山东大学计算机研究生期末考试数据分析重点总结.docxVIP

1．数据仓库的四个特征。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，用于决策支持（Decision Making Support）面向主题：操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的分析主题域进行组织的。主题是一个抽象的概念，是在较高层次上将企业信息系统中的数据综合、归类后进行分析利用的抽象。在逻辑意义上，它是对应企业中某一宏观分析领域所涉及的分析对象，是针对某一决策问题而设置的。集成的：数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。相对稳定的：数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。反映历史变化：数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。2．商业智能（BI）中运用了那些计算机技术，这些技术在商业智能中的作用。商业智能这一概念最早是由Gartner公司于1996年提出来的。根据Gartner公司的定义，商业智能（简称BI）是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力，促使他们做出对企业更有利的决策。1）。从作用说，BI好比“数据炼油厂”，即把商业活动中累积的数据加工成可用于支持商业决策的信息。其主要目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性。2）。从形态上说，BI实际上是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合。3）。从技术上说，主要包括数据仓库、联机分析处理、数据挖掘三大技术，还包括数据展现、绩效管理、指标管理以及其他用于统计和分析商业数据的先进的信息技术。OLAP的多维分析在多维结构上进行切片、切块、钻取等操作。OLAP的典型应用，通过商业活动变化的查询发现问题，经过追踪查询找出问题出现的原因，达到辅助决策的作用。数据挖掘数据挖掘使用聚类（如神经网络聚类）、分类（如决策树分类）、预测、关联分析等带有探索性的建模功能。任务在于从海量数据中寻找不平常的且有用的商业运作模型。多维数据分析(OLAP,联机分析处理)：交互式、高效访问多维数据集；察看长期趋势；分析并探查存在的问题；钻取到细节，察看不同维度、不同层次的信息；便捷实现数据集的复杂分析流程。数据挖掘往往针对特定的数据、特定的问题，选择一种或者多种挖掘算法，找到数据下面隐藏的规律，这些规律往往被用来预测、支持决策。数据报表、数据分析、数据挖掘是BI的三个层面。我们相信未来几年的趋势是：越来越多的企业在数据报表的基础上，会进入数据分析与数据挖掘的领域。商业智能所带来的决策支持功能，会给我们带来越来越明显的效益。3．比较数据库的数据字典和数据仓库的原数据。在数据库中数据字典（Data dictionary）是一种用户可以访问的记录数据库和应用程序元数据的目录。主动数据字典是指在对数据库或应用程序结构进行修改时，其内容可以由DBMS自动更新的数据字典。被动数据字典是指修改时必须手工更新其内容的数据字典。在数据仓库系统中，元数据是关于数据仓库的数据，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，同时元数据还包含关于数据含义的商业信息。元数据贯穿于整个数据仓库应用中。数据仓库的元数据除对数据仓库中数据的描述（数据仓库字典）外，还有以下三类元数据：(1) 关于数据源的元数据(2) 关于抽取和转换的元数据(3) 关于最终用户的元数据4．联机分析处理（On Line Analytical Processing，OLAP）在数据仓库系统中，联机分析处理是重要的数据分析工具。OLAP的基本思想是从多方面和多角度以多维的形式来观察企业的状态、了解企业的变化，辅助决策。OLAP是在OLTP的基础上发展起来的。OLTP是以数据库为基础的，面对的是操作人员和低层管理人员，对基本数据的查询和增、删、改等进行处理。OLAP是以数据仓库为基础的数据分析处理。它有两个特点：一是在线性（On Line），由客户机/服务器这种体系结构来完成的；二是多维分析，这是OLAP的核心所在。OLAP是针对某个特定的主题进行联机数据访问、处理和分析，