第9章上数据仓库应用实例.pptx
合集下载
数据仓库应用实例培训课件(ppt 50张)
•
• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
46．凡事不要说＂我不会＂或＂不可能＂，因为你根本还没有去做！ 47．成功不是靠梦想和希望，而是靠努力和实践． 48．只有在天空最暗的时候，才可以看到天上的星星． 49．上帝说：你要什么便取什么，但是要付出相当的代价． 50．现在站在什么地方不重要，重要的是你往什么方向移动。 51．宁可辛苦一阵子，不要苦一辈子． 52．为成功找方法，不为失败找借口． 53．不断反思自己的弱点，是让自己获得更好成功的优良习惯。 54．垃圾桶哲学：别人不要做的事，我拣来做！ 55．不一定要做最大的，但要做最好的． 56．死的方式由上帝决定，活的方式由自己决定！ 57．成功是动词，不是名词！ 28、年轻是我们拼搏的筹码，不是供我们挥霍的资本。 59、世界上最不能等待的事情就是孝敬父母。 60、身体发肤，受之父母，不敢毁伤，孝之始也； 立身行道，扬名於后世，以显父母，孝之终也。——《孝经》 61、不积跬步，无以致千里；不积小流，无以成江海。——荀子《劝学篇》 62、孩子：请高看自己一眼，你是最棒的！ 63、路虽远行则将至，事虽难做则必成！ 64、活鱼会逆水而上，死鱼才会随波逐流。 65、怕苦的人苦一辈子，不怕苦的人苦一阵子。 66、有价值的人不是看你能摆平多少人，而是看你能帮助多少人。 67、不可能的事是想出来的，可能的事是做出来的。 68、找不到路不是没有路，路在脚下。 69、幸福源自积德，福报来自行善。 70、盲目的恋爱以微笑开始，以泪滴告终。 71、真正值钱的是分文不用的甜甜的微笑。 72、前面是堵墙，用微笑面对，就变成一座桥。 73、自尊，伟大的人格力量；自爱，维护名誉的金盾。 74、今天学习不努力，明天努力找工作。 75、懂得回报爱，是迈向成熟的第一步。 76、读懂责任，读懂使命，读懂感恩方为懂事。 77、不要只会吃奶，要学会吃干粮，尤其是粗茶淡饭。 78、技艺创造价值，本领改变命运。 79、凭本领潇洒就业，靠技艺稳拿高薪。 80、为寻找出路走进校门，为创造生活奔向社会。 81、我不是来龙飞享福的，但，我是为幸福而来龙飞的！ 82、校兴我荣，校衰我耻。 83、今天我以学校为荣，明天学校以我为荣。 84、不想当老板的学生不是好学生。 85、志存高远虽励志，脚踏实地才是金。 86、时刻牢记父母的血汗钱来自不易，永远不忘父母的养育之恩需要报答。 87、讲孝道读经典培养好人，传知识授技艺打造能人。 88、知技并重，德行为先。 89、生活的理想，就是为了理想的生活。 —— 张闻天 90、贫不足羞，可羞是贫而无志。 —— 吕坤
数据仓库入门PPT课件
旋转（pivot） – 旋转是变换维的方向，即在表格中重新安排维的放置 （例如行列互换）
21
OLAP的分析方法(一)切片、切块
22
OLAP的分析方法(二)钻取
按 时 间 维 向 下 钻
23 取
按
时
间
维
60
向
上
钻
取
OLAP的分析方法(三)旋转
24
OLAP分类
OLAP
按照存储方式
按照处理地点
ROLAP MOLAP HOLAP
BOSS＋增值业务＋财务
集成数据
– 建立关联
事件关联（业务之间是相互关联）
客户数据统一
– 历史数据
大量历史数据的保存问题
– 中国建设银行一个中等规模的省产生每天的交 易详细记录大约200M
7
– 通常在业务系统中只保存当日数据
数据仓库数据处理流程
业务系统数据/外部数据
数据格式检查
源数据清洁、抽取、转换
12
ETL应用过程
数据加载入库
数据加载主要是将经过转换和清洗的数据加载到数据仓 库里面，即入库，可以通过数据文件直接装载或直连数 据库的方式来进行数据装载，可以充分体现高效性 ETL调度 ETL的调度控制方式有两种：
自动方式
由系统每天定时或准实时启动后台程序，自动完成数据 仓库ETL处理流程。 手动方式 用户可以通过前台监控平台，对单个目标或批量目标进 行手工调度。
(4)信息性:不论数据量有多大，也不管数据存储在何处，OLAP 系统应能及时获得信息，并且管理大容量信息。
20
OLAP表现方式
钻取 – 改变维的层次，变换分析的粒度 – 向上钻取（roll up）和向下钻取（drill down）
21
OLAP的分析方法(一)切片、切块
22
OLAP的分析方法(二)钻取
按 时 间 维 向 下 钻
23 取
按
时
间
维
60
向
上
钻
取
OLAP的分析方法(三)旋转
24
OLAP分类
OLAP
按照存储方式
按照处理地点
ROLAP MOLAP HOLAP
BOSS＋增值业务＋财务
集成数据
– 建立关联
事件关联（业务之间是相互关联）
客户数据统一
– 历史数据
大量历史数据的保存问题
– 中国建设银行一个中等规模的省产生每天的交 易详细记录大约200M
7
– 通常在业务系统中只保存当日数据
数据仓库数据处理流程
业务系统数据/外部数据
数据格式检查
源数据清洁、抽取、转换
12
ETL应用过程
数据加载入库
数据加载主要是将经过转换和清洗的数据加载到数据仓 库里面，即入库，可以通过数据文件直接装载或直连数 据库的方式来进行数据装载，可以充分体现高效性 ETL调度 ETL的调度控制方式有两种：
自动方式
由系统每天定时或准实时启动后台程序，自动完成数据 仓库ETL处理流程。 手动方式 用户可以通过前台监控平台，对单个目标或批量目标进 行手工调度。
(4)信息性:不论数据量有多大，也不管数据存储在何处，OLAP 系统应能及时获得信息，并且管理大容量信息。
20
OLAP表现方式
钻取 – 改变维的层次，变换分析的粒度 – 向上钻取（roll up）和向下钻取（drill down）
数据仓库开发实例解读PPT课件( 73页)
9.1.4超市营销系统数据仓库维模型 设计
• 1.日期维
• 日期维模型是许多数据仓库应用中的常用维度，其设 计方式与其他多数维模型有差别。具体设计时，日期 维可以存放以日期表示的5到10年的数据行，也可以将 3至4年的数据行作为日期维内容。如果对10年的每一 天都进行存储，也只需要3650行
• 日期维的每列由行所代表的特定日期进行定义。“星 期”列含有像“星期一”这样的名称内容，该列可用 于创建比较“星期一”与“星期日”销售情况对比的 查询。日历日期编号从1开始取值，然后根据月份的情 况取到29、29、30或者31，这一列主要用于对每个月 的同一天进行比较。同样，可以给出日历周编号、和 日历月编号(1，…，12)。
9.1基于商务智能的超市营销系统 规划与分析
• 某大型连锁超市的业务涵盖于3个省范围内的 1000多家门市。每个门市都有较完整的日用品 和食品销售部门，包括百货、杂货、冷冻食品、 奶制品、肉制品和面包食品等，大约5万多种， 其中大约45000种商品来自外部生产厂家，并 在包装上印有条形码。每个条形码代表了唯一 的商品。
9.1.4超市营销系统数据仓库维模型设计
• “星期六”与“星期日”要归入“周末”之列。当然， 可以对多个日期表属性进行共同约束，从而能够实现 一些像平日假期销售与周末假期销售进行比较的数据 仓库应用。
• “销售时节”列应设置为销售时节的名称，例如，春 节、情人节、端午节、五一节、国庆节、中秋节、重 阳节、圣诞节、或者标为“不是”。
• 商品销售单价对于计算商品利润十分重要，但将某个 商品一段时间内的所有销售单价相加是毫无意义的。 管理人员可能只对某一时间段内某个商品的平均销售 价感兴趣。平均销售价格可以用该时间段内的商品销 售额除以商品销理 人员衡量营销策略好坏的重要指标。
数据仓库的概念与体系结构PPT课件
– 围绕一些主题，如顾客、供应商、产品等 – 关注决策者的数据建模与分析，而不是集中于
组织机构的日常操作和事务处理。 – 排除对于决策无用的数据，提供特定主题的简
明视图。
可编辑课件PPT
7
数据仓库关键特征二——数据集成
• 一个数据仓库是通过集成多个异种数据源 来构造的。
• 关系数据库，一般文件，联机事务处理记录
• 衡量联机事务处理系统的一个重要性能指标是系 统性能，具体体现为实时响应时间(Response Time)
• 特点
– OLTP支持大量并发用户定期添加和修改数据
– 反映随时变化的单位状态，但不保存其历史记录
– 具有复杂的结构。
可编辑课件PPT
33
OLTP系统 VS. OLAP系统比较 (1)
2
什么是数据仓库?
• 数据仓库（Data Warehouse，简写为DW或DWH）
• 数据仓库的定义很多，但却很难有一种严格的定义 – 数据仓库是一个数据库，它与公司的操作数据库分开 维护。 – 允许将各种应用系统集成在一起，为统一的历史数据 分析提供坚实的平台，对信息处理提供支持
• 数据仓库区别于其他数据存储系统 – “数据仓库是一个面向主题的、集成的、随时间而变 化的、不容易丢失的数据集合，支持管理部门的决策 过程.”—W. H. Inmon
13
数据仓库数据库
– 数据仓库系统中的数据库是整个数据仓库系统 的核心，是数据信息存放的地方，对数据提供 存取和检索支持。相对于传统数据库来说，它 突出的特点是对海量数据的支持和快速的检索 技术。
可编辑课件PPT
14
数据抽取工具
– 数据抽取工具把数据从各种各样的存储环境中 提取出来，进行必要的转化、整理，再存放到 数据仓库中。对各种不同的数据存储方式的访 问能力是数据抽取工具的关键，数据转换通常 包括：
组织机构的日常操作和事务处理。 – 排除对于决策无用的数据，提供特定主题的简
明视图。
可编辑课件PPT
7
数据仓库关键特征二——数据集成
• 一个数据仓库是通过集成多个异种数据源 来构造的。
• 关系数据库，一般文件，联机事务处理记录
• 衡量联机事务处理系统的一个重要性能指标是系 统性能，具体体现为实时响应时间(Response Time)
• 特点
– OLTP支持大量并发用户定期添加和修改数据
– 反映随时变化的单位状态，但不保存其历史记录
– 具有复杂的结构。
可编辑课件PPT
33
OLTP系统 VS. OLAP系统比较 (1)
2
什么是数据仓库?
• 数据仓库（Data Warehouse，简写为DW或DWH）
• 数据仓库的定义很多，但却很难有一种严格的定义 – 数据仓库是一个数据库，它与公司的操作数据库分开 维护。 – 允许将各种应用系统集成在一起，为统一的历史数据 分析提供坚实的平台，对信息处理提供支持
• 数据仓库区别于其他数据存储系统 – “数据仓库是一个面向主题的、集成的、随时间而变 化的、不容易丢失的数据集合，支持管理部门的决策 过程.”—W. H. Inmon
13
数据仓库数据库
– 数据仓库系统中的数据库是整个数据仓库系统 的核心，是数据信息存放的地方，对数据提供 存取和检索支持。相对于传统数据库来说，它 突出的特点是对海量数据的支持和快速的检索 技术。
可编辑课件PPT
14
数据抽取工具
– 数据抽取工具把数据从各种各样的存储环境中 提取出来，进行必要的转化、整理，再存放到 数据仓库中。对各种不同的数据存储方式的访 问能力是数据抽取工具的关键，数据转换通常 包括：
《数据仓库开发实例》课件
数据仓库是随时间变化的
数据仓库中的数据会随着时间的推移 不断更新和变化，反映企业的业务发 展和变化。
数据仓库的体系结构
数据源
数据仓库的数据来源程，将数据从源系 统加载到数据仓库中。
数据仓库
存储和管理企业数据的核心部分，包括事实 表和维度表。
根据逻辑设计和物理设计，开发ETL过程，实现数据的抽取、转换和加载。
开发查询和管理工具
开发数据仓库的查询和管理工具，方便用户对数据进行查询和管理。
测试和验证
对数据仓库进行测试和验证，确保数据的准确性和完整性。
PART 03
数据仓库开发实例
REPORTING
实例一：零售业数据仓库
总结词：销售分析
详细描述：该实例展示了如何构建一个零售业数据仓库，用于分析销售数据，包 括商品类别、销售量、销售额等指标，以及如何利用数据仓库进行市场趋势预测 和销售策略优化。
总结与展望
REPORTING
数据仓库开发的总结
01
技术应用
随着大数据时代的来临，数据仓库技术得到了广泛应用。 在本次开发实例中，我们采用了先进的数据处理和分析技 术，实现了高效的数据存储、查询和分析。
02 03
业务价值
数据仓库在业务领域中具有重要价值，它能够帮助企业更 好地理解客户需求、优化业务流程、提高决策效率。通过 本次开发，我们成功地将数据转化为有价值的业务信息， 为企业提供了决策支持。
OLAP
联机分析处理，通过多维数据分析工具对数 据仓库中的数据进行查询和分析。
PART 02
数据仓库开发流程
REPORTING
需求分析
1 2
明确目标
理解业务需求，确定数据仓库的构建目标。
调研现状
数据仓库中的数据会随着时间的推移 不断更新和变化，反映企业的业务发 展和变化。
数据仓库的体系结构
数据源
数据仓库的数据来源程，将数据从源系 统加载到数据仓库中。
数据仓库
存储和管理企业数据的核心部分，包括事实 表和维度表。
根据逻辑设计和物理设计，开发ETL过程，实现数据的抽取、转换和加载。
开发查询和管理工具
开发数据仓库的查询和管理工具，方便用户对数据进行查询和管理。
测试和验证
对数据仓库进行测试和验证，确保数据的准确性和完整性。
PART 03
数据仓库开发实例
REPORTING
实例一：零售业数据仓库
总结词：销售分析
详细描述：该实例展示了如何构建一个零售业数据仓库，用于分析销售数据，包 括商品类别、销售量、销售额等指标，以及如何利用数据仓库进行市场趋势预测 和销售策略优化。
总结与展望
REPORTING
数据仓库开发的总结
01
技术应用
随着大数据时代的来临，数据仓库技术得到了广泛应用。 在本次开发实例中，我们采用了先进的数据处理和分析技 术，实现了高效的数据存储、查询和分析。
02 03
业务价值
数据仓库在业务领域中具有重要价值，它能够帮助企业更 好地理解客户需求、优化业务流程、提高决策效率。通过 本次开发，我们成功地将数据转化为有价值的业务信息， 为企业提供了决策支持。
OLAP
联机分析处理，通过多维数据分析工具对数 据仓库中的数据进行查询和分析。
PART 02
数据仓库开发流程
REPORTING
需求分析
1 2
明确目标
理解业务需求，确定数据仓库的构建目标。
调研现状
-数据库应用实例PPT课件
第9章 数据库应用实例
.
1
9.1 楼盘销售系统
9.1.1 开发背景
• 传统房地产销售管理以人工实现为主，计 算机只起到辅助作用。
• 本系统主要针对房地产销售业务处理过程 中的楼盘信息、客户信息、销售信息、合 同信息进行有效地管理，实现对楼盘销售 等相关信息的报表统计，还能够对包括管 理层和售楼人员在内的销售团队的个人及 绩效信息进行有效管理。
.
15
9.1 楼盘销售系统
9.1.3 系统设计
• 功能设计
楼楼盘盘销销售售系系统统
楼楼 盘盘 信信 息息
客客 户户 管管 理理
销销
合合 同同
统统 计计
售售
管管 理理
报报 表表
辅辅 助助 销销 售售
销销 售售 团团 队队
工工 具具 库库
系系 统统 管管 理理
楼楼 车车 房房 库库 信信 信信 息息 息息
9.1 楼盘销售系统
9.1.3 系统设计
• 数据库设计
.
24
9.1 楼盘销售系统
9.1.3 系统设计
• 数据库设计
.
25
9.1 楼盘销售系统
9.1.3 系统设计
• 数据库设计
.
26
9.1 楼盘销售系统
9.1.3 系统设计
• 数据库设计
.
27
9.1 楼盘销售系统
9.1.4 系统实现
• 开发环境 • 前台采用先进的.NET应用程序开发技术，
.
13
9.1 楼盘销售系统
9.1.2 需求分析
• 数据字典
名字：楼盘销售信息 描述：提供销售的详细信息 来源：售楼过程中自动记录 去处：楼盘销售信息表 组成：期号＋楼座号＋房间号＋买者姓名＋购楼方式＋ 经手者姓名 位置：数据管理模块
.
1
9.1 楼盘销售系统
9.1.1 开发背景
• 传统房地产销售管理以人工实现为主，计 算机只起到辅助作用。
• 本系统主要针对房地产销售业务处理过程 中的楼盘信息、客户信息、销售信息、合 同信息进行有效地管理，实现对楼盘销售 等相关信息的报表统计，还能够对包括管 理层和售楼人员在内的销售团队的个人及 绩效信息进行有效管理。
.
15
9.1 楼盘销售系统
9.1.3 系统设计
• 功能设计
楼楼盘盘销销售售系系统统
楼楼 盘盘 信信 息息
客客 户户 管管 理理
销销
合合 同同
统统 计计
售售
管管 理理
报报 表表
辅辅 助助 销销 售售
销销 售售 团团 队队
工工 具具 库库
系系 统统 管管 理理
楼楼 车车 房房 库库 信信 信信 息息 息息
9.1 楼盘销售系统
9.1.3 系统设计
• 数据库设计
.
24
9.1 楼盘销售系统
9.1.3 系统设计
• 数据库设计
.
25
9.1 楼盘销售系统
9.1.3 系统设计
• 数据库设计
.
26
9.1 楼盘销售系统
9.1.3 系统设计
• 数据库设计
.
27
9.1 楼盘销售系统
9.1.4 系统实现
• 开发环境 • 前台采用先进的.NET应用程序开发技术，
.
13
9.1 楼盘销售系统
9.1.2 需求分析
• 数据字典
名字：楼盘销售信息 描述：提供销售的详细信息 来源：售楼过程中自动记录 去处：楼盘销售信息表 组成：期号＋楼座号＋房间号＋买者姓名＋购楼方式＋ 经手者姓名 位置：数据管理模块
数据仓库实施指南精品PPT课件
度量
度量也叫事实，是用于评价业务状况的数值型数据 例如：销售额、成本、利润、库存量、交易数
在企业活动中通常是通过如销售额、费用、库存量和定额一类的关键 性能指标——度量来监测业务的成效。 不同的度量反映出不同的业务性质。度量之间相互独立。 度量是业务量化的表示。
多维立方体
一、数据仓库相关概念
数据中心五大体系
信息资源标准体系 数据交换服务体系 数据加工存储体系 数据分析应用体系 信息安全保障体系
二、数据仓库体系结构
信息资源标准体系-“建、管、用”
数据标准：主数据标准、元数据标准、数据元标准 、指标体系、指数体系、数据模型标准等
技术标准：数据交换标准等 管理标准：数据中心管理办法、数据中心管理流程 运维标准：数据安全管理规范，数据发布、共享及 服务规范等
三、数据仓库实施方法
第一步：选取业务过程 原则： 针对业务流程进行维度建模 确保某个业务流程中的核心数据只被抽取一次 保证数据仓库中业务数据一致性
误区： 不针对业务流程而针对业务部门进行维度建模 为某个部门或某张报表建立单独的维度模型
三、数据仓库实施方法
第二步：定义粒度
粒度的解释： 粒度传递了同事实表度量值相联系的细节所达到的程度方 面的信息。简单的说，反映了事实表的明细程度。
ETL
操作型 应用程序
分析系统
二、数据仓库体系结构
数据中心用户是谁？要解决什么问题？
用户： 领导 —决策支持 业务人员—报表、业务操作 信息中心—服务领导和业务人员
解决问题： 数据分散：难管理、难应用 数据标准不统一：可信度低
办法： 集中：数入一库 集成：数出一门 应用：报表、数据挖掘、数据共享
二、数据仓库体系结构
二、数据仓库体系结构
度量也叫事实，是用于评价业务状况的数值型数据 例如：销售额、成本、利润、库存量、交易数
在企业活动中通常是通过如销售额、费用、库存量和定额一类的关键 性能指标——度量来监测业务的成效。 不同的度量反映出不同的业务性质。度量之间相互独立。 度量是业务量化的表示。
多维立方体
一、数据仓库相关概念
数据中心五大体系
信息资源标准体系 数据交换服务体系 数据加工存储体系 数据分析应用体系 信息安全保障体系
二、数据仓库体系结构
信息资源标准体系-“建、管、用”
数据标准：主数据标准、元数据标准、数据元标准 、指标体系、指数体系、数据模型标准等
技术标准：数据交换标准等 管理标准：数据中心管理办法、数据中心管理流程 运维标准：数据安全管理规范，数据发布、共享及 服务规范等
三、数据仓库实施方法
第一步：选取业务过程 原则： 针对业务流程进行维度建模 确保某个业务流程中的核心数据只被抽取一次 保证数据仓库中业务数据一致性
误区： 不针对业务流程而针对业务部门进行维度建模 为某个部门或某张报表建立单独的维度模型
三、数据仓库实施方法
第二步：定义粒度
粒度的解释： 粒度传递了同事实表度量值相联系的细节所达到的程度方 面的信息。简单的说，反映了事实表的明细程度。
ETL
操作型 应用程序
分析系统
二、数据仓库体系结构
数据中心用户是谁？要解决什么问题？
用户： 领导 —决策支持 业务人员—报表、业务操作 信息中心—服务领导和业务人员
解决问题： 数据分散：难管理、难应用 数据标准不统一：可信度低
办法： 集中：数入一库 集成：数出一门 应用：报表、数据挖掘、数据共享
二、数据仓库体系结构
二、数据仓库体系结构
数据仓库PPT
结论： 结论：
空间数据仓库是一个多种异构数据源在单个 站点以统一的模式组织的存储， 站点以统一的模式组织的存储，它的根本目 的是服务于决策支持， 的是服务于决策支持，是空间决策支持系统 SDSS）的核心。 （SDSS）的核心。
1.5 1.5 数据仓库与数据库的比较
数据仓库（DW） 数据仓库（DW） 分析型数据环境 面向空间分析（主题）， 面向空间分析（主题）， 支持SDSS 支持SDSS 集成的综合数据 历史数据（5-10年） 历史数据（ 10年 定期加载，加载后极少更新 定期加载， 数据驱动的开发周期 CLDS） （CLDS） 数据库（DB） 数据库（DB） 操作型数据环境 面向业务， 面向业务，日常事务处理
高级数据库系统
基于WEB的空间数据库系统 的空间数据库系统 基于
90年代 90年代 到现在
空间数据分库和数据挖掘 空间属性一体化数据库系统） （空间属性一体化数据库系统）
基于XML的数据系统 的数据系统 基于
2000年 2000年 之后
第一代综合信息系统
空间数据库和联机处理 OLAP 空间数据挖掘SDM和知 空间数据挖掘 和知 识发现 KDD
集成的
具有关联机制， 具有关联机制，可为辅助决策集成多个不 同部门不同系统的大量数据异构空间。 同部门不同系统的大量数据异构空间。
稳定性
进入空间数据仓库的数据是不能或极少更 新的。 新的。
不同时间的
空间数据仓库内包含了大量历史数据， 空间数据仓库内包含了大量历史数据，时 限为5 10年 主要用于进行时间趋势分析。 限为5—10年，主要用于进行时间趋势分析。
1.2 空间数据仓库的概念
• 数据仓库的创始人 数据仓库的创始人W·H·Inmon曾经给数据 曾经给数据 仓库（ 仓库（DW）下过一个定义：数据仓库是数 ）下过一个定义： 据仓库向空间维的扩展， 据仓库向空间维的扩展，它是一个支持决 策过程的、面向主题的、集成的、稳定的、 策过程的、面向主题的、集成的、稳定的、 不同时间的空间数据的集合。 不同时间的空间数据的集合。
数据仓库实例课件
数据仓库实例课件
2.需求分析
◦ AdventureWorks数据库设计的方面很多，但是我们的目标 很简单，只有以下三个：
需要分析不同类别的产品通过直销在不同地区、不同时间段 内销售的业绩。
生成分析结果的报表。 分析影响客户所有车的数量的因素。
数据仓库实例课件
◦ 通过目标可以发现分析销售业绩基于的维度有三个：产品、客户和 时间，事实数据则为反映销售业绩的订单。
设计包的方法是从工具箱中将需要使用的容器、任务、可执行体等 工具拖拽到包的SSIS设计器窗口中，再对这些对象进行设计。
由于主要执行的是数据抽取工作，因此数据流任务是我们主要设置 的任务。
数据仓库实例课件
分析服务(Analysis Services) SQL Server 分析服务（SSAS）是一个用于分析数据仓库中数据的工
具，它包括了OLAP和数据挖掘工具。在SQL Server 2005数据库系统 中，Analysis Services工具以服务器的方式为用户提供管理多维数 据立方体的服务。Analysis Services可以把数据仓库中的数据组织 起来，经过预先的聚集运算，加入到多维立方体中（即建立立方体）， 然后对复杂的分析型访问做出迅速的回答。
◦ 对于事实数据，我们只会关心订单中产品的价格、折扣、数量和总 价的情况。
◦ 可以得到如下需求分析模型：
数据仓库实例课件
◦ 分析模型的事实表、维度表关系
数据仓库实例课件
3.数据转换和抽取（建立数据仓库） ◦ (1)首先使用Microsoft SQL Server Management Studio新建一个 数据库Sales_DW作为数据抽取的目标数据库，AdventureWorks作为 源数据库。 ◦ (2)新建Integration Services 项目Integration Sales，并在此 项目中新建一个SSIS包Integration Sales.dtsx，在此包中进行数 据的抽取，整合等操作。
2.需求分析
◦ AdventureWorks数据库设计的方面很多，但是我们的目标 很简单，只有以下三个：
需要分析不同类别的产品通过直销在不同地区、不同时间段 内销售的业绩。
生成分析结果的报表。 分析影响客户所有车的数量的因素。
数据仓库实例课件
◦ 通过目标可以发现分析销售业绩基于的维度有三个：产品、客户和 时间，事实数据则为反映销售业绩的订单。
设计包的方法是从工具箱中将需要使用的容器、任务、可执行体等 工具拖拽到包的SSIS设计器窗口中，再对这些对象进行设计。
由于主要执行的是数据抽取工作，因此数据流任务是我们主要设置 的任务。
数据仓库实例课件
分析服务(Analysis Services) SQL Server 分析服务（SSAS）是一个用于分析数据仓库中数据的工
具，它包括了OLAP和数据挖掘工具。在SQL Server 2005数据库系统 中，Analysis Services工具以服务器的方式为用户提供管理多维数 据立方体的服务。Analysis Services可以把数据仓库中的数据组织 起来，经过预先的聚集运算，加入到多维立方体中（即建立立方体）， 然后对复杂的分析型访问做出迅速的回答。
◦ 对于事实数据，我们只会关心订单中产品的价格、折扣、数量和总 价的情况。
◦ 可以得到如下需求分析模型：
数据仓库实例课件
◦ 分析模型的事实表、维度表关系
数据仓库实例课件
3.数据转换和抽取（建立数据仓库） ◦ (1)首先使用Microsoft SQL Server Management Studio新建一个 数据库Sales_DW作为数据抽取的目标数据库，AdventureWorks作为 源数据库。 ◦ (2)新建Integration Services 项目Integration Sales，并在此 项目中新建一个SSIS包Integration Sales.dtsx，在此包中进行数 据的抽取，整合等操作。
数据仓库的概念、设计及应用分析.pptx
典型的元数据包括：
❖数据仓库表的结构 ❖数据仓库表的属性 ❖数据仓库的源数据（记录系统） ❖从记录系统到数据仓库的映射 ❖数据模型的规格说明 ❖抽取日志 ❖访问数据的公用例行程序
数据仓库设计中的几个重要概念 (续）
❖Data Mart
数据集市 -- 小型的，面向部门或工作组级数据仓库。
❖Operation Data Store
DSS分析人员一定要严格遵循“给我我所要的东西，然后我 能告诉你我真正需要的东西”的工作模式； 反馈循环的周期越短，越有可能成功； 需要调整的数据量越大，反馈循环所需要的周期就越长
数据仓库的应用
❖在证券业的应用 :可处理客户分析、帐户分析、证券交易数据分析、
非资金交易分析等多个业界关心的主题，为客户提供针对其个人习惯、投资组合的投 资建议，从而真正作到对客户的贴心服务。
数据无时基 数据算法上的差异 抽取的多层次 外部数据问题 无起始的公共数据源
❖生产率低
根据全部数据生成企业报表 定位数据需要浏览大量文件 抽取程序很多，并且每个都是定制的，不得不克服很多技术上 的障碍。
❖数据转化为信息的不可行性
数据没有集成化 缺乏将数据转化为信息所需的历史数据
体系结构设计环境的层次
❖数据周期：是指从操作型数据发生改变起，到这个变 化反映到数据仓库中所用的时间。
从操作型环境知道数据的改变到这个变化反映到数 据仓库中至少应该经历24小时。
❖简要记录：或聚集记录，是把不同操作型数据的详细
信息聚集在一个记录中而形成的记录。 好处：①减少数据量； ②为用户的访问和分析提供了一种紧凑的方
操作数据 (局部)
操作数据 (局部)
数据集市
数据集市
存在的问题:
【精品】数据仓库及应用(数据仓库、数据模型、商务智能)PPT课件
Implement Time
> TB Months to years
< TB Months
Data Mart
Data Mart
Control: A department can completely control the data and processing that occurs inside a data mart. Cost: The cost of storage and processing is less, because the data mart’s machine is smaller than DW’s Customization: The data mart’s data is customized to suit the peculiar needs of the department.
Administration
Enterprise Data Warehouse
Enterprise data warehouses are funded on a corporate basis. Enterprise data warehouse covers the entire business (corporation), incorporating data from all operational systems. Information is extracted from the operational environment, cleansed, and transformed into a central, integrated enterprise-wide data warehouse environment, so that all the departments and other internal organizations of the corporation can benefit from a consistent, integrated source of decision support information.
> TB Months to years
< TB Months
Data Mart
Data Mart
Control: A department can completely control the data and processing that occurs inside a data mart. Cost: The cost of storage and processing is less, because the data mart’s machine is smaller than DW’s Customization: The data mart’s data is customized to suit the peculiar needs of the department.
Administration
Enterprise Data Warehouse
Enterprise data warehouses are funded on a corporate basis. Enterprise data warehouse covers the entire business (corporation), incorporating data from all operational systems. Information is extracted from the operational environment, cleansed, and transformed into a central, integrated enterprise-wide data warehouse environment, so that all the departments and other internal organizations of the corporation can benefit from a consistent, integrated source of decision support information.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
SQL Server数据复制向导
2.创建发布向导
利用发布向导可以完成这样一些操作：选择发布数 据库。使用发布模板。选择发布类型。选择可更新 的订阅。可传送的订阅（快照复制或事务复制可使 用的选项）。指定订阅服务器类型。指定要发布的 数据和数据库对象项目。选择发布名称和描述。自 定义发布属性，包括筛选列、筛选行、启用动态筛 选器、验证订阅信息、优化同步、允许匿名订阅以 及设置快照代理调度，以完成数据发布的创建。数 据发布的开始需要在数据发布服务器上打开SQL Server企业管理器，展开一个服务器组，展开复制 文件夹，右击发布文件夹，然后单击“新建发布” 命令，按照向导提示完成数据的分布创建。
9.1.2 超市数据仓库系统的数据加载
数 据 导 入 的 转 换 语 言
9.1.2 超市数据仓库系统的数据加载
数 据 导 入 任 务 包 的 保 存 与 调 度
9.1.2 超市数据仓库系统的数据加载
任 务 包 的 作 业 调 度
任务包的保存
任务包完成提示
任务包的浏览
9.1.3 多维数据集的更新
第9章 数据仓库应用实例
❖ 9.1数据仓库的数据加载与钻取 ❖ 9.2数据挖掘模型的设计 ❖ 9.3SQL Server中的数据挖掘工具 ❖ 9.4数据仓库客户端界面的设计
9.1 数据仓库的数据加载与钻取
9.1.1 数据仓库的数据加载 1.SQL Server的数据复制工具与应用
5个有关复制的向导工具：创建和管理 发布、强制其它服务器订阅、请求订阅、禁 用发布和分布、配置发布、订阅服务器和分 发
MDX新查询建立
MDX查询结果显示
MDX的立方体旋转显示
9.2 数据挖掘模型的设计
9.2.1 数据挖掘对象的分析
数据挖掘项目组成员 超市营销策略评价主要通过门市、商品、营销策略、日期和客 户五个维度。要分析的则是商品的销售量、销售额、商品的成 本和商品销售的利润等度量信息。 商品销售量增长率=（实施促销策略后商品销售量/实施促销策 略前商品销售量-1）×100% 商品销售额增长率=（实施促销策略后商品销售额/实施促销策 略前商品销售额）×100% 商品利润增长率=（实施促销策略后商品利润/实施促销策略前 商品利润）×100% 商品促销策略门市影响率=不同门市相同促销策略商品利润增长 率之比 商品促销策略时间影响率=不同时间相同促销策略商品利润增长 率之比等各种新的变量。
3.创建强制新订阅向导
4.创建请求订阅向导
5.禁用发布或分布向导
❖ 在SQL Server的企业管理器中的“工具”菜单中 打开向导菜单项，调出“选择向导”对话框，选 择其中的“复制”节点，选择“禁用发布或分布 向导”菜单项。，进入“欢迎使用禁用发布或分 布向导”对话框。利用该向导可以完成“除去所 选服务器上的所有发布”或“除去对应已除去发 布的所有订阅”这些设置不会影响到该服务器从 其它发布服务器接受到的订阅。
9.2.2 数据挖掘模型与相关数据的准备
1．挖掘模型的确定 在过去的若干年中的业务趋势是什么？在业务的不同 分类中有哪些最活跃的因素？不同的元素之间是否存 在相关性？最感兴趣的分类存在哪些地方？不同的分 类有哪些层次？ 客户分成“接收促销”、“不接收促销”两个分类。 将客户分成三个不同的聚类，它们的特征分别有哪些？ 销售额前10个商品聚类是什么？它们彼此之间有哪些 不同之处？ 有时为了解决一些较大的业务问题，可能还需要对业 务问题进行分解，将业务问题分解成多个较小的问题。 如果这些问题能够使用分类、估计、关联分组、聚类、 细分或预测等挖掘方法来解决。那么这一较大的问题 也就可以用数据挖掘方法解决。
9.1.2 超市数据仓库系统的数据加载
数 据 仓 库 的 数 据 导 入
9.1.2 超市数据仓库系统的数据加载
D T S 数 据 导 入 / 导 出 向 导
9.1.2 超市数据仓库系统的数据加载
数 据 导 入 源 的 选 择
9.1.2 超市数据仓库系统的数据加载
数 据 导 入 源 的 确 定
3.创建强制新订阅向导
在强制订阅中，集中的分发服务器将建立调度，按 照此调度与远程的、偶尔连接的订阅服务器进行连 接。使用强制订阅，分发代理程序（用于快照发布 和事务发布）或合并代理程序（用于合并发布）可 以运行于分发服务器。 建立订阅时要考虑的因素是需要订阅的类型（强制、 请求或匿名）以及运行复制代理程序的位置。 为了创建订阅，发布服务器上必须有发布，订阅服 务器上也必须有订阅数据库。可以在创建订阅之前 创建订阅数据库，或在创建强制订阅向导中指定新 的订阅数据库。可以为任何在发布服务器和分发服 务器的属性中启用的订阅服务器创建强制订阅。
在进行数据钻取前，还需要利用与编辑命 令同一菜单中的“管理角色”命令确定可 以进行数据钻取的管理人员。
5.钻取数据的选择
6.钻取结果显示
9.1.5 数据仓库的多维表达式MDX应用
MDX启动顺序：开始→程序→Microsoft SQL Server→Analysis Services→MDX示例应用程序。启 动MDX以后将出现Connect对话框，在Server输入框中 输入Analysis Services服务器名称，Provider输入 框中输入MSOLAP，单击“OK”按钮后，出现示例应用 程序窗口
9.1.2 超市数据仓库系统的数据加载
数 据 导 入 目 的 库 选 择
9.1.2 超市数据仓库系统的数据加载
数 据 导 入 方 式 选 择
9.1.2 超市数据仓库系统的数据加载
导 入 数 据 表 和 视 图 的 选 择
9.1.2 超市数据仓库系统的数据加载
数 据 导 入 源 和 目 的 的 映 射 确 定
D T S 调 度 包 的 建 立
处理任务框架
选择处理对象
调度任务处理选项确定
任务的建立
任务工作流确定
பைடு நூலகம்
任务工作流属性设置
DTS包的保存
任务包的调度设置
任务包的运行时间设置
9.1.4 数据仓库的钻取访问
1. 数 据 钻 取 的 进 入
2.数据钻取选项的确定
3.钻取数据列的选择
4.数据钻取角色的管理