【正文】 元數據的類型 按類型分類 （ 1） 關于基本數據的元數據 。D S S分析人員通常首先是專業(yè)人員，他們通常沒有很高的計算機水平。然而，在數據倉庫環(huán)境中，元數據的重要性提高了。 ? 當然，連續(xù)文件也可以通過把一個快照追加到一個以前生成的連續(xù)文件上來創(chuàng)建。 ? 簡單直接文件是間隔一定時間的操作型數據的一個快照。月底將每周位置的數據加到一起，并放入第一個每月相應的數據位置處，然后每周數據位置清零。 輪轉綜合數據存儲 ? 數據先用與前面相同的處理方法從操作型環(huán)境輸入到數據倉庫環(huán)境中。 簡單堆積結構 ? 數據倉庫中最簡單最常用的數據組織形式也許是簡單堆積結構。 數據倉庫中的數據組織 ? 簡單堆積。 ? 輕度綜合數據庫中的數據量比細節(jié)數據庫中的數據量少得多。 ? 數據倉庫包括兩種類型的數據：輕度綜合數據和“真實檔案”細節(jié)數據。為了訪問大量數據，其處理能力的大小同樣也是應考慮的一個因素。數據代表一位顧客一個月的綜合信息，每位顧客一個月只有一個記錄，這樣的記錄大約只需2 0 0個字節(jié)。數據代表一位顧客一個月的綜合信息，每位顧客一個月只有一個記錄。 ? 在數據倉庫環(huán)境中粒度之所以是主要的設計問題，是因為它深深地影響存放在數據倉庫中的數據量的大小，同時影響數據倉庫所能回答的查詢類型。 因此 ，數據倉庫的建立是運用一套有效的數據倉庫建立方法不斷反復循環(huán)的過程 。 數據倉庫實施 ? 總的來說 ， 數據倉庫的實施是為了建立一個良好的數據組織和管理環(huán)境 ， 以滿足決策支持的需要 。 系統(tǒng)運行維護 ? 數據倉庫建成后就進入運行維護，在運行中要不斷驗證評價分析設計是否符合用戶需求，產生出新的分析要求及時反饋回需求分析，進行系統(tǒng)設計的改進。 ? 應用設計的任務是設計標準的用戶應用模板。 數據倉庫的建立最終是為應用服務的 ，所以需要對應用進行設計和開發(fā) ， 以更好地滿足用戶的需要 。為解決這些問題人們采用了新的技術。 元數據是數據倉庫的重要組成部分 ， 元數據的質量決定整個數據倉庫的質量 。 ? （ 3） 數據維護 。 例如 ， 有兩個數據源存儲與人員有關的信息 ， 在定義數據組成的人員編碼類型時 ， 可能一個是字符型 ， 一個是整型；在定義人員性別這一屬性的類型時 ， 一個可能是 char(2)存儲的數據值為 “男 ”和 “女 ”， 而另一個屬性類型為 char（ 1） ， 數據值為 “F” 和 “M” 。 它是數據倉庫設計工程中非常重要的過程 ， 它由三個主要步驟組成：抽取 （ Extraction ） 、 轉換(Transformation)、 加載 (Load)， 簡稱 ETL。 ? 雪花模型增加了用戶必須處理的表數量，增加了某些查詢的復雜性，但這種方式可以使系統(tǒng)進一步專業(yè)化和實用化，同時降低了系統(tǒng)的通用程度。 雪花模型是對星型模型的擴展，每個維表都可以向外連接到多個詳細類別表 。在決策支持系統(tǒng)數據倉庫環(huán)境以外，常有數據更新，而且數據關系的管理要在秒的一級上進行。 ? 文本數據常出現在維表中，數值數據常出現在事實表中，這種劃分似乎在所有情況都會發(fā)生。 ? 星型連接中央的“訂單”被稱作是“事實表”，而其周圍的其他實體 — “ 產品”、“客戶”、“供應商”和“發(fā)貨”則被稱為“維表”。 數據線 模型設計 ? 用來管理數據倉庫中載入某個實體的大量數據的設計結構通常用“星型連接”。三維透視圖表明了這種三維透視。 ? 僅僅從數據模型的角度來著手設計數據倉庫會產生一種“平面”效應。 ? 模型設計主要包括四個基本步驟：確定合適的主題、劃分粒度層次、設計維表和設計事實表。 數據線 模型設計 ? 需求分析已經確定了用戶業(yè)務分析所需要的數據。 業(yè)務需求分析 ? 業(yè)務需求分析是數據倉庫中一個很重要的階段，好的業(yè)務需求分析會使項目成功的機率大大增加。數據倉庫在構建之初應明確其主題 ， 主題是一個在較高層次將數據歸類的標準 ， 每一個主題對應一個宏觀的分析領域 ， 針對具體決策需求可細化為多個主題表 ， 具體來說就是確定決策涉及的范圍和所要解決的問題 。這就要求各企業(yè)對整個系統(tǒng)的建設提出一個全面、清晰的遠景規(guī)劃及技術實施藍圖，將整個項目的實施分成若干個階段，以“總體規(guī)劃、分步實施、步步見效”為原則，不僅可迅速從當前投資中獲得收益，而且可以在已有的基礎上，結合其他已有的業(yè)務系統(tǒng)，逐步構建起完整、健壯的數據倉庫系統(tǒng)。不同企業(yè)會有不同的數據倉庫。 ROLAP基本數據和聚合數據均存放在 RDBMS之中； MOLAP基本數據和聚合數據均存放于多維數據庫中；HOLAP基本數據存放于 RDBMS之中 ， 聚合數據存放于多維數據庫中 。內部信息包括各種業(yè)務處理數據和各類文檔數據。 數據的表現 ? 數據表現實際上相當于數據倉庫的門面，其性能主要集中在多維分析、數理統(tǒng)計和數據挖掘方面。數據倉庫的組織管理方式決定了它有別于傳統(tǒng)數據庫，同時也決定了其對外部數據的表現形式。由于數據倉庫是一個獨立的數據環(huán)境，它需要通過抽取過程將數據從聯機事務處理系統(tǒng)、外部數據源、脫機的數據存儲介質中導入到數據倉庫。 ? 數據倉庫所要研究和解決的問題就是從數據庫中獲取信息。數據倉庫中的數據包含有大量綜合數據，很多與時間有關，如按時間段進行綜合或隔時間片進行抽樣。而數據倉庫中的數據僅僅是一系列某一時刻生成的復雜的快照。 數據倉庫四個特點 相對穩(wěn)定的 數據倉庫四個特點 反映歷史變化 ? 操作型數據庫主要關心當前某一個時間段內的數據 ，而數據倉庫中的數據通常包含歷史信息 ， 系統(tǒng)記錄了企業(yè)從過去某一時點 (如開始應用數據倉庫的時點 )到目前的各個階段的信息 ， 通過這些信息 ， 可以對企業(yè)的發(fā)展歷程和未來趨勢做出定量分析和預測 。 而數據倉庫中的數據是在對原有分散的數據庫數據抽取 、 清理的基礎上經過系統(tǒng)加工 、 匯總和整理得到的 ， 必須消除源數據中的不一致性 ， 以保證數據倉庫內的信息是關于整個企業(yè)的一致的全局信息 。 數據倉庫四個特點 集成的 ? 面向事務處理的操作型數據庫通常與某些特定的應用相關 ， 數據庫之間相互獨立 ， 并且往往是異構 。但這種方式能較好地將企業(yè)業(yè)務活動與數據庫模式相對應 ， 利于從手工處理向計算機處理過渡 ， 因而具有較好的可操作性； ? 數據倉庫是面向主題而進行數據組織的 。 數據倉庫的概念和特征 ? 目前，數據倉庫一詞尚沒有一個統(tǒng)一的定義。 ? 要提高分析和決策的效率和有效性，分析型處理及其數據必須與操作型處理及其數據相分離。在分析前，往往需要對細節(jié)數據進行不同程度的綜合。但對于決策分析而言，歷史數據是相當重要的，許多分析方法必須一大量的歷史數據為依托。 （ 3） 數據動態(tài)集成問題 ? 靜態(tài)集成的最大缺點在于，如果在數據集成后數據源中數據發(fā)生了變化，這些 變化將不能反映給決策者，導致決策者使用的是過時的數據。 ? DSS需要集成的數據。 ? 在分析處理環(huán)境中，用戶的行為模式與此完全不同，強調的是數據處理和分析的能力。 利用數據倉庫，企業(yè)可以對客戶行為的分析與預測，從而制定準確的市場策略、發(fā)現企業(yè)的重點客戶和評價市場性能，并通過銷售和服務等部門與客戶交流，實現企業(yè)利潤的提高。從某種意義上說，數據倉庫是客戶關系管理的靈魂。在事務處理環(huán)境中，用戶的行為特點是數據的存取操作頻率高而每次操作處理的時間短。 （ 2）數據集成問題。 ? 造成這種分散的原因有多種，主要有事務處理應用分散、“蜘蛛網”問題、數據不一致問題、外部數據和非結構化數據。 （ 4） 歷史數據問題 ? 事務處理一般只需要當前數據，在數據庫中一般也是存儲短期數據，不同數據的保存期限也不一樣，即使有一些歷史數據保存下來了，也被束之高閣，未得到充分利用。 （ 5）數據的綜合問題 ? 在事務處理系統(tǒng)中積累了大量的細節(jié)數據，一般而言， DSS并不對這些細節(jié)數據進行分析。 ? 有人感嘆： 20年前查詢不到數據是因為數據太少了，而今天查詢不到數據是因為數據太多了。它是一個聯機的系統(tǒng)，專門為分析統(tǒng)計和決策支持應用服務，通過它可滿足決策支持和聯