数据仓库

传统的数据库技术以单一的数据资源为中心，进行 操作型处理。操作型处理也称为事务处理，是指对数据库联机的日常操作，通常是对一个或一组记录的查询和修改，主要是为企业的特定应用服务的，人们关心的是响应时间、数据的安全性和完整性。分析型处理则用于管理人员的决策分析，例如，决策支持系统经常要访问大量的历史数据。于是，数据库由旧的操作型环境发展为一种新环境——体系化环境。体系化环境由操作型环境和分析型环境（数据仓库级、部门级、个人级）构成。

数据仓库是体系化环境的核心，它是建立决策支持系统(DSS)的基础。

1）从数据库到数据仓库

具体来说，有如下原因使事务处理环境不适宜决策支持系统应用。

深圳IT外包   http://www.lankuai.info

（1）事务处理和分析处理的性能特性不同。

（2）数据集成问题。

(3)数据动态集成问题。

（4）历史数据问题。

（5）数据的综合问题。

2）数据仓库的特点。、

（1）数据仓库是面向主题的。

（2）数据仓库是集成的。

（3）数据仓库是随时间变化而变化的。

3）分析工具

（1）联机分析处理技术及工具。

（2）数据挖掘技术和工具。

4）基于数据库技术的决策支持系统解决方案

（1）在cheng底层数据库中保存了大量c的事务级细节数据。这些数据是整个决策支持系统的数据来源。

（2）数据仓库对底层数据库的事务级数据进行集成、转换和综合，重新组织成面向全局的数据视图，为决策支持系统提供数据存储和组织的基础。

深圳蓝快IDC   http://www.lskxidc.com

（3）OLAP从数据仓库中机集成数据出发，构建面向分析的多维数据模型，再使用多维分析方法从多个不同角度对多维数据进行分析、比较，分析活动从以前的方法驱动转向了数据驱动，分析方法和数据结构实现了分离。

（4）数据挖掘以数据仓库和多维 数据库中的大量数据为基础，自动地发现数据中的潜在模式，并以这些模式为基础自动地做出预测。数据挖掘表明知识隐藏在日常积累的大量数据之中，仅靠复杂的算法和推理并不能发现知识，数据才是知识的重要源泉。