數(shù)據(jù)倉庫與數(shù)據(jù)挖掘第章-文庫吧資料
2025-03-13 12:59本頁面
【正文】 Data Analyst DBA Making Decisions Data Presentation Visualization Techniques Data Mining Information Discovery Data Exploration OLAP, MDA Statistical Analysis, Querying and Reporting Data Warehouses / Data Marts Data Sources Paper, Files, Information Providers, Database Systems, OLTP 什么是數(shù)據(jù)挖掘？ ? 數(shù)據(jù)挖掘（ Data Mining， DM），又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)（ Knowledge Discovery in Database， KDD）是從數(shù)據(jù)中識別出有效的、新穎的、潛在有用的，以及最終可理解的模式的非平凡過程。 從規(guī)則出發(fā) ? 80年代末出現(xiàn)一個(gè)新的術(shù)語，即數(shù)據(jù)庫中的知識發(fā)現(xiàn)，簡稱 KDD(Knowledge discovery in database)。 數(shù)據(jù)倉庫的作用 兩個(gè)主要作用 ? 存儲經(jīng)過加工處理的決策需要的數(shù)據(jù) – 存儲數(shù)據(jù)的一種形式 – 加工和集成后的再存儲 ? 查詢和決策分析的依據(jù) – 為數(shù)據(jù)驅(qū)動(dòng)型的決策支持提供數(shù)據(jù)基礎(chǔ) 建立數(shù)據(jù)倉庫的好處 ? 更加高效的地制定決策 ? 提供一個(gè)關(guān)于整個(gè)企業(yè)的整體構(gòu)架 ? 集中存放，方便存取，提高生產(chǎn)效率 ? 減少重復(fù)數(shù)據(jù)處理和分析 ? 提高用戶對數(shù)據(jù)的應(yīng)用程度 ? 為商務(wù)流程再造提供支持 數(shù)據(jù)倉庫的特點(diǎn) ? 面向主題 ? 集成性 ? 相對穩(wěn)定 (非易失 ) ? 時(shí)態(tài)性 (反映時(shí)間變化 ) 3 初識數(shù)據(jù)挖掘 數(shù)據(jù)挖掘逐漸演變的過程： ? 機(jī)器學(xué)習(xí)成為人們關(guān)心的焦點(diǎn)。 抽取程序形成了“蜘蛛網(wǎng)” 數(shù)據(jù)不一致！ 而且生產(chǎn)率很低！ 傳統(tǒng)數(shù)據(jù)庫的演化 ? 數(shù)據(jù)倉庫專家 Ralph Kimball寫道： “我們花了 20多年的時(shí)間將數(shù)據(jù)放入數(shù)據(jù)庫，如今是將它們拿出來的時(shí)候了！” ? OLTP和 OLAP對數(shù)據(jù)的要求是不一樣的！ OLTP OLAP 用戶 操作人員 ,低層管理人員 決策人員 ,高級管理人員 功能 日常操作處理 分析決策 DB設(shè)計(jì) 面向應(yīng)用 面向主題 數(shù)據(jù) 當(dāng)前的 , 最新的，細(xì)節(jié)的，二維的，分立的 歷史的 , 聚集的 , 多維的，集成的 , 統(tǒng)一的 存取 讀 /寫數(shù)十條記錄 讀上百萬條記錄 工作單位 簡單的事務(wù) 復(fù)雜的查詢 用戶數(shù) 上千個(gè) 上百個(gè) DB大小 100MB ~ GB 100GB ~ TB ? 正是事務(wù)處理和分析處理具有極其差異的性質(zhì)， 所以以 事務(wù)處理環(huán)境 來支持 分析處理 是行不通的！ ? 行
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1