- 1、本文档共57页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
管理信息系统 第章.ppt
3.2 数据库系统的产生与构成 3.2 数据库系统的产生与构成 3.3 数据库设计 1)数据库设计的步骤 3)实体联系模型(E-R模型) 实例 数据库设计 构造E-R图应注意的问题: 1、注意标识实体属性中的关键字; 2、如果所处理的对象是一个比较大的系统,则应该先画出各个部门的子E-R图,然后再合并同类实体,消除冗余。 3、对于一个特定的应用处理对象,所构造的E-R模型可能不是唯一的。 m n 1 m 关系数据库概念模型的设计—ER模型 4)关系数据库的数据模型设计—ER模型转化为关系模型 E-R模型向关系模型的转换,实际上就是要将实体、属性和联系转化为关系模式,转换规则如下: (1)一个实体型转换为一个同名的关系模式。实体的属性就是关系的属性,实体的码就是关系的码。 (2)一个1:1联系可以转换为一个独立的关系模式,也可以与任意一端对应的关系模式合并,该联系的码可以是任一端的实体的码。 (3)一个1:n联系可以转换为一个独立的关系模式,也可以与n端对应的关系模式合并,则n端实体的码就是该联系的码。 (4)一个m: n联系转换为一个关系模式,与该联系相连的各实体的码的集合就是该联系的码。 (5)3个或3个以上实体间的一个多元联系转换为一个关系模式。 (6)同一实体集的实体间的联系,即自联系,也可按上述1:1,1:n和m:n三种情况分别处理。 (7)具有相同码的关系模式可以合并。 4)关系数据库的数据模型设计—ER模型转化为关系模型 实例 S(SNO,SNAME,DEPT) 学生 姓名 学号 系别 实例 厂长号 姓名 年龄 厂号 厂名 地点 管理 1 1 厂长(厂长号,厂号,姓名,年龄) 工厂(厂号,厂名,地点) 工厂 厂长 仓库(仓库号,地点,面积) 产品(货号,品名,价格,仓库号,数量) 仓库号 地点 面积 仓库 货号 品名 价格 产品 存放 1 n 数量 实例 学生(学号,姓名,年龄) 课程(课程号,课程名,学时数) 学习(学号,课程号,成绩) 实例 学号 姓名 年龄 课程号 课程名 学时数 n m 成绩 学生 课程 学习 在一家超市里,有一个有趣的现象:尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话,而是发生在美国沃尔玛连锁店超市的真实案例,并一直为商家所津津乐道。 沃尔玛拥有世界上最大的数据仓库系统,为了能够准确了解顾客在其门店的购买习惯,沃尔玛对其顾客的购物行为进行购物篮分析,想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上,沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。 3.4 数据仓库与商务智能 一个意外的发现是:“跟尿布一起购买最多的商品竟是啤酒!经过大量实际调查和分析,揭示了一个隐藏在”尿布与啤酒“背后的美国人的一种行为模式:在美国,一些年轻的父亲下班后经常要到超市去买婴儿尿布,而他们中有30%~40%的人同时也为自己买一些啤酒。产生这一现象的原因是:美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布,而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。 按常规思维,尿布与啤酒风马牛不相及,若不是借助数据挖掘技术对大量交易数据进行挖掘分析,沃尔玛是不可能发现数据内在这一有价值的规律的。 3.4 数据仓库与商务智能 当前数据仓库和数据挖掘应用主要集中在电信、零售、农业、网络日志、银行、电力、生物、天体、化工、医药等方面。看似广泛,实际应用还远没有普及。而据Gartner的报告也指出,数据挖掘会成为未来10年内重要的技术之一。而数据挖掘,也已经开始成为一门独立的专业学科。 结合武汉市房贷案例,说明房产、银行、民政等数据孤岛数据怎样实现整合。 结合移动套餐、保险精算案例,说明数据分析挖掘的作用。 3.4 数据仓库与商务智能 1)数据仓库与数据库 何为数据仓库? 前面提到的企业/单位投资信息化,他们不停上信息化系统,比如ERP、CRM、Call Center、OA或者计费等。但上了这些系统后,会产生大量数据,客户首先的需求是查询和报表。 但很多报表和查询是需要跨系统,而且复杂查询和报表很耗 资源,可能影响各个系统的正常运行。于是上世纪80年代人们专门建设一个数据库系统,把各个系统的数据拿到那里进行准确的查询和报表制作,这样既方便又准备,而 且不会影响业务系统。那么从这点说,数据仓库是全数据的集合。 1)数据仓库与数据库 何为数据仓库? 数据仓库(Data Warehouse)是一个面向主题的(Subject Oriented)、集成的(Integrated)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合,用于支持管理决策(Dec
文档评论(0)