数据仓库技术（Data Warehouse Technologien) 第一章节 总览（2）

10. 在企业经济学/企业管理学中的应用

• 提供信息

1. 数据与信息作为决策的基础（比如：Kennzahlen 可作参数，特性数值，代码）；
2. 对未来的经营业绩以及业务流程的影响；
3. 使用者：经理，部门领导，专业人员；
4. 提供信息的形式：
   1. ）查询方法 - 自定义查询以及报告（独立的解决策略）；
   2. ）报告：预定义报告的访问（固定的解决方案）；
   3. ）编辑整理个性化信息；
   4. ）特定域的数据视图；
   5. ）预计算参数/特征值（比如，通过数据挖掘算法）。

• 分析

1. 对数据进行详细（细节）分析以用于对偏差或者异常的研究（/审查）
2. 场景技术（What-If-分析）
3. 使用者：专家（比如：审计方面的，销售方面的）

• 计划

1. 通过探索性，发掘性的数据分析来支持计划；
2. 单个计划的聚合；
3. 预测方法（比如：季节性统计模型）；

• 市场活动管理

1. 支持策略性市场活动；
2. 客户分析，投资和风险分析；

11. 在科学和技术中的应用

• 科学应用

1. 科学统计数据库 → 数据仓库的技术根源；
2. 比如：地球观测系统项目（气候和环境研究）
   1. 每天差不多1.9TB的气候学数据；
   2. 调整准备与分析（统计，数据挖掘）；

• 技术应用

1. 开放领域：带环境或者地理数据的数据仓库（比如：水分析）；

12. 使用示例

• 沃尔玛（www.wal-mart.com）
• 美国零售商的市场领导者
• 企业级数据仓库：

1. 大小：大概300 TB（2003），480 TB（2004），如今：估计12 PB;
2. 每日差不多25.000 数据仓库查询（DW - Anfragen）;
3. 较高细化度（商品销售额，库存，用户行为的日常评定）；
4. 购物篮分析，客户分类...的基础；

13. 提出的问题和任务（示例）

• 审查商品种类用于识别滞销品或者畅销品；
• 位置分析用以评估分店盈利；
• 研究和预测市场行为；
• 对用户调查，某些产品的退货...等的评定；
• 库存分析；
• 借助收款台对购物篮分析（经济金融交易）；

14. 查询示例

A州和B州 的 啤酒与红酒 的产品在 2009和2010年 的 销售额 是多少？

15. 结果（立方体）

数据仓库立方体（特征值含义：2009年在A州啤酒的销售额）

16. 结果（二维立方体表达）

销售额	啤酒	红酒	总和
2009	A	45	32	77
B	52	21	73
总和	97	53	150
2010	A	60	37	97
B	58	20	78
总和	118	57	17

17. 数据仓库方面

• 集成

1. 统一来自不同，且大部分异构的来源的数据；
2. 克服不同层次的异构性（系统，模式，数据）；

• 分析

1. 以一个用户希望的格式提供数据（参照决策领域）；
2. 要求预选，时间相关，聚合；

18. 短事务（OLTP）

Kunde（客户）
ID	Name	Firstname	PLZ	Ort	Straße
4711	Saake	Gunter	01234	Anywhere	Am Berg 3
42	Sattler	K.	12234	Here	Zufahrt 18
0800	Köppen	Veit	60701	Dort	Weg 9A

SELECT Firstname, name
FROM Kunde
WHERE id = 0800
           

 结果：

Veit Köppen

19. 长事务（OLAP）

SELECT DISTINCT ROW Zeit.Dimension AS Jahr,
                    Produkt.Dimension AS Artikel,
                    AVG(Fact.Umsatz) AS Umsatzdurchschnitt,
                    Ort.Dimension AS Verkaufsgebiet

FROM (Produktgruppe INNER JOIN Produkt ON Produktgruppe.
      [Gruppen-Nr] = Produkt.[Gruppen-ID]) INNER JOIN
      ((((Produkt INNER JOIN [Fact.Umsatz] ON Produkt.[Artikel-Nr]
      = [Fact.Umsatz].[Artikel-Nr]) INNER JOIN Order ON
      [Fact.Umsatz].[Bestell-Nr]= Order.[Order-ID]) INNER JOIN
      Zeit.Dimension ON Orders.[Order-ID] =
      Zeit.Dimension.[Order-ID]) INNER JOIN Ort.Dimension ON
      Order.[Order-ID] = Ort.Dimension.[Order-ID]) ON
      Produktgruppe.[Gruppen-Nr] = Produkt.[Gruppen-ID]

GROUP BY Produkt.Dimension.Gruppenname, Ort.Dimension.Bundesland,
      Zeit.Dimension.Jahr;
           

20. 与OLTP的区别

• 传统的操作型信息系统 → 在线事务处理（OLTP）

1. 搜集和管理数据；
2. 每个部门负责自己相关的处理部分；
3. 事务处理：对少量数据记录的读、写访问；

• 数据仓库 → 在线分析处理（OLAP）

1. 重点在于分析；
2. 对大量数据记录的长时间读事务；
3. 集成，合并和聚合数据。