第二章数据仓库原理.pptx

数据仓库是一种专为数据分析和决策支持设计的数据库系统，它与传统的在线事务处理（OLTP）数据库有很大区别。数据仓库的构建围绕着特定的主题，旨在提供对企业运营的深入洞察。本章将详细介绍数据仓库的基本概念、特点以及数据处理流程。 数据仓库的定义由数据仓库领域的先驱William H. Inmon提出，他认为数据仓库是一个面向主题的、集成的、非易失的且随时间变化的数据集合，用于支持管理层的决策。这个定义突出了数据仓库的核心特性： 1. **面向主题**：数据仓库的数据组织是围绕特定的业务领域或分析目标，例如商品、供应商和顾客。这不同于事务处理数据库，后者通常按照业务操作来组织数据。面向主题意味着数据仓库会聚集与分析目标相关的所有信息，并排除无关数据。 2. **集成的**：数据仓库的数据来自各种异构的数据源，如不同的数据库、文件系统和互联网数据。为了分析，这些数据需要被整合成一致的格式，消除不一致性和冗余。集成过程可能包括统一数据标准、转换数据单位和解决命名冲突。 3. **非易失的**：数据仓库的数据主要用于查询和分析，而不是频繁的更新操作。这确保了数据的稳定性，有利于分析和决策。然而，数据仓库并非完全静态，当需要新分析或更新过时信息时，仍会进行数据抽取和更新。 4. **随时间变化**：数据仓库记录的是历史数据，反映业务随时间的演变。这意味着数据仓库包含时间戳，允许用户进行趋势分析和历史比较。 在数据仓库的运作中，数据的处理通常涉及三个主要步骤：**抽取（Extract）**，从源头提取数据；**转换（Transform）**，将数据转化为适合分析的格式；**加载（Load）**，将处理后的数据加载到数据仓库中。这个过程称为ETL。 数据组织结构和形式通常采用多维数据库或关系数据库。多维数据库利用多维数组结构来存储数据，便于进行OLAP（在线分析处理）操作。关系数据库则通过一组共享关键字段的关系来组织数据，存储的是经过一定综合的分析型数据，而非原始业务数据。 数据仓库在现代商业智能中扮演着关键角色，它能够帮助管理层快速获得关键业务洞察，支持战略决策。了解并掌握数据仓库的原理对于任何想要深入数据分析和决策支持的人来说至关重要。