協(xié)同OA辦公系統(tǒng)-數據倉庫

BI與數據倉庫理論泛普軟件議程：BI數據倉庫商業(yè)數據正在以幾何級速度在增長復雜的關系型數據庫需要IT的專業(yè)知識面臨激烈的競爭環(huán)境每周需要做出關鍵決策的次數是五年前的三倍信息用戶需要更多更復雜更頻繁的報表管理層做出明智決策的可用時間越來越緊迫信息用戶與業(yè)務數據的鴻溝“我們有很多數據但還是得不到足夠的信息”標準報表企業(yè)經營數據信息人員決策過程現狀系統(tǒng)很少是集成的面向主題的數據整合銷售訂單

的信息生產的信息客戶服務的信息財務部的信息企業(yè)管理駕駛倉企業(yè)組織想要什么?在任何時間、任何地方能向任何用戶提供有價值的信息基礎設施查詢、分析、報表多維數據集多維數據集數據市場數據倉庫數據市場FileCRMERP閉環(huán)的知識鏈源系統(tǒng)信息采集和存儲信息整理和加工知識行動結果商業(yè)智能的歷史回顧直接聯接數據來源系統(tǒng)HR報表系統(tǒng)銷售報表系統(tǒng)客戶服務報表系統(tǒng)生產制作報表系統(tǒng)性能問題歷史回顧OLTP系統(tǒng)的數據抽取和復制復制的數據集HR報表系統(tǒng)銷售報表系統(tǒng)客戶服務報表系統(tǒng)生產制作報表系統(tǒng)數據的不一致性，多個版本的報表數據來源系統(tǒng)歷史回顧用戶自建的部門系統(tǒng)復制的數據集蜘蛛網問題數據來源系統(tǒng)歷史回顧——理論界數據庫、模型庫和方法庫三庫的概念和方法：數據庫用來存儲企業(yè)的數據信息；模型庫用來存儲輔助決策所需的各種模型；方法庫則用來存放各種運算方法。

大多數系統(tǒng)都只停留在演示階段，實用性、靈活性不夠。決策支持系統(tǒng)的開發(fā)常常處于方案設計和系統(tǒng)規(guī)劃階段，缺乏豐富的數據資源缺乏分析工具缺乏靈活性

操作型數據數據倉庫 面向應用，事務驅動面向分析，分析驅動支持許多并發(fā)用戶動態(tài)地不可更新，周期性刷新添加和修改數據細節(jié)性數據綜合性和提煉性數據當前值數據歷史數據 一次處理的數據量小 一次處理的數據量大快速響應相對較低

操作型數據和分析型數據事實表:包含了基本商業(yè)事務的所有詳細信息，由事實數據元素和維數據元素組成.事實表是多維模型的核心.事實數據是決策分析的數據基礎.維表:存放維數據.描述性信息，觀察事物的角度1.維：是人們觀察數據的特定角度，是考慮問題時的一類屬性，屬性集合構成一個維(時間維、地理維等)。2.維的層次：人們觀察數據的某個特定角度(即某個維)還可以存在細節(jié)程度不同的各個描述方面(時間維：日期、月份、季度、年)。3.維的成員：維的一個取值。是數據項在某維中位置的描述。(“某年某月某日”是在時間維上位置的描述)數據倉庫的模型設計OA（/）同一性——夢想而已整體數據倉庫OA

系統(tǒng)子集集市/分析型應用像許多以前的數據倉庫概念一樣，說起來不錯，做起來卻很不現實異構性——才是現實客戶定制市場數據倉庫ThinkOne財務數據倉庫打包的I2供應鏈非結構化的數據集市子集數據集市ThinkOne財務應用i2供應鏈CRM遺留系統(tǒng)e-Commerce?規(guī)劃解決方案支持數據倉庫管理(處理流程與操作)物理數據庫設計數據轉換應用開發(fā)數據挖掘服務設計與實現支持與增強解決方案體系結構設計元數據管理數據倉庫評估應用增強邏輯數據模型回顧物理數據庫回顧性能調整容量規(guī)劃解決方案集成定制解決方案規(guī)劃詳細數據分析解決方案準備就緒解決方案實施建議現成解決方案規(guī)劃數據倉庫策略開發(fā)業(yè)務探索業(yè)務探索解決方案定義邏輯數據模型設計修改邏輯數據模型驗證解決方案數據倉庫的循環(huán)過程數據倉庫的實施查詢、分析、報表多維數據集多維數據集數據市場數據倉庫數據市場FileCRMERP閉環(huán)的知識鏈源系統(tǒng)信息采集和存儲信息整理和加工知識行動結果商業(yè)智能來源系統(tǒng)數據轉化引擎緩存來源主機或C/S系統(tǒng)轉化引擎C/S系統(tǒng)數據倉庫C/S系統(tǒng)企業(yè)元數據數據集市C/S系統(tǒng)數據集市數據集市C/S系統(tǒng)數據集市掃描元數據要求資源規(guī)劃交付用戶流程數據倉庫監(jiān)控任務調度數據抽取數據清洗數據轉換數據加載索引建立數據聚合元數據導入元數據維護

數據的提取和加載

用戶從數據源抽取出所需的數據，經過數據清洗、轉換,最終按照預先定義好的數據倉庫模型，將數據加載到數據倉庫中去。校驗數據：檢查數據的完整性過濾數據：過濾掉不必要的信息綜合數據：將分散在多個數據來源的信息結合起來凈化數據：使數據達到一致性

數據的提取和加載元數據是描述數據倉庫中數據的數據

Metadata的組成:表,數據元素,主鍵數據元素的物理特征各種定義數據抽取歷史數據匯總算法數據屬主關系及存取模式數據生命期以及淘汰規(guī)則數據安全性數據的度量單位設計映射抽取清洗轉換加載建立索引聚合數據復制數據集分布數據訪問&分析資源調度&配置分發(fā)元數據管理統(tǒng)一系統(tǒng)管理和用戶管理查詢、分析、報表多維數據集多維數據集數據市場數據倉庫數據市場FileCRMERP閉環(huán)的知識鏈源系統(tǒng)信息采集和存儲信息整理和加工知識行動結果商業(yè)智能多維數據集將數據倉庫數據以多維結構表示，利用多維數據模型和數據聚合技術組織和匯總數據。以提供快速數據檢索和計算引擎。聚合：預先計算好的數據匯總，由于在問題提出之前已經準備了答案，聚合可以改進查詢響應時間目的：對復雜的查詢分析提供快速回應時間地點產品山地車山地車地點時間$分析：切片、切塊時間地點全球美國歐洲紐約洛杉磯倫敦巴黎產品的分析：鉆取OA軟件/數據分析的四種模型與相應工具數據分析的四種模型:絕對模型屬于靜態(tài)數據分析.它通過比較歷史數據和行為來描述過去發(fā)生的事情.解釋模型屬于靜態(tài)數據分析.它通過層層細化,找出事實發(fā)生的原因.思考模型屬于動態(tài)數據分析.它通過引入一定參數后,預測將來會發(fā)生什么.公式模型最高級動態(tài)數據分析.它知道需要引入哪些參數以及所產生的結果.數據分析的工具有三種類型:查詢工具:指對分析結果的查詢,而不是記錄級的查詢.驗證型工具:從數據倉庫中發(fā)現事實.實現數據分析的前三種模型.挖掘型工具:從大量數據中發(fā)現模式.實現第四種分析模型.數據挖掘（

發(fā)現數據中存在的關系和規(guī)則，根據現有的數據預測未來的發(fā)展趨勢

廣州OA系統(tǒng)/數據挖掘-分析方法與分析過程數據挖掘有四種分析方法:關聯分析:挖掘出隱藏在數據間的相互關系.序列模式分析:分析數據間的前后(因果)關系.分類分析:先定義一組標記,再賦予每條記錄一個標記,從而實現對記錄的分類分析.典型的分類分析模型有:線性回歸模型,策略樹模型,基于規(guī)則的模型,神經物理模型,聚類分析:是分類分析的逆過程.它根據一定的規(guī)則,對記錄進行合理的分類.通過分類分析可以發(fā)現分類規(guī)則