第六讲crm中的数据仓库

《第六讲crm中的数据仓库》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第六讲CRM中的数据仓库主讲：尹秋菊yinqiuju@bit.edu.cn1数据仓库与CRM有着难以割舍的密切关系，客户关系管理的很多工作都是以数据仓库为基础展开的。从某种意义上说，数据仓库是客户关系管理的灵魂。利用数据仓库，企业可以对客户行为进行分析与预测，从而制定准确的市场策略、发现企业的重点客户和评价市场性能，并通过销售和服务等部门与客户交流，实现企业利润的提高。对于客户量大、市场策略对企业影响较大的企业来说，必须在客户关系管理系统中包含数据仓库。2内容6.1数据仓库的定义和特征6.2数据仓库与数据库的区别6.3数据仓库的实施6.4数据仓库的建模模型6.5联机分析处理（OLAP）6.6

2、数据仓库中的数据集成36.1数据仓库的定义和特征数据库技术，特别是OLTP（联机事务处理），主要是为自动化生产、精简工作任务和高速采集数据服务。它是事务驱动的、面向应用的。目前，人们要利用现有的数据，进行分析和推理，从而为决策提供依据。这种需求既要求联机服务，又涉及大量用于决策的数据。而传统的数据库系统已无法满足这种需求：所需历史数据量很大，而传统数据库一般只存储短期数据。涉及许多部门的数据，而不同系统的数据难以集成。对大量数据的访问性能明显下降4数据仓库的定义数据仓库(DataWarehouse)：是一个面向主题的、集成的、随时间而变的、非易失的数据的集合，是支持管理部门的决策过程。数据集

3、市(DataMart)：是一个针对某个主题的经过预统计处理的部门级分析数据库，如销售数据集市、营销数据集市、库存数据集市等。元数据(Metadata)：是数据中的数据，即描述数据的数据，是数据仓库的蓝图，应包括如下内容:原始数据拥有者的信息原始数据的数据源信息数据的商业意义和典型用法。。。5数据仓库概念的两个层次功能上数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；内容上数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。6数据仓库的特征（1）面向主题(subject-oeiented)数据仓库围绕

4、一些主题，如客户、供应商、产品和销售组织。数据仓库关心决策者的数据建模与分析，而不是集中于组织机构的日常操作和事务处理。因此数据仓库排除对决策无用的数据，提供特定主题的简明视图。集成性(integrated)构造数据仓库是将多个异种数据源，如关系数据库、一般文件和联机事务处理记录，集成在一起。使用数据清理和数据集成技术，确保命名约定、编码结构、属性度量等的一致性。7数据仓库的特征（2）时变性(time-variant)数据仓库中数据都是和时间相关，并且每隔一段时间后，运作数据库系统中的数据将被抽取、转换后集成到数据仓库中。非易失性(nonvolatile)数据一旦进入数据仓库就不再改变，因此

5、不需要传统数据库中类似插入、更新、删除等操作，在数据仓库中只有装载操作。8数据仓库的特征（3）可以看出，数据仓库最根本的特点是物理的存放数据，而且这些数据并非是最新的、专有的，而是来源于其它的数据库。数据仓库的建立并不是要取代原有的数据库，而是建立在一个较全面、完善的信息应用的基础上，用于支持高层决策分析。96.2数据仓库与数据库的区别目的不同数据库用于事务处理；数据仓库用于决策支持存储方式不同数据库中的数据以表格方式存储；数据仓库中以数组方式存储查询方式不同数据库中应用OLTP(在线事务处理)；数据仓库应用OLAP(在线分析处理)或数据挖掘响应时间不同数据库要求响应时间短，数据仓库要求响应

6、时间合理数据类型不同数据库针对交易型数据设计的，关心的是短期内每一笔交易的细节信息，并对这些交易记录进行增删改的操作；数据仓库一般只涉及从数据集中观察数据，并不进行增删改等操作。完成任务的性质不同前者要求实时性、交互性，而后者需要涉及大范围的数据计算，复杂的基于多个层次的查询语言。106.3数据仓库的实施主要包括五个部分的内容：数据仓库的设计建模对数据仓库的数据组织进行逻辑结构的设计数据转换与集成将数据进行提取、转换、装载到数据仓库（或集市）中数据存储与管理保证数据的安全性、完整性、一致性数据的分析和展现利用OLAP对数据进行多维分析、汇总，形成图表或报表数据仓库的维护和管理对数据仓库中元数

7、据的管理11数据仓库系统体系结构126.4数据仓库的建模模型数据仓库数据模型采用多维数据模型。可以以星型模型、雪花模型等形式存在。几个相关概念：事实表（Fact）：存储用户需要查询分析的数据，事实表中一般包含多个维（Dimension）和度量（Measurement）。维：数据立方中的空间坐标轴，例如时间维、地区维、产品维。粒度：每个维可以分成若干等级，例如时间维可以分成年、月、日，描述了不同的查询层次。度量