数据仓库概念与关键技术分析
Ａｎａｌｙｓｉｓ ｏｆ Ｄａｔａ Ｗａｒｅｈｏｕｓｅ Ｃｏｎｃｅｐｔ ａｎｄ Ｋｅｙ Ｔｅｃｈｎｏｌｏｇｙ 王建平
（西安建筑科技大学 西安７１００５５）
摘要在讨论数据仓库概念和作用的基础上对数据仓库的组成与发展、数据仓库的结构以及数据仓库的关键技术 做了详细的分析，并提供了数据仓库开发的方法。 关键词 数据仓库 数据结构 数据挖掘
１数据仓库的概念与作用 １．１数据仓库的概念数据仓库的概念由美国著名工程学 家ｗ・Ｈ・［ｎｉｎｏｎ博士于２Ｏ世纪９Ｏ年代在《建立数据仓库》一书 中提出：“数据仓库（ｄａｔａ ｗａｒｅｈｏｕｓｅ）是一个面向主题的、集成 的、稳定的、包含历史数据的数据集合，它用于支持经营管理中 的决策制定过程。”在此，主题是指用户使用数据仓库进行决策 时所关心的重点方面；面向主题是指数据仓库内的信息是按主 题进行组织的，为按主题进行决策的过程提供信息；集成是指 数据仓库中的信息不是从各个业务处理系统中简单抽取出来 的，是经过系统加工、汇总和整理，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；稳定是指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 般有大量的插入和查询操作，但修改和删除操作很少；包含历 史数据是指数据仓库内的信息并不只是关于企业当时或某一 时点的信息，而是系统记录了企业从过去某一时点到目前的各 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 势作出定量分析和预测。把信息加以整理归纳，并及时提供给 相应的管理决策人员，是数据仓库的根本任务。仓库是来自多 个源的数据的存储库，它可通过Ｉｎｔｅｒｎｅｔ将不同的数据库连接 起来，并将数据全部或部分复制到一个数据存储中心。数据仓 库倾向于一个逻辑的概念，它建立在一定数量的数据库之上， 这些数据库在物理上可以是分开的，甚至可以属于不同的国 家。数据仓库通过Ｉｎｔｅｒｎｅｔ打破地域界限，将它们合成一个逻 辑整体，把一个海量的数据库展现在用户面前。ｔ １．２数据仓库的作用 数据仓库主要有三方面的作用：首 先，数据仓库提供了标准的报表和图表功能，其中的数据来源 于不同的多个事务处理系统，因此，数据仓库的报表和图表是 关于整个企业集成信息的报表和图表。其次，数据仓库支持多 维分析，多维分析是通过把一个实体的多项重要的属性定义为 多个维度，使得用户能方便地汇总数据集，简化了数据的分析 处理逻辑，并能对不同维度值的数据进行比较，而维度则表示 了对信息的不同理解角度。应用多维分析可以在一个查询中 作者简介：王建平，男，１９６９年生，馆员。
基于Oracle数据仓库应用技术的研究与实现
本文介绍了数据仓库系统的设计与实现方法。
武汉科技大学硕学论士位文摘要
一1第页
数据仓库是一项基于数据管理和利用的综合性技术。近年来，数据仓库技术在信息技术领域中日益成熟，己成为业界研究的重点。企业要想在市场竞争中取胜，获得更大的经济效益，可以利用数据仓库技术，对企业的业务数据进行深层次的挖掘、分析历史和当前的业务数据以及相关环境的数据，快速获取其中有用的决策信息，为企业提供快速、准确和方便的决策支持。
数据仓库是面向主题的、集成的、变的时和非易失的数据集合，支持管理的决策过程。数据仓库不是一个新的平台，而是一个新的概念。数据仓库也不是一个现成的产品，而是一个解决方案。数据仓库是在收集各种分散、异构数据源的基础上，对数据进行转换和集
成，从而为决策者提供单一的分析环境，帮助其进行科学决策。
联机分析处理(LnAltc1rcigOA)O一ieayiaPoen,Lp是数据仓库的一个典型的应用。nn它能将数据仓库中的数据按照不同的粒度级进行聚合和预计算，从而在用户面前展现多维
数据视图。同时，联机分析处理还提供了较直观的多维分析操作，包括切片、切块、上卷、下钻和旋转等，使用户能多角度、多层次地观察数据仓库中的数据。本论文对面向决策支持的数据仓库技术进行了深入的研究，利用数据仓库和联机分析处理的相关知识，独立设计了钢铁销售决策支持的数据仓库系统的架构，建立了数据仓库系统，并在此基础上进行应用研究。本文阐述了数据仓库的基本概念及特点、数据仓库的体系结构、数据仓库的数据组织、数据仓库的数据分析等知识，介绍了oal公司提供的rce基于oalg数据仓库解决方rcei案及其关键工具，在对本文的理论基础进行了详细的介绍后，研究了如何将数据仓库及联机分析处理有关理论、方法应用于决策支持系统中.完成的主要工作有：结合钢材销售主业务，构建数据仓库模型，划分了合同、销售及来款三个主题，建立
数据仓库的源数据类型
在构建数据仓库时，源数据的类型是非常重要的。不同类型的源数据需要采用不同的处理方式和技术工具。下面将详细介绍数据仓库中常见的源数据类型及其特点。
1. 结构化数据：
结构化数据是指以表格形式存储的数据，通常包括行和列。这种数据类型非常常见，例如关系型数据库中的数据、Excel表格等。结构化数据的特点是数据格式一致且易于处理。在数据仓库中，可以直接将结构化数据导入到数据仓库中，并通过ETL（抽取、转换和加载）流程进行数据清洗和转换。
2. 半结构化数据：
半结构化数据是指具有一定结构但不符合传统关系型数据库表格模式的数据。常见的半结构化数据包括XML、JSON和HTML等。这种数据类型的特点是数据具有一定的层次结构和标签，但不同数据之间的结构可能不一致。在数据仓库中，可以使用解析器和转换工具将半结构化数据转换为结构化数据，然后再导入到数据仓库中进行分析和处理。
3. 非结构化数据：
非结构化数据是指没有明确结构的数据，通常以文本形式存在，例如文档、电子邮件、音频、视频等。这种数据类型的特点是数据格式不规则且难以处理。在数据仓库中，非结构化数据需要经过处理和转换才能被分析和利用。常见的处理方式包括文本挖掘、自然语言处理和音视频处理等技术。
4. 多媒体数据：
多媒体数据是指包含图像、音频和视频等内容的数据。这种数据类型的特点是数据量大且复杂，需要专门的工具和技术进行处理和分析。在数据仓库中，可以使用图像处理、音视频处理和机器学习等技术对多媒体数据进行分析和挖掘，以获取有价值的信息。
5. 实时数据：
实时数据是指在数据产生后立即进行处理和分析的数据。这种数据类型的特点是数据量大且需要实时处理。在数据仓库中，可以使用流处理技术对实时数据进行处理和分析，以实现实时监控和决策支持。
综上所述，数据仓库的源数据类型包括结构化数据、半结构化数据、非结构化数据、多媒体数据和实时数据。针对不同类型的源数据，需要采用不同的处理方式和技术工具进行数据清洗、转换和加载。通过合理处理和分析源数据，可以为企业提供有价值的信息和决策支持。
BI、数据仓库、OLTP、OLAP
⼀、BI
商业智能（Business Intelligence，简称：BI），⼜称商业智慧或商务智能，指⽤现代数据仓库技术、线上分析处理技术、数据挖掘和
数据展现技术进⾏数据分析以实现商业价值。
商业智能的概念在1996年最早由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：商业智能描述了⼀系列的概念和
⽅法，通过应⽤基于事实的⽀持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和⽅法，包括收集、管理和分析
数据，将这些数据转化为有⽤的信息，然后分发到企业各处。
⼆、数据仓库
Data Warehouse，可简写为DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据⽀持的战略集合。它是单
个数据存储，出于分析性报告和决策⽀持⽬的⽽创建。 为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。
数据仓库是⾯向主题的；操作型数据库的数据组织⾯向事务处理任务，⽽数据仓库中的数据是按照⼀定的主题域进⾏组织。主题是指⽤
户使⽤数据仓库进⾏决策时所关⼼的重点⽅⾯，⼀个主题通常与多个操作型信息系统相关。数据仓库是集成的，数据仓库的数据有来⾃于分
散的操作型数据，将所需数据从原来的数据中抽取出来，进⾏加⼯与集成，统⼀与综合之后才能进⼊数据仓库
概括来说，数据仓库系统是指具有综合企业数据的能⼒，能够对⼤量企业数据进⾏快速和准确分析，辅助做出更好的商业决策的系统。
它本⾝包括三部分内容：
1、数据层：实现对企业操作数据的抽取、转换、清洗和汇总，形成信息数据，并存储在企业级的中⼼信息数据库中。
2、应⽤层：通过联机分析处理，甚⾄是数据挖掘等应⽤处理，实现对信息数据的分析。
3、表现层：通过前台分析⼯具，将查询报表、统计分析、多维联机分析和数据发掘的结论展现在⽤户⾯前。
从应⽤⾓度来说，数据仓库系统除了联机分析处理外，还可以采⽤传统的报表，或者采⽤数理统计和⼈⼯智能等数据挖掘⼿段，涵盖的
