bi商業(yè)智能簡介(編輯修改稿)
2025-01-30 06:59 本頁面
【文章內容簡介】 DatamartEnterprise/Central DataWarehouseRDBMSROLAPRDBMSRDBMSArchitectedDatamartsCentralMetadata Data Modeling ToolEndUserToolEndUserToolMDBEndUserToolEndUserToolLocal MetadataLocal Metadata典型物理架構ETL_DM1 ETL_DM2BAS_DW1 BAS_DW2BAS_OP1 BAS_OP2Bas_sw01 Bas_sw02Dx_sp01 Dx_sp02 Dx_sp03元數(shù)據(jù)管理服務器BAS_SM1 BAS_SM270T!企業(yè)數(shù)據(jù)倉庫的目的? 數(shù)據(jù)整合 建立一個企業(yè)統(tǒng)一的信息平臺– 建立統(tǒng)一的業(yè)務數(shù)據(jù)定義– 建立唯一的統(tǒng)計分析數(shù)據(jù)源? 快速訪問 — 采用適合企業(yè)BI應用的數(shù)據(jù)組織方式– 新需求的開發(fā)快– 數(shù)據(jù)獲取的效率快業(yè)務管理層業(yè)務操作層戰(zhàn)略層底層數(shù)據(jù)低粒度匯總高粒度匯總建設數(shù)據(jù)倉庫的主要任務? 數(shù)據(jù)倉庫建模數(shù)據(jù)倉庫建模? ETL? 前端展現(xiàn)組? 數(shù)據(jù)挖掘? 元數(shù)據(jù)數(shù)據(jù)倉庫引擎? NCR Teredata? ORACLE 9以上? DB2 EEE? Sybase IQ? MS SQL Server維模型的設計每個維可以由一個或多個維層次或聚合路徑組成Dimension 1事實Dimension 2Dimension 4measure 1measure 2.....supportive attributes....Dimension 3aggregation path or dimension hierarchydimension key 1dimension key 2.....aggregation levelsIWS 模型的特點? 簡單視圖 — 實例倉庫底層設計考量（一）? 慢速變化維問題快速變化和慢速變化倉庫底層設計考量（二）? 粒度問題一天變化多次入庫時間倉庫中間層設計考量? 基于用戶標識? 多個粒度匯總? 綜合各個數(shù)據(jù)集市? 效率考慮倉庫集市層設計考量? 面向應用– 報表集市– 挖掘集市– 主題集市– KPI集市? 維模型? 以最細粒度數(shù)據(jù)為主? 表加物化視圖數(shù)據(jù)倉庫與數(shù)
范文總結相關推薦
鄂ICP備17016276號-1