Oracle完整解决方案-全球数据仓库市场的领导者

更快，更高，更强Oracle完整解决方案－全球数据仓库市场的领导者，帮助您更快获得更高，更强的企业信息洞察力。当今大部分企业决策者由于无法及时访问高质量、全面、可靠、个性化的运营和财务信息，因而在制定关键企业决策时常常感到压力巨大。Oracle针对数据仓库、商务智能以及ETL和数据质量管理的解决方案是一整套为支持更好更快地利用企业信息而设计的技术和应用系统。它将来自企业的多个数据源的数据整合到一起，并将数据转化为企业的关键洞察力来支持战略决策制定、推动持续的业务流程改进和促进整个企业协调一致。而且，由于Oracle解决方案针对Oracle和非OracleIT环境进行了优化，客户能够利用他们对现有技术和业务应用系统的投资来大幅降低总体拥有成本（TCO）。Oracleincludeseverythinganorganizationneedsforcollectingdatainthefirstplace,managingasingleviewofthedatainacentralrepository,andmakingiteasilyaccessibleforanalysisthroughacompletesetofintegratedtoolsandapplications.Oracle商务智能套件Oracle商务智能套件能将实时、预测性的和所有历史的信息变成可据以采取行动的洞察力，并扩展到每一个用户，包括企业的高管、经理和业务人员，从而支持用户更快地做出更明智的业务决策。Oracle商务智能套件可满足整个企业范围的商务智能需求，包括特定分析和查询、前瞻性的商务智能和预警、高级报表编制和预测分析，所有这些都通过一个个性化、交互式的智能信息显示板来提供。用户在合适的时间获得了和业务相关联的合适信息，从而能制定出最有效的业务决策。Oracle数据仓库Oracle数据仓库构建在世界一流、业界领先的Oracle数据库基础上，该数据仓库提供了一个可伸缩、高性能、高可用性的平台，该平台将企业所有的关键业务信息整合到一个企业中央数据仓库中以确保提供一个完整的企业视图，并在此完整视图上能提供OLAP和数据挖掘的处理能力。Oracle数据仓库还提供一个易于使用，图形化的环境，支持快速设计、部署和管理数据仓库。此外，还具有高性能的数据查询技术和一整套数据访问和管理工具。OracleETL和数据质量管理和Oracle数据仓库一样，OracleETL和数据质量管理同样构建在世界一流、业界领先的Oracle数据库基础上。在和数据仓库集成的ETL引擎中，提供了对数据和元数据的数据质量、数据审计、完全集成关系和多维建模以及整个生命周期的管理。支持ETL，数据集成和管理事件所需要的所有功能。让用户能更好的利用Oracle数据仓库的功能，更快速地构建企业数据仓库。只有Oracle能在Linux,UNIX,和Windows平台上提供最好的结果世界最大的数据仓库运行在Oracle上（100TB）世界最大的UNIX平台数据仓库运行在Oracle上世界最大的Linux平台数据仓库运行在Oracle上世界最大的科学计算平台运行在Oracle上全世界前300Linux数据仓库100％运行在Oracle上全世界数据量前300的数据仓库58％运行在Oracle上Source:WinterCorporation,Winter2005“TopTen”September2005“我们之所以选择Oracle数据仓库产品，是因为Oracle产品不论是在系统品质或稳定性方面皆能满足济南地税对于数据仓库的需求，利用Oracle数据仓库技术，既能够从现有平台顺利抽取数据，也能与未来的系统实现整合，使我们的数据仓库面对税务信息化复杂的环境，能够满足纷繁变化的业务需求”。——济南市地方税务局信息中心主任潘滨IT系统必然的发展趋势－数据仓库什么是数据仓库数据仓库概念的提出者、美国著名信息工程专家WilliamInmon博士在90年代初提出了数据仓库概念的一个表述。他认为：“一个数据仓库通常是一个面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合，它用于对管理决策过程的支持。”所谓主题，是指用户使用数据仓库进行决策时所关心的重点方面，如：收入、客户、销售渠道等；所谓面向主题，是指数据仓库内的信息是按主题进行组织的，而不是像业务支撑系统那样是按照业务功能进行组织的。所谓集成，是指数据仓库中的信息不是从各个业务系统中简单抽取出来的，而是经过一系列加工、整理和汇总的过程，因此数据仓库中的信息是关于整个企业的一致的全局信息。所谓随时间变化，是指数据仓库内的信息并不只是反映企业当前的状态，而是记录了从过去某一时点到当前各个阶段的信息。通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。而信息本身相对稳定，是指一旦某个数据进入数据仓库以后，一般很少进行修改，更多的是对信息进行查询操作。依据上面的定义，有人可能会把数据仓库简单地理解为仅仅是一个大型的数据存储机制，是一个静态的概念。实际上，数据仓库更像一个过程，这个过程涉及数据的收集、整理和加工，生成决策所需要的信息，并且最终把这些信息提供给需要这些信息的使用者，供他们做出改善业务经营的正确决策。数据仓库的重点与要求就是能够准确、安全、可靠地从业务系统中取出数据，经过加工转换成有规律信息之后，供管理人员进行分析使用。因此数据仓库是一个动态的概念，应该称为数据仓库工程（DataWarehousing）。为什么使用数据仓库企业信息化建设过程中，为了提高日常的工作效率以及提高本企业的市场适应能力，大部分企业会根据市场、客户和企业本身建立不同的业务系统来满足需求。但此系统往往因为市场需求、设计理念、建设时间、平台选择等因素的不一致性而导致系统间相互独立、信息分散等特点，从而形成信息孤岛。为了解决上述问题，企业就需要一种行之有效的技术进行信息整合，通过集成不同的系统信息为企业提供统一的决策分析平台，帮助企业解决实际的业务问题（如：如何提高客户满意度和忠诚度，降低成本、提高利润，合理分配资源，有效进行全面绩效管理等）。人们往往会采用数据仓库技术实现。使用数据仓库有三个方面的好处：第一，数据仓库能够为业务部门提供准确、及时的报表。第二，数据仓库可以赋予管理人员更强大的分析能力。第三，数据仓库是进行数据挖掘、知识发现的基础。建设数据仓库的驱动力是什么是什么使您热衷于建设数据仓库系统？对于大多数人认为是数据的问题、技术的问题，但这并不是建设数据仓库建设的真正驱动力。建设数据仓库的真正驱动力是业务，企业需要发展业务、拓展市场、提高利润、降低成本和加强风险防范能力。如何发展、往那个方向发展、现在的利润成本有多少、明年的预算应该设多高，这需要经过全面、严格的分析后才能产生，而分析的依据应该是来自整个企业完整的数据视图。因此数据仓库的建设应该是以解决企业业务问题来驱动的。Oracle完整解决方案概述OptimizingenterpriseperformancethroughacomprehensivesuiteofbusinessintelligencesuiteandpowerfulenterpriseDWplatform成功地实施一个数据仓库项目，通常需要很长的时间。如果仅仅着眼于短期成果，缺乏整体考虑，采用一种不健全的体系结构，不仅会增加系统开发和维护成本，而且必将对发挥数据仓库的作用造成不利的影响。因此一个综合，清晰的远景规划及技术实施蓝图将在整个项目的实施过程中起到重要作用。完整的方案体系架构应具备如下功能：数据获取过程主要完成数据仓库模型建设，数据质量管理，数据源的定义，数据抽取、转换清洗及加载工作。数据仓库模型建设：数据仓库模型是直接反映数据仓库中业务逻辑视窗。数据仓库模型是根据企业的业务发展计划与策略而制定，数据仓库模型的起源来自业务驱动力（也就是说利用数据仓库解决何种业务问题），因此在模型设计时应由业务人员与模型专家共同完成。设计模型时要考虑总体规划、分步实施，考虑完整性、灵活性的同时也要考虑扩展能力和时效，尽量选择业务问题紧迫、数据源较完备的主题入手。数据质量管理：数据仓库的数据质量不但影响数据抽取转换的开发周期和日常维护，并且还直接影响到最终项目成败的结果。如果前端分析结果是基于错误的数据得到的，那么即使计算得再快，给用户再及时也是没有任何意义的。因此在一个数据仓库的项目中，应该从最初就将数据质量的评估、管理和清洗考虑进去，并有意识地融合在数据仓库和ETL的建设过程中。数据源的定义：数据仓库模型一旦设计完毕，也就是说未来业务需求以及解决上述需求所需的数据已被定义。下一个话题就是查找以及验证数据源的状况。由于以往系统大部分都是根据不同产品和需求独立设计的，因此不同系统设计的原理、架构、使用平台也不一样，因此这给数据源的统一带来了一定的困难。在确定完数据源后，接着就要考虑数据源的质量问题，如何把不统一、不完整的数据源变成按统一标准存放到数据仓库中是数据仓库中非常重要的环节。数据抽取、转换清洗及加载：数据抽取、转换清洗及加载（简称ETL）可以说是数据仓库最为复杂的过程。这里我们要根据系统特点建立ETL策略，如什么时候进行数据的抽取、抽取完后如何进行汇总和清洗、清洗完后什么时候加载，抽取的频率有多高，数据的颗粒度有多高，是否采用workflow技术等。ETL完成还要进行整个过程的监控及跟踪处理。Oracle公司在长期进行数据仓库项目建设过程中已总结及开发成熟的数据获取和数据质量管理工具(OracleWarehouseBuilderEnterpriseETLOption，OracleWarehouseBuilderDataQualityOption)，帮助用户快速构建数据仓库。在数据存储层，数据仓库的数据通常是存放在两类数据库中：关系型数据库和多维数据库。存放在数据仓库中的数据包括详细数据、汇总数据、假设数据、计算数据、结果数据及元数据。数据存储是数据仓库系统的中心，取自多个数据源系统的明细数据，以及用于分析的集成汇总数据都存储在这个中心。对于一个企业来说，无论技术架构如何，数据仓库的数据在逻辑上应该，也必须是一个统一完整的库。OracleDatabase10g有专门针对数据仓库技术特殊技术要求而设计的数据仓库解决方案。OracleDatabase10g的特点是强大的海量数据处理能力，大用户并发处理能力，集成OLAP和数据挖掘能力，能保障数据的统一性，极强的扩展能力，安全、可靠及容易管理。数据使用包含以下几个过程：分析模型、信息展现工具、使用用户。分析模型：我们在考虑分析和解决一个问题时解决问题思路的雏形，我们会结合客户的实际问题和需求进行建设。信息展现工具：数据输出层的功能是使最终用户通过报表、图形和其它分析工具的方式简便、快捷地访问数据仓库系统中的各种数据，得到分析结果。Oracle为客户提供多种数据分析方法，包括标准报表、即席查询报表和动态分析报表，预测，假设分析（What-if）和数据挖掘等。标准报表和即席查询报表是基于关系型数据库/多维数据库的报表输出，标准报表是一种格式固定、内容仅依据预定义的条件变化的报表，是在系统开发时根据用户需求定制的，最终用户无法自己修改。即席查询报表的格式和内容可以由最终用户自由选择，即支持即席查询。允许最终用户控制数据的访问方法，定义报表格式和报表中的数据内容。动态分析报表支持客户对数据进行旋转、切片和分层，并从各个角度对数据进行分析和比较。预测主要是根据历史数据推断将来的数据趋势。假设分析允许用户设定一些假设条件，观察条件成立的情况下相关指标的变化。数据挖掘是利用多种数学的分析方法建立模型，找出隐含的业务规律。使用用户：业务用户可划分为四类（决策人员、管理层人员、分析人员和业务人员）决策人员：决策人员能根据系统分析信息，及时准确做出决策。管理层人员知识工作者（业务分析人员）：专门从事业务分析、业务创新和数据挖掘的高级专业人员。业务人员：即业务系统的柜面人员，他们可以简单地访问数据仓库里的数据，并且