商业智能学习系统

在进行数据分析以前，咱们必须了解相关的基础理论知识

数据仓库的理论知识

1:数据仓库的定义

  数据仓库是一个面向主题的、集成的、稳定的，反映历史变化的，随着时间的流逝发生变化的集合，它主要用来支持企业管理人员的决策分析

1.1 面向主题

根据原系统业务数据的特色进行主题的抽取和肯定每一个主题所包含的数据内容，例如典型的主题包括：客户主题、产品主题、财务主题等，而客户主题包括：客户基本信息、客户信用信息、客户资产信息等内容。在分析数据仓库主题的时候，通常的方法是先肯定几个基本的主题，而后再将范围扩大，最后再逐步求精，如图3-2所示。

图3-2  面向主题的方法

1.2 集成性

面向操做型的数据库一般是异构的、而且相互独立，因此没法对信息进行归纳和反映信息的本质。而数据仓库中的数据是通过源数据的抽取、清洗、转换、加载获得的，因此为了保证数据不存在二义性，必须对源数据进行编码的统一和必要的汇总，以保证数据仓库内数据的一致性。数据仓库在经历数据集成阶段后，使数据仓库中的数据都遵循统一的编码规则，而且消除许多冗余数据。

集成通常有以下两种形式：

（1）数据的集成

当数据从操做型数据传向数据仓库时，数据就会被集成，如图3-3所示。

（点击查看大图）图3-3  数据的集成

（2）编码的集成

当数据仓库是从原有分散的源数据库抽取出来的时候，为了消除编码的不一致性，须要将这些来自不一样数据源的数据编码集成起来，使之遵循统一的编码规则，如图3-4所示。

图3-4  编码的集成

1.3 稳定性

数据仓库中的数据反映的都是一段历史时期的数据内容，它的主要操做是查询、分析而不进行通常意义上的更新，一旦某个数据进入到数据仓库后，通常状况下数据会被长期保留，当超过规定的期限时才会被删除。一般数据仓库须要作的工做就是加载、查询和分析，通常不进行任何修改操做，是为了企业高层人员决策分析之用，如图3-5所示。

图3-5  数据的加载

 

1.4 反映历史变化

操做型数据库主要反映某一时间段内的数据，而数据仓库的目标就是对企业的发展趋势做出分析和预测。数据仓库不断从OLTP数据库中得到变化的数据，从而造成分析和预测须要的历史数据，因此通常数据仓库中数据表的键码都含有时间键，以标明数据的历史时期信息，而后不断增长新的数据内容。一般来讲，数据仓库包含的时间期限大概是5～10年，当超出规定的期限时，须要删除这些过期的数据。经过这些历史信息能够对企业的发展历程和趋势做出分析和预测。同时要清楚，数据仓库的建设须要大量的业务数据做为积累，并将这些宝贵的历史信息通过加工、整理，最后提供给决策分析人员，这是数据仓库建设的根本目的，如图3-6所示。

图3-6  操做型数据库和数据仓库的区别

 

数据仓库和数据库的区别

下面用一个图例来讲明数据仓库与数据库的不一样之处。数据库生产系统主要是面向应用的、事务型的数据处理，通常来讲具备实时性较高，数据检索量较小，普通用户的数量较大等特色。而数据仓库系统主要面向主题的、分析型的数据处理，具备实时性要求不高，数据检索量较大，主要针对特殊的用户群体（通常是企业高层领导、决策分析人员等），用户的数量较小等特色。其中事务型和分析型处理数据是有区别的。事务型处理数据通常来讲对性能的要求较为严格，数据是事务驱动的，主要面向应用，存储的通常都是即时性、细节性的数据，数据是可更新的。对于分析型处理数据，通常来讲，对性能的要求较高，数据是分析驱动的，主要面向决策分析，存储的通常都是历史、汇总性的数据，数据是不可更新的。事务型处理数据和分析型处理数据的区别如图3-7所示。

图3-7  事务型处理数据和分析型处理数据的区别

数据库生产系统和数据仓库决策系统的区别如图3-8所示。

图3-8  数据库生产系统和数据仓库决策系统的区别

笔者认为：数据仓库是区别于通常数据库存储的另一种数据组织方式。它以面向主题的形式进行数据存储，同时只有数据插入的操做，而没有数据更新和删除的动做。数据仓库实际上就是一个过程，而非某一个产品，不一样的企业在构建数据仓库系统的时候，须要企业相关业务人员和数据仓库开发设计人员在各个部门的配合下共同建设。