蓬天数据仓库系统

BI商业智能中间件 数据仓库

数据仓库的概念

数据仓库概念始于本世纪80年代中期，首次出现是在号称“数据仓库之父”William H.Inmon的《建立数据仓库》一书中。随着人们对大型数据系统研究、管理、维护等方面的深刻识认和不断完善，在总结、丰富、集中多行企业信息的经验之后，为数据仓库给出了更为精确的定义，即“数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合”。数据仓库并没有严格的数学理论基础，也没有成熟的基本模式，且更偏向于工程，具有强烈的工程性。

在技术上人们习惯于从工作过程等方面来分析，并按其关键技术部份分为数据的抽取、存储与管理以及数据的表现等三个基本方面。

⑴数据的抽取：数据的抽取是数据进入仓库的入口。由于数据仓库是一个独立的数据环境，它需要通过抽取过程将数据从联机事务处理系统、外部数据源、脱机的数据存储介质中导入到数据仓库。数据抽取在技术上主要涉及互连、复制、增量、转换、调度和监控等方面。数据仓库中的数据并不要求与联机事务处理系统保持实时同步，因此数据抽取可以定时进行，但多个抽取操作执行的时间、相互的顺序、成败对数据仓库中信息的有效性则至关重要。

⑵存储和管理：数据仓库的真正关键是数据的存储和管理。数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手分析。

⑶数据的表现：数据表现实际上相当于数据仓库的门面，其性能主要集中在多维分析、数理统计和数据挖掘方面。而多维分析又是数据仓库的重要表现形式，近几年来由于互联网的发展，使得多维分析领域的工具和产品更加注重提供基于Web前端联机分析界面，而不仅仅是在网上发布数据。

数据仓库并非是一个仅仅存储数据的简单信息库，因为这实际上与传统数据库没有两样。数据仓库实际上是一个“以大型数据管理信息系统为基础的、附加在这个数据库系统之上的、存储了从企业所有业务数据库中获取的综合数据的、并能利用这些综合数据为用户提供经过处理后的有用信息的应用系统”。如果说传统数据库系统的重点与要求是快速、准确、安全、可靠地将数据存进数据库中的话，那么数据仓库的重点与要求就是能够准确、安全、可靠地从数据库中取出数据，经过加工转换成有规律信息之后，再供管理人员进行分析使用。

结构与应用

●建立通用数据仓库概念模型

按照国际标准的数据仓库概念模型和实施模型，建立全局通用的数据仓库概念模型，以指导未来数据仓库系统的建设、扩展和持续的发展。在数据仓库系统技术架构的设计中，引入了业务智能生命周期（BIL：Business Intelligence LifeCycle）的概念模型。

BIL模型基本可以表达为一个中心，四个环节，四个环沈阳APP软件

节之间紧密衔接。一个中心就是以数据仓库为核心，四个环节就是围绕数据仓库运行的业务系统、数据集成、数据应用、应用反馈等具体系统，从数据的角度来讲，分为数据仓库的数据提供者，数据仓库数据的消费者；从业务应用的角度讲，分为交互系统、决策支持系统，决策支持系统利用交互系统采集的信息做出决策、制定规则，交互系统利用决策支持系统反馈的规则，优化流程，提供更加有效的服务和管理。

●建立统一数据中心平台

在BIL模型中，企业级的数据仓库（EDW）是整个模型的核心，在具体的实现应用中，EDW扮演着一个数据存储的最终位置以及数据应用的唯一提供者的角色，对具体税务业务应用来说，数据仓库应该成为一个统一的数据中心，在整个机构中提供共享统一的数据存储模型，为各级管理及业务人员提供一致的数据视图。通过数据仓库对数据的集成处理，从而实现应用数据的一致性、可靠性，实现数据标准的统一，减少在针对数据的应用中，由于多口径数据而造成的歧义，保证决策的准确性和科学性。在核心的企业级数据仓库基础上，可以根据不同的主题应用，建立相关的数据集市，为不同的分析利用提供对应的数据集合，从而提升访问效率。建立统一的数据中心平台，为未来其他业务系统的数据融合做准备。

 1/4    1 2 3 4 下一页 尾页