会计学数据仓库的发展(fāzhǎn)数据仓库的发展(fāzhǎn)数据仓库的我国的发展(fāzhǎn)数据挖掘的发展(fāzhǎn)3.1数据仓库(DataWarehouse)数据仓库的适用范围数据(shùjù)仓库中数据(shùjù)的特点面向(miànxiànɡ)主题集成性稳定性时变性(biànxìng)支持(zhīchí)管理决策数据仓库的技术(jìshù)要求操作(cāozuò)数据库与数据仓库的区别事务型处理(chǔlǐ)与分析型处理(chǔlǐ)分析(fēnxī)型处理事务型处理(chǔlǐ)数据和分析型处理(chǔlǐ)数据的区别OLTP和OLAP的区别(qūbié)数据库设计:OLTP采用实体-联系ER模型和面向应用的数据库设计.OLAP采用星型或雪花模型和面向主题的数据库设计.视图:OLTP主要(zhǔyào)关注一个企业或部门内部的当前数据,不涉及历史数据或不同组织的数据OLAP则相反.访问模式:OLTP系统(xìtǒng)的访问主要由短的原子事务组成.这种系统(xìtǒng)需要并行和恢复机制.OLAP系统(xìtǒng)的访问大部分是只读操作.为什么需要(xūyào)分离的数据仓库3.2多维数据模型多维数据库模式(móshì)定义(dìngyì)模式的例子定义(dìngyì)维Definedimensiontimeas(time_key,day,day_of_week,month,quarter,year)度量的分类(fēnlèi)和计算代数(dàishù)的:如果一个聚集函数能够由一个具有M个参数的代数(dàishù)函数计算,且每个参数都可以用一个分布聚集函数求得.如avg()可以由sum()/count()计算,其中sum()和count()是分布聚集函数.整体的:如果一个聚集函数无法用具有M个参数的代数函数进行这一计算,则这个函数称是整体的,如rand()等许多度量(dùliàng)可以用关系的聚集操作计算对应图2-4,我们也可写出SQL语句.计算(jìsuàn)dollars_sold和units_sold概念(gàiniàn)分层多维数据模型的OLAP操作(cāozuò)3.3数据仓库的系统结构数据仓库设计(shèjì)过程三层数据仓库结构(jiégòu)顶层是客户(kèhù),它包括查询和报告工具,分析工具和数据挖掘工具(例如趋势分析,预测等)数据仓库的类型(lèixíng)OLAP服务器类型(lèixíng)特殊的SQL服务器,为了满足在关系数据库中日益增长的OLAP需要,实现(shíxiàn)了特殊的SQL服务器,提供高级查询语言和查询处理,在星型和雪花模式上支持SQL查询.数据立方体的有效(yǒuxiào)计算方体的选择(xuǎnzé)计算多路数组聚集(jùjí)索引(suǒyǐn)OLAP数据OLAP查询(cháxún)的有效处理具体步骤元数据(shùjù)存储数据仓库后端工具(gōngjù)数据仓库的维护(wéihù)进一步发展(fāzhǎn)和探讨3.6从数据仓库到数据挖掘联机(liánjī)分析挖掘(OLAM)环绕数据仓库的有价值的信息处理基础设施:谨慎的做法是尽量利用可用的基础设施,而不是一切从头做起.基于OLAP的探测式数据分析(fēnxī):有效的数据挖掘需要探测式数据分析(fēnxī).用户常常想在不同粒度上分析(fēnxī)它们.联机分析(fēnxī)挖掘提供在不同的数据子集和不同的抽象层上进行数据挖掘的工具.数据挖掘功能的联机选择:用户常常不知道想挖掘些什么.通过将OLAP与多种数据挖掘功能集成在一起,联机分析(fēnxī)挖掘为用户选择所期望的数据挖掘功能动态修改挖掘任务提供了灵活性