当前位置:Linux教程 - Linux - 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。

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]