构建基于FoodMart数据库的数据仓库建立与OLAP(实验一).ppt

构建基于FoodMart数据库的福马特商业智能系统。按照学习理论，“大处着眼，小处着手”是快速学习的好方法，它既能把握全局，又能掌握细节 内容安排上属于实践中的“务实”，理论上的“务虚”，只着眼于操作过程而忽略其中的深奥理论，目的在于明确一个商业智能应用的全貌  基于FoodMart数据库的福马特商业智能系统 FoodMart数据库是SQL Server以前版本所带的示例数据库，它模拟了一家大型的食品连锁店的经营业务所产生的数据。 其商业数据保存在一个数据库中，其中包括了客户管理数据、销售数据、分销数据和库存数据等。随着业务量的增加，这个食品连锁店的老板迫切需要多方位地掌握其经营状况，而传统的报表形式和数据处理方式已经不能满足这一要求，因此在保留历史数据的基础上构建商业智能应用已经迫在眉睫。下面就描述满足这一商务需求的技术实现过程。 FoodMart数据库涉及到公司经营的各个方面，包括产品、库存、人事、客户和销售等。一个真正的商业智能应用应该对这些业务需求进行全面地考虑。本章截取这些需求中的销售部分构建商业智能 打开配套文件中附带的foodmart.mdf文件，可以看到如图2-1所示的表 人事管理中的员工信息存储在employee表中 员工所属部门信息存储在department表中 职务信息则存储在position表中 库存管理业务中的仓库类型存储在warehouse_class表中 具体的仓库存储在warehouse中。 2.1.2? 设计数据仓库逻辑模型 福马特市场部的商务需求是要对1998年进行的所有销售业务数据进行多角度分析，以便市场分析人员能在查询数据库时获取快速的响应，高层管理人员也能从总体上把握影响本年度销售的因素。这需要利用存储在公司业务数据库中的数据，建立数据仓库，进而创建可用于分析的多维数据结构。 如前所述，这里只着眼于销售方面的数据，因而把与销售相关的表提炼出来进行分析。在foodmart数据库中，销售业务的数据和时间、促销手段、产品和店铺等都有关系，它们的关系体现在表与表之间的逻辑关系上。 要从业务数据出发设计数据仓库的结构，必须明确业务数据本身的结构，而业务数据的关系一般是基于关系数据库设计的范式。数据仓库中表的关系不受关系数据库设计范式的约束，但也要遵循一定的结构规范，如星形结构和雪花形结构即是这种类型的规范。同时这也是数据仓库逻辑结构的两种类型。。 这里希望用雪花形结构来构建福马特商店的销售数据仓库，逻辑结构设计图如图2-2所示 在数据仓库的逻辑结构中，数据表可以划分为两类：一类是事实数据表（简称为“事实表”），用来存储数据仓库中的实际数据，如这里存储1998年销售数据的sales_fact_1998表即为事实表； 另一类是维度数据表（简称为“维度表”），用来存储数据仓库中的维度数据，如这里的关于时间、促销手段和产品等分析要素的表均为维度表。 注意，在本例中设计的维度表和事实表与原始数据中的表名及结构都一致，这主要是由原始数据的特点和本章作为入门章节的定位决定的。在实际设计的时候，通常需要根据需求情况重新建立与原始数据不同的表结构。这主要是由于传统业务的数据库是用来进行事务处理的（即OLTP），而数据仓库则是用来进行分析处理的（即OLAP），用途的不同决定了其结构的不同。这一点在以后复杂的数据仓库设计中会通过示例体现出来。 2.1.3? 创建foodmartsaleDW数据仓库 数据仓库也是一种数据库，其管理同样是通过数据库管理系统（DBMS）来进行的。因此数据仓库可以像普通数据库一样进行创建、修改和删除。当数据仓库的逻辑结构设计完后，就可以创建物理数据仓库了 。 2.2? 设计和使用ETL 这里的任务就是要把数据从其他类型数据库或其他类型数据载体中装载到foodmartsaleDW数据仓库中。需要使用到SQL Server Integration Services服务，即SSIS （1）打开Business Intelligence Development Studio，选择【文件】→【新建】→【项目】命令，弹出“新建项目”对话框，展开“商业智能项目”，在“模板”窗格中，单击“Integration Services项目”，把项目命名为“foodmartsale ETL”，如图2-3所示。 这时会在BI Studio环境中打开用于设计SSIS的各种工具和窗口，数据提取、转换和加载的操作都在这个界面下进行。 （2）选择【项目】→【SSIS导入和导出向导】命令，这时会弹出SSIS导入和导出向导的欢迎界面，单击【下一步】按钮。 （3）在“选择数据源”窗口中的“数据源”下拉列表框中选择Access数据源选项，如图2-4所