第一章 决策支持系统（DSS）的发展

第一章 决策支持系统（DSS）的发展
第二章 数据仓库环境

第一章 决策支持系统（DSS）的发展

1.0 从整体入手，逐步解决细节问题

• 建造桥梁，不仅要知道如何铺水泥、如何钻孔、如何安装螺母等，也要了解桥梁的外型和用途
• 即使所有细节都正确也不一定能保证最终产品必然成功

1.1 演化

1.1.1 自然演化结构的流程图

image.png

1.2 自然演化结构的问题（3个）

1.2.1 数据缺乏可信度(问题1)

• 多部门提供的同一业务统计结果不同
• 主要的原因有如下5个
  1. 数据源不一致
  2. 计算规则不一致
  3. 数据选取的时间不一致
  4. 引用了不同的第三方数据
  5. 各自抽取中的数据遗漏

1.2.2 生成效率低(问题2)

• 数据过于分散，数据定位困难
• 数据描述不一致，难以确定准确数据
• 每个业务，每个报表都会遇到以上问题

1.2.3 无法将数据转化为信息(问题3)

• 缺少集成
• 没有历史数据

1.2.4 方法的变迁

• 认清数据的差异（原始数据与导出数据）
  1. 应用方面
     原始数据：面向事务、为日常工作服务
     导出数据：面向分析、为管理者服务
  2. 存储：
     原始数据：明细、瞬时、非冗余
     导出数据：概要、快照、总冗余
  3. 访问
     原始数据：可更新、性能高、单条访问、频繁访问
     导出数据：不更新、性能低、集合访问、很少访问

1.2.5 体系结构环境（企业信息源的基石）

image.png

• 操作层：面向应用 --> 用户A当前是否会员
• 仓库层：集成自操作层的历史原始数据 --> 用户A历史上哪些时间段是会员
• 集市层：部门级仓库 --> 近两年每月会员人数
• 个体层：启发式分析 --> 会员增长趋势分析

1.2.6 体系结构环境中的ETL集成

• 操作层 数据至 仓库层 时，必须ETL集成

1.2.7 用户是谁（面向用户的不同）

• 分析人员，首先是商务人员，其次才是技术人员
• 分析人员口头禅“给我看一下现在有什么，我才能告诉你我需要什么”

1.3 开发生命周期（的不同）

• OLTP：瀑布式（需求-程序-结束）
• 数据仓库：螺旋式（仓库-程序-需求）

1.4 硬件利用模式（的不同）

• OLTP：可预测稳定
• 数据仓库：要么全用，要么不用

1.5 为重建工程创作条件（间接副作用）

• 移走大量档案数据
• 移走数据统计工作
• 生产系统更容易重构

1.6 监控数据仓库环境

• 数据的监控

• 数据使用情况的监控

• 仓库所有表的目录、表的内容概念、增长情况、依赖情况