區(qū)，找出總周轉(zhuǎn)量大幅提高的原因。從正反兩方面來(lái)進(jìn)行多維分析和原因分析，將可以得到更多的輔助決策信息，減少負(fù)增長(zhǎng)，增大正增長(zhǎng)，提高更大利潤(rùn)。進(jìn)行多方面分析的大型決策支持系統(tǒng)，將可以發(fā)揮更大的輔助決策效果。4.3.2沃爾瑪數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)美國(guó)的沃爾瑪（Wal*Mart）是世界最大的零售商，Wal*Mar