数据仓库

本文主要介绍了数据仓库的定义、特征、体系结构，以及建立数据仓库的方法和需要考虑的关键问题。     

高性能数据仓库平台构建的研究

随着数据仓库逐渐成为企业决策支持的重要技术手段,提高数据仓库的综合性能问题日益成为人们重视与关注的焦点之一。在描述形成高性能数据仓库平台及高性能数据仓库环境的基本观点和技术的基础上,给出了建立高性能数据仓库平台的几个关键要素,提出了一种基于可扩展的数据集市的数据仓库系统结构。     

企业数据整合与数据仓库设计

目前企业的数据资源可能已经很丰富,但是各系统之间数据不能相互连通。企业决策层组织需要看到的是一个企业跨职能部门的统一的数据联合展现和挖掘,所以需要构建数据仓库。数据仓库的构建过程主要包括：划分主题域、进行事实表和粒度分析、维度设计、元数据设计、数据库物理设计以及性能调优。     

BEIDSS中数据仓库平台的设计

为弥补传统数据库管理系统在智能决策支持系统应用中的缺陷,一种新的数据组织和管理技术－数据仓库技术应运而生。随着数据仓库技术的不断发展和完善,该技术越来越 广泛地应用到各个领域。本文结合宝钢能源部智能决策系统（ＢＥＩＤＳＳ）的开发,介绍数据仓库平台的设计与实现．     

数据仓库中的粒度确定

数据仓库开发者需要解决的设计问题中最重要的是数据仓库中的粒度确定，当数据仓库的粒度合理确定后，设计和实现的其它问题就会非常容易地解决，相反如果没有合理地确定粒度的话，就会影响其他每个方面。文中讨论了确定粒度时应该考虑的因素，确定方法。     

暂住人口系统的数据仓库的设计

数据仓库技术将不同数据源的数据集成到数据仓库中为决策支持系统提供了一个集成的数据环境.本文以暂住人口数据仓库的设计为例,从数据源的分析、逻辑设计、数据载入、模型的选取及多维数据展示等方面阐述了数据仓库的基本设计过程.     

税务系统中数据仓库平台的设计

为了弥补传统数据管理系统在智能决策支持系统应用中的缺陷,一种新的数据组织和管理技术－－数据仓库技术应运而生。随着数据仓库技术的不断发展和完善,该技术越来越广泛地应用到各个领域,本文结合税务决策支持系统的开发,介绍数据仓库平台的设计与实现。     

数据仓库粒度的估算

近些年由于大数据的出现,传统的数据库技术在某种程度上难以承担对大数据的查询和储存的需求,人们对数据的查询和存储技术提出了更新和更高的标准.由此在数据库技术的基础之上出现了数据仓库,当人们设计数据仓库时,粒度级别的确定是数据查询和储存的重要因素.目前对粒度级别的确定主要采用的是估算算法,对粒度的估算具有一定的模糊性,在查阅了某些粒度的估算算法和文献之后提出了一种以MMTD算法为主算法的粒度级别估算算法.提出的算法思想是:对粒度的最大行数和最小行数进行初步的估算,将实际行数与估算的最大行数与最小行数进行比较,来确定实际的粒度级别,是高粒度还是低粒度[1].     

数据仓库方法论

数据仓库是面向主题的、集成的、非易失的且随时间变化的数据集合，本文简要讨论有关数据仓库的主要设计技术与管理技术，包括数据模型，元数据，粒度，数据分割，数据集成以及分布式数据仓库等。     

层级数据仓库结构模型设计

当前数据仓库大多是为了在具体竞争环境中获益而建立起来的。如何进一步拓展数据仓库，以及从单纯的局部利益获取向更高更广的获益出发，层级数据仓库结构模型应运而生。在层级数据仓库结构模型上除了可以获取用户感兴趣的规则模式外，更利于广泛性规则模式知识的发现。     

一种评估数据仓库设计质量的方法

数据仓库（Data Warehouse,DW）是支持决策管理过程的、面向主题的、集成的、随时间而变的、持久的数据集合,它集成了源数据库（Database,DB）和其他平面文件系统的相关数据,以支持决策管理活动。数据仓库结构是一个多维模型,主要分星形、雪花星和星座形三种。有别于传统关系型数据库的设计,数据库仓库的设计往往以数据作为驱动,其设计的好坏,直接影响了数据仓库系统的建设与应用。文中提出了一种评估数据仓库设计质量的定量分析方法,主要是量化了和数据仓库有血缘关系的数据源的相关质量指标,就是通过分析所选取的表和属性两方面的数据质量（Data Quality,DQ）指标,最终联合这些指标以计算数据仓库设计质量的评估值。其中,分析数据源相关质量指标的过程,也可以支持数据库仓库的设计。     

数据仓库解决方案在电子商务中的应用

利用数据仓库技术,把电子商务网站中用户的点击流和Web日志文件作为基本数据存储,并通过各种高效的挖掘算法,提取用户数据模型,根据模型可以有效地分析其中的用户行为,并利用这些知识,预测相关用户的行为,可以为企业商务人员拓展其市场、改善营销策略,寻找精准数据,降低生产成本,规范企业生产流程等提供更加有效的参考价值。     

基于数据仓库的CIMS数据环境设计

在当前的绝大多数ＣＩＭＳ工程中,数据处理操作和分析操作往往是针对相同的一些表和视图,这使得系统很难同时高效地完成数据处理和分析的任务。数据仓库技术的逐渐成熟,使得整个系统的数据库可以分为处理环境和分析环境两部分。文章讨论了基于数据仓库技术的 ＣＩＭＳ 数据环境结构,并提出了根据企业数据模型同时设计数据处理环境和分析环境的方法。     

ERP环境下的数据仓库系统研究

ERP环境下的数据仓库不仅要满足传统数据仓库对OLAP的支持,还要满足用户对常规事务的实时、主动决策。文章提出了一种ERP环境下的零等待数据仓库系统结构,利用多Agent系统的交互性和协作性等特点实现了数据仓库系统中连续数据集成和主动决策的功能。     

医院数据仓库数据模型设计

数据模型设计是数据仓库建设的核心,提出一种医院数据仓库数据模型的设计方法。以某一三甲医院的HIS数据为背景,采用数据驱动的手段,结合医院的需求,提出了医院数据仓库的三层数据模型,概念模型、逻辑模型、物理模型,并完整地给出了每个模型的具体的设计和主要内容。设计并实现了医院数据仓库的数据模型,并结合医院具体的数据给出了相应的实例。此医院数据仓库的三层数据模型易于理解和实现,为医院数据仓库设计最终完成提供了基础。     

一种钻井数据仓库ETL系统的设计

随着企业信息化的不断发展,石油单位将数据整合纳入到重点规划中。面对分散在各处的异构数据源进行数据整合并非易事,首先仅靠手工进行脏数据的清洗不但费时费力,质量也难以保证;其次,数据的定期更新也存在困难。ETL系统为数据整合提供了令人满意的解决方案。它可以完成数据抽取、清洗、转换、装载等任务,满足了用户对异构数据源进行整合的需求,也实现了数据的后期更新。笔者对钻井数据仓库ETL系统的设计提出了一种基于元数据的ETL体系结构,并重点设计了数据准备区、ETL管理模块、任务管理模块和元数据管理模块。该工具已在中海油田化学技术专家支持系统中得到应用。     

基于WEB的图书馆数据仓库的建立

从数据仓库的体系结构出发,通过数据仓库生命周期的方法,结合WEB技术建立了基于WEB的图书馆数据仓库,并给出了实现的具体步骤及涉及的主要技术。图书馆数据仓库的建立,实现了数据库技术与网络技术的结合,成为基于WEB的信息系统开发的主流技术。