《SQL Server 2005数据挖掘与商业智能完全解决方案》学习笔记(1/12-3/12)

 

商业智能实际上包含两个层次：

第一个层次是在整合系统数据的基础上提供灵活的前端展现。

第二个层次是数据库中的知识发现。知识发现的主要技术构成是数据挖掘。

这种层次关系类比自然界中的普遍规律来理解，比如生态系统中的层次，食物链中的层次，软件架构的层次(MVC)等等。

 

一般，业务数据中的表的关系要基于关系数据库设计的范式，而数据仓库中的表不受关系数据库设计范式的约束。

 

在SQL Server创建数据仓库的简单流程：

1 在SSIS中进行ETL操

2 SSAS中定义数据源，数据源视图，数据立方体(多维数据集)，并且将多维数据集部署到Analysis Services数据库中。

3 选择报表服务器项目向导，其中在“选择数据源”窗口中选择部署到第2步中部署到Analysis Services的数据库。

 

数据源：提供与数据库的简单连接

数据源视图：缓存元数据，添加关系，创建计算及设置逻辑等还需要使用数据源视图。在数据源视图中，可以为表设置主键外键使得它们联系起来。一般而言，事实表式没有主键有外键的，而维度表有主键，每一个维度表的主键都是事实表的外键。

 

 

数据的两种组织形式：操作数据和分析数据

 

数据仓库的架构：雪花形，星形，星座形

 

 

数据仓库的设计步骤：

 

 

 

关于事实表：

相对维度表而言，事实表应当尽量减小一条记录的长度，这样才能避免事实表过大而难以管理。即，事实表应该是一个细长的结构。事实表中一般包括两部分，一是由主键和外键组成

的键部分，一是用户希望在数据仓库中所了解的数值指标。

 

关于粒度：

数据仓库通常在同一模式中使用多重粒度。可以用低粒度数据保存近期的财务数据和汇总数据，对时间较远的财务数据只保留粒度较大的汇总数据。        

 

维度有五种类型：

结构为，信息维，分区维，分类维和特殊维。