数据仓库概念设计和介绍.pptx
事务处理环境不适宜事务处理环境不适宜DSS应用的原应用的原因因 事务处理和分析处理的性能特性不同 操作型处理对数据的存取操作频率高而每次操作处理的时间短；在分析处理环境中，某个DSS应用程序可能需要连续几个小时，从而消耗大量的系统资源。数据集成问题数据动态集成问题历史数据问题 数据的综合问题 第1页/共29页抽取程序抽取程序用抽取程序能将数据从高性能联机事务处理方式中转移出来，在需要总体分析数据时就与联机事务处理性能不发生冲突。用抽取程序能将数据从联机事务处理范围内移出时，数据的控制方式就发生了转变。第2页/共29页蜘蛛网问题蜘蛛网问题vv数据缺乏可信性n n数据无时基数据无时基n n数据算法上的差异数据算法上的差异n n抽取的多层次抽取的多层次n n外部数据问题外部数据问题n n无起始的公共数据源无起始的公共数据源vv生产率低n n根据全部数据生成企业报表根据全部数据生成企业报表n n定位数据需要浏览大量文件定位数据需要浏览大量文件n n抽取程序很多，并且每个都是定制的，不得不克服很多技术上抽取程序很多，并且每个都是定制的，不得不克服很多技术上的障碍。的障碍。vv数据转化为信息的不可行性n n数据没有集成化数据没有集成化n n缺乏将数据转化为信息所需的历史数据缺乏将数据转化为信息所需的历史数据第3页/共29页体系结构设计环境的层次体系结构设计环境的层次n n数据操作层只保存原始数据并且服务于高性能事务处理领域；数据操作层只保存原始数据并且服务于高性能事务处理领域；n n数据仓库层存储不更新的原始数据，此外一些导出数据也在此存数据仓库层存储不更新的原始数据，此外一些导出数据也在此存在；在；n n数据的部门层几乎只存放导出数据；数据的部门层几乎只存放导出数据；n n在数据个体层中完成大多数启发式分析在数据个体层中完成大多数启发式分析操作层操作层原子原子/数据数据仓库层仓库层部门层部门层个体层个体层第4页/共29页数据仓库的概念数据仓库的概念 数据仓库是在企业管理和决策中面向主题的、集成的、与数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合。时间相关的、不可修改的数据集合。William H.InmonWilliam H.Inmon 与其他数据库应用不同的是，数据仓库更像一种过程，对分与其他数据库应用不同的是，数据仓库更像一种过程，对分布在企业内部各处的业务数据的整合、加工和分析的过程。布在企业内部各处的业务数据的整合、加工和分析的过程。第5页/共29页数据仓库的特性数据仓库的特性 vv面向主题n n典型的主题领域：客户；产品；交易；帐目典型的主题领域：客户；产品；交易；帐目vv集成的n n数据提取、净化、转换、装载数据提取、净化、转换、装载vv非易失的n n数据仓库的数据通常是一起载入和访问的，但并不进行一数据仓库的数据通常是一起载入和访问的，但并不进行一般意义上的数据更新般意义上的数据更新vv随时间的变化性n n数据仓库中的时间期限要远远长于操作型系统中的时间期数据仓库中的时间期限要远远长于操作型系统中的时间期限（限（510510年）；年）；n n数据仓库中的数据是一系列某一时刻生成的复杂的快照；数据仓库中的数据是一系列某一时刻生成的复杂的快照；n n数据仓库的键码结构总是包含某时间元素。数据仓库的键码结构总是包含某时间元素。第6页/共29页数据仓库的结构数据仓库的结构早期细节级早期细节级当前细节级当前细节级轻度综合级轻度综合级数据集市数据集市高度综合级高度综合级元元数数据据操作型转换操作型转换第7页/共29页 数据仓库设计中的几个重要概念数据仓库设计中的几个重要概念 vvETLn nETLETL（Extract/Transformation/LoadExtract/Transformation/Load）用户从数据源抽用户从数据源抽取出所需的数据，经过数据清洗、转换取出所需的数据，经过数据清洗、转换,最终按照预先定义最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。好的数据仓库模型，将数据加载到数据仓库中去。vv元数据n n关于数据的数据，指在数据仓库建设过程中所产生的有关关于数据的数据，指在数据仓库建设过程中所产生的有关数据源定义，目标定义，转换规则等相关的关键数据。同数据源定义，目标定义，转换规则等相关的关键数据。同时元数据还包含关于数据含义的商业信息。时元数据还包含关于数据含义的商业信息。vv粒度n n数据仓库的数据单位中保存数据的细化或综合程度的级别。数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。度级就越大。vv分割n n结构相同的数据被分成多个数据物理单元。任何给定的数结构相同的数据被分成多个数据物理单元。任何给定的数据单元属于且仅属于一个分割。据单元属于且仅属于一个分割。第8页/共29页典型的元数据包括：vv数据仓库表的结构vv数据仓库表的属性vv数据仓库的源数据（记录系统）vv从记录系统到数据仓库的映射vv数据模型的规格说明vv抽取日志vv访问数据的公用例行程序第9页/共29页数据仓库设计中的几个重要概念(续）vvData Martn n数据集市数据集市-小型的，面向部门或工作组级数据仓库小型的，面向部门或工作组级数据仓库。vvOperation Data Storen n操作数据存储操作数据存储 ODSODS是能支持企业日常的全局应用的数是能支持企业日常的全局应用的数据集合据集合,是不同于是不同于DBDB的一种新的数据环境的一种新的数据环境,是是DW DW 扩展后得扩展后得到的一个混合形式。四个基本特点：面向主题的到的一个混合形式。四个基本特点：面向主题的(Subject-Subject-Oriented)Oriented)、集成的、可变的、集成的、可变的、当前或接近当前的。当前或接近当前的。vvdatamodeln n数据模型数据模型-（1 1）逻辑数据结构，包括由）逻辑数据结构，包括由DBMSDBMS为有效进为有效进行数据库处理提供的操作和约束；（行数据库处理提供的操作和约束；（2 2）用于表示数据的系）用于表示数据的系统（例如，统（例如，ERDERD或关系型模型）。或关系型模型）。vvartifact n n人工关系人工关系-在在DSSDSS环境中用于表示参照完整性的一环境中用于表示参照完整性的一种设计技术。种设计技术。第10页/共29页企业数据模型到数据仓库数据模型的转换企业数据模型到数据仓库数据模型的转换vv除去纯粹用于操作型环境的数据vv在企业键码结构中增加时间元素vv增加导出数据vv创建人工关系第11页/共29页数据模型的规范化数据模型的规范化/反规范化反规范化vv为了减少程序在表中的跳转、节省I/O，需将多个相关的表合并；vv引入冗余数据；vv当访问概率有很大悬殊时，要对数据做进一步分离；vv在物理数据库的设计中引入导出数据可以减少I/O；vv建立所谓的“创造的”索引或创造的简要记录（如卷中的前十名顾客是）第12页/共29页数据仓库体系结构OLTP数据源数据仓库数据集市?数据采集及整合数据的映射规则、模型。（元数据管理）数据仓库项目流程管理及系统性能管理和监控?数据展现及决策生产财务结算外部航线分析总量分析市场分析InfoPump数据分析、DM终端用户终端用户第13页/共29页从操作型的现存系统到数据仓库中数从操作型的现存系统到数据仓库中数据转换工作的难点据转换工作的难点vv现有系统缺乏数据集成，跨越不同应用的数据集成性很差vv存取现存系统的效率，扫描已有文件成了数据仓库体系结构设计者主要面对的问题vv时基的变化vv数据要浓缩第14页/共29页概念概念：数据周期、简要记录数据周期、简要记录vv数据周期：是指从操作型数据发生改变起，到这个是指从操作型数据发生改变起，到这个变化反映到数据仓库中所用的时间变化反映到数据仓库中所用的时间。从操作型环境知道数据的改变到这个变化反映到数据从操作型环境知道数据的改变到这个变化反映到数据仓库中至少应该经历仓库中至少应该经历2424小时。小时。vv简要记录：或聚集记录，是把不同操作型数据的详或聚集记录，是把不同操作型数据的详细信息聚集在一个记录中而形成的记录。细信息聚集在一个记录中而形成的记录。好处：好处：减少数据量；减少数据量；为用户的访问和分析提供了一种紧凑的方为用户的访问和分析提供了一种紧凑的方便的数据组织形式；便的数据组织形式；缺点：信息的详细程度将会降低。缺点：信息的详细程度将会降低。第15页/共29页数据仓库的建模数据仓库的建模vv数据模型n n所有的实体都是平等关系。所有的实体都是平等关系。n n仅仅从数据模型的角度来着手设计数据仓库会产生一种仅仅从数据模型的角度来着手设计数据仓库会产生一种“平平面面”效应。效应。vv星型连接n n事实表：事实表：位于星型连接的中央，它是被大量载入数据的实位于星型连接的中央，它是被大量载入数据的实体。体。n n维表：周围的其它实体。维表：周围的其它实体。n n在很多情况下：文本数据与数值数据是分离开的。在很多情况下：文本数据与数值数据是分离开的。n n通过数据预连接和建立有选择的数据冗余，设计者为访问和通过数据预连接和建立有选择的数据冗余，设计者为访问和分析过程大大简化了数据。分析过程大大简化了数据。n n星型连接应用于设计数据仓库中很大的实体，而数据模型则星型连接应用于设计数据仓库中很大的实体，而数据模型则应用于数据仓库中较小的实体。应用于数据仓库中较小的实体。第16页/共29页Vendor dataVendor dataVendor datavendor_id供应商cust_id客户order_id发货Order dataOrder dataorder_id订单Cust dataCust dataCust dataNonkey dataOrder dataOrder dataOrder data产品Product dataProduct dataProduct dataProduct idVendor idNonkey datacust idNonkey dataorder idNonkey dataproduct id第17页/共29页数据建模的十条戒律数据建模的十条戒律必须回答紧迫的问题；必须有正确的事实表；将有正确的维表，描述必须按最终用户的业务术语表达；必须理解数据仓库所影响的公司过程或影响数据仓库的公司过程；对于事实表，应该有正确的“粒度”；根据需要存储正确长度的公司历史数据；以一种对于公司有意义的方式来集成所有必要的数据；创建必要的总结表；创建必要的索引；能够加载数据仓库数据库并使它以一种适宜的方式可用。第18页/共29页数据集市外部数据用自顶向下的方法构建数据仓库数据集市建造企业数据仓库H建设中心数据模型H一次性的完成数据的重构工作H最小化数据冗余度和不一致性H存储详细的历史数据从企业数据仓库中建造数据集市H得到大部分的集成数据H直接依赖于数据仓库的可用性操作数据问题投资效益的时间?H建设中心数据模型的必要性和可能性?初始费用?企业数据仓库第19页/共29页用自底向上的方法构建数据仓库数据集市建立部门数据集市H限制在一个主题区域H快速投资收益 H区域自治 设计的可伸缩性强H对相关部门的应用容易复制 H对每个数据集市需要数据重构H存在一定的冗余及不一直性逐步扩展到企业数据仓库(EDW)H把建造EDW作为一个长期的目标存在的问题:数据集市的数据都是可用的吗?能生成数据模型吗?如何解决不一致性?外部数据操作数据(全局)&操作数据(局部)操作数据(局部)数据集市企业数据仓库第20页/共29页数据仓库的开发过程数据仓库的开发过程vv建立或获得企业的数据模型；vv定义记录系统；vv设计数据仓库并按主题领域进行组织；vv设计和建立操作型环境中的记录系统和数据仓库之间的接口，这些接口能保证数据仓库的载入工作能有序的进行；vv开始载入第一个主题领域，进入载入和反馈过程，数据仓库中的数据在此过程中也在不断地改变。第21页/共29页数据模型的内容数据模型的内容vv标识主要主题领域。vv各个主要主题之间的各种关系。vv清晰地定义模型的边界。vv把原始数据和导出数据分离。vv每个主题领域需要标识n n键码键码n n属性属性n n属性分组之间的关系属性分组之间的关系n n多重出现的数据多重出现的数据n n数据的类型数据的类型第22页/共29页表达数据模型的最好数据表达数据模型的最好数据vv最实时vv最准确vv最完备vv与外部数据源最近vv最具结构兼容性vv定义记录系统就是找出现存系统所具有的最好的数据第23页/共29页将数据模型变为数据仓库要做的主要工将数据模型变为数据仓库要做的主要工作作vv如果原先没有时间元素的话，时间元素必须加入到键码结构中vv必须清除所有的纯操作型数据vv需要将参照完整性关系转换成“人工关系”vv将经常需要用到的到处数据假如到设计中vv对数据的结构进行调整n n增加数据阵列增加数据阵列n n增加数据冗余增加数据冗余n n在合适的情况下进一步分离数据在合适的情况下进一步分离数据n n在合适的时候合并数据表在合适的时候合并数据表vv需要做数据的稳定性分析第24页/共29页在接口中需完成的工作在接口中需完成的工作vv数据抽取vv对来自操作型、面向应用型环境的数据的集成vv数据时基的变更vv数据压缩vv对现存系统环境的有效扫描第25页/共29页数据仓库开发成功的关键数据仓库开发成功的关键vv关键：是数据体系结构设计者和DSS分析者之间的反馈循环。vv有几点观察结果对数据仓库环境的成功建立是至关重要的问题：n nDSSDSS分析人员一定要严格遵循分析人员一定要严格遵循“给我我所要的东西，然后我给我我所要的东西，然后我能告诉你我真正需要的东西能告诉你我真正需要的东西”的工作模式；的工作模式；n n反馈循环的周期越短，越有可能成功；反馈循环的周期越短，越有可能成功；n n需要调整的数据量越大，反馈循环所需要的周期就越长需要调整的数据量越大，反馈循环所需要的周期就越长第26页/共29页数据仓库的应用数据仓库的应用vv在证券业的应用:可处理客户分析、帐户分析、证券交易数据分析、可处理客户分析、帐户分析、证券交易数据分析、非资金交易分析等多个业界关心的主题，为客户提供针对其个人习惯、投资组合的投非资金交易分析等多个业界关心的主题，为客户提供针对其个人习惯、投资组合的投资建议，从而真正作到对客户的贴心服务。资建议，从而真正作到对客户的贴心服务。vv在银行领域的应用:防范银行的经营风险、实现科学管理以及进行决防范银行的经营风险、实现科学管理以及进行决策策.在税务领域的应用：可以解决三个方面的问题：一是查出应税未报者可以解决三个方面的问题：一是查出应税未报者和瞒税漏税者，并对其进行跟踪；二是对不同行业、产品和市场中纳税人的行为特性和瞒税漏税者，并对其进行跟踪；二是对不同行业、产品和市场中纳税人的行为特性进行描述，找出普遍规律，谋求因势利导的税务征稽策略；三是对不同行业、产品和进行描述，找出普遍规律，谋求因势利导的税务征稽策略；三是对不同行业、产品和市场应收税款进行预测，制定最有效的征收计划。市场应收税款进行预测，制定最有效的征收计划。vv在保险业的应用:满满足足保保险险行行业业日日益益增增长长的的各各种种查查询询、统统计计、报报表表以以及及分分析析的的需需求求，提提高高防防范范和和化化解解经经营营风风险险的的能能力力，有有效效利利用用这这些些数数据据来来实实现现经经营营目目标标，预预测测保保险险业业的的发发展展趋趋势势，甚甚至至利利用用这这些些数数据据来来设设计计保保险险企企业业的的发发展展宏宏图图，在在激激烈烈的的竞竞争中赢得先机争中赢得先机.vv在客户服务及营销方面的应用:CRMCRMvv在保健领域的应用:揭揭示示出出如如何何以以较较低低费费用用获获取取较较高高质质量量的的治治疗疗策策略略趋势和模式趋势和模式.第27页/共29页Have Any Questions?CSLIANG8848.NET第28页/共29页感谢您的观看！第29页/共29页
