数据仓库习题答案
第一章
1.为什么不能依靠传统的业务处理系统进行决策分析？(P1-3)
2.在将数据源中的数据加载到数据仓库之前需要完成那些工作？为什么要进行这些工作？(数据准备P13-14 另外加“抽取”)
3.（选做）如果创建一个数据仓库，主要是分析关于客户的人口统计（收入、家庭人口、家庭位置、爱好等）。数据仓库的目的在于将特定的产品推销给合适的潜在客户群。这个数据仓库应该从哪些地方获取数据源，数据仓库的体系结构应该包含哪些部分。（P12，8）
4.从数据挖掘与数据库、统计学、机器学习的关系来讨论什么是数据挖掘?
5.在数据挖掘过程中需要涉及到哪些过程？(P31-35)
（1）. 确定挖掘对象
清晰地定义出业务问题,认清数据挖掘的目的是数据挖掘的重要一步.
（2）数据准备
1) 数据的选择：选择出适用于数据挖掘应用的数据.
2) 数据的预处理：研究数据的质量, 并确定将要进行的挖掘操作的类型.、（3) 模型的构建：建立一个分析模型.这个分析模型是针对挖掘算法建立的。（4）数据挖掘：对所得到的经过转换的数据进行挖掘.
（5）结果分析：解释并评估结果.其使用的分析方法一般应作数据挖掘操作而定,通常会用到可视化技术.
（6）知识的应用：将分析所得到的知识集成到业务信息系统的组织结构中去,使其在实际的管理决策分析中得到应用
6.在现实中有哪些人需要使用数据挖掘技术来帮助他的工作? (P35)
第二章
名词解释；
维：关于一个组织想要记录的透视或实体。
维表：对维各个属性的描述。
事实：数值的度量。
事实表: 包括事实的名称或度量，以及每个相关维表的关键字。
元数据: 数据的数据,可以对数据仓库中的各种数据进行详细的描述与说明,说明每个数据的上下关系,使每个数据具有符合现实的真实含义,使用户可以了解这些数据之间的关系.
粒度:数据仓库中数据单元的详细程度和级别.
星型模型: 最常用的数据仓库设计结构的实现模式。使数据仓库形成了一个集成系统，为用户提供分析服务对象。核心是事实表，围绕事实表的是维度表。通过事实表将各种不同的维度表连接起来，各个维度表都连接到中央事实表。雪花模型:对星型模型的冗余的维度表进一步分解，对星型模型中的维度表进行了规范化处理。
问答：
1.简述olap 与oltp的区别；
Olap：在线分析处理；oltp：联机事务处理。
PAGE 5
? 2.在一般的信息管理中采用哪些概念模型来描述信息处理的对象，这些概
念数据模型是否适合数据仓库的开发环境？
略答：一般的业务处理系统中广泛采用实体-关系模型(ERD)来描述信息处理的对象,但它无法表述数据仓库中所需要的分析数据、描述数据和细节数据之间的关系，无法反映出时间属性的存在和作用，更无法表现出数据的导出关系，因要对其进行修改，得到星型模型或雪花模型。
（CRUD矩阵在数据仓库的高层模型中反应实体的生成、引用、
更新和删除不属于概念模型的范畴）
? 3.航空公司希望能够分析在其服务旅客中的常客旅行趋势，这样可以为公
司正确定位航空市场中的常客市场。并且希望能够跟踪不同航线上旅客的季节变化情况和增长，并跟踪在不同航班上所消费的食品和饮料情况，这样可以帮助航空公司安排不同航线上的航班和食品供应。现在所面对的任
务是为其设计一个数据仓库的概念模型、逻辑模型和物理数据模型。
PAGE 5
PAGE 5
事实表：
消费事实表（旅客编号ID int12，航班编号ID int12，食物编号ID
int12，饮料编号ID int12，季节ID int12，乘坐次数int12，旅客类型
char 2，食物消费数量int 4，食品消费金额float 8，初次乘坐时间
datatime 8）
维表：
（1）旅客基本情况表(编号int12, 姓名char12, 证件类型chat12 , 证件号char18, 职业char12, 收入smallmoney 4, 乘坐季节datatime
8)
（2）旅客变动情况表（编号int12，省char20，市char20，县char20，街道char20 ,邮编int 6, 联系方式varchar 50）
（3）食品消费情况表(食品编号int12, 名称char12, 类别char 2, 数量int 4)
（4）饮料消费情况表饮料编号int12, 名称char12, 类别char 2, 数量int 4)
（5）航班情况表(航班号char12, 航线号char12, 飞行里程int4, 始发站char10, 目的地char 10, 时间datatime 8)
4.为建立第3题中的数据仓库，需要哪些元数据？这些元数据在不同的阶 PAGE 5
段应该发挥什么作用？
略答：元数据：旅客基本信息，初次乘坐时间，食品消费情况，航班情况等初次乘坐时记录其编号，便于以后查询和修改
每次乘坐时记录航班状况和食品消费状况
作用：p56-58
第三章
1.为什么说数据仓库的开发是一个不断循环、逐步提升的开发过程？（P67）
2.数据仓库的生命周期应该包含哪几个阶段？需要完成哪些工作？（P65）
数据仓库的生命周期开发过程：（要求展开）
⑴规划分析阶段：规划与确定需求、开发概念模型、开发逻辑模型；
⑵设计实施阶段：设计体系结构、数据库与元数据设计、数据抽取转换与加
载、开发中间件、填充与测试数据仓库；
⑶使用维护阶段：数据仓库应用、数据仓库维护、数据仓库评价。
数据仓库的生命周期开发特点：
（1）数据仓库开发是从数据出发的；
（2）数据仓库使用的需求不能在开发初期明确；
（3）数据仓库的开发是一个不断循环的启发式过程。
3.在数据仓库的需求分析中需要对哪些人员进行需求调查，应该调查哪些内容？（P73）
4.请为购买商品趋势分析设计一个数据仓库的星型模型，并给出维表的层次结构。（P78图3.4，维表层次P75 表3-1 ）
5.在数据仓库的开发过程中需要对哪些模型进行评审，不同模型的评审内容有哪些？（概念模型P80，逻辑模型P90，物理模型P95）
第四章
名词解释:
维(p106)：决策分析的角度或出发点
多维数据集(p107)：数据立方体或超立方体。
上卷(p110)：从较低层次的数据开始沿某一个维的概念分层向上归约，得到概
括性的数据
下钻(p110)：从较高层次的数据开始沿某一个维的概念分层向下或引入新的维来实现，得到细节数据；
多维的切片(p109)：在某两个维上取一定区间的维成员或全部维成员，而其余的维上选定一个维成员的操作。
多维的切块(p110):在切片的基础上，进一步确定各个维成员的区间得到的片段体，即由多个切片叠合起来的。
旋转(p110):对多维数据集改变其显示得维方向，得到不同视角的数据
多维OLAP(MOLAP) (p114)：基于多维数据库存储方式建立起来的OLAP
关系OLAP(ROLAP) (p118)：基于关系数据库存储方式建立起来的OLAP
问答:
1.什么是OLAP？OLAP是一种技术？还是一种数据库？(p105)
PAGE 5
PAGE 5 在线分析处理或联机分析处理 ,是一个应用广泛的数据仓库使用技术。它可以根据分析人员的要求，快速、灵活地对大量数据进行复杂的查询处理，并以直观的、容易理解的形式将查询结构提供给决策人员。
2.OLAP 的系统结构是怎样的？这种结构在进行在线分析时有什么特点？(p113-114)
OLAP 的系统结构分为瘦客户端系统和胖客户端系统。
胖客户端系统：将多维数据存储于客户端和OLAP 服务器，这种系统由于客户在进行在线分析处理时，需要将数据加载到客户端，容易产生网络瓶颈。
瘦客户端系统：多维数据集不存储在客户端，存在OLAP 服务器中，这在网络中所需传输的只是分析处理后的结果，而不是多维数据集。
3.MOLAP 和ROLAP 在OLAP 的数据存储中各有什么特点？在什么情况下，选择MOLAP ？在什么情况下，选择ROLAP ？
(p122-123 MOLAP ：将数据和聚合都存储于多维数据结构中。 ROLAP ：将数据和聚合都存储于关系数据结构中；
如果需要建立一个大型的，功能复杂的企业级数据仓库可选择
ROLAP ，如果建立一个目标单一维数不是很多的数据集市，MOLAP 是一个较好的选择。
)
4.OLAP 中的数据切片和切块是如何实现的？(p109-110)
5.OLAP 中的钻取操作可以用来为哪些决策提供帮助？(钻取操作即沿着某一个维的概念分层向下或引入新的维来实现,能从数据仓库中的高层数据开始逐步向底层数据探索,了解组成概括数据的具体细节.)
数据库技术与应用第二版 课后答案资料
第1章习题参考答案 1.思考题 （1）什么是数据库、数据库管理系统、数据库系统？它们之间有什么联系？ 答：数据库是存贮在计算机内的有结构的数据集合；数据库管理系统是一个软件，用以维护数据库、接受并完成用户对数据库的一切操作；数据库系统指由硬件设备、软件系统、专业领域的数据体和管理人员构成的一个运行系统。 （2）当前，主要有哪几种新型数据库系统？它们各有什么特点？用于什么领域，试举例说明？答：主要有：分布式数据库、面向对象数据库、多媒体数据库、数据仓库技术、空间数据库。 （3）什么是数据模型？目前数据库主要有哪几种数据模型？它们各有什么特点？ 答：数据模型是一组描述数据库的概念。这些概念精确地描述数据、数据之间的关系、数据的语义和完整性约束。很多数据模型还包括一个操作集合。这些操作用来说明对数据库的存取和更新。数据模型应满足3方面要求：一是能真实地模拟现实世界；二是容易为人们理解；三是便于在计算机上实现。目前在数据库领域，常用的数据模型有：层次模型、网络模型、关系模型以及最近兴起的面向对象的模型。 （4）关系数据库中选择、投影、连接运算的含义是什么？ 答： 1）选择运算：从关系中筛选出满足给定条件的元组（记录）。选择是从行的角度进行运算，选择出的记录是原关系的子集。 2）投影运算：从关系中指定若干个属性（字段）组成新的关系。投影是从列的角度进行运算，得到的新关系中的字段个数往往比原关系少。 3）连接运算：将两个关系按照给定的条件横向拼接成新的关系。连接过程是通过两个关系中公有的字段名进行的。 （5）关键字段的含义是什么？它的作用是什么？
答：一个关系中可以确定一个字段为关键字段，该字段的值在各条记录中不能有相同的值。（如：门牌号码）；关键字段的作用主要是为建立多个表的关联和进行快速查询。 （6）什么是E-R图？E-R 图是由哪几种基本要素组成？这些要素如何表示？ 答：E-R图也称实体-联系图(Entity Relationship Diagram)，提供了表示实体类型、属性和联系的方法，用来描述现实世界的概念模型。构成E-R图的基本要素有3种，即实体、属性和联系。其表示方法为：用矩形框表示现实世界中的实体，用菱形框表示实体间的联系，用椭圆形框表示实体和联系的属性，实体名、属性名和联系名分别写在相应框内。ABAAC ABCAA 第2章习题解答 1. 思考题 （1）在SQL Server 2008中的数据库中包含哪些对象？其中什么对象是必不可少的？其作用又是什么？ 答：SQL Server 2008中的数据库对象主要包括数据库关系图、表、视图、同义词、可编程性、Service Broker、存储和安全性等。其中表对象是必不可少的。表是由行和列构成的集合，用来存储数据。 （2）SQL Server提供的系统数据库master它的作用是什么？用户可以删除和修改吗？为什么？答：master 数据库记录SQL Server 系统的所有系统级信息。主要包括实例范围的元数据、端点、链接服务器和系统配置设置以及记录了所有其他数据库的存在、数据库文件的位置以及SQL Server 的初始化信息。用户不可以删除和修改，它是由系统创建和维护的数据库。 （3）什么文件是数据库文件？组成数据库的文件有哪些类型？如何识别？它们的作用是什么？答：存放数据库数据和数据库对象的文件叫数据库文件；在SQL Server 2008系统中组成数据库的文件有2种类型：数据文件和事务（事务就是一个单元的工作，该单元的工作要么全部完成，要么全部不完成）日志文件。而数据文件又由主数据文件和次数据
(完整word版)建设数据仓库的八个步骤
大数据技术部 建设数据仓库的八个步骤2017年04月25日编制
建设数据仓库的八个步骤 摘要： 建立数据仓库是一个解决企业问题的过程，业务人员往往不懂如何建立和使用数据仓库，发挥其决策支持的作用；信息部门的人员往往又不懂业务，不知道应该建立哪些决策主题。 关键词：数据仓库元数据 建设数据仓库 建立数据仓库是一个解决企业问题的过程，业务人员往往不懂如何建立和使用数据仓库，发挥其决策支持的作用；信息部门的人员往往又不懂业务，不知道应该建立哪些决策主题，从数据源中抽取哪些数据。因此数据仓库的项目小组应该由业务人员和信息部门的人员共同组成，双方需要相互沟通，协作开发数据仓库。 开发数据仓库的过程包括以下几个步骤。 1.系统分析，确定主题 建立数据仓库的第一个步骤就是通过与业务部门的充分交流，了解建立数据仓库所要解决的问题的真正含义，确定各个主题下的查询分析要求。 业务人员往往会罗列出很多想解决的问题，信息部门的人员应该对这些问题进行分类汇总，确定数据仓库所实现的业务功能。一旦确定问题以后，信息部门的人员还需要确定一下几个因素： ·操作出现的频率，即业务部门每隔多长时间做一次查询分析。 ·在系统中需要保存多久的数据，是一年、两年还是五年、十年。 ·用户查询数据的主要方式，如在时间维度上是按照自然年，还是财政年。 ·用户所能接受的响应时间是多长、是几秒钟，还是几小时。
由于双方在理解上的差异，确定问题和了解问题可能是一个需要多次往复的过程，信息部门的人员可能需要做一些原型演示给业务部门的人员看，以最终确定系统将要实现的功能确实是业务部门所需要的。 2.选择满足数据仓库系统要求的软件平台 在数据仓库所要解决的问题确定后，第二个步骤就是选择合适的软件平台，包括数据库、建模工具、分析工具等。这里有许多因素要考虑，如系统对数据量、响应时间、分析功能的要求等，以下是一些公认的选择标准： ·厂商的背景和支持能力，能否提供全方位的技术支持和咨询服务。 ·数据库对大数据量（TB级）的支持能力。 ·数据库是否支持并行操作。 ·能否提供数据仓库的建模工具，是否支持对元数据的管理。 ·能否提供支持大数据量的数据加载、转换、传输工具（ETT）。 ·能否提供完整的决策支持工具集，满足数据仓库中各类用户的需要。 3.建立数据仓库的逻辑模型 具体步骤如下： （1）确定建立数据仓库逻辑模型的基本方法。 （2）基于主题视图，把主题视图中的数据定义转到逻辑数据模型中。 （3）识别主题之间的关系。
数据仓库复习题
第一章概述 1.数据挖掘的定义？（书P2，PPT_P8） 从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 2.数据挖掘的源是否必须是数据仓库的数据？可以有哪些来源？（PPT_P14） 关系数据库、数据仓库、事务数据库、高级数据等 3.数据挖掘的常用方法？（P4、PPT_P29） 聚类分析、决策树、人工神经网络、粗糙集、关联规则挖掘、统计分析等 4.数据挖掘的过程包括哪些步骤，每一步具体包括哪些内容？（书P2-3，PPT_P17-19） 确定业务对象、数据准备、数据挖掘、结果分析与知识同化。 5.数据挖掘与数据仓库的关系（联系和区别）？书P6-7，PPT_P45-46 联系：1，数据仓库为数据挖掘提供了更好的，更广泛的数据源 2，数据仓库韦数据挖掘提供了新的支持平台。 3，数据仓库为更好地使用数据挖掘工具提供了方便 4，数据挖掘对数据仓库提供了更好的决策支持。 5，数据挖掘对数据仓库的数据组织提出了更高的要求 6，数据挖掘还为数据仓库提供了广泛的技术支持 区别：数据仓库是一种存储技术，它包含大量的历史数据、当前的详细数据以及综合数据，它能为不同用户的不同决策需要提供所需的数据和信息。~~数据挖掘是从人工智能机器学习中发展起来的，它研究各种方法和技术，从大量的数据中挖掘出有用的信息和知识。 第二章数据仓库 1.数据仓库的定义 数据仓库——是一个面向主题的、集成的、随时间而变化的、不容易丢失的数据集合，支持管理部门的决策定制过程。 2.数据仓库数据的四大基本特征： 面向主题的、集成的、不可更新的、随时间变化的。 3.数据仓库体系结构有三个独立的数据层次： 信息获取层、信息存储层、信息传递层。 4.粒度的定义？它对数据仓库有什么影响？ （1）是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度越小，细节程度越高，综合程度越低，回答查询的种类就越多。 （2）影响存放在数据仓库中的数据量大小；影响数据仓库所能回答查询问题的细节程度。 5.在数据仓库中，数据按照粒度从小到大可分为四个级别： 早期细节级、当前细节级、轻度细节级和高度细节级。 6.数据分割的标准：可按日期、地域、业务领域、或按多个分割标准的组合，但一般包括日期项。 7.数据仓库设计中，一般存在着三级数据模型： 概念数据模型、逻辑数据模型、物理数据模型 8.数据仓库设计步骤 （1）概念模型设计 （2）技术准备工作 （3）逻辑模型设计 （4）物理模型设计 （5）数据仓库的生成
数据库与数据仓库的区别是什么
数据库与数据仓库的区别是什么 简而言之，数据库是面向事务的设计，数据仓库是面向主题设计的。 数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。 数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计。 数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本的元素是维表和事实表。维是看问题的角度，比如时间，部门，维表放的就是这些东西的定义，事实表里放着要查询的数据，同时有维的ID。 单从概念上讲，有些晦涩。任何技术都是为应用服务的，结合应用可以很容易地理解。以银行业务为例。数据库是事务系统的数据平台，客户在银行做的每笔交易都会写入数据库，被记录下来，这里，可以简单地理解为用数据库记帐。数据仓库是分析系统的数据平台，它从事务系统获取数据，并做汇总、加工，为决策者提供决策的依据。比如，某银行某分行一个月发生多少交易，该分行当前存款余额是多少。如果存款又多，消费交易又多，那么该地区就有必要设立ATM了。 显然，银行的交易量是巨大的，通常以百万甚至千万次来计算。事务系统是实时的，这就要求时效性，客户存一笔钱需要几十秒是无法忍受的，这就要求数据库只能存储很短一段时间的数据。而分析系统是事后的，它要提供关注时间段内所有的有效数据。这些数据是海量的，汇总计算起来也要慢一些，但是，只要能够提供有效的分析数据就达到目的了。 数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。那么，数据仓库与传统数据库比较，有哪些不同呢?让我们先看看W.H.Inmon关于数据仓库的定义:面向主题的、集成的、与时间相关且不可修改的数据集合。 “面向主题的”:传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数据;数据仓库侧重于数据分析工作，是按照主题存储的。这一点，类似于传统农贸市场与超市的区别—市场里面，白菜、萝卜、香菜会在一个摊位上，如果它们是一个小贩卖的;而超市里，白菜、萝卜、香菜则各自一块。也就是说，市场里的菜(数据)是按照小贩(应用程序)归堆(存储)的，超市里面则是按照菜的类型(同主题)归堆的。 “与时间相关”:数据库保存信息的时候，并不强调一定有时间信息。数据仓库则不同，出于决策的需要，数据仓库中的数据都要标明时间属性。决策中，时间属性很重要。同样都是累计购买过九车产品的顾客，一位是最近三个月购买九车，一位是最近一年从未买过，这对于决策者意义是不同的。 “不可修改”:数据仓库中的数据并不是最新的，而是来源于其它数据源。数据仓库反映的是历史信息，并不是很多数据库处理的那种日常事务数据(有的数据库例如电信计费数据库
最新运维中心笔试题答案
数据库运维中心笔试题答案 一、单项选择 1、T-SQL语句是由哪一家公司设计出的：（A） A Microsoft B IBM C SUN 2、 SQL-Server 的数据库类型属于哪一类型：（A） A 关系型数据库 B 网络型数据库 C 层次型数据库 3、要启动SQL－Server 的服务器，在命令提示符下键入以下什么命令可以启动SQL－Server服务器：（B） A net send B net start mssqlerver C net help 4、输入和调试T－SQL语句的工具是：（B） A 企业管理器 B 查询分析器 C 服务器网络使用工具 D 联机丛书 5、创建数据库的关键字是: （B） A delete B Create C from D talbe 6、数据库的日志文件的扩展名是：（B） A mdf B ldf C ndf D log 7、创建表的主约束使用哪个关键字：（B） A check B primary C foreign D rull 8、datetime属于什么数据类型：（A） A 日期型 B 时间型 C 字符串型 D 整数型 9、下列数据类型中不能属于sql_variant 型的是：（C） A varchar B int C image D datetime 10、存储过程sp_bindrule的作用是什么：（A） A 绑定规则 B 查看表结构 C 绑定默认值 D 查看过程 11、insert 表示的含义：（A） A 添加 B 删除 C 查询 D 更改 12、SQL-Server 中外键约束关键字为：（C） A primary key B unique C foreign key D check 13、alter view 表示：（B） A 创建视图 B 更改视图 C 检索视图 D 删除视图
数据仓库与数据挖掘课后习题答案
数据仓库与数据挖掘 第一章课后习题 一：填空题 1）数据库中存储的都是数据，而数据仓库中的数据都是一些历史的、存档的、归纳的、计算的数据。 2）数据仓库中的数据分为四个级别：早起细节级、当前细节级、轻度综合级、高度综合级。3）数据源是数据仓库系统的基础，是整个系统的数据源泉，通常包括业务数据和历史数据。4）元数据是“关于数据的数据”。根据元数据用途的不同将数据仓库的元数据分为技术元数据和业务元数据两类。 5）数据处理通常分为两大类：联机事务处理和联机事务分析 6）Fayyad过程模型主要有数据准备，数据挖掘和结果分析三个主要部分组成。 7）如果从整体上看数据挖掘技术，可以将其分为统计分析类、知识发现类和其他类型的数据挖掘技术三大类。 8）那些与数据的一般行为或模型不一致的数据对象称做孤立点。 9）按照挖掘对象的不同，将Web数据挖掘分为三类：web内容挖掘、web结构挖掘和web 使用挖掘。 10）查询型工具、分析型工具盒挖掘型工具结合在一起构成了数据仓库系统的工具层，它们各自的侧重点不同，因此适用范围和针对的用户也不相同。 二：简答题 1）什么是数据仓库？数据仓库的特点主要有哪些？ 数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支
持管理决策。 主要特点：面向主题组织的、集成的、稳定的、随时间不断变化的、数据的集合性、支持决策作用 2）简述数据挖掘的技术定义。 从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们不知道的、但又是潜在有用的信息和知识的过程。 3）什么是业务元数据？ 业务元数据从业务角度描述了数据仓库中的数据，它提供了介于使用者和实际系统之间的语义层，使得不懂计算机技术的业务人员也能够读懂数据仓库中的数据 4）简述数据挖掘与传统分析方法的区别。 本质区别是：数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘所得到的信息应具有先前未知、有效和实用三个特征。 5）简述数据仓库4种体系结构的异同点及其适用性。 a.虚拟的数据仓库体系结构 b.单独的数据仓库体系结构 c.单独的数据集市体系结构 d.分布式数据仓库结构
数据仓库报告
数据仓库 学号：20111004458 班级：193113 姓名：华秀 指导老师：李程俊 2015年1月20日
目录 一、数据仓库的定义 (3) 二、实时数据仓库的技术基础和研究现状 (3) 1.技术基础： (3) 2.研究现状 (7) 三、什么是OLTP、OLAP它们的区别有哪些？ (8) OLTP： (8) OLAP: (8) OLAP和OLTP的区别 (8) 四、OLAP有哪些操作 (9) 五、数据立方体 (10) 六、数据挖掘分类 (11) 七、数据挖掘技术 (11) （1）决策树方法 (11) （2）关联规则 (12) （3）神经网络 (12) （4）遗传算法 (12) （5）聚类分析 (12) （6）统计学习 (12) （7）粗糙集 (13) 八、 K means聚类算法 (13)
一、数据仓库的定义 数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受：数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策（Decision Making Support）。 对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。数据仓库是近年来才提出的新概念.所谓数据仓库（Data Warehouse）是指这样一种数据的存储地,来自于异地、异构的数据源或数据库的数据经加工后在数据仓库中存储、提取和维护.传统数据库主要面向业务处理,而数据仓库面向复杂数据分析、高层决策支持.数据仓库提供来自种类不同的应用系统的集成化和历史化的数据,为有关部门或企业进行全局范围的战略决策和长期趋势分析提供了有效的支持.数据仓库使用户拥有任意提取数据的自由,而不干扰业务数据库的正常运行. 当前,一些企业已经在传统数据处理方面有了较丰富的经验,他们采用数据仓库希望能从中得到更多好处,例如,以合理的代价取得有效的决策支持、促进企业中业务处理过程的重组、改善并强化对客户的服务、强化企业的资产/负债管理、促进市场优化、加速资金周转、帮助实现企业的规模优化.数据仓库的产生和发展为数据采掘技术开辟了新的战场,同时也提出了新的要求和挑战.目前的研究还主要着眼于数据仓库的构建和维护的基本理论、方法上,例如数据仓库更新问题的研究,因为这是迈向实用化的第一步的、首要的任务.下一步将把重点放在数据仓库的有效应用研究上.为高级的决策支持服务是数据仓库的最终目的,因此基于数据仓库的数据采掘理论和技术的研究,自然成为信息科学学术界的热点问题. 二、实时数据仓库的技术基础和研究现状 1.技术基础： 数据仓库系列技术，主要支撑技术有以下一些： 数据库技术、ETL技术、OLAP技术、元数据管理技术、前台展现技术、报表技术、挖掘技术、仿真优化技术。 这些支撑技术结合各行业业务后，可以生产各式各样的应用。当然这些技术中，重点突出了在数据仓库方面的特征，而忽略了计算机技术的一些特征。比如：OLAP技术，那么就需要计算机存储技术、压缩技术、分区技术、加解密技术、图形化技术等等，这里就不再单独列示。 数据库技术是支撑数据仓库技术的最基础技术。有关系数据库、层次数据库、网络数据库等类型，目前呈现比较好的发展态势的对象关系数据库也是一种类型。最典型的是关系数据库的应用。在数据仓库实践中，关系数据库是实质的数据库存储工具，但针对不同的数据仓库方案，有的关系数据库是还提供了有关的数据仓库元素的查询函数或组件，在支撑数据仓库数据存储的基础上，还能支撑数据仓库的数据探查，比如：Teradata，但是，大部分数据库，以及在大部分数据仓库建设方案中，只是利用数据库作为数据存储的工具。这样，实质上数据仓库与数据库在技术表现看起来可能是一样的，但是，在系统存储模型上却有着本质的区别。数据库技术在存储模型建设方面强调数据模型的规范性和高效存储能力（少冗
数据仓库-期末考试复习题
复习思考题(重点) 一、单项选择题 (1) 一般信息管理中，采用哪种方式的概念模型最多 A. MapReduce模型 B. 实体-关系模型 C.02O模型 D.B/S模型 (2)在关系表中，下列哪种属性不能承担主列关键字(Key)？ A. 身份证号 B.银行卡号 C.加密电文 D.企业标识码 (3)数据仓库的生命周期中，不包含下列哪个阶段？ A.规划分析阶段 B.设计实施阶段 C.使用维护阶段 D.反馈提升阶段 (4)多维切片是指： A.在多个维度上观察全员操作 B.多个成员的操作片段 C.旋转数据集的部分维度 D.在线分析或联机分析 (5) 一般信息管理中，采用哪种方式的分布式物理模型最多 A. MapReduce模型 B. 实体-关系模型 C.02O模型 D.B/S模型 (6)在关系表中，下列哪种属性可以成为外键(Key)？ A. 客户信用程度 B.银行卡行号 C.加密的身份证号 D.实体商户地址 (7)数据仓库的生命周期中，不包含下列哪个阶段排在第三阶段？ A.规划分析阶段 B.设计实施阶段 C.使用维护阶段 D.反馈提升阶段 (8)多维报表是指： A.在多个维度上观察全员操作 B.不同维度格式不同叠加展示 C.旋转数据集的部分维度 D.在线分析或联机分析 (9)数据表的多维索引的作用是： A.使数据表更节省存储空间 B.加快数据存储速度 C. 表格格式美观大方 C. 加快数据查找效率 (10)MapRedude结构中的MAP职能是？ A.钻取 B.汇聚 C.分发 D.结晶 (11)下列哪种客户需求可以直接成为数据仓库的多维报表？ A.客户销售业绩清单 B.客户基本名册 C.客户关系图表 D.客户反馈信息 (12) 数据仓库开发强调哪种主体特征？ A. 信息安全性 B.业务流程 C.操作事务性 D.数据实时性 (13)数据仓库与数据库系统相比，更加提倡： A.空间换时间 B.数据范式更严格 C.冗余度更小 C. 更加适用于分布式结构 (14)透视表属于OLAP中的哪种能力范畴？ A.存储能力 B.展示能力 C.稳定性能力 D.安全性能力 (15)OLAP的系统结构分为： A.胖客户端系统和瘦客户端系统 B. OLAP服务器和多维数据存储 C. OLAP服务器和传输分析处理后结果 C. 多维数据存储和分析处理后结果 (16)MapRedude结构中的Reduce职能是？ A.钻取 B.汇聚 C.分发 D.结晶 (17)下列哪种信息不能直接成为数据仓库的元数据？ A.客户姓名的格式 B.客户基本信息 C.客户关系图 D.客户反馈法则 (18) noSQL数据库更强调哪种特征？ A. 不兼容SQL命令 B.非关系结构 C.非事务性 D.分布式计算 (19)下列哪种关于数据仓库开发的观点是错误的？
bi etl 数据仓库面试培训题
面试培训题 1.BI(business intelligence)模型有哪些？ 答：星星模型和雪花模型， 雪花模型一般不用，星星模型就是一个事实表和多个维表相关联。 2.维度建模的数据仓库中，有一个概念叫Slowly Changing Dimensions，中文一般翻译成“缓慢变化维”，经常被简写为SCD。 缓慢变化维的提出是因为在现实世界中，维度的属性并不是静态的，它会随着时间的流失发生缓慢的变化。这种随时间发生变化的维度我们一般称之为缓慢变化维，并且把处理维度表的历史变化信息的问题称为处理缓慢变化维的问题，有时也简称为处理SCD的问题。 例如：员工维表，这个员工在某段时间在这个部门，然后过段时间换了部门换了工作地，需要多行数据来记录这种变化，人员的属性是变化的，就叫缓慢变化维。 3oracle的存储单位是什么？结构是什么样的？有什么组成？ 物理存储结构：多种物理文件，如数据文件，日志文件，参数文件，控制文件 逻辑存储结构：表空间，段，区，数据块组成 4工作中用到哪些ETL软件？ E-extract 抽取T-transform 转换L-load 加载 IBM公司的datastage(DS) 5实例=内存+进程 Instance:SGA,PGA SGA:shared pool(library cache,dictionary data cache ),database buffer cache ,redo log buffer, BWN:数据文件CKPT:控制文件LGWR:在线日志
六．对SQL优化的认识？ QL三段分拆法，SQL可以分为3段 1.SELECT 部分，重点关注SELECT 部分有没有标量子查询，有没有自定义函数 2.FROM 后面，重点关注有没有内联视图，有没有视图套视图，看有没有进行视图合并、谓词推入 3.WHERE 条件部分，看有没有IN，NOT IN,EXISTS，NOT EXISTS 子查询，将in/exist都改成WITH AS 最好有没有外连接，有没有在列上面有函数导致不能走索引，减少表关联，看表设计是1：1还是1：N的关系 4看统计信息是否过期，过期的进行收集 5关注大表，大表才有新问题，是否是小表当驱动表，大表当被驱动表 6看执行计划是hash还是nl(嵌套循环）用hint来改变执行计划 （nl和hash就是两种执行计划，就是说你选择的是哪种路径，坐公交还是地铁，让sql跑的块，到达目的地。sql查出来的数据是不会变的，对应目的地是不会变的。公交方式有多种，对应执行计划有多种）
(完整版)大数据技术原理与应用林子雨版课后习题答案
第一章 1.试述信息技术发展史上的3次信息化浪潮及具体内容。 2.试述数据产生方式经历的几个阶段 答：运营式系统阶段，用户原创内容阶段，感知式系统阶段。 3.试述大数据的4个基本特征 答：数据量大、数据类型繁多、处理速度快和价值密度低。 4.试述大数据时代的“数据爆炸”的特性 答：大数据时代的“数据爆炸”的特性是，人类社会产生的数据一致都以每年50%的速度增长，也就是说，每两年增加一倍。 5.数据研究经历了哪4个阶段？
答：人类自古以来在科学研究上先后历经了实验、理论、计算、和数据四种范式。 6.试述大数据对思维方式的重要影响 答：大数据时代对思维方式的重要影响是三种思维的转变：全样而非抽样，效率而非精确，相关而非因果。 7.大数据决策与传统的基于数据仓库的决策有什么区别 答：数据仓库具备批量和周期性的数据加载以及数据变化的实时探测、传播和加载能力，能结合历史数据和实时数据实现查询分析和自动规则触发，从而提供对战略决策和战术决策。 大数据决策可以面向类型繁多的、非结构化的海量数据进行决策分析。 8.举例说明大数据的基本应用 答： 9.举例说明大数据的关键技术
答：批处理计算，流计算，图计算，查询分析计算 10.大数据产业包含哪些关键技术。 答：IT基础设施层、数据源层、数据管理层、数据分析层、数据平台层、数据应用层。 11.定义并解释以下术语：云计算、物联网 答：云计算：云计算就是实现了通过网络提供可伸缩的、廉价的分布式计算机能力，用户只需要在具备网络接入条件的地方，就可以随时随地获得所需的各种IT资源。 物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人类和物等通过新的方式连在一起，形成人与物、物与物相连，实现信息化和远程管理控制。 12.详细阐述大数据、云计算和物联网三者之间的区别与联系。
数据仓库与数据挖掘课程设计报告书
目录 1. 绪论 (2) 1.1项目背景 (2) 1.2 提出问题 (2) 2 数据库仓库与数据集的概念介绍 (2) 2.1数据仓库 (2) 2.2数据集 (2) 3 数据仓库 (3) 3.1 数据仓库的设计 (3) 3.1.1数据仓库的概念模型设计 (3) 3.1.2数据仓库的逻辑模型设计 (3) 3.2 数据仓库的建立 (3) 3.2.1数据仓库数据集 (3) 3.2.2建立维表 (4) 4.数据挖掘操作 (4) 4.1数据预处理 (4) 4.1.1描述性数据汇总 (4) 4.2决策树 (4) 5、实验心得 (12) 6、大总结 (12)
1. 绪论 1.1项目背景 在现在大数据时代，各行各业需要对商品及相关关节的数据进行收集处理，尤其零售行业，于企业对产品的市场需求进行科学合理的分析，从而预测出将来的市场，制定出高效的决策，给企业带来经济收益。 1.2 提出问题 对于超市的商品的购买时期和购买数量的如何决定，才可以使销售量最大，不积压商品，不缺货，对不同时期季节和不同人群制定不同方案，使企业收益最大，通过数据挖掘对数据进行决策树分析，关联分析，顺序分析与决策分析等可以制定出最佳方案。 2 数据库仓库与数据集的概念介绍 2.1数据仓库 数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储，出于分析性报告和决策支持的目的而创建。为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。 数据仓库是决策系统支持（dss）和联机分析应用数据源的结构化数据环境。数据仓库研究和解决从数据库中获取信息的问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。 2.2数据集 数据集是指一种由数据所组成的集合。Data set（或dataset）是一个数据的集合，通常以表格形式出现。每一列代表一个特定变量。每一行都对应于某一成员的数据集的问题。它列出的价值观为每一个变量，如身高和体重的一个物体或价值的随机数。每个数值被称为数据资料。对应于行数，该数据集的数据可能包括一个或多个成员。
数据仓库面试题
数据仓库及BI工程师面试题集锦 前言 1、介绍一下项目经验、项目中的角色。 一、数据库 1、Oracle数据库，视图与表的区别？普通视图与物化视图的区别？物化视图的作 用？ i.视图与表的区别 1. 1、视图是已经编译好的sql语句。而表不是 2. 视图没有实际的物理记录。而表有。 3. 表是内容，视图是窗口 4. 表只用物理空间而视图不占用物理空间，视图只是逻辑概念的存在， 表可以及时四对它进行修改，但视图只能有创建的语句来修改ii. 物化视图与视图区别 1.物化视图和视图差别非常大，不是几句能说清物化视图是自动刷新或者 手动刷新的，视图不用刷新物化视图也可以直接update，但是不影响b ase table，对视图的update反映到base table上物化视图主要用于 远程数据访问，物化视图中的数据需要占用磁盘空间，视图中不保存数据。 2、Oracle数据库，有哪几类索引，分别有什么特点？ a) 1.单列索引与复合索引 一个索引可以由一个或多个列组成，用来创建索引的列被称为“索引列”。 单列索引是基于单列所创建的索引，复合索引是基于两列或者多列所创建的索引。 2.唯一索引与非唯一索引 唯一索引是索引列值不能重复的索引，非唯一索引是索引列可以重复的索引。
无论是唯一索引还是非唯一索引，索引列都允许取NULL值。默认情况下，Oracle 创建的索引是不唯一索引。 3.B树索引 B树索引是按B树算法组织并存放索引数据的，所以B树索引主要依赖其组织并存放索引数据的算法来实现快速检索功能。 4.位图索引 位图索引在多列查询时，可以对两个列上的位图进行AND和OR操作，达到更好的查询效果。 5.函数索引 Oracle中不仅能够直接对表中的列创建索引，还可以对包含列的函数或表达式创建索引，这种索引称为“位图索引”。 3、Union与Union All的区别？ a)Union会对查询结果进行排序去重，效率比union all 低，union all只是两个查 询集的合并操作。建议使用Union all，查询出来后再对数据进行去重操作。 4、对游标的理解？游标的分类？使用方法？ 游标是映射在结果集中一行数据的位置实体，有了游标，用户就可以访问结果集中的任何一条数据。游标分为静态游标和REF游标，静态游标分为显示游标和隐式游标，显示游标使用步骤是声明游标，打开游标，获取记录，关闭游标。所有的DML语句为隐式游标，可以从游标的属性获得sql语句的信息。REF游标是动态关联结果集的临时对象，使用步骤也是先要进行声明游标，然后打开游标，获取记录，关闭游标。 5、如何查找和删除表中的重复数据？给出方法或SQL。 查询表中重复数据。 Select * from people where id in (Select id from people group by id having count(id)>1); Delete from people where id in(select id from people group by id having count(id)>1) and rowid not in (select min(rowid) from people group by id hacing count(id)>1);
数据仓库习题答案
第一章 1.为什么不能依靠传统的业务处理系统进行决策分析？(P1-3) 2.在将数据源中的数据加载到数据仓库之前需要完成那些工作？为什么要进行这些工作？(数据准备P13-14 另外加“抽取”) 3.（选做）如果创建一个数据仓库，主要是分析关于客户的人口统计（收入、家庭人口、家庭位置、爱好等）。数据仓库的目的在于将特定的产品推销给合适的潜在客户群。这个数据仓库应该从哪些地方获取数据源，数据仓库的体系结构应该包含哪些部分。（P12，8） 4.从数据挖掘与数据库、统计学、机器学习的关系来讨论什么是数据挖掘? 5.在数据挖掘过程中需要涉及到哪些过程？(P31-35) （1）. 确定挖掘对象 清晰地定义出业务问题,认清数据挖掘的目的是数据挖掘的重要一步. （2）数据准备 1) 数据的选择：选择出适用于数据挖掘应用的数据. 2) 数据的预处理：研究数据的质量, 并确定将要进行的挖掘操作的类型.、（3) 模型的构建：建立一个分析模型.这个分析模型是针对挖掘算法建立的。（4）数据挖掘：对所得到的经过转换的数据进行挖掘. （5）结果分析：解释并评估结果.其使用的分析方法一般应作数据挖掘操作而定,通常会用到可视化技术. （6）知识的应用：将分析所得到的知识集成到业务信息系统的组织结构中去,使其在实际的管理决策分析中得到应用 6.在现实中有哪些人需要使用数据挖掘技术来帮助他的工作? (P35) 第二章 名词解释； 维：关于一个组织想要记录的透视或实体。 维表：对维各个属性的描述。 事实：数值的度量。 事实表: 包括事实的名称或度量，以及每个相关维表的关键字。 元数据: 数据的数据,可以对数据仓库中的各种数据进行详细的描述与说明,说明每个数据的上下关系,使每个数据具有符合现实的真实含义,使用户可以了解这些数据之间的关系. 粒度:数据仓库中数据单元的详细程度和级别. 星型模型: 最常用的数据仓库设计结构的实现模式。使数据仓库形成了一个集成系统，为用户提供分析服务对象。核心是事实表，围绕事实表的是维度表。通过事实表将各种不同的维度表连接起来，各个维度表都连接到中央事实表。雪花模型:对星型模型的冗余的维度表进一步分解，对星型模型中的维度表进行了规范化处理。 问答： 1.简述olap 与oltp的区别； Olap：在线分析处理；oltp：联机事务处理。 PAGE 5
浅析数据库(DB)、操作数据存储(ODS)和数据仓库(DW)的区别与联系
浅析数据库(DB)、操作数据存储(ODS)和数据仓库(D W)的区别与联系 文章背景： 相信大部分刚接触上面三个概念的同学，都多多少少会有些迷惑，现在我就给大家简单分析下这三者的关系，希望大家对这三者的概念理解有所帮助吧。 本文主要从下面两类关系来叙述上面三者的关系： 1. 数据库（DB）和数据仓库（DW）的区别与联系 2. 操作数据存储（ODS）和数据仓库（DW）的区别与联系 数据库与数据仓库的区别与联系 数据库与数据仓库基础概念： 数据库：传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。 数据仓库：数据仓库系统的主要应用主要是OLAP（On-Line Analytical Proces sing），支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。 OLTP和OLAP概念补充： 数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction proc essing）、联机分析处理OLAP（On-Line Analytical Processing）。 OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。 OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。
OLTP 系统强调数据库内存效率，强调内存各种指标的命令率，强调绑定变量，强调并发操作； OLAP 系统则强调数据分析，强调SQL执行市场，强调磁盘I/O，强调分区等。 举一个具体的例子：（转自知乎作者：陈诚），个人觉得例子描述的很清晰 举个最常见的例子，拿电商行业来说好了。 基本每家电商公司都会经历，从只需要业务数据库到要数据仓库的阶段。 第一阶段，电商早期启动非常容易，入行门槛低。找个外包团队，做了一个可以下单的网页前端+ 几台服务器+ 一个MySQL，就能开门迎客了。这好比手工作坊时期。 第二阶段，流量来了，客户和订单都多起来了，普通查询已经有压力了，这个时候就需要升级架构变成多台服务器和多个业务数据库（量大+分库分表），这个阶段的业务数字和指标还可以勉强从业务数据库里查询。初步进入工业化。 第三阶段，一般需要3-5 年左右的时间，随着业务指数级的增长，数据量的会陡增，公司角色也开始多了起来，开始有了CEO、CMO、CIO，大家需要面临的问题越来越复杂，越来越深入。高管们关心的问题，从最初非常粗放的：“昨天的收入是多少”、“上个月的PV、UV 是多少”，逐渐演化到非常精细化和具体的用户的集群分析，特定用户在某种使用场景中，例如“20~30岁女性用户在过去五年的第一季度化妆品类商品的购买行为与公司进行的促销活动方案之间的关系”。 这类非常具体，且能够对公司决策起到关键性作用的问题，基本很难从业务数据库从调取出来。原因在于： 1. 业务数据库中的数据结构是为了完成交易而设计的，不是为了而查询和分析的便利设 计的。 2. 业务数据库大多是读写优化的，即又要读（查看商品信息），也要写（产生订单，完 成支付）。因此对于大量数据的读（查询指标，一般是复杂的只读类型查询）是支持不足的。
数据仓库与数据挖掘课后习题答案
数据仓库与数据挖掘课后习 题答案 -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
数据仓库与数据挖掘 第一章课后习题 一：填空题 1）数据库中存储的都是数据，而数据仓库中的数据都是一些历史的、存档的、归纳的、计算的数据。 2）数据仓库中的数据分为四个级别：早起细节级、当前细节级、轻度综合级、高度综合级。 3）数据源是数据仓库系统的基础，是整个系统的数据源泉，通常包括业务数据和历史数据。 4）元数据是“关于数据的数据”。根据元数据用途的不同将数据仓库的元数据分为技术元数据和业务元数据两类。 5）数据处理通常分为两大类：联机事务处理和联机事务分析 6）Fayyad过程模型主要有数据准备，数据挖掘和结果分析三个主要部分组成。 7）如果从整体上看数据挖掘技术，可以将其分为统计分析类、知识发现类和其他类型的数据挖掘技术三大类。 8）那些与数据的一般行为或模型不一致的数据对象称做孤立点。 9）按照挖掘对象的不同，将Web数据挖掘分为三类：web内容挖掘、web结构挖掘和web使用挖掘。 10）查询型工具、分析型工具盒挖掘型工具结合在一起构成了数据仓库系统的工具层，它们各自的侧重点不同，因此适用范围和针对的用户也不相同。 二：简答题 1）什么是数据仓库数据仓库的特点主要有哪些 2） 数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。 主要特点：面向主题组织的、集成的、稳定的、随时间不断变化的、数据的集合性、支持决策作用 3）简述数据挖掘的技术定义。 从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们不知道的、但又是潜在有用的信息和知识的过程。 4）什么是业务元数据？ 业务元数据从业务角度描述了数据仓库中的数据，它提供了介于使用者和实际系统之间的语义层，使得不懂计算机技术的业务人员也能够读懂数据仓库中的数据 5）简述数据挖掘与传统分析方法的区别。 本质区别是：数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘所得到的信息应具有先前未知、有效和实用三个特征。 6）简述数据仓库4种体系结构的异同点及其适用性。 a.虚拟的数据仓库体系结构 b.单独的数据仓库体系结构
数据仓库和数据库
数据仓库和数据库有什么区别？ 通常情况下基于业务数据库数据分析人员也能完成数据分析需求，但是为什么要建数据仓库？ 没有数据仓库时，我们需要直接从业务数据库中取数据来做分析。 业务数据库主要是为业务操作服务的，虽然可以用于分析，但需要很多额度的调整。 一，业务数据库中存在的问题 基于业务数据库来做分析，主要有以下几个问题： 结构复杂，数据脏乱，难以理解，历史缺失，数据量大时查询缓慢。 结构复杂 业务数据库通常是根据业务操作的需要进行设计的，遵循3NF范式，尽可能减少数据冗余。这就造成表与表之间关系错综复杂。在分析业务状况时，储存业务数据的表，与储存想要分析的角度表，很可能不会直接关联，而是需要通过多层关联来达到，这为分析增加了很大的复杂度。 数据脏乱 因为业务数据库会接受大量用户的输入，如果业务系统没有做好足够的数据校验，就会产生一些错误数据，比如不合法的身份证号，或者不应存在的Null值，空字符串等。 理解困难 业务数据库中存在大量语义不明的操作代码，比如各种状态的代码，地理位置的代码等等，在不同业务中的同一名词可能还有不同的叫法。 这些情况都是为了方便业务操作和开发而出现的，但却给我们分析数据造成了很大负担。各种操作代码必须要查阅文档，如果操作代码较多，还需要了解储存它的表。同义异名的数据更是需要翻阅多份文档。 缺少历史 出于节约空间的考虑，业务数据库通常不会记录状态流变历史，这就使得某些基于流变历史的分析无法进行。比如想要分析从用户申请到最终放款整个过程中，各个环节的速度和转化率，没有流变历史就很难完成。 大规模查询缓慢 当业务数据量较大时，查询就会变得缓慢。 二，数据仓库解决方案 上面的问题，都可以通过一个建设良好的数据仓库来解决。 业务数据库是面向操作的，主要服务于业务产品和开发。 而数据仓库则是面向分析的，主要服务于我们分析人员。评价数据仓库做的好不好，就看我们分析师用得爽不爽。因此，数据仓库从产品设计开始，就一直是站在分析师的立场上考虑的，致力于解决使用业务数据进行分析带来的种种弊端。 数据仓库解决的问题 结构清晰，简单 数据仓库不需要遵循数据库设计范式，因此在数据模型的设计上有很大自由。 数据模型一般采用星型模型，表分为事实表和维度表两类。 其中事实表位于星星的中心，存储能描述业务状况的各种度量数据。
数据仓库团队面试题-答案
目录 1简答题 (1) 1.1SQL Server与Oracle、DB2三种数据库比较 (1) 1.2以下三种数据库语言都包含哪些细项 (2) 1.3UNION 和UNION ALL的区别 (2) 2实例题................................................................................................................... 错误！未定义书签。3逻辑推理题 (5) 答案............................................................................................................................... 错误！未定义书签。1简答题 1.1 SQL Server与Oracle、DB2三种数据库比较 SQL Server与Oracle、DB2三种数据库进行比较,有何区别？请从开放性，可伸缩性,并行性，安全性三个方面叙述。 答案： 开放性 SQL Server 只能在Windows 上运行，没有丝毫的开放性，操作系统的系统的稳定对数据库是十分重要的。Windows9X系列产品是偏重于桌面应用，NT server只适合中小型企业。而且Windows平台的可靠性，安全性和伸缩性是非常有限的。它不象Unix那样久经考验，尤其是在处理大数据量的关键业务时。 Oracle 能在所有主流平台上运行（包括 Windows）。完全支持所有的工业标准。采用完全开放策略。可以使客户选择最适合的解决方案。对开发商全力支持。 DBz 能在所有主流平台上运行（包括Windows）。最适于海量数据。DB2在企业级的应用最为广泛,在全球的500家最大的企业中,几乎85%以上用DB2数据库服务器,而国内到97年约占5%。 可伸缩性,并行性 SQL Server 并行实施和共存模型并不成熟。很难处理日益增多的用户数和数据卷。伸缩性有限。Oracle平行服务器通过使一组结点共享同一簇中的工作来扩展Window NT的能力,提供高可用性和高伸缩性的簇的解决方案。如果WindowsNT不能满足需要, 用户可以把数据库移到UNIX中。 DB2 DB2具有很好的并行性。DB2把数据库管理扩充到了并行的、多节点的环境。数据库分区是数据库的一部分，包含自己的数据、索引、配置文件、和事务日志。数据库分区有时被称为节点或数据库节点。