协同OA办公系统-数据仓库

BI与数据仓库理论泛普软件议程：BI数据仓库商业数据正在以几何级速度在增长复杂的关系型数据库需要IT的专业知识面临激烈的竞争环境每周需要做出关键决策的次数是五年前的三倍信息用户需要更多更复杂更频繁的报表管理层做出明智决策的可用时间越来越紧迫信息用户与业务数据的鸿沟“我们有很多数据但还是得不到足够的信息”标准报表企业经营数据信息人员决策过程现状系统很少是集成的面向主题的数据整合销售订单

的信息生产的信息客户服务的信息财务部的信息企业管理驾驶仓企业组织想要什么?在任何时间、任何地方能向任何用户提供有价值的信息基础设施查询、分析、报表多维数据集多维数据集数据市场数据仓库数据市场FileCRMERP闭环的知识链源系统信息采集和存储信息整理和加工知识行动结果商业智能的历史回顾直接联接数据来源系统HR报表系统销售报表系统客户服务报表系统生产制作报表系统性能问题历史回顾OLTP系统的数据抽取和复制复制的数据集HR报表系统销售报表系统客户服务报表系统生产制作报表系统数据的不一致性，多个版本的报表数据来源系统历史回顾用户自建的部门系统复制的数据集蜘蛛网问题数据来源系统历史回顾——理论界数据库、模型库和方法库三库的概念和方法：数据库用来存储企业的数据信息；模型库用来存储辅助决策所需的各种模型；方法库则用来存放各种运算方法。

大多数系统都只停留在演示阶段，实用性、灵活性不够。决策支持系统的开发常常处于方案设计和系统规划阶段，缺乏丰富的数据资源缺乏分析工具缺乏灵活性

操作型数据数据仓库 面向应用，事务驱动面向分析，分析驱动支持许多并发用户动态地不可更新，周期性刷新添加和修改数据细节性数据综合性和提炼性数据当前值数据历史数据 一次处理的数据量小 一次处理的数据量大快速响应相对较低

操作型数据和分析型数据事实表:包含了基本商业事务的所有详细信息，由事实数据元素和维数据元素组成.事实表是多维模型的核心.事实数据是决策分析的数据基础.维表:存放维数据.描述性信息，观察事物的角度1.维：是人们观察数据的特定角度，是考虑问题时的一类属性，属性集合构成一个维(时间维、地理维等)。2.维的层次：人们观察数据的某个特定角度(即某个维)还可以存在细节程度不同的各个描述方面(时间维：日期、月份、季度、年)。3.维的成员：维的一个取值。是数据项在某维中位置的描述。(“某年某月某日”是在时间维上位置的描述)数据仓库的模型设计OA（/）同一性——梦想而已整体数据仓库OA

系统子集集市/分析型应用像许多以前的数据仓库概念一样，说起来不错，做起来却很不现实异构性——才是现实客户定制市场数据仓库ThinkOne财务数据仓库打包的I2供应链非结构化的数据集市子集数据集市ThinkOne财务应用i2供应链CRM遗留系统e-Commerce?规划解决方案支持数据仓库管理(处理流程与操作)物理数据库设计数据转换应用开发数据挖掘服务设计与实现支持与增强解决方案体系结构设计元数据管理数据仓库评估应用增强逻辑数据模型回顾物理数据库回顾性能调整容量规划解决方案集成定制解决方案规划详细数据分析解决方案准备就绪解决方案实施建议现成解决方案规划数据仓库策略开发业务探索业务探索解决方案定义逻辑数据模型设计修改逻辑数据模型验证解决方案数据仓库的循环过程数据仓库的实施查询、分析、报表多维数据集多维数据集数据市场数据仓库数据市场FileCRMERP闭环的知识链源系统信息采集和存储信息整理和加工知识行动结果商业智能来源系统数据转化引擎缓存来源主机或C/S系统转化引擎C/S系统数据仓库C/S系统企业元数据数据集市C/S系统数据集市数据集市C/S系统数据集市扫描元数据要求资源规划交付用户流程数据仓库监控任务调度数据抽取数据清洗数据转换数据加载索引建立数据聚合元数据导入元数据维护

数据的提取和加载

用户从数据源抽取出所需的数据，经过数据清洗、转换,最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。校验数据：检查数据的完整性过滤数据：过滤掉不必要的信息综合数据：将分散在多个数据来源的信息结合起来净化数据：使数据达到一致性

数据的提取和加载元数据是描述数据仓库中数据的数据

Metadata的组成:表,数据元素,主键数据元素的物理特征各种定义数据抽取历史数据汇总算法数据属主关系及存取模式数据生命期以及淘汰规则数据安全性数据的度量单位设计映射抽取清洗转换加载建立索引聚合数据复制数据集分布数据访问&分析资源调度&配置分发元数据管理统一系统管理和用户管理查询、分析、报表多维数据集多维数据集数据市场数据仓库数据市场FileCRMERP闭环的知识链源系统信息采集和存储信息整理和加工知识行动结果商业智能多维数据集将数据仓库数据以多维结构表示，利用多维数据模型和数据聚合技术组织和汇总数据。以提供快速数据检索和计算引擎。聚合：预先计算好的数据汇总，由于在问题提出之前已经准备了答案，聚合可以改进查询响应时间目的：对复杂的查询分析提供快速回应时间地点产品山地车山地车地点时间$分析：切片、切块时间地点全球美国欧洲纽约洛杉矶伦敦巴黎产品的分析：钻取OA软件/数据分析的四种模型与相应工具数据分析的四种模型:绝对模型属于静态数据分析.它通过比较历史数据和行为来描述过去发生的事情.解释模型属于静态数据分析.它通过层层细化,找出事实发生的原因.思考模型属于动态数据分析.它通过引入一定参数后,预测将来会发生什么.公式模型最高级动态数据分析.它知道需要引入哪些参数以及所产生的结果.数据分析的工具有三种类型:查询工具:指对分析结果的查询,而不是记录级的查询.验证型工具:从数据仓库中发现事实.实现数据分析的前三种模型.挖掘型工具:从大量数据中发现模式.实现第四种分析模型.数据挖掘（

发现数据中存在的关系和规则，根据现有的数据预测未来的发展趋势

广州OA系统/数据挖掘-分析方法与分析过程数据挖掘有四种分析方法:关联分析:挖掘出隐藏在数据间的相互关系.序列模式分析:分析数据间的前后(因果)关系.分类分析:先定义一组标记,再赋予每条记录一个标记,从而实现对记录的分类分析.典型的分类分析模型有:线性回归模型,策略树模型,基于规则的模型,神经物理模型,聚类分析:是分类分析的逆过程.它根据一定的规则,对记录进行合理的分类.通过分类分析可以发现分类规则