|
|
|
|
移动端

1.4.3 用于支持商业智能决策的展现区

《数据仓库工具箱(第3版)--维度建模权威指南》第1章数据仓库、商业智能及维度建模初步,本章将详细考察数据仓库及商业智能的主要目标,辨析DW/BI管理者与杂志出版商各自责任中存在的不可思议的相似之处。本节为大家介绍用于支持商业智能决策的展现区。

作者:王念滨/周连科/韦正现 译来源:清华大学出版社|2015-12-10 16:36

年前最后一场技术盛宴 | 1月27日与京东、日志易技术大咖畅聊智能化运维发展趋势!


1.4.3  用于支持商业智能决策的展现区

DW/BI展现区用于组织、存储数据,支持用户、报表制作者以及其他分析型商业智能(BI)应用的查询。由于展现区后端的ETL是不允许用户直接进行查询的,所以DW/BI环境中的展现区成为用户关注的区域。业务团队可以在此通过访问工具和BI应用浏览和观察业务。在The Data Warehouse Toolkit一书的第1版中,原先的题目是"获取数据"。获取数据实际上是包含维度模型的展现区的主要职责。

关于展现区,作者有一些必要的建议。首先,我们坚持认为,数据应该以维度模型来展现,要么采用星型模式,要么采用OLAP多维数据库。幸运的是,业界目前已经采用这一观点,对此方式不再存在争议。维度建模是为DW/BI用户发布数据的最可行的技术。

关于展现区,我们第二个主要的建议是必须包含详细的原子数据。为满足用户无法预期的、随意的查询,必须使用原子数据。尽管在展现区,为提高性能也会存储聚集数据,但若仅仅有这些汇总数据而没有形成这些汇总数据的细粒度数据,则这样的展现区是不够完整的。换句话说,在维度模型中仅有汇总数据而查询原子数据时必须访问规范化模型是完全不能被接受的。期望用户通过下钻维度数据到最细粒度的数据级别是不现实的,并且采用这样的方式将失去使用维度展现的意义。虽然DW/BI用户和应用对某个订单的单个条目的查询频度较低,但他们可能对上周产品订单的某种类型(或口味、包装类、供应商)感兴趣,期望找到那些在半年内首次进行购买活动(或具有某一指定状态或具有一定的信用)的用户。展现区中一定要包含最细粒度的数据,以便用户能够获得最准确的查询结果。由于用户需求是不可预知的、不断变化的,因此需要提供各种细节数据,方便用户上卷以解决实际问题。

展现区的数据可以围绕业务过程度量事件来构建。采用这一方法可以自然地裁剪操作型源数据获取系统。维度模型应该对应物理数据获取事件。不应该将它们设计为仅为完成每天的报表工作。企业业务过程往往会有部门或功能的交叉。换句话说,应该为原始销售矩阵建立单一事实表而不是仅仅从相似性来考虑问题。数据库的销售矩阵应该包含与销售、市场、部门和财务有关的项。

必须使用公共的、一致性的维度建立维度结构。这是实现第4章所描述的企业数据仓库总线结构的基础。遵守总线结构是对展现区的最后一个要求。如果没有一种可共享的、一致性的维度,维度模型将成为一种孤立的应用。无法实现交互的、隔离的烟筒型数据集合将导致企业的不兼容视图,是DW/BI系统的最大障碍。如果希望建立一种健壮的、集成的DW/BI环境,则必须采用企业总线结构。采用一致性维度思想设计维度模型,可以随意组合和共同使用它们。大企业DW/BI环境中的展现区最终包含一系列维度模型,该维度模型由事实表和多个关联的维度组成。

利用总线结构建立分布式DW/BI系统是成功的法宝。将总线结构作为基本框架,可采用敏捷的、分散的、范围合适的、迭代的方式建立企业数据仓库。

注意:

处于DW/BI系统的可查询展现区中的数据必须是维度化的、原子(辅以增强性能的聚集)的、以业务过程为中心的。坚持使用总线结构的企业数据仓库,数据不应该按照个别部门需要的数据来构建。

喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码


51CTO读书频道活动讨论群:342347198

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

读 书 +更多

大道至简:软件工程实践者的思想

本书是在“思想方法学”这一软件工程尚未涉足过的领域中的实习之作。作者亲历国内软件工程的英雄时代、泡沫时代,从失败中醒觉而创建独特的...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊