数据仓库技术白皮书之三.docVIP

目录 1 前言 2 2 需求分析 3 3 对数据仓库的理解 3 3.1 什么是数据仓库 4 3.1.1 数据仓库架构 4 3.1.2 数据仓库的产品构成 5 3.2 实现数据仓库的关键技术： 5 3.3 数据仓库的特点 5 3.4 数据仓库的用途 6 3.5 数据仓库结构 6 3.6 元数据的定义 7 3.7 元数据的作用 7 3.8 数据源分类 7 3.9 数据仓库的重构过程 7 3.10 数据管理 8 3.11 多维星型模型（Star Schema） 8 4 多维分析技术（OLAP） 9 4.1 多维分析的数据存储 9 4.2 OLAP服务器和工具的功能 9 5 数据发掘技术 10 5.1 统计分析 11 5.2 知识发现 11 5.3 知识发现的应用 11 5.3.1 分组使用（Clustering） 11 5.3.2 分类使用（Classification） 13 5.3.3 数值预测（Value Pridiction） 13 5.3.4 关联的使用 13 5.3.5 顺序模式和顺序序列的使用 14 6 怎样实现数据仓库 15 6.1 系统的体系结构 15 6.1.1 两层体系结构 15 6.1.2 三层体系结构 15 6.2 系统性能 16 6.3 系统的环境 16 6.4 安全性和访问控制 16 6.5 报表和图表的传输 16 6.6 支持代理技术 16 6.7 选择数据仓库产品 17 6.7.1 IBM 数据仓库方案 17 6.7.2 Oracle 数据仓库方案 17 6.7.3 Informix 数据仓库方案 18 6.7.4 SAS 数据仓库方案 19 前言 数据仓库（Data WareHouse）是目前国内外IT行业和计算机行业中经常出现的“新名词”，它是计算机科学高度发展而产生的一门技术，它为现代化企业管理提供了一套建立科学决策支持系统的解决方案，代表了未来信息处理技术发展的主流。在数据仓库（Data WareHouse）中溶入了大量的当今先进尖端的计算机技术，例如先进的数据库技术、数据存储技术、并行处理技术、数据发掘技术、知识发现技术等技术。 随着信息时代的到来，当今许多企业认识到只有靠充分利用、发掘其现有数据才能实现更大的商业效益。 对电信行业，企业的决策者面对复杂和不断变化的业务、市场和客户需求，需要多角度，多层次、多区域观察问题，需要及时、准确的数据，要求对企业的历史数据进行分析和发掘，以达到科学决策的目标，以解决困扰电信企业的诸多难题——如何对它们进行科学地计费和帐务管理？怎样实现大量数据的动态多维分析？怎样防止客户欺诈消费？怎样制定科学的市场策略和市场促销计划？怎样科学地制定电信各种资费政策？怎样科学分配企业有限的资源并使资源利用率最优？怎样科学地建立企业的全面质量管理体系？根据国内外的成功经验来看，利用先进的计算机技术和工具，先建立计算机计费帐务决策支持系统(DSS)，然后逐步建立全局的决策支持系统(DSS)——被公认为是最好的解决办法。而建立决策支持系统(DSS)的最好办法是采用数据仓库解决方案（Data Warehouse Solution）。 在电信企业的计费帐务中心往往存有多年和大量的客户原始数据和记录，在建立计费帐务决策支持系统之前，无法被转换成可靠的、商用的信息，这些数据价值被忽略了。如果建立计费帐务决策支持系统，从这些数据中可以找出有价值的信息，如效益增长分析，客户消费模式、市场潜力等等，再加上市场分析报告、独立的市场调查、质量评测结果和顾问评估等外来数据时，辅助决策者制定科学的市场策略和市场促销计划，必然产生战略性的价值，然后在此基础上建立全局的决策支持系统，扩大到全面的策略管理、质量管理、企业财产管理和企业全面的效益管理等，从而全面地实现信息管理的科学决策。 建立局部或者全局的决策支持系统有别有普通的生产处理系统(EDP)或信息管理系统（MIS），是一个复杂的动态的过程，成功的关键在于对决策支持的理解和所采用的技术和工具。决策支持处理的对象是数据模型，而不是普通的生产信息管理系统（MIS）所处理的普通数据和对数据的控制。 需求分析 北京长途电话局帐务中心不仅承担着北京地区长途电话业务计费及各项有关的服务工作，承担全国长途通信计费结算的多项工作，代行电信总局帐务中心的职能，同时还担负着需要向信息产业部，中国电信，北京电信管理局等不同需求的决策者提供不同层次、不同主题的决策信息（如可能是当年或去年甚至多年来历史的、某一时期的、某一项的或多项的长途电话指标的分析）的重任，以辅助他们根据不断变化的各种情况（如市场情况、经济情况等）做出科学的决策。 目前，北京长途电话局帐务中心拥有大量的历史数据，并且业务和数据都在不断的快速增加，希望以这些数据为基础，再加上市场分析报告、独立的市场