數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)集市-閱讀頁(yè)
2025-07-09 05:52本頁(yè)面
【正文】 方法包含了更多上述工作而減少了對(duì)于信息的初始訪問(wèn)。下圖是他的設(shè)計(jì)方法圖解：500){=true。} /Ralph Kimball 說(shuō)“數(shù)據(jù)倉(cāng)庫(kù)僅僅是構(gòu)成它的數(shù)據(jù)集市的聯(lián)合”，他認(rèn)為“可以通過(guò)一系列維數(shù)相同的數(shù)據(jù)集市遞增地構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)”。通過(guò)使用“一致的”維，能夠共同看到不同數(shù)據(jù)集市中的信息，這表示它們擁有公共定義的元素。=500。Inmon 的方法是只有在構(gòu)建幾個(gè)單主題區(qū)域之后，集中式的數(shù)據(jù)倉(cāng)庫(kù)才創(chuàng)建數(shù)據(jù)集市。 實(shí)際上，方法的選擇取決于項(xiàng)目的主要商業(yè)驅(qū)動(dòng)。 如果該組織迫切需要給用戶(hù)提供信息，那么 Kimball 的方法將滿(mǎn)足該需求。數(shù)據(jù)倉(cāng)庫(kù)將使數(shù)據(jù)集市與遺留系統(tǒng)和 OLTP 系統(tǒng)隔離，并且支持更快地創(chuàng)建將來(lái)的數(shù)據(jù)集市。實(shí)際上基于商業(yè)驅(qū)動(dòng)的需要，采用上面三種設(shè)計(jì)方案中的最后一種方法：自頂向下和自底向上綜合的方案會(huì)很好的適應(yīng)數(shù)據(jù)倉(cāng)庫(kù)建立過(guò)程中的不同需求。數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市之間的區(qū)別如下圖：數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市的區(qū)別可從如下三個(gè)方面進(jìn)行理解：（1） 數(shù)據(jù)倉(cāng)庫(kù)向各個(gè)數(shù)據(jù)集市提供數(shù)據(jù)（2） 幾個(gè)部門(mén)的數(shù)據(jù)集市組成一個(gè)數(shù)據(jù)倉(cāng)庫(kù)500){=true。} resized=true /（3） 下面從其數(shù)據(jù)內(nèi)容特征進(jìn)行分析，數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)結(jié)構(gòu)采用規(guī)范化模式，數(shù)據(jù)集市中的數(shù)據(jù)結(jié)構(gòu)采用星型模式，通常倉(cāng)庫(kù)中數(shù)據(jù)粒度比集市的粒度要細(xì)，下圖反映了數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)內(nèi)容特征的區(qū)別500){=true。} resized=true /五、數(shù)據(jù)倉(cāng)庫(kù)建模與數(shù)據(jù)集市建模數(shù)據(jù)只是所有業(yè)務(wù)活動(dòng)、資源以及企業(yè)結(jié)果的記錄。數(shù)據(jù)模型起到了指導(dǎo)或計(jì)劃數(shù)據(jù)倉(cāng)庫(kù)的實(shí)現(xiàn)的作用。(1)數(shù)據(jù)倉(cāng)庫(kù)的建模數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)的建模是將需求轉(zhuǎn)換成圖畫(huà)以及支持表示那些需求的元數(shù)據(jù)的過(guò)程。一旦在文檔中記錄一些初始需求，初始模型就開(kāi)始成型。最重要的是向終端用戶(hù)提供良好集成并易于解釋的數(shù)據(jù)倉(cāng)庫(kù)的邏輯模型。為終端用戶(hù)提供的簡(jiǎn)單性以及歷史數(shù)據(jù)的集成和聯(lián)合是建模方法應(yīng)該幫助提供的關(guān)鍵原則。數(shù)據(jù)集市的建模過(guò)程取決于許多因素。終端用戶(hù)必須參與數(shù)據(jù)集市的建模過(guò)程，因?yàn)樗麄冿@然是要使用該數(shù)據(jù)集市的人。數(shù)據(jù)集市的建模是由業(yè)務(wù)需求驅(qū)動(dòng)的。數(shù)據(jù)集市的建模極大地受到了數(shù)據(jù)分析技術(shù)的影響。目前，有幾種常用的數(shù)據(jù)分析技術(shù)：查詢(xún)和報(bào)表制作、多維分析以及數(shù)據(jù)挖掘。維度數(shù)據(jù)模型也可能是較好的選擇，因?yàn)樗怯脩?hù)友好的，并具有更好的性能。然而，數(shù)據(jù)挖掘通常在可用的最低細(xì)節(jié)級(jí)（level of detail）工作得最好。
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1