数据仓库整体过程
数据仓库搭建流程
数据仓库搭建流程数据仓库（Data Warehouse）是一个集成的、主题导向的、面向分析的、时间一致的、非易失的数据集合，用于支持管理决策。
它将组织的各类数据进行整合和转换，为企业的决策者提供一致、准确、全面和及时的数据信息，从而支持企业的战略决策和业务分析。
搭建一个高效的数据仓库对企业的发展至关重要，下面将介绍数据仓库的搭建流程。
1.需求分析在搭建数据仓库之前，首先需要进行需求分析。
与业务部门和决策者沟通，了解他们的需求和期望，明确数据仓库的目标和功能。
根据需求分析结果，确定数据仓库的范围、数据源、数据维度和指标等。
2.数据清洗和整合数据仓库的建设离不开数据清洗和整合。
通过ETL（抽取、转换和加载）工具，从各个数据源中抽取数据，并进行清洗和整合。
清洗包括去除重复数据、纠正错误数据、填补缺失数据等。
整合则是将来自不同数据源的数据进行统一，建立一致的数据模型。
3.数据建模数据建模是数据仓库搭建的核心环节。
在数据建模过程中，需要根据需求分析的结果，设计数据模型。
常用的数据模型有星型模型和雪花模型。
星型模型以一个中心事实表为核心，维度表围绕事实表构建；雪花模型是在星型模型的基础上，将维度表进一步规范化，形成多个层次的维度表。
4.数据存储和管理数据存储和管理是数据仓库的基础。
根据数据模型的设计，选择合适的数据库管理系统（DBMS）进行数据存储和管理。
常用的数据库有关系型数据库如Oracle、MySQL等，也可以选择列式数据库如Greenplum、Vertica等。
此外，还需要考虑数据的备份和恢复，保证数据的安全性和可靠性。
5.指标定义和计算数据仓库的一个重要功能是支持指标的定义和计算。
根据需求分析的结果，明确需要计算的指标，并进行指标的定义。
指标的计算可以通过SQL语句、OLAP（联机分析处理）工具等方式进行，确保指标的准确性和一致性。
6.数据访问和可视化数据仓库的价值在于提供给决策者和分析师一个直观、易于理解的数据视图。
数据仓库实验报告
数据仓库实验报告本次实验的目的是设计和构建一个数据仓库，并通过使用该数据仓库来进行数据分析。
本报告将分为三个部分：实验设计、实验过程和结果分析。
一、实验设计1. 数据需求：选取了一个电商平台的数据作为实验对象，包括订单数据、用户信息数据、产品数据等。
2. 数据清洗和预处理：对原始数据进行了清洗和预处理，包括数据去重、缺失值处理等。
3. 数据模型设计：根据需求，设计了一个星型模型，以订单信息作为事实表，以用户信息和产品信息作为维度表。
4. 数据仓库构建：使用开源的数据仓库工具进行了数据仓库的构建，包括创建表结构、导入数据等。
二、实验过程1. 数据清洗和预处理：首先对原始数据进行了去重操作，保证数据的唯一性。
然后对缺失值进行了处理，采用填充的方式进行处理。
2. 数据模型设计：根据数据需求，设计了一个星型模型，以订单信息表作为事实表，以用户信息表和产品信息表作为维度表。
通过主键和外键的关系，将这些表进行了关联。
3. 数据仓库构建：使用开源的数据仓库工具，将设计好的数据模型导入到数据仓库中，并创建相应的表结构。
然后将清洗好的数据导入到对应的表中。
三、结果分析1. 数据质量评估：对数据仓库中的数据进行质量评估，包括数据准确性、完整性等。
通过查询数据仓库中的数据，对每个维度表和事实表的数据进行了验证。
2. 数据分析：通过在数据仓库上进行复杂查询和分析操作，获取了一些有价值的信息。
例如：最受用户欢迎的产品、用户购买行为的趋势等。
根据实验结果可以得出以下结论：1. 数据仓库可以提供高效的数据访问和分析能力，对于大规模数据的查询和分析非常高效。
2. 数据仓库可以提供数据一致性和数据质量保证的能力，可以对数据进行清洗和预处理操作。
3. 数据仓库可以满足复杂查询和分析需求，可以提供多维分析、数据挖掘等功能。
总结：本次实验通过设计和构建一个数据仓库，对电商平台的数据进行了分析，得到了一些有价值的信息。
通过实验，我们了解到数据仓库的设计和构建过程，并掌握了使用数据仓库进行数据分析的方法和技巧。
详解数据仓库的实施步骤
详解数据仓库的实施步骤建立数据仓库是一个解决企业数据问题应用的过程，是企业信息化发展到一定阶段必不可少的一步，也是发展数据化管理的重要基础。
数仓的知识市面上的书籍和文章不少，但是实际实施依据行业不同，企业核心诉求不同，从技术到方法论各有不同。
如何实施数仓项目，本文先以传统行业的数仓切入，从整体上讲下数据仓库的实施方法论！数据仓库的通用实施步骤一、需求分析需求分析是数据仓库项目最重要的一个环节，数仓说到底还是服务于业务，支撑于业务，如果需求分析不准确，做了没人用，上了不好用，会直接影响业务/客户的使用，最终导致项目的失败。
为了避免最坏的情况，磨刀不误砍柴工，前期一定要重视需求的调研、挖掘和分析，并采用一些严谨科学的措施和方法去做需求分析。
在实际调研过程中分享几个经验：1、尽可能与业务方/客户方一起分析需求，引导对方将项目所要实现的整体框架和业务细节部分述清楚，最好的方式就是需求人员和设计人员基于原型来讨论，从而正确理解实际的业务需求。
2、必须实事求是地将数据仓库所能实现的目标和不容易解决的问题与协商清楚。
这一个环节趟过不少坑，IT方急着上线，业务方对于项目还处于一知半解，甚至在推动的时候可能避重就轻，比如一期不满足的需求强行上，长远来看项目会产生不少推诿和扯皮，消磨的是对方的信任。
所以在需求讨论的基础上，需要理解业务工作流程，当然如果你已经具备了这个行业丰富的业务知识，那可以在需求调研的时候尽可能地让对方按照自己的思路去完成数据仓库系统的功能设计。
3、需求方群体的分类，BI项目最终的使用对象可以分为以下几类：数据查询者、报表查询者、企业决策者这三类人群的需求特点完全不一样，沟通的时候需要注意区分并深刻理解4、需求调研的再完美，也避免不了需求变更。
现实是很多情况下需求是不确定的，业务方是提不出有价值的需求的，需求今天是A 明天又变成B无法一步做到位的，这都很正常，作为项目实施者要做好心理预期。
一般情况下，业务方能够提供的都是需求的整体框架部分或者是实际需求的一部分内容，不能预见未来需要增加的需求，这也注定了数仓项目是一个不断循环、反馈，使系统不断完善增长的过程。
数据仓库与ETL
数据仓库与ETL1.引言在当今信息时代，企业面临着大量的数据，这些数据需要有效地收集、存储和分析。
数据仓库是一种解决这一问题的常用方法，它能够集成多个数据源，提供高效的数据管理与分析能力。
本文将重点介绍数据仓库的概念、作用以及ETL（抽取、转换和加载）过程。
2.数据仓库的概念与作用数据仓库可以被看作是一个集成的、面向主题的、非易失的数据集合，它用于支持管理决策和业务分析。
数据仓库主要通过抽取、清洗、转换和加载数据，构建一个结构化、一致性和易于查询的数据存储，为企业提供决策支持和业务洞察。
3.数据仓库的架构数据仓库的架构分为三层：数据源层、数据集成层和数据存储层。
数据源层包括各类数据源，如关系数据库、文件、传感器等；数据集成层通过ETL过程，将数据从数据源层抽取到数据仓库中；数据存储层包括数据仓库和数据集市，为用户提供数据查询和分析的能力。
4.ETL过程ETL是构建数据仓库的核心过程，包括抽取（Extract）、转换（Transform）和加载（Load）三个步骤。
抽取阶段将数据从不同数据源中提取出来；转换阶段对数据进行清洗、整合和变换；加载阶段将转换后的数据加载到数据仓库中。
ETL过程非常重要，它确保了数据仓库中的数据质量和一致性。
5.数据仓库的优势数据仓库具有以下几个优势：（1）集成性：数据仓库可以集成不同数据源中的数据，实现数据的统一管理和查询分析。
（2）高性能：数据仓库采用了优化的数据存储和查询机制，能够提供高性能的数据访问能力。
（3）决策支持：数据仓库为企业提供了全面、准确的数据，支持管理者做出正确的决策。
（4）灵活性：数据仓库的数据模型和查询方式可以根据业务需求进行灵活调整，满足不同用户的需求。
6.数据仓库的应用数据仓库广泛应用于企业的各个领域，包括市场营销、客户关系管理、风险管理、供应链管理等。
通过数据仓库，企业可以进行数据挖掘、预测分析、业务报表等多种分析应用，提升业务效率和竞争力。
数据仓库概要设计
数据仓库概要设计数据仓库（Data Warehouse）是指把企业分散在不同数据库中的数据统一整合到一个数据库中进行存储和管理，并对这些数据进行分析和管理的一种数据库应用系统。
数据仓库的建设是企业信息化建设的重要组成部分，是企业对内部外部信息资源进行整合、挖掘和利用最有效的平台之一。
因此，进行数据仓库的概要设计是非常重要的一步。
1.数据仓库概述数据仓库，是一个能够存储大量历史数据的集合体，使得企业能够快速地进行数据分析、查询和决策。
数据仓库通常包括存储、管理和查询技术。
数据仓库的设计是基于自底向上的过程，通过收集各种应用中的数据来建立。
数据仓库的需求分析是设计的第一个步骤，通过需求分析可以把握到数据的来源、数据的主要特征、数据的处理方法、数据的处理效果等。
2.数据仓库的工作过程a.数据的收集数据收集的目的是获取各个分散在企业内部外部的数据源，并把这些数据源整合成数据集。
数据收集包括了跟踪源数据、数据的标准化、数据的清洗、数据的转换等。
b.数据的整合数据整合意味着将不同的数据源集成到一起，通常是通过ETL工具来实现。
ETL（Extract, Transform, Load）工具的主要功能是提取、转换和加载。
c.数据的存储数据仓库的存储方式一般有两种：关系型数据库和非关系型数据库。
d.数据的查询与分析数据仓库的用户可以通过BI工具（Business Intelligence）来进行数据的查询、分析和报表生成。
3.数据仓库的概要设计步骤a.数据仓库设计的第一步是需求分析，需求分析的目的是明确数据仓库的目标、范围和需求。
需求分析应该包括数据仓库的使用者、数据仓库所需数据的类型、数据的来源、数据的质量要求等。
b.数据仓库的概念设计是在需求分析的基础上，开始进行数据仓库的抽象模型的设计。
概念设计包括了数据仓库的模型设计、元数据的设计等。
c.数据仓库的逻辑设计是在概念设计的基础上，开始进行数据仓库的逻辑结构的设计。
数仓建设的流程
数仓建设的流程数仓建设的流程是一个比较复杂的过程，涉及到很多方面的工作。
下面将从需求分析、数据采集、数据清洗、数据集成、数据存储、数据分析和数据展示七个方面，简要介绍数仓建设的流程。
一、需求分析首先，需要评估企业的数据分析需求，明确数据分析目的，了解业务场景，分析分析师对数据的需求。
这可以通过对数据价值的分析和业务流程的把握，结合业务发展趋势和业务需求得出。
二、数据采集数据采集是数仓建设的重要一环。
数据采集的方式可以是数据仓库内部获取，也可以是外部系统、传感器轮询等方式获取。
数据采集也需要考虑数据来源、数据质量、数据频率等重要属性。
三、数据清洗数据清洗是数据建设的关键一步。
在数据采集后，数据中可能存在孤无值等错误数据，需要数据清洗来剔除这些异常数据。
数据清洗的过程就是进行数据过滤、去标识化、去空值处理等操作，使得数据在数仓存储后依然具有良好的可读性和可用性。
数据集成是几十个数据来源的数据聚合在一起的过程。
这个阶段需要考虑数据是否可以合并，数据质量的评估等，同时可以通过ETL（抽取-转化-装载）和ELT（抽取-装载-转化）工具来实现数据集成。
五、数据存储在以上步骤后，需要将数据存储在统一的数据存储区域，以实现高效安全的数据访问和查询。
数据存储一般分为两种，一种是关系数据库，如MySQL、Oracle等，另一种是分布式存储系统，如Hadoop、Spark、Hbase等。
六、数据分析在数据存储后，数据分析是数据建设的核心部分。
这个阶段需要利用业务场景来分析数据，以实现对业务的挖掘。
分析是数据分析过程中至为重要的一部分，分析可以基于KPI、RFM分析、画像透视等多个维度。
七、数据展示最后，将分析结果进行展示。
通常，数据可视化和可交互性的方式可以提供对业务数据进行反馈和付费的更高质量和更易懂的解释。
数据展示可以以报表的形式，也可以经过数据可视化展示，以更直观、可视化、可交互的形式赋予数据新的价值。
以上七个步骤构成了数仓建设的完整流程。
数据仓库技术及其设计与开发流程
５零投资 ， ． 操作简单。Ｍｏｄｅ ｏｌ 因其基于开源的 Ｌｎｘ Ａ ａｈ＋ ｉｕ＋ ｐｃ ｅ Ｍ Ｓ Ｌ Ｐ Ｐ体系开发 ， ｙＱ ＋ Ｈ 因此从支持环境 到软件本身使用者无需支
Ｗｉｄｗ 环境下完成 Ｍ ｏｌ 安装 ， ｎｏ ｓ ｏｄｅ 这样教师个人能很方便地把个 发， 所有的界面设计风格一致 、 操作简单 、 高效 ， ｏｌ在线模块采 Ｍｏｄ ｅ 用可 自由组合的动态模块化设计 ，教师搭建在线课程时就像搭积 木一样简单有趣 。
团 日罾 围 ＳＵ！ＮＡ ＨＺＡ Ｔ Ｌ
口 金 陵科技 学院信 息技术 学院 王
摘
预
★基金 编号 ： 安徽省哲学社会 科学规 划办基金 资助项 目（ 基
金 编 号 ： ＨＳ Ｆ ５ ０ Ｄ １ Ａ Ｋ ０ －６ ４ ）
要 本文从数据仓库的概念展开研 无 分析 了数据仓库相关技术的基本特征 ， 指明了数据
公开的范围。 活动管理主要体现在网络课程管理方面， ｏ ｌ本身 Ｍｏｄｅ 提供了灵 活的课程活动配置模块——论坛 、 测验 、 资源 、 投票 、 问卷 调查 、 作业 、 聊天 、 专题讨论等 ， 同时内嵌 了 Ｂｏ、 ｋ、 ｂ ｕｓ功 ｌ Ｗｉｉ ｇ Ｗｅｑ ｅｔ 能； 支持 同步 、 同步 、 非 基于问题 的教学 、 分组教学等多种教学模 式， 利于展现教师教学设计思想 ； 对各种活动均提供评价功能。 ３ ． 集过程管理与结果材料管理于～体 。Ｍｏｄｅ ｏ ｌ不仅能对已有 材料进行管理 ， 而且通过系统跟踪功能还能记录教学活动。比如 ，
以下技术 ：１ （ ）管理大量数据和多种存储介质。要求通过寻址 、 索 据管理技术『 ｌ １ 。由于元数据与数据仓库相关的开发生命周期完全不
数仓项目流程
数仓项目流程通常包括以下几个关键步骤：数据采集、数据清洗、数据存储、数据建模、数据服务、数据应用和数据治理。
下面将对这些步骤进行详细的阐述。
1. 数据采集：这一步主要是收集各类业务系统中的数据，通常是通过各种数据源接口进行。
这些数据源可能包括各种数据库、文件、日志等。
2. 数据清洗：在数据采集之后，需要对数据进行清洗，去除重复、错误、不合规的数据，以保证数据的准确性。
这一步可能需要人工参与，也可能使用自动化工具进行。
3. 数据存储：数据清洗后，需要将数据存储到数仓中。
数仓是一种专门用于存储和管理数据的系统，它提供了方便的数据查询、数据提取等功能。
4. 数据建模：这一步是根据业务需求，对数据进行建模。
建模的过程通常会使用到星型模型或雪花模型，这些模型能够更好地满足业务需求。
5. 数据服务：在数据建模之后，需要将数据转化为服务。
这些服务可以是数据库查询服务，也可以是API接口服务。
通过这些服务，业务系统能够方便地获取数据。
6. 数据应用：数据服务被业务系统调用后，就可以进行各种应用。
比如，数据分析师可以通过数据服务获取数据，进行数据分析，得出结论；业务人员也可以通过数据服务了解业务状况，做出决策。
7. 数据治理：数据治理是确保数据质量和数据安全的过程。
在这一步中，需要对数据进行分类、标记、备份等操作，以确保数据的质量和安全性。
以下是每个步骤的详细说明：* 数据采集：需要确保数据源的稳定性和可靠性，同时需要考虑到各种异常情况的发生，制定相应的应对策略。
* 数据清洗：需要制定详细的数据清洗规则，并确保规则的准确性和可操作性。
同时，需要定期检查和更新清洗规则，以保证数据的准确性。
* 数据存储：需要选择合适的数据存储方式，如关系型数据库、非关系型数据库等。
同时，需要考虑到数据的增长和扩展性，制定相应的存储策略。
* 数据建模：需要根据业务需求和数据特点，选择合适的模型，如星型模型、雪花模型等。
同时，需要考虑到模型的复杂性和可维护性，制定相应的建模策略。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
业务探索 项
目 前 期 准 备 逻辑数据 模型 信息探索
交付项目：
《项目组织机构》 《项目人员组成》
步骤02：业务探索（Business Discovery)
主要任务：
– 确定重点用户与数据源 – 用户需求调研与确认 – 数据源确认 – 用户需求和数据源的筛选和分析
业务探索
项
目 前 期 准 备 逻辑数据 模型 信息探索
物理数据 模型 系 统 体 系 结 构 设 计 数据挖掘 服务 数据仓库管理 应用开发 数据转换 元 数 据 管 理
解
决 方 案 集 成
交付项目：
Байду номын сангаас
数据仓库实施方法论 项目具体实施步骤 BI (Business Intelligence)
BI 的任务
业务应用 和数据
Business Intelligence
业务探索 项
目 前 期 准 备 逻辑数据 模型 信息探索
利用工具：
Erwin
交付项目：
数据仓库逻辑数据模型LDM 《逻辑数据模型说明书》
步骤04：逻辑数据模型(LDM)示例
步骤05：系统体系结构设计
主要任务：
1. 对业务、技术环境及企业文化的充分了解，从 技术、组织、教育和支持等方面对系统进行全 面评估 2. 定义业务驱动力 3. 定义数据仓库成功的关键因素 4. 定义数据仓库的实施原则 5. 对系统体系结构各个组件进行详细设计
BI：集中的技能
Business Skills
Prioritise Link to and set corporate Alter strategy processes expectations
Establish Develop decision requirements alternatives Monitor Interpret BI results Summarise results Implement Competency and analyse changes Centre Discover and explore
数据采集与转换 用户存取及工具 备份系统 操作管理
步骤06：物理数据库设计
主要任务：
• • • • • •
元 数 据 管 理 数据挖掘 服务 数据仓库管理 解 决
物理数据 模型 系 统 体 系 结 构 设 计 应用开发 数据转换
转换逻辑数据模型（LDM）为物理数据模型 定义索引、分区等 非正规化处理（denormalizations） 数据库建立 设计优化 数据库功能测试
展示
分析
谢谢！
数据源及其特性定义 数据析取、转换和加载策略设计 构建和测试初始加载的程序和处理流程 构建和测试日常加载的程序和处理流程 40%-60%的工作量在数据转换与加载上
解
决 方 案 集 成
使用工具：
• Data Integrator、C、Perl
交付项目：
《 数据转换加载设计说明书》 《数据映射 （Data Mapping）说明书 》 数据转换加载脚本 （ ETL Scripts) 加载流程控制（ ETL Process Control)
结论
体现业务价值
改良的计划和定位 优化性能 增强的客户联系
读取、分析企业信息，得出分析结论。为企业决策提供 科学可靠的数据依据。
BI 的三大支柱
Business Intelligence
Infrastructure or Tools
ETL or Data Quality Database Management Metadata Reporting Ad Hoc Analysis Data Mining
物理数据 模型 系 统 体 系 结 构 设 计 数据挖掘 服务 数据仓库管理 应用开发 数据转换 元 数 据 管 理
解
决 方 案 集 成
交付项目：
《系统体系结构设计说明书》
步骤05：体系结构设计组件
用户类型 拓扑结构 网络存取与互连 组织机构 安全性 数据体系结构
逻辑数据模型 元数据 数据质量 命名规范
步骤07：数据清洗方法
源系统
SQL, C, Sh
1) 在源系统上进行清洗 （数据析取前）
2) 在加载服务器上进行 清洗（数据析取后、 加载前）
ETL服务器
C, Sh
数据仓库
SQL
3) 在数据仓库里进行清 洗（数据加载后）
步骤08：前端应用开发
主要任务：
• • • • •
元 数 应用开发 据 管 理 数据挖掘 服务 数据仓库管理
交付项目：
《业务需求说明书BRL ( Business Requirement List )》 《概念数据模型CDM （ Conceptual Data Model )》 《数据接口规范》
步骤03：信息探索（Information Discovery)
主要任务：
– 分析用户需求 – 数据源分析 – 进行工具评估 – 系统安全性设计 – 系统命名规范设计
方
案 集 成
使用工具：
• ERWwin
交付项目：
物理数据模型（PDM） 《物理数据模型说明书》 《数据库描述语言DDL》
步骤06：物理数据模型（PDM）
步骤07：数据转换与加载（ETL）
主要任务：
• • • • •
元 数 应用开发 据 管 理 数据挖掘 服务 数据仓库管理
物理数据 模型 系 统 体 系 结 构 设 计 数据转换
物理数据模型
业务探索 项 目 前 期 准 备 系 统 体 系 结 构 设 计 元 数 据 管 理 解 决 方 案 集 成
数据转换
信息探索
应用开发
逻辑数据 模型
数据挖掘 服务 数据仓库管理
项目具体实施步骤
步骤01：项目前期准备
主要任务：
– 项目启动会议(Kick-off Meeting) – 确认项目范围和主要目标 – 确认项目阶段性验收及总体验收标准 – 确认项目实施计划 – 成立项目组 – 确定各项目小组的成员及各自的工作职责 – 确定各项目小组的阶段性工作目标 – 确定教育训练计划 – 确定服务流程及方式
步骤11：数据仓库管理
主要任务：
• • • • • • • 设计和开发数据仓库支持体系结构 开发和测试数据仓库日常运作流程 开发和测试性能监视程序 开发和测试数据备份与恢复程序 开发和测试安全系统 设计和开发操作人员/最终用户培训计划 建立用户支持和培训材料
物理数据 模型 系 统 体 系 结 构 设 计 数据挖掘 服务 数据仓库管理 应用开发 数据转换 元 数 据 管 理
DataWarehouse & Business Intelligence
数据仓库实施方法论 项目具体实施步骤 BI (Business Intelligence)
数据仓库实施方法论
规划 设计与实现
支持与增强
现成解决方案规划 修改 逻辑 数据 模型 详 细 数 据 分 析 解决 方案 定义 解 决 方 案 体 系 结 构 设 计 物理数据库 设计 数据转换 元 数 据 管 理 解 决 方 案 集 成 应用增强
容量规划
数据仓库的循环过程
数据仓库实施方法论 项目具体实施步骤 BI (Business Intelligence)
项目具体实施步骤
01. 项目前期准备 02. 业务探索（Business Discovery) 03. 信息探索（Information Discovery) 04. 逻辑数据模型设计 05. 系统体系结构设计 06. 物理数据库设计 07. 数据转换加载ETL 08. 前端应用开发 09. 数据挖掘服务 10.元数据管理 11.数据仓库管理（处理流程与操作） 12.解决方案集成（测试验收与试运行）
业务探索 项
目 前 期 准 备 逻辑数据 模型 信息探索
交付项目：
《功能需求列表FRL ( Function Requirement List )》 《系统安全性设计说明书》 《系统命名规范说明书》 《数据质量分析报告》
步骤04：逻辑数据模型设计
主要任务：
– 进行原始数据分析 – 建立实体模型 – 建立实体间依赖关系 – 完善并填入所有属性 – 建立数据库逻辑模型
交付项目：
《前端应用体系结构设计说明书》 《应用模块设计说明书 》 《用户使用手册 》
步骤09：数据挖掘服务
1. 知识发现 (Knowledge Discovery): 发现将数据转变成信息的潜在模式
数据
知识
信息
决策 与行动
2. 知识应用(Knowledge Deployment): 将发现的知识应用于某种目标，例如进行预测
物理数据 模型 系 统 体 系 结 构 设 计 数据转换
前端应用体系结构设计 OLAP应用设计(Summary/Fact表及Cub的产生） 前端应用开发（随机查询、预定义报表、 OLAP应用） 撰写用户使用手册 用户测试验收
解
决 方 案 集 成
使用工具：
• • • • 查询报表工具 OLAP工具（BusinessObjects, Cognos …) 基于Web的开发工具(WebIntelligence, InterDev …) 其他开发工具
Identify data Store, maintain and integrate data Extract data Analytic Skills IT Skills
一个分析结果的产生过程
OLAP服务器
数据仓库/集市
BI系统数据分析过程
转换
抽取
装载
设计
Metadata
DB
决策