数据仓库工具箱-学习笔记2-数据仓库、商业智能及维度建模初步

本文链接：https://blog.csdn.net/qq403580298/article/details/107342113

数据仓库工具箱-学习笔记2(chapter1数据仓库、商业智能及维度建模初步)

作者认为，没有必要纠结于技术，因为技术只是实现业务的工具，它会更新会变化，而真正根源是解决业务问题，至于什么技术实现不必纠结，探讨的是逻辑设计、物理设计及采用的相关技术和工具的决策和选定。
一、三个重要概念
1.数据仓库 DW(Data Werehousing)、
2.商业智能 BI(Business Intelligence)、
3.维度建模初步 (DW/BI的展现技术)
二、信息的两个目的
1.操作型记录的保存（用户获取订单、下单、付款等）
–>不必维护历史，只需要满足当下业务反馈
2.分析型决策的制定（一周内的订单比较，商品订单量等）
–>需要维护历史，用于做精准的分析和评估

任何工具或者概念的提出都不是夸夸其谈，纸上谈兵，而是为了解决某些问题，被人们发明或者引申出来的。数据仓库和商业智能同样如此，他们的存在大抵是为了解决如下的问题：
1.我们收集了海量数据，但无法访问
2.我们需要以各种方式方便对数据进行切片及切块
3.业务人员需要方便的获得数据
4.将最重要的展示给我
5.会议自始至终争论的是谁的数字正确，而不是指定决策
6.我们希望人们能够使用信息来支持更多的基于事实的决策组制定
转化DW/BI的需求则是：
1.DW/BI系统要能方便地存储信息
2.DW/BI系统必须以一致的形式展示信息
3.DW/BI系统必须能够适应变化
4.DW/BI系统必须能够及时展现信息
5.DW/BI系统必须成为保护信息财富安全的堡垒
6.DW/BI系统必须成为提高决策制定能力的权威和可信的基础(important)
7.DW/BI系统成功的标志是业务群体接受DW/BI系统(important)
作为小白，必须同时提升信息技术和业务能力才能适应整体的节奏。上述的观点均是趋向于用户和业务，所以这两个点万万不能忽视，仅学技术好比站在岸上学不会有用，只能狗刨空气！

三、维度建模简介
维度建模的目的是：
1.以商业用户可理解的方式发布数据
2.提供高效的查询性能
简单性至为重要，目的是为了便于用户去理解数据，确保软件能够快速、有效的发布结果！至理名言：‘凡是应该尽量简单，直到不能再简单为止’

四、维度建模模型
星型模型、OLAP多维数据库
在这里插入图片描述维度建模最常用的两种方式：星型模型、OLAP多维数据库

五、度量和维度
‘事实’ 这个术语表示某个业务度量。例如
在这里插入图片描述右图中事实表中，每一行都是一种度量事件，而每一行的具体数据称为**粒度。同一个事实表中，所有的度量都必须具备相同粒度！！**这样才能确保，数据不会出现重复计算的问题。一般事实表会有两个或者更多外键与维度表的主键关联。可以通过维度表的连接来实现对事实的表达。