管理信息系统教程3-信息技术基础.ppt

本章内容 第一节 数据处理 第二节 数据库技术 第三节 数据仓库和商业智能 数据仓库（Date Warehouse，DW）是一种数据资源架构。是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合，它用于支持企业或组织的决策分析处理。 数据仓库之父Bill Inmon的定义： 在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受——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(Decision Making Support)。 定义解读： 　　◆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主题域进行组织的（例如顾客、政策类型、保险公司索赔等）。 面向主题使用户可以不仅能够确定他们的企业运转如何，而且知道为什么。 ◆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。 不同地点保存的数据也许编码类型不同，例如性别数据在一个地方以“0”和“1”进行编码，而在另一个地方以“F”和“M”表示。这样的数据要进入到数据仓库中，要先被清洗成同一种格式，使数据具有标准化和一致性的特点。另外，数据和时间格式在世界各地也不同。 ◆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。因此，数据仓库需要大量的自由空间为数据量增长做准备。 ◆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。 数据仓库的数据通常保存5~10年甚至更长时间用于趋势分析、预测和比较。时间维是所有数据仓库必须支持的一个重要维度。 不同角度解读“数据仓库” 设计者视角：数据仓库的关键成功因素在于如何设计其中的数据存储中心的结构以及它的一套数据转换和操作机制，使得作业性数据能够以恰当的形式进入数据仓库并得到妥善的管理，在需要的时候能有效的被决策者所利用。 数据使用者视角：数据仓库应当根据不同的管理活动的需要，对作业性数据从多角度进行加工处理。 第3节 数据仓库和商业智能——联机分析处理 联机分析处理OLAP(On-Line Analytical Processing) 专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持，可以应分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观易懂的形式将查询结果提供给决策制定人，以便他们准确掌握企业（公司）的经营状况，了解市场需求，制定正确方案，增加效益。 联机分析处理的用户是企业中的专业分析人员及管理决策人员，他们在分析业务经营的数据时，从不同的角度来审视业务的衡量指标是一种很自然的思考模式。 归纳： OLAP技术有两个主要的特点：一是在线性（On-Line)，表现为对用户请求的快速响应和交互式操作，它的实现是由客户机/服务器体系结构完成的；二是多维分析（Multi-Analysis)，这也是OLAP技术的核心所在。 OLAP多维分析视图的各种操作 切片和切块 钻取 旋转 第3节 数据仓库和商业智能——数据挖掘 数据挖掘是从大量数据中自动发现隐藏的有用信息的过程。 数据挖掘的主要方式有： 分类 聚类 关联规则发现 时序模式发现 第3节 数据仓库和商业智能——商业智能 商业智能看成是一种解决方案。 商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。 大数据 定义解读： 大数据是指数据量规模贵大、数据类型复杂的数据集。 数据体量巨大 数据种类繁多 处理速度快 * 关系的规范化 * 关系的规范化 E—R图绘制 图书