21、面向质量的数据仓库使用与演进

面向质量的数据仓库使用与演进

在数据仓库（DW）的管理中，确保数据质量并适应不断变化的环境是至关重要的。本文将详细介绍一种基于元数据仓库和质量元模型的DWQ（Data Warehouse Quality）质量管理方法，以及数据仓库的演进相关内容。

1. 元数据仓库与质量元模型的利用

我们的质量管理方法基于两个核心要素：
- 元数据仓库 ：提供理解质量目标、质量因素及其相关DW对象所需的所有必要知识。该仓库允许跟踪设计决策，并报告质量目标的历史，包括连续的评估和改进情况。
- 计算引擎 ：由所有质量因素的推导程序组成。该引擎背后的技术可以是简单的函数和程序，也可以是更复杂的推理机制。例如，在评估给定查询的性能时，通常一个数学函数就足够了；而在验证概念模式的一致性时，则需要更复杂的推理机制。

基于这两个要素，DWQ质量管理方法包括三个主要阶段：
- 设计阶段 ：通过定义质量目标的目的、解决该目标的问题集以及回答这些问题的质量因素集来详细阐述质量目标。
- 评估阶段 ：处理质量因素的计算。
- 分析和改进阶段 ：对质量目标评估进行解释，并提出一组改进措施。

DWQ方法在处理质量目标时建议采取四个主要步骤（或生命周期阶段）：设计、当前状态评估、分析和改进以及质量目标的重新评估。以下是对每个步骤的详细介绍：

1.1 设计阶段

当处理质量目标时，利益相关者首先需要定义目标。设计过程是与利益相关