数据仓库 - 概念

什么是数据仓库？

数据仓库是构建和使用数据仓库的过程。数据仓库通过整合来自多个异构数据源的数据来构建，这些数据源支持分析报告、结构化和/或临时查询以及决策制定。数据仓库涉及数据清洗、数据集成和数据整合。

使用数据仓库信息

有一些决策支持技术可以帮助利用数据仓库中可用的数据。这些技术帮助高管快速有效地使用仓库。他们可以收集数据、分析数据，并根据仓库中的信息做出决策。仓库中收集的信息可用于以下任何领域：

• 调整生产策略 - 通过比较季度或年度销售额，可以重新定位产品并管理产品组合来很好地调整产品策略。

• 客户分析 - 通过分析客户的购买偏好、购买时间、预算周期等来进行客户分析。

• 运营分析 - 数据仓库还有助于客户关系管理和进行环境修正。这些信息还允许我们分析业务运营。

集成异构数据库

为了集成异构数据库，我们有两种方法：

• 查询驱动方法
• 更新驱动方法

查询驱动方法

这是集成异构数据库的传统方法。这种方法用于在多个异构数据库之上构建包装器和集成器。这些集成器也称为中介。

查询驱动方法的过程

• 当向客户端发出查询时，元数据字典会将查询转换为参与的各个异构站点适用的形式。

• 现在这些查询被映射并发送到本地查询处理器。

• 来自异构站点的结果被集成到全局答案集中。

缺点

• 查询驱动方法需要复杂的集成和过滤过程。

• 这种方法非常低效。

• 对于频繁的查询，它非常昂贵。

• 对于需要聚合的查询，这种方法也非常昂贵。

更新驱动方法

这是对传统方法的替代方法。当今的数据仓库系统遵循更新驱动方法，而不是前面讨论的传统方法。在更新驱动方法中，来自多个异构源的信息会预先集成并存储在仓库中。此信息可用于直接查询和分析。

优点

这种方法具有以下优点：

• 这种方法提供高性能。

• 数据预先在语义数据存储中被复制、处理、集成、注释、汇总和重构。

• 查询处理不需要接口来处理本地源的数据。

数据仓库工具和实用程序的功能

以下是数据仓库工具和实用程序的功能：

• 数据提取 - 涉及从多个异构源收集数据。

• 数据清洗 - 涉及查找和纠正数据中的错误。

• 数据转换 - 涉及将数据从旧格式转换为仓库格式。

• 数据加载 - 涉及排序、汇总、整合、检查完整性以及构建索引和分区。

• 刷新 - 涉及从数据源更新到仓库。

注意 - 数据清洗和数据转换是提高数据质量和数据挖掘结果的重要步骤。