当前位置:Linux教程 - Linux综合 - 数据仓库学习心得

数据仓库学习心得

  一.概念 1.数据仓库:是指面向主题的,一致的,不同时间的,稳定的数据集合,用于支持经营管理中的决策支持过程。从广义上讲数据仓库是指存储大量历史数据的数据库。每一个记录代表特殊时间点上的一个数据。 它是一种把收集的各种数据转变成有商业价值的信息技术,并把收集的信息体现在报告中。包括收集数据,过滤数据,存储数据,之后把数据应用于分析、报告等应用程序。 2.数据仓库目标:确认数据结构,寻找趋势,辅助决策,为经营管理提供决策信息。 3..DSS:决策支持过程。 4.数据仓库组成部分:数据市场,关系型数据库,数据源,数据准备,种服务工具 5.维度: 6.多维: 7.聚合:获取并集中一个群体或总和的结构.聚合是在一个多维层次内移动数据的概念. 9.类别:为类别和区分特定数据而分类的,在一个维度内,为提供详细分类系统而定义的分类. 10.详细类别:一个维度内最底层的分类. 11.分解与合成: 12.指标量: 13.OLAP:联机分析 14.OLTP联机事务处理 二.数据模型规范化 1. 概念: 规范化:是一个正规的方法,它应用一套规则使属性和实体相关联。 实体:是一个主要的数据对象,对用户至关重要。它通常是将被记录在数据库中的一个人、一个地点、一样东西或者一件事情。 属性:实体包括属性,属性就是特征,修饰成分、质量、数量或者特性。 范式:规范化由几个能够减少褓以获得更满意的物理我的步骤组成,这些步骤称为范式。 第一范式:一个不包含重复列的表归于第一范式。 第二范式:如果一个表归于第一范式且只包含依赖于主键的列,则归于第二范式。 第三范式:如果一个表归于第二范式且只包含那些非传递性地依赖于主键的列,则归于第三范式。 二.信息需求建模: 1.自上而下建模方法:利用具体数据元素,将这些元素组织到各个维度与指标中, 2.自下而上建模方法:从用户的观点设计,优点是设计者可以转纸一个通常主题或商务领域运 3.开发. 是自上而下与自下而上的方法的结合. 4.举例:销售收入应从预算和实际等角度表示. 指标:产品销售的实际收入,产品销售的预算收,产品销售的估计收 维度:已经销售的产品. 三.设计数据仓库,经常询部用户的几个问题? 1.用户所在部门承担的任务 2.用户在部门中承担的任务 3.为完成任务,用户需哪些报表 4.目前从何处获取这些信息? 5.得到信息如何处理? 6.信息是应用户需要产生的,还是在定期报表中产生的? 7.用户把信息输入到过工作表中吗?以便进一步分析吗? 8.怎样处理这些信息才算及时? 信息包的编制: 信息包:________________________ 维度:____________________________________________   类别:    指标(预测销售,实际销售,预测偏差) 四.建立多维数据模型 要建立多维数据库: 1. 选择用来分析被建模主题的商业过程。 建模主题:比如想通过产品线和地区分析消费者的购买倾向来制订市场策略,此时数据模型主题就是“销售”。 2. 确定事实表的粒度。 事实表粒度通常代表每一个相关维的最底层。选择以“天”为粒度,就表示“时间维”中的每一记录代表一天。 3. 区分每一个事实表的维和层。 已定义的粒度与维相关。 4. 区分事实表的度量。 度量不仅包括数据本身,而且包括你从已存在的数据计算得到的新值。当设计数据模型时,必须做出决策:是否储存事实表里的计算结果或在运行阶段获得这些值。如:比值。 5. 确定每一个维表的属性。 一般情况下,定义的每一个维表属性的数量,应该保持最小。
[1] [2] 下一页 

6. 让用户验证数据模型。 欢迎您给我发Email , 让我们共同进步。 mailto: [email protected] [email protected] [email protected]

(出处:http://www.sheup.com)


上一页 [1] [2]