WH-EDW_数据仓库基础培训-A

2013年2月BI服务部-张洪宇真情合作激情创新Page2数据仓库介绍1行业应用实例4数据仓库应用模式及局限33目录数据仓库基本架构及流程2真情合作激情创新Page31、商业智能——产生背景业务管理系统产生了海量的信息真情合作激情创新Page41、商业智能——概念分析鸿沟真情合作激情创新Page51、商业智能——背景真情合作激情创新Page61、商业智能和数据仓库——BI基本概念BI(BusinessIntelligence，商业智能)。1989年由GartnerGroup的HowardDresner首次提出来。BI是将数据转换成知识并将知识应用到商业行为上的一个过程。——DataWarehouseInstituteBI是将数据转换成信息的过程，然后通过发现将信息转化为知识。——GartnerGroup真情合作激情创新Page71、商业智能和数据仓库——BI&DW概念确切地讲，BI并不是一种新产品或服务，从某种意义上商业智能是一种概念或者说是一种商业理念。它将数据仓库(DW)、联机分析处理(OLAP)、数据挖掘(DM)等技术结合起来应用于商业活动实际过程当中，辅助和支持商业决策的全过程，从而实现技术服务于决策的目的。真情合作激情创新Page81、商业智能和数据仓库——DW概念数据仓库的概念数据仓库（DataWarehouse）是一个面向主题的（SubjectOriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（TimeVariant）的数据集合，用于支持管理决策。数据仓库一般采用业界主流的关系数据库，如Oracle、DB2UDB、Informix、SQLServer等。（Teradata、GP）真情合作激情创新Page91、商业智能和数据仓库——BI&DW关系真情合作激情创新Page101、商业智能和数据仓库——OLAP真情合作激情创新Page111、商业智能和数据仓库——OLAP钻取（Drill-up和Drill-down）是改变维的层次，变换分析的粒度旋转（Pivot）是变换维的方向，即在表格中重新安排维的放置（例如行列互换）切片（Slice）和切块（Dice）是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个或以上，则是切块真情合作激情创新Page121、商业智能和数据仓库——ETLETL的定义数据抽取（Extract）、转换（Transform）、清洗（Cleansing）、装载（Load）的过程按照统一的标准，完成数据从数据源到数据目标的转化过程真情合作激情创新Page131、商业智能和数据仓库——ETL真情合作激情创新Page141、数据仓库与数据库区别真情合作激情创新Page151、商业智能——目标商业智能搭建信息分析桥梁真情合作激情创新Page162、基本架构及流程——总览真情合作激情创新Page172、基本架构及流程——处理过程一真情合作激情创新Page182、基本架构及流程——处理过程二真情合作激情创新Page192、基本架构及流程——“数据质量”真情合作激情创新Page202、基本架构及流程——“数据质量”场景•问题：某日数据质量管理系统用户张三发现记录数检核的业务指标报警，监控情况显示“对公活期表”在A层与B层的记录数不一致•处理：通过对元数据“血统分析”寻找“对公活期表”的血统来源，发现在计算线路上A层与B层的表主键不一致数据质量管理系统报警•发现业务指标报警，并定位问题是由某两层数据不一致引起的通过元数据血统分析核查问题•通过分析发现指标血缘路径上两层数据的表主键不一致解决数据质量问题•修改数据表主键为一致，最终解决数据质量问题真情合作激情创新Page212、基本架构及流程——数据结构真情合作激情创新Page222、基本架构及流程——实施方法真情合作激情创新Page232、基本架构及流程——处理过程三真情合作激情创新Page242、基本架构及流程——处理过程四真情合作激情创新Page252、基本架构及流程——数据仓库真情合作激情创新Page262、基本架构及流程——BI体系架构真情合作激情创新Page272、基本架构及流程——数据架构实例真情合作激情创新Page282、基本架构及流程——数据架构实例真情合作激情创新Page292、基本架构及流程——数据架构实例真情合作激情创新Page302、基本架构及流程——数据架构实例真情合作激情创新Page313、数据仓库应用模式——厂商产品真情合作激情创新Page323、数据仓库应用模式——类别真情合作激情创新Page333、数据仓库应用模式——数据查询&报表真情合作激情创新Page343、数据仓库应用模式——在线分析真情合作激情创新Page353、数据仓库应用模式——仪表盘真情合作激情创新Page363、数据仓库应用模式——数据挖掘真情合作激情创新Page373、BI局限——非结构化&复杂表样真情合作激情创新Page383、BI局限——大数据&数据回写真情合作激情创新Page394、行业应用实例——典型领域真情合作激情创新Page404、行业应用实例——客户关系管理真情合作激情创新Page414、行业应用实例真情合作激情创新Page424、行业应用实例——银行业真情合作激情创新Page434、行业应用实例——银行业ACRM真情合作激情创新Page44BI发展三个阶段真情合作激情创新Page45BI应用模式带来的变化真情合作激情创新Page46简要总结对象(what)场所(where)时间和程序(when)人员(who)为什么（Why）方式(how)真情合作激情创新Page47