《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘》復(fù)習(xí)(共4頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上2011春數(shù)據(jù)倉庫與數(shù)據(jù)挖掘復(fù)習(xí)提綱1、 商務(wù)智能【參考：BI是一種解決方案，它的目的是把用戶積累下來的、大量的數(shù)據(jù)轉(zhuǎn)化為業(yè)務(wù)容易理解的信息，進(jìn)而輔助決策。】2、 Kimball對數(shù)據(jù)倉庫的定義【參考：DW僅僅是構(gòu)成它的數(shù)據(jù)集市的聯(lián)合?！?、 Inmon對數(shù)據(jù)倉庫的定義【參考：一個面向主題的、集成的、隨時間變化的、非易逝的用于支持管理的決策過程的數(shù)據(jù)集合?！?、 ETL【參考：數(shù)據(jù)的提取、轉(zhuǎn)換和裝載，預(yù)處理數(shù)據(jù)并裝在DW中?！?、 數(shù)據(jù)倉庫總線矩陣【參考：該矩陣將公司業(yè)務(wù)過程映射到參與這些過程的實(shí)體或?qū)ο?。矩陣的每一行對?yīng)一個業(yè)務(wù)過程，每一列描述對象，它們參與了各種業(yè)

2、務(wù)過程。】6、 事實(shí)【參考：對一些事件發(fā)生結(jié)果的度量。】7、 維度【參考：維度是維度模型的基礎(chǔ)，用來描述業(yè)務(wù)的對象。】8、 粒度【參考：事實(shí)表中包含信息的詳盡程度。】9、 維度模型【參考：由一個中心事實(shí)表(或者多個事實(shí)表)和與其相關(guān)的維度構(gòu)成。事實(shí)表位于中心，而所有維度表環(huán)繞在其周圍，類似于星形結(jié)構(gòu)，因此又把維度模型稱為星形模式。】10、 業(yè)務(wù)過程維度模型【參考：關(guān)于一個業(yè)務(wù)過程所有的維度模型的集合。】11、 多維數(shù)據(jù)集（又稱為數(shù)據(jù)立方體）由維度和一個或多個度量組構(gòu)成的多維分析結(jié)構(gòu)，用于OLAP12、 部署【參考：將多維數(shù)據(jù)集的定義發(fā)布到OLAP服務(wù)器上的過程?！?3、 OLAP 聯(lián)機(jī)分析處理

3、采用多維數(shù)據(jù)結(jié)構(gòu)和層次結(jié)構(gòu)作為導(dǎo)航，探查匯總數(shù)據(jù)，輔助決策。14、 代理鍵【參考：對于DW/BI系統(tǒng)，需要在數(shù)據(jù)倉庫數(shù)據(jù)庫中建立一組與事務(wù)處理源系統(tǒng)中的鍵分離開來的全新的鍵，稱這種鍵為代理鍵。】獨(dú)立于業(yè)務(wù)鍵的用于數(shù)據(jù)倉庫中的從ETL中的人工鍵15、 漸變維度【參考：屬性值可以改變的維度。分為值的改變需要跟蹤和不需要跟蹤兩種?！?6、 聚合【參考：經(jīng)過預(yù)先計算后形成的匯總表，主要目標(biāo)是用來改進(jìn)查詢性能?！?7、 星型模型【參考：由一個事實(shí)表和多個維度表構(gòu)成的模型。事實(shí)表與維度表是1對多關(guān)系。事實(shí)表位于中心，而所有維度表環(huán)繞在其周圍，類似于星形結(jié)構(gòu)?！?8、 雪花模型【參考：雪花模型是將維度表中的

4、字段和查找表相連接而得到的結(jié)果?！?9、 事實(shí)星座模型 由多個星型模型或雪花模型通過共享維度形成的多事實(shí)表多維度表的模型20、 多維數(shù)據(jù)庫【參考：采用多維數(shù)據(jù)組存儲數(shù)據(jù)，主要應(yīng)用于OLAP服務(wù)器的數(shù)據(jù)存儲結(jié)構(gòu)。】21、 SQL Server 2005的維度層次22、 SQL Server 2005的屬性層次 SQL Server Analysis Service默認(rèn)為每個維度每個屬性構(gòu)成的單層結(jié)構(gòu)23、 數(shù)據(jù)挖掘【參考答案：從海量數(shù)據(jù)中提取有趣模式或知識（有趣是指：隱含的、非平凡的、事先未知的、潛在有用的）】24、 數(shù)據(jù)挖掘的兩大類通用功能【參考答案：描述型數(shù)據(jù)挖掘和預(yù)測型數(shù)據(jù)挖掘。前者用于刻

5、畫數(shù)據(jù)集的一般特征，后者對現(xiàn)有數(shù)據(jù)進(jìn)行推演以用于新實(shí)例（某個屬性的取值）的預(yù)測?！?5、 OLAM【參考答案：On-Line Analytical Mining，聯(lián)機(jī)分析挖掘，將OLAP與數(shù)據(jù)挖掘相互融合進(jìn)行數(shù)據(jù)探查分析，是未來基于數(shù)據(jù)倉庫的數(shù)據(jù)分析的一種趨勢】26、 簡單了解關(guān)聯(lián)分析（又稱為關(guān)聯(lián)規(guī)則挖掘或購物籃分析）、分類、回歸、聚類分析的功能關(guān)聯(lián)分析：發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品（項(xiàng)）之間的聯(lián)系分類：預(yù)測離散屬性的取值回歸：預(yù)測連續(xù)屬性的取值聚類分析：將數(shù)據(jù)分類到不同的類或者簇27、 數(shù)據(jù)倉庫各環(huán)節(jié)工具（如ETL）的市場占有率最高的公司【參考：（1）OLAP市場，微軟第一；（2）ETL市場三大

6、主流：Powercenter（美國Information公司）ETL市場老大；DataStage（IBM公司）；ETL Automation（數(shù)據(jù)倉庫（引擎）老大美國Teradata公司）。DI（Data Integrator（BO公司）28、 數(shù)據(jù)庫和數(shù)據(jù)倉庫的區(qū)別【參考答案：（1）應(yīng)用目的不同：數(shù)據(jù)庫主要用于構(gòu)建聯(lián)機(jī)事務(wù)處理（OLTP）系統(tǒng)，這種系統(tǒng)自己產(chǎn)生新數(shù)據(jù)，每次事務(wù)處理涉及的記錄數(shù)較少，通常為幾條；而數(shù)據(jù)倉庫主要用于構(gòu)建分析型決策支持系統(tǒng)，這種系統(tǒng)自己不產(chǎn)生新數(shù)據(jù)，所使用的數(shù)據(jù)來自于OLTP系統(tǒng)或其他數(shù)據(jù)源。（2）數(shù)據(jù)的時間跨度不同：數(shù)據(jù)庫通常存放較新的業(yè)務(wù)數(shù)據(jù)；而數(shù)據(jù)倉庫中存放的

7、是歷史業(yè)務(wù)數(shù)據(jù)，其時間跨度為510年。（3）數(shù)據(jù)的業(yè)務(wù)范圍不同：數(shù)據(jù)庫系統(tǒng)通常關(guān)注局部業(yè)務(wù)范圍的事務(wù)處理；數(shù)據(jù)倉庫通常要關(guān)注整個企業(yè)的全部業(yè)務(wù)。（4）所采用的設(shè)計技術(shù)不同：數(shù)據(jù)庫面向事務(wù)，采用三范式（3NF）建模；數(shù)據(jù)倉庫則面向主題，采用三范式（3NF）或維度模型建模。（5）注重的技術(shù)不同：數(shù)據(jù)庫系統(tǒng)存在大量的數(shù)據(jù)查詢和數(shù)據(jù)更新，需要重點(diǎn)考慮包括數(shù)據(jù)更新和并發(fā)控制技術(shù)在內(nèi)的各種數(shù)據(jù)處理技術(shù)，而數(shù)據(jù)倉庫以數(shù)據(jù)查詢?yōu)橹?，?shù)據(jù)更新較少，所以不需過多的考慮數(shù)據(jù)更新和并發(fā)控制，主要考慮數(shù)據(jù)查詢性能的提升。】29、 數(shù)據(jù)倉庫的兩大技術(shù)流派及主要差異。【參考：Inmoon和Kimball。（1）數(shù)據(jù)倉庫定義

8、的差異：Bill Inmon將數(shù)據(jù)倉庫定義為“一個面向主題的、集成的、隨時間變化的、非易逝的用于支持管理的決策過程的數(shù)據(jù)集合” 。Ralph Kimball說“數(shù)據(jù)倉庫僅僅是構(gòu)成它的數(shù)據(jù)集市的聯(lián)合” 。（2）數(shù)據(jù)倉庫構(gòu)建方法之爭：恩門的“Building the Data Warehouse”主張建立數(shù)據(jù)倉庫時采用自上而下（DWDM）方式，以第3范式進(jìn)行數(shù)據(jù)倉庫模型設(shè)計，而他生活上的好朋友Ralph Kimball在“The DataWarehouse Toolkit”則是主張自下而上（DMDW）的方式，力推數(shù)據(jù)集市建設(shè)，以致他們的FANS吵鬧得差點(diǎn)打了起來，直至恩門推出新的BI架構(gòu)CIF（C

9、orporation information factory），把Kimball的數(shù)據(jù)集市包括了進(jìn)來才算平息。恩門認(rèn)為星型模型只適用于數(shù)據(jù)集市（星型模型對于數(shù)據(jù)集市是十分理想的），而不適用于數(shù)據(jù)倉庫。(3) 對數(shù)據(jù)集市的理解差異: Inmon：面向部門（Department）的小型數(shù)據(jù)倉庫BPR, Kimball：面向業(yè)務(wù)過程 （Process）的小型數(shù)據(jù)倉庫 BPM?！?0、 Kimball流派主張基于哪四個主要原則的迭代方法來構(gòu)建數(shù)據(jù)倉庫體系【參考：（1）從業(yè)務(wù)著手出發(fā)點(diǎn)；（2）構(gòu)建一個信息基礎(chǔ)設(shè)施設(shè)計一個單一、集成、易用、高效的信息基礎(chǔ)平臺能夠滿足企業(yè)內(nèi)部的各種需求；（3）按時間周期增量

10、交付根據(jù)業(yè)務(wù)價值進(jìn)行優(yōu)先級排序，每個時間周期對應(yīng)時間軸上的612個月；（4）發(fā)布整個解決方案交付DW僅僅是個開始，還要交付即席查詢、報表、OLAP、DW等BI應(yīng)用?！?1、 多對多維度（或多值維度）怎樣表達(dá)？包括哪兩類？ 【參考答案：多對多維度需要增加一個橋接表來表示。它包括維度表和事實(shí)表之間的多對多、維度表與維度表之間的多對多兩類。前者將橋接表與事實(shí)表相連，后者將其中的一個維度表與事實(shí)表相連?！?2、如何使用2×2矩陣確定各業(yè)務(wù)過程所對應(yīng)子項(xiàng)目的優(yōu)先級 ?！緟⒖迹簠^(qū)分優(yōu)先級過程是規(guī)劃會議，涉及DW/BI小組、DW/BI項(xiàng)目的業(yè)務(wù)贊助商，以及公司各部門的其他關(guān)鍵高層管理人員。在會議中

11、，要描述在企業(yè)需求收集過程中所標(biāo)識的業(yè)務(wù)過程，以便每個人都能理解每個業(yè)務(wù)過程的可能性。參加這個會議要準(zhǔn)備PowerPoint演示，以便描述每個業(yè)務(wù)過程，要列舉幾個將支持的相關(guān)分析的示例，以增加對這些分析的業(yè)務(wù)價值的感性認(rèn)識，包括實(shí)現(xiàn)業(yè)務(wù)過程(可行性)所需付出努力的級別。描述要盡可能明快、清晰。試著把演示時間控制在2個小時以內(nèi)。當(dāng)描述每個業(yè)務(wù)過程的時候，也就描述了提供必要數(shù)據(jù)所涉及的有關(guān)努力。一旦每個人都理解了業(yè)務(wù)過程和術(shù)語，可以休息一會兒。會議的后半部分包括區(qū)分業(yè)務(wù)過程的優(yōu)先級。引導(dǎo)會議小組把每個棘手的業(yè)務(wù)過程注釋放置到兩-兩(two-by-two)網(wǎng)格上。】33、 SQL SERVER 20

12、05的三個版本及區(qū)別 。【參考：標(biāo)準(zhǔn)版、企業(yè)版和開發(fā)版。對多數(shù)小型和中等規(guī)模的實(shí)現(xiàn)，標(biāo)準(zhǔn)版可能就足夠了。如果按照不帶索引的數(shù)據(jù)來度量，數(shù)據(jù)卷為50GB或者更少，那么不需要使用企業(yè)版中的可伸縮特性即可實(shí)現(xiàn)。根據(jù)增量加載的卷、頻率和正常運(yùn)行時間的需求，中等規(guī)模的、高達(dá)250GB數(shù)據(jù)量的實(shí)現(xiàn)也可以運(yùn)行在標(biāo)準(zhǔn)版上。對于任何大型的、實(shí)時的、或者其他具有挑戰(zhàn)性的實(shí)現(xiàn)，應(yīng)該計劃使用企業(yè)版。無論生產(chǎn)中采用哪個版本，開發(fā)人員都應(yīng)該使用開發(fā)版。除了選擇標(biāo)準(zhǔn)版還是企業(yè)版外，還需要決定使用32位平臺還是64位平臺?！?4、 SQL SERVER 2005的主動緩存技術(shù)?！緟⒖迹簩τ诘脱舆t的數(shù)據(jù)庫來說，主動緩存相當(dāng)有意

13、義它針對的是實(shí)時多維數(shù)據(jù)集(或者接近實(shí)時的多維數(shù)據(jù)集)。當(dāng)用戶建立主動緩存時，要求Analysis Services監(jiān)控針對度量組分區(qū)的關(guān)系源，并在數(shù)據(jù)發(fā)生變化時自動執(zhí)行增量處理?！?5、 事實(shí)表分哪三類？有什么區(qū)別？【參考：事務(wù)、周期快照及累積快照。迄今為止提到的大多數(shù)事實(shí)表都屬于事務(wù)類型。事務(wù)事實(shí)表跟蹤發(fā)生在非連續(xù)時間點(diǎn)上的每次事務(wù)。周期快照事實(shí)表捕獲特定時間間隔的累積性能，并且對于跨越同一值鏈中的幾個業(yè)務(wù)過程組合數(shù)據(jù)相當(dāng)有用。周期快照事實(shí)也跨越時間間隔聚合許多事實(shí)，并且向用戶提供獲得事實(shí)總數(shù)的快速方法。在特定的時間點(diǎn)獲得快照的位置，例如月末停業(yè)后，累積快照會隨時間而經(jīng)常更新。一般來說，累

14、積快照的設(shè)計包括幾個日期字段，用來捕獲當(dāng)問題中的項(xiàng)經(jīng)過值鏈中的每個業(yè)務(wù)過程或者里程碑時的日期。累積快照提供了延期交付的訂單在任意時間點(diǎn)上的狀態(tài)，以及已完成訂單的歷史紀(jì)錄，通過詳細(xì)檢查歷史記錄以獲得感興趣的度量。】36、 列出BI行業(yè)2007-2008年最大的三筆企業(yè)收購案和現(xiàn)在的四大主宰公司。【參考：甲骨文公司(Oracle，下稱甲骨文)收購了海波龍公司(Hyperion，下稱海波龍)，SAP公司買下了博奧杰軟件公司(Business Objects，下稱博奧杰)，國際商用機(jī)器公司(IBM)則吞并了Cognos公司。IBM、Oracle、SAP、Microsoft?！?7、 業(yè)務(wù)需求定義的主要

15、步驟（1）初始項(xiàng)目作用域，定義業(yè)務(wù)范圍（2）定義企業(yè)級業(yè)務(wù)需求（3）區(qū)分需求優(yōu)先級（4）項(xiàng)目規(guī)劃（5）定義項(xiàng)目業(yè)務(wù)需求38、 企業(yè)級業(yè)務(wù)需求定義過程的主要步驟【參考：（1）準(zhǔn)備；（2）采訪業(yè)務(wù)人員和IT人員；（3）采訪摘要和分析主題；（4）數(shù)據(jù)審核/數(shù)據(jù)記錄；（5）標(biāo)識支持分析主題的業(yè)務(wù)過程；（6）構(gòu)建初始DW總線矩陣；（7）創(chuàng)建全局需求文檔?！?9、 典型的數(shù)據(jù)倉庫/商務(wù)智能（DW/BI）系統(tǒng)三層體系結(jié)構(gòu)?！緟⒖迹簲?shù)據(jù)獲取層（ETL）、數(shù)據(jù)存儲層（ODS和數(shù)據(jù)倉庫）和數(shù)據(jù)展現(xiàn)層（隨即查詢、報表、OLAP和數(shù)據(jù)挖掘）?！?0、 OLAP數(shù)據(jù)庫數(shù)據(jù)的物理存儲有MOLAP等三種可選模式，試簡述事實(shí)

16、數(shù)據(jù)和維度數(shù)據(jù)可以采取的存儲模式以及每種模式中數(shù)據(jù)的存放位置。這三種模式中哪種最節(jié)省存儲空間？【參考：MOLAP：葉子數(shù)據(jù)和聚合存儲為Analysis Services的MOLAP格式。HOLAP：葉子數(shù)據(jù)存儲在關(guān)系數(shù)據(jù)庫中，聚合存儲為MOLAP格式。ROLAP：葉子數(shù)據(jù)和聚合都存儲在源關(guān)系數(shù)據(jù)庫中。MOLAP最節(jié)省存儲空間?！?1、 維度建模的主要步驟及每個步驟的主要成果（或檢查點(diǎn)）【參考：首先是高級維度模型設(shè)計會話/過程（session），該會話定義業(yè)務(wù)過程維度模型的邊界；然后是詳細(xì)模型開發(fā)階段，包括逐個表地填充屬性列表、解決各種問題和不確定性等；最后階段是一系列模型評審、重新設(shè)計、確認(rèn)步驟。高層維度模型設(shè)計的3個檢查點(diǎn)是高級圖形模型、初始屬性列表和初始