数据仓库与数据挖掘的第三章课后习题

第三章习题

1.SQL Server SSAS提供了所有业务数据的统一整合视图，可以作为传统报表、  在线分析处理(OLAP)分析、关键性能指示器记分卡和数据挖掘的基础。

2.数据仓库的概念模型通常采用信息包图法来进行设计，要求将其5个组成部分（包括 名称、维度、类别、层次和 度量）全面地描述出来。

3.数据仓库的逻辑模型通常釆用星型图法来进行设计，要求将星型图的各类逻辑实体完整地描述出来。

4.按照事实表中度量的可加性情况，可以把事实表对应的事实分为4种类型： 事务事实、快照事实、线性项目事实和事件事实。

5.确定了数据仓库的粒度模型以后，为提高数据仓库的使用性能，还需要根据用户需求设计聚合。

6.在项目实施时，根据事实表的特点和用户的查询需求，可以选用时间、业务类 型、区域和下属组织等多种数据分割类型。

7.当维表中的主键在事实表中没有与外键关联时，这样的维称为退化维。它与事实表并无关系，但有时在査询限制条件（如订单号码、出货单编号等）中需要用到。

8. 维度可以根据其变化快慢分为无变化维度、缓慢变化维度和剧烈变化维度三类。

9.数据仓库的数据量通常较大，旦数据一般很少更新，可以通过设计和优化索引结构来提高数据存取性能。

10.数据仓库数据库常见的存储优化方法包括表的归并与簇文件、反向规范化，引入冗余、表的物理 分割（分区）。

11.什么是信息包图法？它为什么适用于数据仓库的概念模型的设计？

答：信息包图法，也叫用户信息需求表，就是在一张平面表格上描述元素的多维性，其中的每一个维度用平面表格的一列表示，通常的维度如时间、地点、产品和顾客等；而细化本列的对象就是类别，例如时间维度的类别可以细化到年、月、日，甚至小时；平面表格的最后一行（代表超立方体中的单元格）即为指标度量值，例如，某年在某销售点的某类产品的实际销售额。创建信息包图时需要确定最高层和最低层的信息需求，以便最终设计出包含各个层次需要的数据仓库 总之，信息包图法是一种自上而下的数据建模方法，即从用户的观点开始设计（用户的观点是通过与用户交流得到的），站在管理者的角度把焦点集中在企业的一个或几个主题上，着重分析主题所涉及数据的多维特性，这种自上而下的方法几乎考虑了所有的信息源，以及这些信息源影响业务活动的方式。

12.简述数据仓库系统设计过程。

答：收集、分析和确认业务分析需求，分析和理解主题和元数据、事实及其量度、粒度和维度的选择与设计、数据仓库的物理存储方式的设计等。

13.一个数据仓库系统的建立通常需要经过哪些步骤？

答：（1）收集和分析业务需求； （2）建立数据模型和数据仓库的物理设计； （3）定义数据源； （4）选择数据仓库技术和平台； （5）从操作型数据库中抽取、清洗及转换数据到数据仓库； （6）选择访问和报表工具，选择数据库连接软件，选择数据分析和数据展示软件； （7）更新数据仓库。

14.运行SQL Server的Adventure Works DW示例数据库，建立多维数据模型练习。

答：参考 3.3 节的过程。