數據倉庫學習筆記（一）

第一章  決策支持系統的發展

    決策支持系統(decision support system ，簡稱dss)，能夠爲決策者提供分析問題、創建模型、模擬決策過程和方案的環境，調用各類信息資源和分析工具，幫助決策者提升決策水平和質量，它是管理信息系統(mis)向更高一級發展而產生的先進信息管理系統。

    數據倉庫技術就是爲更好的實現DDS而出現的。

    對於操做性事務處理，大多采用傳統開發模式（SDLC開發週期），其步驟爲：先理解需求，而後進入設計和開發階段，數據庫的設計都是創建在有了具體的需求之上的。能夠想象，不一樣的系統之間，需求必然也是不一樣的，每開發一個新的系統，都會根據各自的需求創建一個數據系統。在不少大型企業當中，他們所在使用的軟件系統有不少，不一樣系統之間的實現方式、使用的數據庫等都有可能存在差別，但對於決策者來講，當他須要將多個系統中的數據進行統計分析的時候，就會遇到很大的麻煩。合理的使用數據倉庫技術，能夠有效的解決操做性事務處理與分析性事務處理的矛盾。

    數據倉庫技術基於體系結構化環境，將數據存儲分爲了四個層次：操做層、原子/數據倉庫層、部門層、個體層。操做層數據只包含面向應用的原始數據，而且主要服務於高性能事務處理領域；數據倉庫層只包含面向應用的原始歷史數據；部門/數據集市層則是根據最終用戶的需求爲知足其特殊須要而創建的。（具體能夠看下《數據倉庫》第一章中對數據倉庫體系結構化環境的講解）

    對於體系結構化環境，我理解爲：操做層中的數據，就是操做型事務處理系統平常運行使用的數據（數據庫/表）；根據需求，按期的將操做層中的數據進行集成，傳向數據倉庫環境（這裏的集成能夠本身去查閱資料理解下，很重要的概念），集成的過程能夠經過使用ETL工具來進行，能夠提升效率；當須要進行數據分析系統的開發時，以數據爲驅動，分析系統功能，從數據倉庫層中抽取出所須要的數據放入部門/數據集市層分析使用；當有更細分的分析業務時，能夠對部門層數據再次進行提取，放入個體層中，供分析使用。這樣，各層之間的數據冗餘就會大大下降。

    總結一下，經過對第一章的學習，首先從總體上了解數據倉庫是爲了解決什麼問題而產生的；進而經過分析數據倉庫的體系結構層次瞭解數據倉庫的體系原理；理解需求驅動開發與數據驅動開發的區別。