数据仓库 的名词解释
数据仓库(简答题复习资料整理)
数据仓库（简答题复习资料）（1）数据仓库概念和特点 P12-14数据仓库是一个面向主题的（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，它用于支持企业或组织的决策分析处理。
数据仓库是为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库，它的数据基于OLTP源系统。
首先，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，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。
数据仓库的功能和特性1 面向主题2 数据的集成性3 数据的稳定性（非易失性）4 数据随时间变化的特性5 多维性数据是带有时间轴的→数据是多维的→形成立方体（Cube）见书P52（2）数据库与数据仓库的区别简而言之，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。
数据仓库知识点总结
数据仓库知识点总结一、数据仓库概念数据仓库是一个用来集成、清洗、存储和管理企业数据的系统，以支持企业决策制定、分析和商业智能服务。
它是一个面向主题的、集成的、时间性的、非易失的数据集合，用于支持企业决策。
数据仓库是企业数据管理的重要组成部分，它与操作型数据处理系统相辅相成。
数据仓库以不同的视角和角度组织数据，帮助企业管理者对企业整体情况进行全面分析和评估。
二、数据仓库的特点1. 面向主题：数据仓库与传统数据库相比，更加侧重对业务应用的支持，主要面向业务应用的主题而不是基本事务数据，以方便企业管理者进行更好的分析和决策。
2. 集成性：数据仓库集成了来自不同数据源的数据，将数据统一管理，并且进行了数据清洗和转换，确保数据的一致性和准确性。
3. 时态性：数据仓库中的数据具有时间性，可以保存历史数据，能够支持分析历史数据的趋势和变化。
4. 非易失性：数据仓库中的数据不会丢失，可以持久保存，并且根据需要定期备份，确保数据的安全和可靠。
5. 大数据量和复杂性：数据仓库通常包含大量的数据，并且数据之间的关系复杂，需要采用专门的数据模型和处理方法来管理和分析。
6. 以支持决策为目标：数据仓库的目标是为企业管理者提供数据支持，帮助他们更好地了解企业的经营状况和趋势，以支持企业决策。
三、数据仓库架构数据仓库架构包括了多个重要组成部分，主要包括数据提取、数据清洗、数据转换、数据加载、元数据管理和数据查询分析等。
1. 数据提取：数据提取是指从各个数据源中将需要的数据提取出来，数据源可以包括企业内部的数据库、文件系统、应用系统等，也可以包括外部数据源，如公共数据等。
2. 数据清洗：数据清洗是指对提取的数据进行清洗和规范，包括去重、校验、纠错、转换等处理，以确保数据的准确性和一致性。
3. 数据转换：数据转换是指对清洗后的数据进行格式转换、相关联和整合，以便于数据仓库的统一管理和分析。
4. 数据加载：数据加载是将转换后的数据载入数据仓库中，通常包括全量加载和增量加载两种方式，以确保数据的及时性和准确性。
详解数据仓库和数据集市：ODS、DW、DWD、DWM、DWS、ADS
详解数据仓库和数据集市：ODS、DW、DWD、DWM、DWS、ADS01数据流向02应用示例03何为数仓DWData warehouse（可简写为DW或者DWH）数据仓库，是在数据库已经大量存在的情况下，它是一整套包括了etl、调度、建模在内的完整的理论体系。
数据仓库的方案建设的目的，是为前端查询和分析作为基础，主要应用于OLAP（on-line Analytical Processing），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。
目前行业比较流行的有：AWS Redshift，Greenplum，Hive等。
数据仓库并不是数据的最终目的地，而是为数据最终的目的地做好准备，这些准备包含：清洗、转义、分类、重组、合并、拆分、统计等主要特点•面向主题▪操作型数据库组织面向事务处理任务，而数据仓库中的数据是按照一定的主题域进行组织。
▪主题是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通过与多个操作型信息系统相关。
•集成▪需要对源数据进行加工与融合，统一与综合▪在加工的过程中必须消除源数据的不一致性，以保证数据仓库内的信息时关于整个企业的一致的全局信息。
（关联关系）•不可修改▪DW中的数据并不是最新的，而是来源于其他数据源▪数据仓库主要是为决策分析提供数据，涉及的操作主要是数据的查询•与时间相关▪处于决策的需要数据仓库中的数据都需要标明时间属性与数据库的对比•DW：专门为数据分析设计的，涉及读取大量数据以了解数据之间的关系和趋势•数据库：用于捕获和存储数据04为何要分层数据仓库中涉及到的问题：1.为什么要做数据仓库？2.为什么要做数据质量管理？3.为什么要做元数据管理？4.数仓分层中每个层的作用是什么？5.…...在实际的工作中，我们都希望自己的数据能够有顺序地流转，设计者和使用者能够清晰地知道数据的整个声明周期，比如下面左图。
但是，实际情况下，我们所面临的数据状况很有可能是复杂性高、且层级混乱的，我们可能会做出一套表依赖结构混乱，且出现循环依赖的数据体系，比如下面的右图。
数据库的DB名词解释
数据库的DB名词解释一、数据库的概念与作用数据库（Database）指的是按照数据结构来组织、存储和管理数据的仓库。
在信息技术领域中，数据库是非常重要的基础设施，具备存储大量数据和高效地获取、更新、删除数据的能力。
数据库广泛应用于各个行业，如企业管理、科学研究、金融服务、物流运输等。
数据库的作用主要有三个方面。
首先，它可以提供一个统一的数据管理系统，实现数据的集中存储、共享和维护。
每个数据库都有一套独特的数据模型和查询语言，使得数据在各个应用系统中的操作更加方便和高效。
其次，数据库还可以确保数据的安全性和完整性。
通过数据库管理系统（DBMS）提供的权限控制和事务机制，可以对数据进行保护，防止非授权用户进行篡改和损坏。
最后，数据库使得数据的访问更加灵活和快速。
通过使用索引、视图等技术，数据库可以加快数据的检索和分析速度，提高系统的响应能力。
二、数据库的基本组成部分数据库由多个不同的组成部分构成。
首先是数据，即存储在数据库中的信息。
数据通常以记录的形式存在，每个记录表示一个实体或事件的特定的数据集。
记录包含各个字段，每个字段存储相应的数据项。
其次是数据库管理系统（DBMS），也称为数据库操作系统。
DBMS负责数据库的管理和操作，包括数据定义、数据存储、数据查询和数据维护等。
最常见的DBMS有Oracle、MySQL、SQL Server 等。
数据库的基本组成部分还包括数据库管理员（DBA）和应用程序。
数据库管理员是负责数据库的设计、部署、维护和安全的专业人员。
他们负责确保数据库的高效运行和数据的安全性。
应用程序是指使用数据库的用户所编写的软件。
应用程序通过调用DBMS提供的各种接口，实现与数据库的交互。
用户可以通过应用程序查询、更新、删除和插入数据。
三、数据库的关键术语解释1. 数据库模型：数据库模型是一种描述数据组织方式的抽象概念。
常见的数据库模型有层次模型、网状模型和关系模型。
关系模型是目前应用最广泛的数据库模型，它将数据组织为表格形式，表格由行和列组成，每一行表示一个记录，每一列表示一个属性。
数据仓库与数据挖掘期末综合复习
数据仓库与数据挖掘期末综合复习第一章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：联机事务处理和联机分析处理。
4、多维分析是指以维”形式组织起来的数据（多维数据集）采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使拥护能从不同角度、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。
OLAP技术的有关概念：OLAP根据其存储数据的方式可分为三类：ROLAP、MOLAP、HOLAP6、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、独立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。
&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”以为着源数据系统、决策支持服务和仓库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、以运营导向为主和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？数据仓库通常是指一个数据库环境，而不是支一件产品，它是提供用户用于决策支持的当前和历史数据，这些数据在传统的数据库中通常不方便得到。
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。
管理信息系统 名词解释
名词解释：管理信息系统：管理信息系统是一个以人为主导，利用计算机硬件、软件、网络、数据管理技术等，进行信息的收集、储存、加工、传递、支持企业内部各个层次员工工作，并联系供应商与客户，以实现提高运营效率、做出明智决策，并获取战略优势的目的。
数据库：数据库是一系列逻辑相关的数据的集合，通过对数据的集中管理来控制数据冗余，可以有效地支持多个应用程序。
计算机网络：计算机网络是把分布在不同地点的且具有独立功能的计算机，通过通信设备和线路连接起来，在功能完善的网络软件的支持下，遵照一定的协议实现网络中信息传递和资源共享的系统。
网络拓扑结构：是指一个网络的通信线路和节点的几何排列或物理布局图形，反映出的是网络中各实体（计算机、通信设备、线路）间的结构关系。
总线型、环形和星型是最常见的网络拓扑结构。
无线射频识别：（radio frequency identification ,REID) 新一代的辨识方法，是一种近年来受到广泛重视的新技术，可以用来记录事务活动和自动识别物体，在物流、库存、生产和销售等企业有着广泛的应用前景。
是一种突破性的技术：1、可以识别单个的非常具体的物体，而不是像条形码一样只能识别一类物体：2、其采用无线电射频，可以透过外部材料读取数据，而条形码必须靠激光来读取信息；3、可以同时对多个物体进行识读，且储存的信息量也非常大。
由于RFID能够快速准确地识别移动中的物体，因此FRID的推广和普及将给企业的事务处理方面带来革命性的变化。
RFID的最大特点在于：它能运用无线形式，同时读取多项物品的数字化信息，而传统的方式只能一次读取一组条码信息。
无线射频识别的典型应用有：门禁管理、货物管理、物料管理、医疗应用等。
工作流：简单地说，工作流就是经营过程的一个计算机实现。
根据国际工作流管理联盟WfMC的定义，工作流是一类能够完全或者部分自动执行的经营过程，根据一系列过程规则，使文档、信息或任务能够在不同的执行者之间传递、执行。
数据仓库 数据重要等级定义标准
数据仓库数据重要等级定义标准在当今信息爆炸的时代，数据的重要性日益凸显。
数据不仅在商业领域中扮演着重要角色，也在科学研究、政府决策和个人生活中扮演着至关重要的角色。
针对数据的重要性，企业和组织需要建立数据仓库，并对数据进行分类和定义重要等级标准，以便更好地管理和利用数据资源。
本文将探讨数据仓库和数据重要等级定义标准的相关内容，帮助读者更好地理解这一主题。
一、数据仓库的基本概念和作用1. 数据仓库的定义数据仓库是一个用来集成和存储企业各类数据的大型数据库，用于支持企业决策制定、业务分析和数据挖掘等应用。
它是企业信息系统中的一个重要组成部分，具有数据集成、数据存储、数据管理和数据分析等功能。
2. 数据仓库的作用数据仓库的建立和运营可以帮助企业从海量数据中获取有价值的信息，支持企业管理层制定决策、优化业务流程和发现潜在商机。
数据仓库还可以提高企业对市场变化的应对能力，促进企业持续创新和发展。
二、数据重要等级定义标准的必要性3. 数据重要等级定义标准的意义随着大数据时代的到来，企业面临的数据越来越多，有些数据对企业的重要性超乎想象。
对数据进行分类和定义重要等级标准，有助于企业更加科学地管理数据资源，区分数据的重要程度，从而更好地利用数据资源，保障数据安全和隐私。
4. 数据重要等级定义标准的应用场景对数据进行重要等级定义标准，可以应用于数据备份和恢复、数据安全保护、数据使用授权等方面。
不同重要等级的数据需要采取不同的管理和保护措施，以确保数据的完整性、保密性和可用性。
三、数据重要等级定义标准的划分标准和应用方法5. 数据重要等级的划分标准对于企业来说，可以根据数据的关联性、价值性、敏感性、时效性等因素来划分数据的重要等级。
一般可以分为核心数据、关键数据、一般数据和临时数据等级别。
6. 数据重要等级的应用方法企业可以制定相应的数据管理策略和措施，针对不同重要等级的数据制定不同的备份和恢复策略、安全存储策略、权限控制策略等，以保障数据的可靠性和安全性。
数据挖掘考试题库完整
一、名词解释1. 数据仓库：是一种新的数据处理体系结构 .是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化 (不同时间)的数据集合.为企业决策支持系统提供所需的集成信息。
2. 孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。
3. OLAP：OLAP 是在OLTP 的基础上发展起来的.以数据仓库为基础的数据分析处理 .是共享多维信息的快速分析.是被专门设计用于支持复杂的分析操作 .侧重对分析人员和高层管理人员的决策支持。
4. 粒度：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。
粒度影响存放在数据仓库中的数据量的大小 .同时影响数据仓库所能回答查询问题的细节程度。
5. 数据规范化：指将数据按比例缩放(如更换大单位).使之落入一个特定的区域(如 0－1) 以提高数据挖掘效率的方法。
规范化的常用方法有：最大－最小规范化、零－均值规范化、小数定标规范化。
6. 关联知识：是反映一个事件和其他事件之间依赖或相互关联的知识。
如果两项或多项属性之间存在关联.那么其中一项的属性值就可以依据其他属性值进行预测。
7. 数据挖掘：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。
8. OLTP：OLTP 为联机事务处理的缩写.OLAP 是联机分析处理的缩写。
前者是以数据库为基础的.面对的是操作人员和低层管理人员 .对基本数据进行查询和增、删、改等处理。
9. ROLAP：是基于关系数据库存储方式的 .在这种结构中.多维数据被映像成二维关系表.通常采用星型或雪花型架构.由一个事实表和多个维度表构成。
10. MOLAP：是基于类似于“超立方”块的OLAP 存储结构.由许多经压缩的、类似于多维数组的对象构成.并带有高度压缩的索引及指针结构 .通过直接偏移计算进行存取。
11. 数据归约：缩小数据的取值范围.使其更适合于数据挖掘算法的需要 .并且能够得到和原始数据相同的分析结果。
- 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)。
数据仓库的名词解释
数据仓库的名词解释
数据仓库（Data Warehouse）是指一个用于存储、整合和管理企业各个部门产
生的大规模数据的集中式数据库系统。
它主要用于支持企业决策制定、战略规划以及业务分析。
数据仓库的设计和构建需要考虑数据的采集、转换、加载以及存储等多个方面，以确保数据的准确性和可用性。
一、数据仓库的基本概念
数据仓库是一个面向主题的、集成的、时间一致的、非易失的数据集合，用于
支持企业决策制定和业务分析。
它将来自不同数据源的数据进行抽取、转换和加载，形成一个统一的、易于查询和分析的数据源。
数据仓库的特点：
1. 面向主题：数据仓库以主题为中心，将数据按照主题进行组织和存储，以满
足不同部门和用户的信息需求。
2. 集成：数据仓库将来自不同数据源的数据进行整合，消除了数据冗余和不一
致性。
3. 时间一致性：数据仓库中的数据是按照一致的时间标准进行存储和管理的，
以支持历史数据分析和趋势预测。
4. 非易失性：数据仓库中的数据一旦存储，不会轻易被删除或修改，以确保数
据的可追溯性和可靠性。
二、数据仓库的架构和组成部分
数据仓库的架构通常包括数据采集、数据转换、数据加载、数据存储和数据查
询等几个关键组成部分。
1. 数据采集：数据仓库的数据采集涉及到从各个数据源中提取和抽取数据的过程。
这些数据源可以是企业内部的关系型数据库、操作型数据源，也可以是外部的数据源，如Web数据、日志数据等。
数据采集可以通过ETL（Extract、Transform、Load）工具进行，在此过程中可以对数据进行清洗、转换和加工。
2. 数据转换：数据采集后，需要进行数据转换的操作，将采集到的数据进行整
合和规范化。
这包括数据清洗、数据集成、数据变换等一系列处理，以确保数据的一致性和质量。
3. 数据加载：数据加载是将经过转换的数据加载到数据仓库中的过程。
数据加
载可以是全量加载，也可以是增量加载。
在加载过程中，还可以对数据进行校验和验证，以确保数据的准确性和完整性。
4. 数据存储：数据存储是数据仓库的核心组成部分，主要用于存储整合后的数据。
常见的数据存储方式包括关系型数据库、多维数据库、列存储等。
数据存储的设计需要考虑数据的分区和索引等策略，以提高数据访问和查询的效率。
5. 数据查询：数据查询是数据仓库的最终目的，通过查询可以获取到需要的信
息和分析结果。
数据查询可以通过SQL语言进行，也可以通过OLAP（Online Analytical Processing）工具进行多维分析。
数据查询的效率和性能是数据仓库设计
中需要重点考虑的问题之一。
三、数据仓库的应用领域
数据仓库在企业中的应用非常广泛，涵盖了多个领域和行业。
1. 企业决策支持：数据仓库可以为企业的高层管理人员提供有效的决策支持，
通过对大量数据的分析和挖掘，帮助企业制定战略规划、预测市场趋势和优化资源配置。
2. 企业绩效管理：数据仓库能够提供全面的、准确的业务指标和关键绩效指标，为企业的绩效管理提供数据支持和分析工具，帮助企业进行绩效评估和决策优化。
3. 客户关系管理：数据仓库可以整合和分析企业与客户之间的各类数据，包括
客户交易记录、客户行为信息等，帮助企业进行客户分群、客户价值评估和个性化推荐等工作。
4. 营销和销售分析：数据仓库可以帮助企业对市场和竞争对手进行分析和研究，评估市场需求和销售机会，为企业的营销和销售策略提供数据支持和决策参考。
总结：
数据仓库作为企业决策支持和业务分析的重要工具，具有广泛的应用前景和潜力。
通过对数据仓库的深入理解和运用，企业可以更好地利用数据资源，快速响应市场变化，提高决策效率和竞争力。
仅凭本文不能详细探讨数据仓库的实施方法和技术细节，但本文已经对数据仓库进行了概念性的解释和概述，希望能够对读者有所启发和帮助。