数据仓库数据挖掘——数据仓库与数据集市的关系

数据仓库存储的数据特点：

    要具有充分的灵活性，以适应各类用户的查询和分析

    同时要保证高性能，越快越好。

    灵活性和性能总是有矛盾。

数据集市特点：

    为了解决灵活性和性能之间的矛盾，数据集市存储为特等用户需求而预先计算好的数据，满足用户对性能的要求

    数据集市快速解决某些具体问题，投资规模小

优点：

规模小，灵活
投资小，投资回收期短，风险小
独立数据集市的构建比较快
物理平台独立
分布式数据仓库

缺点：

共享少、重复劳动、重复分析
多个集市独立实施，成本增加
增加了对数据源的压力
信息局限于部门，不含企业视图

数据集市的建立：

商业目标：来源于用户，“为销售和市场不能提供销售信息”

信息：数据源、ETL、元数据

基础设施：硬件、软件、技术架构

定义：小型的部门级别的数据仓库，面向部门级或是某个特定主题（满足特定用户的需求）

分为独立型和从属型

开发方法：

1、从属型数据集市
自上而下
数据一致性好
建立数据仓库成本高

2、独立型数据集市
自下而上
数据再抽取的代价高

3、折中方法：

从整个企业的角度来计划和定义需求
为整个数据仓库建立结构体系
使数据内容一致而且标准化
将数据仓库作为一组数据集市来实施，每次一个
   （这组数据集市具备统一的数据类型、字段长度、精度和语义；此时数据集市是整个数据仓库的逻辑子集）

数据集市与数据仓库的区别

范围：企业级；部门级
主题：企业主题；部门或特殊的分析主题
数据粒度：最细的粒度；较粗的粒度
历史数据：大量的历史数据；适度的历史数据
优化：处理海量数据、数据探索；便于访问和分析、快速查询