数据挖掘导论(学习笔记)——2.3数据仓库构建
2013-12-04 08:54
393 查看
2.3数据仓库构建
整个数据仓库系统由数据源、数据存储与管理、OLAP服务器、前端工具等组成。数据仓库系统前端工具包括各种报表、查询、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具。其中,数据分析工具主要针对OLAP服务器,报表工具、数据挖掘工具主要针对数据仓库。
ETL,是指数据抽取(Extract)、转换(Transform)、清洗(Cleaning)、装载(Load)的过程。
在数据仓库的开发过程中,采用的数据模型主要有概念模型、逻辑模型、物理模型、元数据模型、数据粒度和聚集模型。
数据仓库的建设是按照相关业务主题组织和存储海量数据的过程。数据仓库的建立路线主要有如下三种模式:自顶向下、自底向上、平行开发。
数据仓库的建设通常包括确定范围、环境评估、分析、设计、开发、测试和运行等几个步骤。
相关文章推荐
- 数据挖掘导论(学习笔记)——2.4 数据仓库在线分析
- 数据挖掘导论(学习笔记)——2.1数据仓库的概念
- 数据挖掘导论(学习笔记)——2.2 数据仓库数据模型
- 数据挖掘导论(学习笔记)——2.5 数据仓库应用实例
- 《数据挖掘概念与技术》学习笔记第2章(2/10)数据仓库和数据挖掘的OLAP技术
- 数据仓库与数据挖掘技术pdf
- 大数据技术贴:构建一个有指导的数据挖掘模型
- 微软动手实验营笔记 2011.08.18 数据仓库&数据挖掘
- 参与构建中国银行数据仓库的一点感想
- 电信企业参与竞争的利器-数据仓库和数据挖掘
- 【数据挖掘导论】——数据质量
- 大数据技术贴:构建一个有指导的数据挖掘模型
- 数据挖掘:理论与算法(导论)
- 数据挖掘导论-2
- 数据仓库——在“啤酒与尿布”中挖掘
- 如何构建银行数据仓库
- 数据挖掘——学习笔记(机器学习--监督,非监督,半监督学习
- 数据仓库数据挖掘——数据仓库的建立和维护
- 【数据挖掘笔记四】数据仓库和联机分析处理
- 数据仓库——在“啤酒与尿布”中挖掘