信息的维度与时间

信息的维度与时间
信息的维度与时间

信息的维度与时间

世界上真实存在的可以分为两类,一类是能量;另一类是结构(信息)或是(拓扑),而传统哲学范畴中将自然分为物质和意识,其实物质包含能量和信息,而意识责是基于纯粹的信息,于是就会出现越变析越乱的问题。

根据热力学第二定律,能量将趋于不可利用的状态,我我将这种表述重新修饰,重新表述为,能量趋于摆脱结构的束缚。而结构(信息)趋于重整的越来越复杂。于是时间箭头将是,能量从可利用到不可利用,而结构是从简单到复杂;合起来就是能量趋向于摆脱结构的束缚取得绝对的自由,而结构趋向于聚集。

香农指出:“信息是用来消除随机不定性的东西”。创建一切宇宙万物的最基本万能单位是信息。万物最基本的区别均可以表述为其承载信息的区别,因此可以简单的将世间的存在分为两类:信息和能量。而信息即万物的结构本身。

一、信息的定义

1.信息元。我们假设自然界的信息存在基本结构元,即元信息,它是我们将组织成事物结构的某些共有特点从事物结构中抽象出来的,并且世间存在多样的元信息。同时我们认为元信息可以通过复制来组成万物的结构。

2.信息的分层。低一层次的同一元信息通过复制组合或是低一层次的不同元信息通过复制组合可以形成高一层次的结构体,若此结构

体具有不同于已知元信息的特点,我们也称之为元信息。而信息的层次即是信息的维度。

3.信息体。由元信息组织而成的存在结构称之为信息体,而附着能量之后的信息体即现实的事物。

二、信息的维度

能量是信息的载体,能量符合熵定律,趋向于不可利用,摆脱信息的束缚。而信息是永恒的,不因能量的耗散而消失。

1.信息聚合。信息的聚合即不同的信息体通过聚合为一个信息体,摆脱不承载信息结构的多余元信息,多余的不承载必要信息的元信息耗散并释放能量的过程。而在此过程中,更高层次信息体形成,因而有可能形成新的元信息,因此信息的聚合促进信息的增长。

2.信息的维度。信息的聚合即是信息提升维度,也即信息升维的过程,因此能量趋向于不可以利用,而信息倾向于聚合为更高维度的信息。这就是信息的时间属性。

信息维度的定义:信息的层次即信息的维度。

某些元信息(无论是单个元信息对等复制或不同的元信息)可以组成一个类,称之为信息的类,其中的信息称之为同一类信息。

某些信息的类(无论是单个类信息对等复制或不同的类信息)可以组成一个集合,称之为信息的域,其中的类称之为同一域信息。

某些信息的域(无论是单个域信息对等复制或不同的域信息)可以组成一个集合,称之为信息的范畴,其中的域称之为同一范畴的信息。

依次类推可以定义更高层次的集合……

信息元信息类信息域信息范畴……

由同一类的元信息组成的信息体称之为一维的信息体;由同一域的不同类信息组成的信息体称之为二维的信息体;由同一范畴不同域的信息组成的信息体称之为三维的信息体;用不同范畴并属于某更高集合的信息组成的信息体称之为四维的信息体,依次类推……

自然我们也可以简洁的说一维信息体仅需一个自变量,二维信息体需要两个变量,三位信息体需要三个变量等等……

信息的维度指称信息的精细程度,而非信息体成份的绝对层次。如行星围绕恒星旋转,若把行星假设为一个质点,则这个信息体(系统)是一维的,若是将行星的大小形状、自传也考虑进去,这个信息体(系统)就是二维的。

不通电的机器可以看做一维的,而通电后的机器因电的影响,可以是二维;而同时需要输入和电的机器,如数控机床,可能是三维的,同样也可以整体当做一维的。

针对社会系统也一样,将每个人假设这个社会组织的一个普通元素,则这个信息体(社会系统)就是一维的;若是考虑每个人的个性,则信息体(社会系统)是二维的;若是考虑了信息体(社会系统)所在地区的资源禀赋,若资源禀赋影响的是每个个体的行为,则这个信息体(社会系统)就是三维的,若资源禀赋作为和个体个性平等的元素进行考虑,则这个信息是二维的,若是资源禀赋既影响个体,又可以外在的直接影响信息体(社会系统),则这个信息体一定是具有二

维到三维之间的维度,具体的分数维是扣除其影响整体之后的剩余权重。

三、信息的性质

1.不相容性。信息的不相容指的是不同的信息体不能具有完全相同的性质(包括完全相同的时空属性,即同一时间、同一地点具有性质完全相同的多个信息体)。

2.冗余性。指信息体在加入新的信息元或撤走原有信息元而性质基本保持不变。

3.互通性。指不同信息体通过其相互间属性相互区别,这种区别性可以称之为相互感知。

促近的信息体因为不相容性,相互之间需要互通,每个信息体只能感知自身维度的N倍(N或许就是自然数1)的其它同维信息体,对高于自身维度的信息体不能感知,而高维度信息体可以感知低纬度信息体。

因为信息体具有冗余性,因此互通的信息体,可以交换信息元而自身性质不变。

在热力学定律作用下,一个静态的信息体会不断的损失其中的冗余信息元,为了保持信息体性质不变,或信息总量的不变就会以分数维的形式持续的升维。

一个信息体若是从外界获得了过多的信息元,就会升维,形成更高一维度的信息元。

因信息体的不相容性,一个信息体不能吸收同维度的信息体后自

身不发生变化。

4.超维等价性。信息的超维等价指某个信息体可以在不同的维度以不同的形态存在;或者说一个信息体存在不同维度的映射,每个映射均可以作为一个独立的信息体。

5.结构性信息体与功能性信息体。若一个信息体在本真维度(即自己形成过程中所在的维度)中是功能性信息体(某种实实在在的存在,可以产生某些功能),在非本真维度(信息体投射到其它维度后的信息体)仅仅是结构性存在(仅仅表明此信息原来具有某种结构,但是不能产生任何功能)。

四、信息交互

信息的交互可以分为储能交互、耗能交互和零能交互三类。

1.储能交互。指信息体相互作用以后形成的新信息体,可以锁定比原分开的信息体更多的能量。

2.耗能交互。指信息体相互作用形成新信息体的过程中,一部分原来的能量散失掉了。

3.零能交互。指信息体相互作用过程中,既不锁定外在的能量,好不耗散能量的交互作用。(然而零能交互之前或是交互之后可能会有能量的变化)。

储能交互和耗能交互更多指功能性信息体相互之间的结合、分离或信息体结构的改变,在此过程中都会形成新的信息体。

而零能交互除了功能性信息体之间发现的变化,也有功能性信息体与结构性信息体之间发生的作用。功能性信息体在吸收结构性信息

体之后可能不会直接形成新的信息体,而是与其它信息体通过零能交互可以形成更高维度的信息体。

五、信息与时间

在自然界,任意界定一个存在为一个信息体,随后开始追溯此信息体与它信息体的交互与演化,随着时间的推移,随着交互越来越多,需要追溯的影响因素也随之增大,因此需要描述此信息体的维度也需要越来越多。

这个交互可以逆序向过去推,也可以顺序向未来推,都会导致信息体的维度增高,因此只有当下才是基础维度。而熵则是对维度增高的一种简化描述。

升维,至信息体趋向于提升自身的维度,是因为从元点无论向那个方向延伸(无论是回溯过去、还是预测未来),都会与越来越多的他物发生纠缠,因而所需要描述的参数越来越多,维度也就越来越高。

熵扩律,热力学定律可以改写为,一物若没有与他物发生作用,则不存在变化、也不存在时间,而变化一定意味着相互作用和升维。

熵易律,若一个信息体作为一个整体与外在相互作用,其内部作为组成部分的信息体可以将自身熵扩散转移到其它信息体上,引起其它信息体熵扩散的加快,从而自身可以保持静止,这种静止仅仅指随着时间的延续(顺延或逆溯)其维度不提升。但是信息体整体上的升维趋势保持不变。

时间和空间的本质

不连续时空观的探讨及发展 翟帅 摘要:目前国内研究的大多是爱因斯坦的四维连续时空,而本文的工作是以圈量子理论为主要依据,并进一步发展,使之成为描述时空特点的完善的理论。为什么时空总是和热力学产生那么多深刻的联系呢,因为能量是时空产生的原因,而热即是能量的一种。 关键词:不连续时空能量芝诺悖论圈量子理论 、、目前时空的理论 1、广义相对论 爱因斯坦的时空是四维的弯曲连续时空, 在这个时空,没有直线。引力和电磁力都可以用时空弯曲来解释。毋庸置疑,这是天才的理论,它极其深刻的说明了引力和电磁力,使人类向大统一场迈了一大步。可以把爱因斯坦的时空模型比做一种流体,这样就直观的体现了爱因斯坦时空的特点,大质量的物体会引起超流体的局部变形,变形的程度取决于物质的质量。每次新的理论的产生,不是完全的否定过去,而是将原来的理论发扬光大。 2、弦理论 20世纪,物理学最恢弘的战斗发生在广义相对论和量子论之间,广义相对论在大的空间尺度、大的质量环境下体现出了它的正确性,而从微观角度,量子力学体现出了它的正确性,为了使这两个理论统一,物理学家们提出了弦理论,这个理论认为世间万物都是由微小的弦组成,吸引了大批物理学家并取得了一些成果,但是这仍然是一个不成熟的理论,弦理论预言的大量新的基本粒子和各种力并没有被观测到。 3、混沌分形理论

有人把混沌论、量子论、相对论称作21世纪最伟大的三个学说,混沌论产生于非线性空气动力学,后来发展到宇宙学领域,它认为空间是破碎的,是不确定的,在这个时空,甚至无法测量线段的长度。分维数的不断迭代产生拉压,折叠,扭曲产生了时间和空间,它指出了时空的不连续特性,但是这个理论并不能说明时间和空间的本源。 4、圈量子理论 一些新锐的科学家,在那些经过实验检测的结论上,利用自创的数学语言,几位科学家经过计算发现,时空是量子化的,或者说是离散而非连续的,时间和空间是由极小的圈组成,圈之间的相互作用,形成了所谓的自旋网络,也就是说时空很像一堆泡沫。圈量子理论提出后,一些科学家对它进行了检验,发现广义相对论在某种上和圈量子理论很相似,此外,圈量子理论还可以很好地解释黑洞的一些现象。 、、这些理论的纰漏 1、无法解决的芝诺悖论 芝诺悖论最为著名的是阿基里斯和乌龟的赛跑,假设开始时乌龟位于前方的100米远处,而阿基里斯的速度是乌龟的一百倍。当阿基里斯跑了100米时,乌龟移动了1米,而阿基里斯再前进1米时,乌龟前进了1厘米,如此,阿基里斯永远追不上乌龟。尽管有些人号称用无穷积分可以解这个悖论,但事实上积分学本身就避开了这个悖论的逻辑,这个悖论在连续时空的前提下是无解的。 2、狭义相对论前提没有明确 狭义相对论的假设是在飞驰的火车上,而我们知道如果火车的速度没有达到光速,那么它只是在做相对运动,而相对运动可以看做静止,因此在飞驰的火车和静止的火车上并没有区别。之所以出现这个问题,是因为影响火车内时间和空间的因素不在于

时间维度表的创建说明

时间维度表的创建 时间维度是数据仓库最常用的维度,时间维度表创建可以用下面的代码。 方法一:使用临时表 /*起始年后的152 年365*151 +37 = 55152 / /*先建好临时表以用作主键编号*/ select top 55152 identity(int,1,1) as iid into #tmp from sysobjects a,sysobjects b,sysobjects c /*写好数据select into 时间维度表*/ select iid as 时间主键, dateadd(day,iid-1,'1949-01-01') as 时间, year(dateadd(day,iid-1,'1949-01-01')) as 年份, month(dateadd(day,iid-1,'1949-01-01')) as 月份, day(dateadd(day,iid-1,'1949-01-01')) as 日期, datepart(quarter,(dateadd(day,iid-1,'1949-01-01'))) as 季度, datepart(weekday,(dateadd(day,iid-1,'1949-01-01'))) as 星期, day(dateadd(day,iid-1,'1949-01-01')) as 月的第几天, datepart(week,(dateadd(day,iid-1,'1949-01-01'))) as 年的第几周into tj_web_time_dimension from #tmp

/*设置主键*/ alter table tj_web_time_dimension add constraint addPrimarykey primary key(时间主键) 方法二:使用循环 CREATE TABLE [dbo].[tj_web_time_dimension]( [时间主键] [int] IDENTITY(1,1) NOT NULL PRIMARY KEY CLUSTERED , [时间] [datetime] NULL, [年份] [int] NULL, [月份] [int] NULL, [日期] [int] NULL, [季度] [int] NULL, [星期] [int] NULL, [月的第几天] [int] NULL, [年的第几周] [int] NULL, ) declare @beginDate datetime, @endDate datetime, @tempdate datetime set @beginDate = '2000-1-1' set @endDate = '2010-1-1' set @tempDate = @beginDate while @tempDate <= @endDate

时间和空间的性质及其维数

时间和空间的性质及其维数 付昱华 (中海油研究总院,E-mail: fuyh1945@https://www.360docs.net/doc/3e16452340.html,) 摘要根据唯物辩证法,时间和空间都具有两重性,即绝对性和相对性。没有绝对时间和绝对空间,相 对时间和相对空间也就不存在,反之亦然。但是,它们的地位又是不平等的。绝对时间和绝对空间更重要,因为它们分别是相对时间和相对空间的参照系。另外,绝对空间是平直的,而相对空间可以是平直 的也可以是弯曲的。至于时间和空间的维数,是一个极为复杂的问题,需要讨论的是复杂时间和复杂空间。绝对空间是三维的,绝对时间是一维的(由三维绝对时间形成的)。对于相对空间,可以有多维空间、分数维空间、复数维空间、变维空间。对于相对时间,可以有与相对空间相对应的多维时间、分数维时间、复数维时间、变维时间。换句话说,空间与时间的关系是一一对应关系。针对一般认为空间是三维的、时间是一维的观点,根据分形理论关于自相似性和相似性的观点,得出对应于三维空间的三维时间。应用相对论中的洛伦兹变换,导出一种特殊情况下三维时间的具体形式,并将其改写为变维分形的形式。文中实例表明,建立多维时间和多维空间等框架,不仅是可能的,在某些情况下也是必须的。 关键词绝对时间,相对时间,绝对空间,相对空间,分形理论,变维分形,复杂时间,复杂空间 前言 时空理论的发展,走过了一条艰难曲折而又漫长的路。最初由牛顿建立了绝对空间和绝对时间的理论。这种时空观认为空间是个刚性的框架,而时间是均匀流逝着的。时间与空间均不受任何物理过程的影响。以后建立的相对论,提出了四维时空连续区的概念。即任何一个物理事件都对应着四个数字:其中三个表示事件的地点,一个表示事件的时间。爱因斯坦认为大量事件的总体构成一个四维时空连续区域,时空的性质与物体运动有关,其中包含着时间和空间不再是绝对的和彼此之间相互独立的含义。随着量子理论的发展,又提出了时间和空间是事物之间的一种次序的观点。 尽管时空理论在不断发展,但是有一种观点始终未变,即一般认为,空间是三维的,时间是一维的。 时间是一维的观点,令人想起了欧几里德几何学的第五公设:过直线外一点只能做一条其平行线。如所周知,只能做一条平行线的观点早已被非欧几何所突破。既然如此,时间是一维的观点是否也应该突破呢? 早在1982年,张树润在《潜科学杂志》上讨论了七维时空,提出时间是四维的。笔者在不知张树润工作的情况下,于2002年9月提出三维时间和多维时间的观点。在此基础上还可以讨论分数维时间、复数维时间和变维时间。 空间的维数同样需要重新考虑。 根据这种情况,本文提出复杂时间和复杂空间的概念,并对有关的问题进行初步探讨。 1时间和空间的绝对性和相对性 根据唯物辩证法,时间和空间都具有两重性,即绝对性和相对性。相对时间和相对空间是有条件的,暂时的,有限的;绝对时间和绝对空间是是无条件的,永恒的,无限的。绝对和相对是相互依存的,二者缺一不可。没有绝对时间和绝对空间,相对时间和相对空间也就不存在,反之亦然。没有绝对时间和绝对空间,相对时间和相对空间就不能定义。现在,如果说一个事物只有优点没有缺点,恐怕没有谁会相信。不可能只存在相对时间和相对空间的道理,和不可能存在只有优点的事物的道理是一样的。 类似于绝对真理存在于相对真理之中,绝对时间和绝对空间只存在于相对时间和相对空间之中。

时间与空间维度

B 时间与空间维度 任何文化体系总是一定时间和一定空间的人群所创造的。任何文化系统或特质,都不能没有时空参照系。我国古人,春秋时以?宇?指空间,?宙?指时间,所谓?时空?也就是?宇宙?——?上下四方渭之宇,古往今来渭之宙?。以三维空间和一维时间密切联系的四维座标系考察文化系统间的运动,是很有必要的。(《文化学概论》郭齐勇湖北人民出版社 1990.2 P250) 所谓文化的时间性,是就文化发展中的持续性、阶段性来说的。文化的时间性的内涵,包括:(1)文化在量上的累积和延续;(2)文化在质上的变异与区分,(3)文化特质在流传过程中的暂时性或长久性。从时间维度上考察,文化体系发生、发展、成熟、衰亡、复兴、重构、再生的过程即是量上的累积(连续性)和质上的变异(阶段性)之矛盾的统一过程;也就是旧特质的衰退与新特质的增加的过程,其间亦不乏由量到质的转化、飞跃,即渐进过程的中断。例如,从人类科技史上看,从常规科学到科学革命,再到常规科学和科学革命,展示了无数的运动过程。从文化特质的绵延与变异来看,有的易于变迁,如服装款式,劳动工具;有的则难于变迁,如宗教信仰,哲学理论。 文化层 文化中的时间概念影响着人们对于生存、创造、生命、未来、生活等所有方面的认识和追求,并最终形成了不同文化风格的文化形态或文化类型。因此,在文化学的研究中,时间对文化的影响往往在诸如文化层等历史文化的凝固中,得到最直接的答案。 文化层的概念最初是由德国的文化学家格雷布内尔于1904年在柏林召开的人类学、民族学、史前学会议上提出来的,在这次会议上,他提交并演讲的论文题目就是《埃塞俄比亚文化圈及文化层》,后来,文化圈与文化层一道在文化界广泛流传开来。什么叫文化层呢?所谓的文化层就是指在文化发展的历史进程中,存在着不同的层次,每一个层次都反映着不同时期的不同文化特征。从本质意义上来说,文化层是文化累积的结果,正如考古发掘一样切开文化历史的横断面,我们可以看到不同的文化层被一层层地覆盖在地下,成为历史的积淀。反映着人类文化创造的历史和文明进步的程度。(陈华文《文化学概论》上海文艺出版社2001.11 P113) 所以,文化层所代表的是一个历史时期.它的重心是指向时间维度。作为研究人类文化史的一个重要的工具性概念,文化层对于我们了解人类文化的产生、发展,比较、研究、鉴别各个民族文化嗣续有着重要的意义。 1.时间维度即历时维度 (1)原始时代(人类过着与动物相去不远的生活,一切生活来源皆仰自然赐予)农业时代(有了相对稳定的食物来源,建筑房屋等) 工业时代文化(科技发明史)(陈建宪:《文化学教程》华中师范大学出版社,2004.12) (2)传统农业文明、现代工业文明、后工业文明(衣俊卿:《文化哲学十五讲》,北京大学出版社,2004.10 P79)

数据仓库与数据挖掘 课后答案 (陈志泊 著) 清华大学出版社

第1章数据仓库的概念与体系结构 1.数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。 2.元数据是描述数据仓库内数据的结构和建立方法的数据,它为访问数据仓库提供了一个信息目录,根据元数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。 3.数据处理通常分成两大类:联机事务处理OLTP和联机分析处理OLAP。 4.多维分析是指对以“维”形式组织起来的数据(多维数据集)采取切片(Slice)、切块(dice)、钻取(Drill-down 和Roll-up 等)和旋转(pivot)等各种分析动作,以求剖析数据,使用户能从不同角度、不同侧面观察数据仓库中的数据,从而深入理解多维数据集中的信息。 5. ROLAP是基于关系数据库的OLAP实现,而MOLAP是基于多维数据结构组织的OLAP实现。 6.数据仓库按照其开发过程,其关键环节包括数据抽取、数据存储与管理和数据表现等。 7.数据仓库系统的体系结构根据应用需求的不同,可以分为以下4种类型:两层架构、独立型数据集市、依赖型数据集市和操作型数据存储、逻辑型数据集市和实时数据仓库。 8.操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的(但是可“挥发”的)、企业级的、详细的数据库,也叫运营数据存储。 9.“实时数据仓库”意味着源数据系统、决策支持服务和数据仓库之间以一个接近实时的速度交换数据和业务规则。 10.从应用的角度看,数据仓库的发展演变可以归纳为5个阶段:以报表为主、以分析为主、以预测模型为主、以营运导向为主、以实时数据仓库和自动决策为主。 11.什么是数据仓库?数据仓库的特点主要有哪些? 答:数据仓库就是一个面向主题的(Subject Oriented)、集成的(Integrate)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合,通常用于辅助决策支持。 数据仓库的特点包含以下几个方面:(1)面向主题。操作型数据库的数据组织是面向事务处理任务,各个业务系统之间各自分离;而数据仓库中的数据是按照一定的主题域进行组织。主题是一个抽象的概念,是指用户使用数据仓库进行决策时所关心的重点领域,一个主题通常与多个操作型业务系统或外部档案数据相关。(2)集成的。面向事务处理的操作型数据库通常与某些特定的应用相关,数据库之间相互独立,并且往往是异构的。而数据仓库中的数据是在对原有分散的数据库数据作抽取、清理的基础上经过系统加工、汇总和整理得到的,必须消除源数据中的不一致性,以保证数据仓库内的信息是关于整个企事业单位一致的全局信息。也就是说存放在数据仓库中的数据应使用一致的命名规则、格式、编码结构和相关特性来定义。(3)相对稳定的。操作型数据库中的数据通常实时更新,数据根据需要及时发生变化。数据仓库的数据主要供单位决策分析之用,对所涉及的数据操作主要是数据查询和加载,一旦某个数据加载到数据仓库以后,一般情况下将作为数据档案长期保存,几乎不再做修改和删除操作,也就是说针对数据仓库,通常有大量的查询操作及少量定期的加载(或刷新)操作。(4)反映历史变化。操作型数据库(OLTP)主要关心当前某一个时间段内的数据,而数据仓库中的数据通常包含较久远的历史数据,因此总是包括一个时间维,以便可以研究趋势和变化。数据仓库系统通常记录了一个单位从过去某一时点(如开始启用数据仓库系统的时点)到目前的所有时期的信息,通过这些信息,可以对单位的发展历程和未来趋势做出定量分析和预测。 12. 简述数据仓库4种体系结构的异同点及其适用性。 答:(1)两层架构(Generic Two-Level Architecture)。 (2)独立型数据集市(Independent Data Mart)。 (3)依赖型数据集市和操作型数据存储(Dependent Data Mart and Operational Data Store)。 (4)逻辑型数据集市和实时数据仓库(Logical Data Mart and Real-Time Data Warehouse)。 13. 答:数据仓库技术的发展包括数据抽取、存储管理、数据表现和方法论等方面。在数据抽取方面,未来的技术发展将集中在系统集成化方面。它将互连、转换、复制、调度、监控纳入标准化的统一管理,以适应数据仓库本身或数据源可能的变化,使系统更便于管理和维护。在数据管理方面,未来的发展将使数据库厂商明确推出数据仓库引擎,作为数据仓库服务器产品与数据库服务器并驾齐驱。在这一方面,带有决策支持扩展的并行关系数据库将最具发展潜力。在数据表现方面,数理统计的算法和功能将普遍集成到联机分析产品中,并与Internet/Web 技术紧密结合。按行业应用特征细化的数据仓库用户前端软件将成为产品作为数据仓库解决方案的一部分。数据仓库实现过程的方法论将更加普及,将成为数据库设计的一个明确分支,成为管理信息系统设计的必备。 14. 答: (1)IBM 公司提供了一套基于可视化数据仓库的商业智能(BI)解决方案,包括:Visual Warehouse

四大维度之时间维度

四大维度之时间维度 时间维度是非常重要的看待问题的视角之一。从时间维度看问题意味着用动态和发展的眼光看问题。事物都是变化发展的,因此要动态地看问题、发展地看问题。时间维度代表的是一种历史,代表的是一种过程。宏观的时间概念就是过去、现在、未来。规范的表述和高频词有:历史与现状、传统与现代等。时间的维度和视角是申论命题和答题中必须要学会运用的角度和视角,时间的概念和线索是申论材料中一定会遇到的。如2008年浙江省申论考试的第(一)题要求概述资料2-3提供的主要信息。其中,资料2说改革开放之前浙江省是一个落后的农业省,改革开放以后的80年代外出打工,90年代外出经商办厂,21世纪初走出国门去投资创业;资料3说浙江2005年GDP怎么样,2006年工业总产值怎么样,2005年文化发展怎么样,2006年城乡收入差异怎么样。如何用一句话来概括以上两个材料的主要内容是什么呢?很简单,一句话,就是浙江省经济社会发展的历史和现状。大家怎么才能一下子就概括出这句话呢?脑子里面必须装着思维,有了清晰的思维,概括题就是非常容易的。 微观的时间概念就是某一件事和工作进行的不同过程,即事前、事中、事后。如截断矛盾链条,可以进行事前、事中、事后三个阶段管理。事前管理主要包括危机监测、预防和准备。危机事前管理的核心是借助舆情监测机制侦测危机讯号,未雨绸缪,做好预警、防范和准备工作,为政府主动公关奠定基础。事中管理主要指危机爆发后的应对管理。事后管理包括危机平息后的总结和恢复管理。再如“××国土资源所从土地信访工作的事前、事中、事后入手总结出一些规律性,找出对应的办法,做好土地信访工作。” 四大维度之空间维度 四方上下。宇宙空间、网络空间、思想空间、数学空间等等,都属空间的范畴。从申论的角度来说,空间即方位和区域。空间的维度可分成两个方面:一是物理的空间,就是事物的不同的地点、位置、方位,比如说经常用到的规范表达有:本地、外地;国内、国外;民族、世界等。做申论题目,你会发现几乎每套申论真题里面都会有不同地区的案例和经验,几乎每一套申论题目里面都会有一两个国外的案例。把握物理空间,可以拓宽思维的视野,看得广,看得远。 二是思维的空间。申论考试经常用到的思维是内因和外因,即事物的内部矛盾和外部矛盾,内因决定外因,外因通过内因起作用。内因就是本,外因就是

多维数据库维度层次的理解

多维数据库维度层次的理解 多维度数据库是按照多维数据模型的思想来建立的。而一个多维数据模型是由多个维度和实事组成。维度是多维数据模型中非常重要的概念,要进行多维分析、编写高效准确的MDX 查询,首先要对维及其维度的概念分层有比较深刻的理解。 维是描述事实的角度,也即观察数据的角度。一个多维数据模型通常都包含多个维度。比如:描述企业的销售信息这样一个事实,我们就可能要用到客户维度、时间维度、产品维度、仓库维度等。在多维数据库中,维度表的来源通常都是关系数据库中的基础数据表,如上面提到的客户维度就来自关系数据库中的客户表,产品维度就来自关系数据库中的产品表等等。而这些维度表除了与事实表相关联的键属性以外还有很多其它的数据表属性。在基于关系数据库的查询中,我们可能更多的关注表之间的关系。而在多维数据库中,应该把思维改进一下,应该理解和注意维度属性之间的关系,分析维度中每个属性之间的关系。而维度属性之间的关系就引出了本文的中心——维度层次。 还是上面那个企业销售的例子,对于客户维度,除了键属性外,可能还会有客户的名字属性,所在国家,所在城市以及省,性别,教育情况,职业等信息。通过分析这些属性的值,可以发现:城市是属于某个省的,而省又是属于某个国家的,所以在这些属性的值中就表现了一种层次关系。分析这个层次结构如下图: 图一:客户维度属性层次分析图 上图中左边是客户维度表中国家属性,城市属性和省属性所组成的层次表示,右边就是这几个属性的值之间的关系。在SSAS中,图中左边的部分表示一个层次,这个层次由四个级别组成,这四个级别分别是:国家,省,城市和客户。在这个层次中国家是粒度最大的级别,客户是粒度最小的级别。在进行多维数据分析的时候,我们就可能会在这个层次的不同级别上进行综合或分析,上卷或下钻。 维度中的层次关系有的时候是隐含的,由数据的意义表示。所以维度层次有的时候可以自动生成,但更多的时候是人为定义的。对维进行概念分层使得我们可以在任意的抽象级别分析数据。 在SSAS中有一些与层次相关的函数,要利用好这些函数,其前提就是要理解维度的层次结构。这些函数我将会在另一篇文章中介绍。

从时间维度浅聊经济周期的类型

从时间维度浅聊经济周期的类型 经济周期是指在经济运行中,经济扩张与经济紧缩周期性交替出现、循环往复的一种现象。经济学上对经济周期有多种分类,譬如从经济周期的演变来看,一般将经济周期分为衰退、谷底、扩张和顶峰四个阶段。但不管对经济周期自身的研究如何,也不论经济周期的起因是什么,对经济社会造成为影响是什么,经济周期的一个很重要的属性就是时间属性,所以,简单来说可以把经济周期按照时间的长短分类如下: (1)短周期 主要是指基钦周期,即英国经济学家基钦认为经济周期实际上有主要周期和次要周期两种,除了主要周期即常说的中周期以外,还有次周期,也就是3到4年一次的短周期,这种短周期就是基钦周期。 (2)中周期 主要是指朱格拉周期,即法国经济学家朱格拉根据国民收入、失业率和大多数经济部门的生产、利润和价格的波动为标志加以划分的,为期9到10年的经济中周期。 (3)长周期 主要包括康德拉季耶夫周期和库兹涅茨周期。其中,康德拉季耶夫周期是指俄国经济学家康德拉季耶夫提出的一种为期50到60年的经济长周期;库兹涅茨周期是指美国经济学家库涅茨提出的一种平均为20年左右的经济长周期,由于该周期主要是根据建筑业的兴衰为标志加以划分的,所以也叫“建筑周期”。 (4)熊彼特周期

熊彼特周期是既有长周期又有中周期还有短周期的一个周期分类方法,它是经济学家熊彼特根据他的“创新理论”提出的一种周期理论。该理论以重大创新为标志,将经济周期划分成了三个长周期,第一个是产业革命时期,第二个是蒸汽和刚铁时期,第三个是电气、化学和汽车时期。该理论认为在每个长周期中还有若干个中周期,在每个中周期中还有若干个短周期。

数据库维度的基本概念

基本概念: 1.多维数据集: 多维数据集是联机分析处理(OLAP)中的主要对象,是一项可对数据仓库中的数据进行快速访问的技术。多维数据集是一个数据集合,通常从数据仓库的子集构造,并组织和汇总成一个由一组维度和度量值定义的多维结构。 2.xx(dimension): 是多维数据集的结构性特性。它们是事实数据表中用来描述数据的分类的有组织层次结构(级别)。这些分类和级别描述了一些相似的成员集合,用户将基于这些成员集合进行分析。 3.度量值: 在多维数据集中,度量值是一组值,这些值基于多维数据集的事实数据表中的一列,而且通常为数字。此外,度量值是所分析的多维数据集的中心值。 即,度量值是最终用户浏览多维数据集时重点查看的数字数据。您所选择的度量值取决于最终用户所请求的信息类型。一些常见的度量值有sales、cost、expenditures和productioncount等。 4.元数据: 不同OLAP组件中的数据和应用程序的结构模型。元数据描述OLTP数据库中的表、数据仓库和数据集市中的多维数据集这类对象,还记录哪些应用程序引用不同的记录块。 5.级别: 级别是维度层次结构的一个元素。级别描述了数据的层次结构,从数据的最高(汇总程度最大)级别直到最低(最详细)级别。 6.数据挖掘:

数据挖掘使您得以定义包含分组和预测规则的模型,以便应用于关系数据库或多维OLAP数据集中的数据。之后,这些预测模型便可用于自动执行复杂的数据分析,以找出帮助识别新机会并选择有获胜把握的机会的趋势。 7.多维OLAP(MOLAP): MOLAP存储模式使得分区的聚合和其源数据的复本以多维结构存储在分析服务器计算机上。根据分区聚合的百分比和设计,MOLAP存储模式为达到最快查询响应时间提供了潜在可能性。总而言之,MOLAP更加适合于频繁使用的多维数据集中的分区和对快速查询响应的需要。 8.关系OLAP(ROLAP): ROLAP存储模式使得分区的聚合存储在关系数据库的表(在分区数据源中指定)中。但是,可为分区数据使用ROLAP存储模式,而不在关系数据库中创建聚合。 9.混合OLAP(HOLAP): HOLAP存储模式结合了MOLAP和ROLAP二者的特性。 10.粒度: 数据汇总的层次或xx。 11.聚合|聚集: 聚合是预先计算好的数据汇总,由于在问题提出之前已经准备了答案,聚合可以改进查询响应时间。 12.切块: 由多个维的多个成员限定的分区数据,称为一个切块。 13.切片(slice): 由一个维的一个成员限定的分区数据,称为一个切片。

信息的维度与时间

信息的维度与时间 世界上真实存在的可以分为两类,一类是能量;另一类是结构(信息)或是(拓扑),而传统哲学范畴中将自然分为物质和意识,其实物质包含能量和信息,而意识责是基于纯粹的信息,于是就会出现越变析越乱的问题。 根据热力学第二定律,能量将趋于不可利用的状态,我我将这种表述重新修饰,重新表述为,能量趋于摆脱结构的束缚。而结构(信息)趋于重整的越来越复杂。于是时间箭头将是,能量从可利用到不可利用,而结构是从简单到复杂;合起来就是能量趋向于摆脱结构的束缚取得绝对的自由,而结构趋向于聚集。 香农指出:“信息是用来消除随机不定性的东西”。创建一切宇宙万物的最基本万能单位是信息。万物最基本的区别均可以表述为其承载信息的区别,因此可以简单的将世间的存在分为两类:信息和能量。而信息即万物的结构本身。 一、信息的定义 1.信息元。我们假设自然界的信息存在基本结构元,即元信息,它是我们将组织成事物结构的某些共有特点从事物结构中抽象出来的,并且世间存在多样的元信息。同时我们认为元信息可以通过复制来组成万物的结构。 2.信息的分层。低一层次的同一元信息通过复制组合或是低一层次的不同元信息通过复制组合可以形成高一层次的结构体,若此结构

体具有不同于已知元信息的特点,我们也称之为元信息。而信息的层次即是信息的维度。 3.信息体。由元信息组织而成的存在结构称之为信息体,而附着能量之后的信息体即现实的事物。 二、信息的维度 能量是信息的载体,能量符合熵定律,趋向于不可利用,摆脱信息的束缚。而信息是永恒的,不因能量的耗散而消失。 1.信息聚合。信息的聚合即不同的信息体通过聚合为一个信息体,摆脱不承载信息结构的多余元信息,多余的不承载必要信息的元信息耗散并释放能量的过程。而在此过程中,更高层次信息体形成,因而有可能形成新的元信息,因此信息的聚合促进信息的增长。 2.信息的维度。信息的聚合即是信息提升维度,也即信息升维的过程,因此能量趋向于不可以利用,而信息倾向于聚合为更高维度的信息。这就是信息的时间属性。 信息维度的定义:信息的层次即信息的维度。 某些元信息(无论是单个元信息对等复制或不同的元信息)可以组成一个类,称之为信息的类,其中的信息称之为同一类信息。 某些信息的类(无论是单个类信息对等复制或不同的类信息)可以组成一个集合,称之为信息的域,其中的类称之为同一域信息。 某些信息的域(无论是单个域信息对等复制或不同的域信息)可以组成一个集合,称之为信息的范畴,其中的域称之为同一范畴的信息。

时间与空间都是主观存在

时间与空间都是主观存在,宇宙中并不存在一个叫时间或叫空间的绝对实体存在。时间是人的意识为了对看到的像的先后顺序的感觉有一个量度,而给出的定义,时间短,则这种感觉就短,时间长,这种感觉就长;空间是人的意识为了对看到的像的上下左右前后的视野有一个量度,而给出的定义,空间大,则这种视野就广,空间小,则这种视野就窄;本身这两种都是一种感觉,而上下左右前后同样只是人的意识根据自身的站位而定义出来的方位,宇宙中也不存在上下左右前后这么个绝对实体存在。 一切事物都在动,运动,也就是“易”。 空间是三维的就是源于上下左右前后的人的分割而定义出来的三维,时间与空间不分的是由于这两者定义都是源于人的意识。但在完全黑暗的地方,是无法感受到空间的,这是因为没有光就没有了视野,空间的定义失效;同样也是无法感受到时间的,这是由于没有太阳东升西落的参照或墙上时钟的参照,时间的定义也失效。 高速的定义源于物体运动后发出的光映射入人的眼睛组成的像在一个方位到另一个方位变化的频率变化快,就有了速度快的描述,同样是一种感觉,这种感觉是以自己或地球为静止来定义出来的像的变化,要是自己就在高速运动的物体上,那看到的物体就是静止的,是自己的状态决定了物体是高速还是静止,而不是运动的物体本身。 时空只是一种定义,一种概念,不是一个实体存在,因此也是没有维度的,这宇宙里只有以太粒子与以太粒子组成的万物的运动。 时空更不会弯曲,因为它只是一种定义,人们看到的弯曲那只是进入眼睛的光组成的像的弯曲,实体是否弯曲无法验证,要验证就要用光,而用光只能得到像,这是一个无法解决的物理悖论,它源于人的探知宇宙的手段在于五感,五感产生了电神经脉冲才有了实体与万物的感觉。 时空只要被定义了,就可以测量了,因此是有量度的。标准的时间单位是秒,标准的空间单位是米

事实表设计

事实表中一般要包含2部分:一是由主键和外键所组成的键部分,另一部分是用户希望在数据仓库中所了解的数值指标,这些指标是为每个派生出来的键而定义和计算的,称为事实或指标。由于事实是一种度量,所以事实表中的这种指标往往需要具有数值化和可加性的特征。但是在事实表中,只有那些具有完全可加性的事实才能根据所有的维度进行累加而具有意义。而事实表有一些事实表示的是某种强度,这类事实就不具有完全加法性,而是一种半加法性。例如,账目余款反映的是某个时间点的数据,它可以按照地点和商品等大多数维度进行累加,但是对于时间维度则例外,将一年中每个月的账目余款进行累加是毫无意义的,而决策者则可能需要了解所有地区和所有商品账目余款的累加值。在事实表中还有一些事实是非加法性的,即这些事实具有对事实的描述特性,在这种情况下一般要将这些非加法性事实转移到维度表中。 以事实表中度量的可加性情况,可以把事实表及其包含的事实分为4种样式。 1.事务事实 事务事实以企业事件的单一情况为基础,因此通常只包含事实的次数这一种度量条件,应该尽可能以最低级别来表示。比如银行的ATM提款机的提款次数,使用某种服务的次数等。2.快照事实 快照事实以企业在某一特定时间的特殊状态为基础。也就是只有在某一段时间内才出现的结果。它们也许没有包含所有维的条件,比如不是所有的产品每天都有销售量。 3.线性项目事实 这类事实通常用来储存关于企业经营项目的详细信息。包括表现与企业相关的个别线性项目的所有度量条件,比如销售数量、销售金额、成本和运费等数值数据,也就是关键性能指标。此类事实运用范围很广,比如采购、销售和库存等。 4.事件(状态事实) 这是类特殊的事实,通常只表示事件发生与否和一些非事实本身具备的细节。它所表现的是一个事件发生后的结果变化,并且没有度量数值表示。如哪些产品在促销期间内没有卖出,有还是没有,就是事件或状态事实所表现的结果。 在事实表模型的设计中还需要注意到派生事实。派生事实主要有2种,一种是可以用同一事实表中的其他事实计算得到,例如销售行为中的商品单价可以用商品的销售总金额和销售数量计算得到,对于这些派生事实一般不保留在事实表中;另一种是非加法性事实,例如各种商品的利润率等各种比率。 在事实表模型的设计中必须要考虑到事实表中的这些事实特性,通过多次反复来确定。首先,通过调查确定所有可能的基本事实和派生事实;然后,对所有的事实按照功能或某种方式进行排序,以删除重复的事实;接着,确认那些基于不同准则但是有相同性质的派生事实,例如公司门市销售总额与地区销售总额虽由于维度的不同而被定义为不同的事实,但实际计算方法是一样的;最后,再一次确定事实表模型,在确认中要检查所有的计算派生事实的基本事实是否已经包含在模型中,并且与用户取得—致。 在设计事实表时,一定要注意使事实表尽可能地小,因为过于庞大的事实表在表的处理、备份和恢复及用户的查询等方面需要较长的时间。在实际设计时,可以利用减少列的数量、降低每一列的大小和把历史数据归档到单独的事实表中等多种方法来降低事实表的大小。另外,在事实表中还要解决好数据的精度和粒度的问题,下面将阐释粒度的设计方法。 =========================== 事实、度量和事实表 确定分析内容的构成:事实及其粒度 事实表是数据库中最大的表,是星形模型结构的核心。事实表包含了基本商业事务的详细信息,是对商务活动进行客户关系、销售趋势和产品趋势等分析的素材。事实表的设计包括对

维度建模

维度建模的基本概念及过程 摘要:本文首先介绍维度模型中的维度表和事实表这2个基本构成要素的基础知识;其次,介绍设计维度模型的4个基本步骤;再次,围绕某银行为实现业务价值链数据集成的需要,介绍多维体系结构中的3个关键性概念:数据仓库总线结构、一致性维度、一致性事实。 关键词:维度表;事实表;维度模型设计过程;数据仓库总线结构;一致性维度;一致性事实。 引言: 与流行的说法不同,Ralph Kimball本人并没有定义“维度”和“事实”这样的术语。术语“维度”与“事实”,最初是20世纪60年代在一个由General Mills与Dartmouth大学主持的联合研究计划中提出的。70年代,AC Nielsen和IRI都一致地使用这些术语描述他们的数据发布应用,用现在更为准确的话来说,就是关于零售数据的维度数据集市(Data Mart)。在简明性成为生活方式的潮流之前的长时期内,早期的数据库垄断组织们致力于将这些概念用来简化用做分析的信息。他们意识到,除非数据库做得简单易用,否则没有人会用它。因此,在将可理解性和性能作为最高目标的驱动下,产生了维度模型的构造思想。 1 维度表和事实表 1.1 事实表 事实表是维度模型的基本表,其中如图所示存放有大量的业务性能度量值。力图将从一个业务处理过程得到的度量值数据存放在单个数据集市。由于度量值数据压倒性地成为任何数据集市的最大部分,因此应该避免在企业范围内的不同地方存储其拷贝。用术语“事实”代表一个业务度量值。可以设想一个作为例子的情形:查询某个客户在某个机构下某个产品合约账户的某个币种的某个时点余额,在各维度值(客户、产品合约、账户、机构、币种、日期)的交点处就可以得到一个度量值。维度值的列表给出了事实表的粒度定义,并确定出度量值的取值范围

时间维度

菲利普·津巴度:时间维度 By Tony Yet? Aug 27th, 2009 ? Category: TED演讲推介(摘要) 菲利普·津巴度(Philip Zimbardo)是美国著名的心理学家,他曾带领了著名的斯坦福监狱实验(Stanford Prison Experiment),探究人在客观环境改变的前提下,是否会出现行为异常的问题(他也曾在TED大会上提到这一实验)。在2009年的TED演讲上,津巴度教授则主要谈论了时间维度的问题,且看以下细说: 津巴度举证说,自乔治·布什放松对婚前性行为的规管之后一年,有60%的少女发生了性关系。但可以相信,这些年轻人都曾信誓旦旦说,只有到结婚以后才会做那样的事情。 有一个讲孩子吃棉花糖的小故事,也是跟时间尺度相关的。有研究员到幼儿园做实验,把一班孩子叫过来,每人发一颗棉花糖,并且告诉孩子说,要是他们能够再等待半个小时,研究员从外面回来之后再吃棉花糖,他们可以得到两颗。但三分之二的孩子选择马上吃掉棉花糖,只有三分之一的孩子选择等待。这些孩子长大以后,研究员再次回来,发现当年那些坚持等待的孩子的SAT成绩明显高于没有等待的孩子一个层次。 这其实也就是津巴度要说的时间维度(time perspective)的问题。所谓时间维度,就是每个人如何将个人体验划分到不同的时间区域的问题。 津巴度说,时间可以分为三种类型,过去、现在与将来。津巴度教授认为,有三大类的时间维度: 现在导向(present oriented)——行动基于对眼下的事情以及结果的考量 过去导向(past oriented)——行动基于对过去的事情以及结果的考量 将来导向(future oriented)——行动基于对将来的事情以及结果的考量 所谓时间悖论(time paradox),就是说,有某种东西会对于你做任何决定都产生很大影响,但是你却完全不会察觉到其存在,这种东西就是一个人在以下六种时间态度上的偏见: 过去积极主义; 过去消极主义; 现时享乐主义; 现时宿命主义; 人生目的导向主义; 转世主义。 津巴度说,学会根据现实及时调整个人的时间维度,也就是每个人都需要仔细考虑的事情。 那么,什么才是最佳的时间维度(optimal time perspective)呢?津巴度说,对于未来可以保持积极乐观、对当下保持一定的乐观,而对过去消极主义以及现时宿命主义则应避而远之。概而言之,你从家人、自我认同以及身份等方面寻找到你的根基,并且通过对将来的目标与挑战之把握获得上升的动力。而从现时享乐主义则可以获得能量,用以开拓自我、开拓世界。

时间与空间

时间与空间 ——物理与艺术的共同主题 ADV15017陈小华 (厦门大学嘉庚学院人文与传播学院15级广告系1班) 摘要:时间与空间是物理与艺术的共同主题,无论是科学还是艺术史上都一直在对时间与空间有着穷追不舍的探索,两者看似相互对立却又息息相关。从西方注重视觉感受的绘画到伽利略牛顿的西方科学,我们可以看见绘画和科学研究上不断的对时间和空间的认识,对光线的发现,对宇宙的探索,而宇宙就是时间与空间,我们对宇宙是无穷的探索对时间和空间也是这样。 关键词:时间空间物理艺术探索绘画 物理与艺术就像是硬币的两个面,艺术表现手段是图象和隐喻,物理表现手段是数字和方程,传统上说,艺术抒发情感;物理追求理性,所以,他们在表面上是对立的。但是, 两者均面对同一个自然,均是人类尝试认知真理的手段。我们去追寻物理和艺术的发展历史,就会发现他们之间在对宇宙图景认知方式上本质存在的相互关联。科学家就是表现宇宙真实存在的艺术家以人性之浪漫情怀拥抱宇宙之道,艺术家——表现情感真实存在的科学家按宇宙之道表达人性之浪漫情怀,宇宙就是时间和空间,所以我们去看西方的科学和艺术史,也可以看见科学家和艺术家们在时间和空间上的认知与研究。从古希腊到文艺复习绘画家从用一般线条和没有阴影单调色彩到受到光影学透视原理等的影响开始了绘画历史的全新状态,利用光影来描绘出各自逼真的场景。我们对时间与空间的认识是无止境的,无论是物理还是艺术上,对时间和空间都有着各种千丝万缕的关系,我们对此也有着做不完的研究与探索,这是一个永恒的研究探索话题。 1.认识与发展 1.1认识 在乔托没有发现透视原理之前,柏拉图,亚里斯多德,拉斐尔等古希腊哲学家就已经在对时间,空间,光这三者进行无尽的探索了。在伊特鲁里亚墓室壁画《哀悼的妇女》中,画中的妇女排成队列,一个接一个,被一种不变的力量主宰着向前行进,既有空间上的线性意义,也有时间上的线性意义。后来线性化的时间概念也在希腊古典艺术中得到体现,即使黑暗的中世纪充满的黑暗,却也抵不住人类对时间与空间的好奇与探索。 1.2发展 乔托发现了透视原理奠定了西方美术的基础,就绘画而论,我们的成就首先应当归功于马萨乔,是他第一次真正使人物脚踏实地。艺术史上有乔托发现透视原理,在物理史上哥白尼在临终前出版了《天体运行论》,向我们描绘了一个全新的宇宙——日心体系。哥白尼的日心体系开拓了人们观察自然的角度和视界,正如乔托的“透视”原则开拓了艺术视野。乔托的眼光超越了平面,哥白尼的心也也飞向了太阳,这已经是人类对时间与空间很大的进步认识了。在这些基础上,后来的物理与艺术都得到许多进步,绘画上阴影和色彩的应用和

《自我管理表》填报说明

附件二:《自我管理表》填报说明 为全面推动员工个人自我管理工作,规范自我管理考核表的填报,现拟定《<自我管理表>填报说明》,请所有员工严格按如下要求填报本岗位的《自我管理表》。具体如下: 各员工在开展自我管理前,应对本岗位的工作进行深度思考,并与直接上级充分沟通,明确本岗位的工作定位,同时,填报时应尽可能覆盖全面且简明扼要。 1.岗位使命:参照年度总公司经营指导思想及所在部门年度经营管理计划,与上级领导沟通,明确本岗位工作指导思想与工作使命。 2.岗位责任:结合岗位说明书及上级领导要求,明确本岗位职责范围,梳理本岗位各项具体工作职责。 3.工作内容:以岗位责任为指引,结合直接上级的工作内容,实现工作的分解,明确本岗位应负责和执行的具体工作事项。工作内容的填报应首先确定主要工作模块,然后根据工作模块划分填报各模块下的各项具体工作内容。 4.工作目标:工作目标的设定应遵循以下几个原则:一是明确具体,有明确具体的结果或成果;二是量化阐述,从数量、质量、时间性或成本等角度进行阐述,或是能够通过定性的等级划分进行转化;三是可实现性,既有挑战性又是可实现的。 5.计划完成时间:明确各项工作目标能达成的具体时间,有多个时间节点的工作事项则应明确每个时间节点的计划完成时间。 6.评分标准:结合工作内容和工作目标,明确各项工作的评价维度和评分原则,评价维度主要从时间、数量、质量等角度提出,并在各评价维度提出明确的量化的加减分标准。具体要求如下: ①全面综合考虑各项工作的评价维度(包括时间、数量、质量等),设定合理的量化评分机制,使考核人能够做出客观准确的评价; ②时间评价维度:根据具体工作事项,时间滞后扣分,提前完成可酌情加分; ③数量评价维度:以数量体现工作成果的,应从数量维度进行评分,可从单位时间的产出成果等角度设定具体的量化评分标准; ④质量评价维度:以具体产出体现工作成果的(如方案、策划类工作),应从质量维度进行评分,结合具体工作,从产出成果的执行情况等角度设定具体的量化评分标准。

数据仓库维度模型知识点记录

1.生命周期 a)业务需求定义 i.收集需求 ii.分析业务 iii.数据仓库建立总线矩阵 iv.项目规划 b)维度建模、 i.建模过程 1.标识需要建模的业务过程 2.声明粒度 3.标识和选择维度 4.标识和选择事实 ii.维度表 1.代理键 a)日期维度可以使用20140101这样的智能键,智能键可以用来分区 2.渐变维度 a)SCD1 直接更新 b)SCD2 标记维度的时间作用域,插入新数据,增加新行 c)SCD3 不同的列记录不同时间域的值,增加新列 d)将经常变化属性集合为小维度表 3.退化维度 a)没有对应维度表的非事实属性:类似于订单ID 4.支架维度/引用维度 a)比较类似于雪花模型,例如顾客的生日属性可以链接到日期维度表。 日期维度表就是顾客维度的支架维度 5.多值维度 a)使用桥接表实现 b)事实与维度的多值关系 i.例如订单的为多商户分成,可以通过一个商户分组链接表实现, 订单事实中记录商户分组的ID,分组链接表中分行记录不同商 户的账号ID及其分成 c)维度与维度的多值关系 i.例如用户帐户维度与消费自然人客户维度有多对多关系。因此在 帐户维度表与自然人维度表中加入一个“帐户与客户关系”桥接 表。记录 d)可变层次展示 i.例如职员与职员间隶属关系:可以使用桥接表记录每个职员与其 所有下属之间的隶属距离和其下属的直接上司,就可以层次化的 表示出职员之间关系 6.角色扮演维 a)例如下单日期维度和退款日期维度都是通过视图链接到日期维度表, 这两个维度都是角色扮演维。 7.杂项维度 a)慎用杂项维度

b)将小维度合并组成杂项维度。 iii.事实表 1.事务型事实 2.周期快照事实 3.累计快照事实 4.没有事实的事实 a)例如用户登录行为事实,其只有维度没有度量,那么添加一个值永远 为1的login_cnt字段为度量,方便sum 5.面向状态的事实表 a)例如帐户余额其实对应了一个具体的自然人,在自然人的地理位置变 化后,该自然人维度会有SCD 2的转换,可能代理键从1 – 2.帐户余 额需要做一个SCD 2的转换,将自然人维度引用该为2.其实是为了查 询任意时间点,某个地理位置的帐户余额总和 c)物理设计和ETL开发 i.源数据探查 1.出具数据剖析表来记录字段的类型,数据分布等 ii.子系统 1.提取 a)数据剖析:KETTLE有插件datacleaner实现 i.NULL值判断 ii.字符串匹配 iii.数值分布报表 iv.正则表达式匹配等 b)更改数据捕获系统:KETTLE c)提取系统:KETTLE的INPUT节点的功能 2.清理和一致化:KETTLE已经实现 a)数据清洗 i.转换数据类型 ii.重命令列等 b)数据检验 i.Kettle提供了流读取功能来验证数据是否错误 1.取值范围是否合规 2.关系完整性是否存在 3.是否符合状态机规则(例如没有支付日期时就不应该有支付 状态) 4.一般依赖约束:例如派生列和其父列是否满足约束 c)错误事件模式:KETTLE的错误流节点 i.过程错误:trans step等出错 ii.数据校验错误 iii.过滤器错误 iv.一般步骤错误 v.ETL工具箱中描述的错误事件数据分析表能够起作用 d)审核维度汇编器:KETTLE通过统计节点实现 i.审计事实细节:数据从哪里来,什么时候加载,在那个服务器上

相关文档
最新文档