数据仓库介绍管理信息系统电子商务应用.ppt

,数据仓库（DataWare）,随着信息技术的不断推广和应用，许多企业都已经在使用MIS处理管理事务和日常业务。这些MIS为企业积累了大量的信息。企业管理者开始考虑如何利用这些信息海洋对企业的管理决策提供支持。因此，产生了与传统数据库有很大差异的数据环境要求和从这些海洋数据中获取特殊知识的工具需要,DW产生背景,一个面向主题的、集成的、随时间变化的、非易失性数据的集合，用于支持管理层的决策过程,数据仓库的发展与展望,数据仓库的体系结构和参照结构,数据仓库建立的基本框架,数据仓库与数据挖掘的联系,4,1,2,3,DW,操作型数据仓库要求,网络的影响,Web中的代理技术,基于关系对象数据库的数据仓库,数据仓库的未来发展,数据仓库与传统数据库的对比,00 01 02 03 04 05 06 07,Text in here(unit:%),Year,数据仓库的体系结构 数据仓库的概念结构从数据仓库的概念结构看，应该包含：数据源、数据准备区、数据仓库数据库、数据集市/知识挖掘库以及各种管理工具和应用工具,虚拟数据仓库结构虚拟数据仓库利用描述了业务系统中数据位置和抽取数据算法的元数据直接从业务系统中抽取查询的数据进行概括、聚合操作后，将最终结果提供给用户,数据集市结构数据集市结构或称为主题结构的数据仓库是按照主题进行构思所形成的数据仓库，没有一个独立的数据仓库。系统的数据不存储在同一数据仓库中，每个主题有自己的物理存储区。,单一数据仓库结构将所有的主题都集中到一个大型数据库中的体系结构。数据源中数据被按照同一标准抽取到独立的数据仓库中，用户在使用时再根据主题将数据仓库中的数据发布到数据集市中。,分布式数据仓库结构在企业各个分公司具有相当大的独立性时，企业总部设置一个全局数据仓库，各个分公司设置各自的局部数据仓库。局部数据仓库主要存储各自的未经转换的细节数据，全局数据仓库中主要存储经过转换的综合数据,数据仓库&数据挖掘联系,数据仓库数据挖掘,数据挖掘技术在数据仓库中的应用，正好弥补了数据仓库只能提供大量数据，而无法进行深度信息分析的缺陷,数据挖掘过程中所需要的数据处理与分析工具完全可以在数据仓库的数据处理与数据分析工具中找到，数据仓库中的OLAP完全可以为数据挖掘提供有关的数据操作支持,大多数数据挖掘工具需要在集成的、一致的、经过清理的数据上进行挖掘,数据仓库的参照结构,数据抽取，数据筛选、清理，清理后的数据加载等操作,分成数据管理与元数据管理两部分,负责管理数据仓库所使用的元数据,包含数据传输和数据仓库基础两部分.,基本功能层,管理层,元数据管理层,环境支持层,数据仓库建立的基本框架,定义数据源,DW构建步骤,GO ON,建立数据模型和数据仓库的物理设计,选择数据仓库技术和平台,收集和分析业务需求,更新DW,选择数据分析和数据展示软件,选择数据库连接软件,选择访问和报表工具,从操作型数据库中提取、转换、净化数据到数据仓库,Thank You!,