數(shù)據(jù)庫(kù)倉(cāng)庫(kù)和BI企業(yè)級(jí)技術(shù)課件

為什么選擇數(shù)據(jù)倉(cāng)庫(kù)隨著信息化建設(shè)的不斷推進(jìn)，產(chǎn)生了大量的數(shù)據(jù)。必須合理科學(xué)的應(yīng)用這些數(shù)據(jù)，為業(yè)務(wù)決策提供強(qiáng)有力的數(shù)據(jù)支持。簡(jiǎn)單的報(bào)表應(yīng)用已經(jīng)無(wú)法滿足需求，因此需要使用更強(qiáng)大數(shù)據(jù)倉(cāng)庫(kù)及其相關(guān)應(yīng)用。平臺(tái)作為財(cái)政數(shù)據(jù)平臺(tái)有著標(biāo)準(zhǔn)化的存儲(chǔ)結(jié)構(gòu)和全面多樣的業(yè)務(wù)數(shù)據(jù)，可以作為財(cái)政數(shù)據(jù)倉(cāng)庫(kù)的可靠數(shù)據(jù)來(lái)源。為什么選擇數(shù)據(jù)倉(cāng)庫(kù)隨著信息化建設(shè)的不斷推進(jìn)，產(chǎn)生了大量的數(shù)據(jù)1數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的體系結(jié)構(gòu)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念2數(shù)據(jù)倉(cāng)庫(kù)概念歷史

數(shù)據(jù)倉(cāng)庫(kù)概念始于上世紀(jì)80年代中期，首次出現(xiàn)是在被譽(yù)為“數(shù)據(jù)倉(cāng)庫(kù)之父”WilliamH.Inmon的《建立數(shù)據(jù)倉(cāng)庫(kù)》一書(shū)中。定義

數(shù)據(jù)倉(cāng)庫(kù)是在管理和決策中面向主題的、集成的、隨時(shí)間變化的、相對(duì)穩(wěn)定的數(shù)據(jù)集合按技術(shù)劃分抽取、存儲(chǔ)與管理、數(shù)據(jù)的表現(xiàn)決策支持系統(tǒng)(DSS,DecisionSupportSystem)準(zhǔn)確、安全、可靠地取出數(shù)據(jù)，經(jīng)過(guò)加工轉(zhuǎn)換成有規(guī)律信息之后，再供管理人員進(jìn)行分析使用。數(shù)據(jù)倉(cāng)庫(kù)概念歷史3商業(yè)智能的概念（BI）

商業(yè)智能的核心內(nèi)容是從業(yè)務(wù)處理系統(tǒng)的數(shù)據(jù)中，提取出有用的數(shù)據(jù)，進(jìn)行清理以保證數(shù)據(jù)的正確性，然后經(jīng)過(guò)抽?。‥xtraction）、轉(zhuǎn)換（Transformation）和裝載（Load），即ETL

過(guò)程，整合到一個(gè)企業(yè)級(jí)的數(shù)據(jù)倉(cāng)庫(kù)里，從而得到企業(yè)信息的一個(gè)全局視圖，在此基礎(chǔ)上利用合適的查詢(xún)和分析工具、數(shù)據(jù)挖掘工具等對(duì)數(shù)據(jù)倉(cāng)庫(kù)里的數(shù)據(jù)進(jìn)行分析和處理，形成信息，甚至進(jìn)一步把信息提煉出輔助決策的知識(shí)，最后把知識(shí)呈現(xiàn)給管理者，為管理者的決策過(guò)程提供支持。商業(yè)智能的概念（BI）商業(yè)智能的核心內(nèi)4商業(yè)智能的概念（BI）商業(yè)智能的概念（BI）5傳統(tǒng)的決策模式傳統(tǒng)的決策模式6商業(yè)智能環(huán)境下的決策流程商業(yè)智能環(huán)境下的決策流程7數(shù)據(jù)倉(cāng)庫(kù)與商業(yè)智能關(guān)系數(shù)據(jù)倉(cāng)庫(kù)是商業(yè)智能的基礎(chǔ)。數(shù)據(jù)倉(cāng)庫(kù)

數(shù)據(jù)倉(cāng)庫(kù)從概念上更多地側(cè)重在對(duì)各類(lèi)信息的整合工作，包括了數(shù)據(jù)的遷移，數(shù)據(jù)的組織和存儲(chǔ)，數(shù)據(jù)的管理與維護(hù)這些我們平常稱(chēng)之為后臺(tái)的基礎(chǔ)性的數(shù)據(jù)準(zhǔn)備工作。商業(yè)智能商業(yè)智能則側(cè)重在數(shù)據(jù)查詢(xún)和報(bào)告、多維/聯(lián)機(jī)數(shù)據(jù)分析、數(shù)據(jù)挖掘和數(shù)據(jù)可視化工具這些平常稱(chēng)之為所謂前臺(tái)的數(shù)據(jù)應(yīng)用方面，其中數(shù)據(jù)挖掘是商業(yè)智能中比較高層次的一種應(yīng)用。數(shù)據(jù)倉(cāng)庫(kù)與商業(yè)智能關(guān)系數(shù)據(jù)倉(cāng)庫(kù)是商業(yè)智能的基礎(chǔ)。8數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的體系結(jié)構(gòu)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念9數(shù)據(jù)庫(kù)倉(cāng)庫(kù)和BI企業(yè)級(jí)技術(shù)10數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能的體系結(jié)構(gòu)數(shù)據(jù)源ETL數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)集市元數(shù)據(jù)OLAP數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能的體系結(jié)構(gòu)數(shù)據(jù)源111.數(shù)據(jù)源平臺(tái)數(shù)據(jù)庫(kù)外部數(shù)據(jù)（格式：txt、excel、dbf等文件格式）其它數(shù)據(jù)庫(kù)1.數(shù)據(jù)源平臺(tái)數(shù)據(jù)庫(kù)122、ETLE:Extract從源數(shù)據(jù)抽取數(shù)據(jù)T:Transform把抽取的數(shù)據(jù)進(jìn)行轉(zhuǎn)換L:Load把轉(zhuǎn)換好的數(shù)據(jù)裝載到數(shù)據(jù)倉(cāng)庫(kù)中。2、ETLE:Extract從源數(shù)據(jù)抽取數(shù)據(jù)133、數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的一個(gè)目的就是把企業(yè)的信息訪問(wèn)基礎(chǔ)從一種非結(jié)構(gòu)化的改變成一種結(jié)構(gòu)化、發(fā)展中的環(huán)境改變成規(guī)劃良好的環(huán)境。業(yè)務(wù)處理系統(tǒng)是面向應(yīng)用來(lái)設(shè)計(jì)的，更準(zhǔn)確地說(shuō)是面向交易來(lái)設(shè)計(jì)。而數(shù)據(jù)倉(cāng)庫(kù)一般來(lái)說(shuō)是按主題(Subject)來(lái)建模,是面向查詢(xún)主題的。3、數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的一個(gè)目的就是把企業(yè)的信息訪問(wèn)基礎(chǔ)從一種143.數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的關(guān)鍵特征星型模式粒度分割3.數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的關(guān)鍵特征153.數(shù)據(jù)倉(cāng)庫(kù)--關(guān)鍵特征面向主題的（subject-oriented）集成的（integrated）時(shí)變的（time-variant）非易失的（nonvolatile）數(shù)據(jù)倉(cāng)庫(kù)是一種語(yǔ)義上一致的數(shù)據(jù)存

儲(chǔ)，它充當(dāng)決策支持?jǐn)?shù)據(jù)模型的物理實(shí)現(xiàn)，并存放業(yè)務(wù)決策所需信息。數(shù)據(jù)倉(cāng)庫(kù)通過(guò)將異種數(shù)據(jù)源中的數(shù)據(jù)集成在一起而構(gòu)造，支持結(jié)構(gòu)化的和專(zhuān)門(mén)的查詢(xún)、分析報(bào)告和決策。3.數(shù)據(jù)倉(cāng)庫(kù)--關(guān)鍵特征面向主題的（subject-orie163.數(shù)據(jù)倉(cāng)庫(kù)--星型模式3.數(shù)據(jù)倉(cāng)庫(kù)--星型模式173.數(shù)據(jù)倉(cāng)庫(kù)--星型模式3.數(shù)據(jù)倉(cāng)庫(kù)--星型模式183.數(shù)據(jù)倉(cāng)庫(kù)--粒度粒度是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)的匯總程度高低的一個(gè)度量，（按省級(jí)匯總或按市級(jí)匯總就是不同的粒度）它既影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量的多少，也影響數(shù)據(jù)倉(cāng)庫(kù)所能回答詢(xún)問(wèn)信息的種類(lèi)。在數(shù)據(jù)倉(cāng)庫(kù)中，多維粒度是必不可少的。由于數(shù)據(jù)倉(cāng)庫(kù)的主要作用是多維分析，因而絕大多數(shù)查詢(xún)都基于一定程度的匯總數(shù)據(jù)之上的，只有極少數(shù)查詢(xún)涉及到細(xì)節(jié)。3.數(shù)據(jù)倉(cāng)庫(kù)--粒度19分割分割，目的在于提高效率。它是將數(shù)據(jù)分散到各自的物理單元中去,以便能分別獨(dú)立處理，以實(shí)現(xiàn)查詢(xún)操作的并行。有許多數(shù)據(jù)分割的標(biāo)準(zhǔn)可供參考:如時(shí)間、地域、業(yè)務(wù)領(lǐng)域等等,也可以是其組合。一般而言,分割標(biāo)準(zhǔn)總應(yīng)包括一些能讓它十分自然而且分割均勻的項(xiàng)目，例如時(shí)間項(xiàng)。分割分割，目的在于提高效率。它是將數(shù)據(jù)分散到各自的204、數(shù)據(jù)集市數(shù)據(jù)集市分兩種，獨(dú)立的數(shù)據(jù)集市（IndependentDataMart）和從屬的數(shù)據(jù)集市（DependentDataMart）。4、數(shù)據(jù)集市數(shù)據(jù)集市分兩種，獨(dú)立的數(shù)據(jù)集市（Inde21兩種數(shù)據(jù)集市對(duì)比對(duì)比優(yōu)點(diǎn)缺點(diǎn)從屬數(shù)據(jù)集市保證數(shù)據(jù)一致性；架構(gòu)比較理想，可擴(kuò)展能力強(qiáng)依賴(lài)與中心數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施；實(shí)施周期長(zhǎng)；實(shí)施成本高；獨(dú)立數(shù)據(jù)集市實(shí)施周期短；實(shí)施成本低；沒(méi)有消除信息分割；可擴(kuò)展能力弱；后期整合困難。財(cái)政領(lǐng)域應(yīng)用在平臺(tái)實(shí)施的基礎(chǔ)上以從屬數(shù)據(jù)集市為主。兩種數(shù)據(jù)集市對(duì)比對(duì)比優(yōu)點(diǎn)缺點(diǎn)從屬數(shù)據(jù)集市保證數(shù)據(jù)一致性；依225.元數(shù)據(jù)(Meta-data)

定義:“關(guān)于數(shù)據(jù)的數(shù)據(jù)”，是描述和管理數(shù)據(jù)倉(cāng)庫(kù)自身內(nèi)容對(duì)象、用來(lái)表示數(shù)據(jù)項(xiàng)的意義及其在系統(tǒng)各組成部件之間的關(guān)系的數(shù)據(jù)。數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)包括：（1）數(shù)據(jù)資源：包括各個(gè)數(shù)據(jù)源的模型，描述源數(shù)據(jù)表字段屬性及業(yè)務(wù)含義，源數(shù)據(jù)到數(shù)據(jù)倉(cāng)庫(kù)的映射關(guān)系；（2）數(shù)據(jù)組織：數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市表的結(jié)構(gòu)、屬性及業(yè)務(wù)含義，多維結(jié)構(gòu)等；（3）數(shù)據(jù)應(yīng)用：查詢(xún)與報(bào)表輸出格式描述、OLAP、數(shù)據(jù)挖掘等的數(shù)據(jù)模型的信息展現(xiàn)、商業(yè)術(shù)語(yǔ)；（4）數(shù)據(jù)管理：這里包括數(shù)據(jù)倉(cāng)庫(kù)過(guò)程以及數(shù)據(jù)倉(cāng)庫(kù)操作結(jié)果的模型，包括描述數(shù)據(jù)抽取和清洗規(guī)則、數(shù)據(jù)加載控制、臨時(shí)表結(jié)構(gòu)、用途和使用情況、數(shù)據(jù)匯總控制。5.元數(shù)據(jù)(Meta-data)定義:235.元數(shù)據(jù)類(lèi)型業(yè)務(wù)元數(shù)據(jù)用業(yè)務(wù)名稱(chēng)、定義、描述和別名來(lái)表示數(shù)據(jù)倉(cāng)庫(kù)和業(yè)務(wù)系統(tǒng)中的各種屬性，直接供最終用戶使用。業(yè)務(wù)元數(shù)據(jù)使最終用戶能夠更好理解、使用數(shù)據(jù)倉(cāng)庫(kù)，成為最終用戶在數(shù)據(jù)倉(cāng)庫(kù)中的業(yè)務(wù)信息地圖。技術(shù)元數(shù)據(jù)技術(shù)元數(shù)據(jù)描述了源系統(tǒng)、數(shù)據(jù)轉(zhuǎn)換、抽取過(guò)程、工作流、加載策略以及目標(biāo)數(shù)據(jù)庫(kù)的定義等。用來(lái)進(jìn)行影響分析、變化管理、數(shù)據(jù)庫(kù)優(yōu)化、任務(wù)調(diào)度和安全管理等。操作元數(shù)據(jù)操作元數(shù)據(jù)描述了目標(biāo)表中的信息，如粒度、創(chuàng)建目標(biāo)表和索引的信息、刷新時(shí)間、記錄數(shù)、按時(shí)執(zhí)行任務(wù)的設(shè)置以及有權(quán)訪問(wèn)數(shù)據(jù)的用戶。操作元數(shù)據(jù)用于數(shù)據(jù)倉(cāng)庫(kù)的維護(hù)和分布。5.元數(shù)據(jù)類(lèi)型業(yè)務(wù)元數(shù)據(jù)24多維分析OLAPOLAP

(On-LineanalyticalProcessing)在線分析處理切片和切塊(SliceandDice)鉆取(Drill)旋轉(zhuǎn)(Rotate)多維分析OLAPOLAP(On-Lineanalyti256、OLAP分析是一類(lèi)軟件技術(shù)分析人員能從多個(gè)角度獲得對(duì)數(shù)據(jù)的更深入了解特點(diǎn)：快速、一致、交互多維視圖分析數(shù)據(jù)的工具根據(jù)用戶常用的多種分析角度，事先計(jì)算好一些輔助結(jié)構(gòu)，以便在查詢(xún)時(shí)能盡快訪問(wèn)到所要的匯總數(shù)字，并快速地從一維轉(zhuǎn)變到另一維，將不同角度的信息以數(shù)字、直方圖、餅圖、曲線等等方式展現(xiàn)在用戶面前。6、OLAP分析是一類(lèi)軟件技術(shù)26切片和切塊(SliceandDice)切片 取二維數(shù)據(jù)，稱(chēng)為切片。切塊取三維數(shù)據(jù)，稱(chēng)為切塊。切片和切塊(SliceandDice)切片27切片和切塊(SliceandDice)切片和切塊(SliceandDice)28鉆取(Drill)

鉆取包含向下鉆取(Drill-down)和向上鉆取(Drill-up)操作，鉆取的深度與維所劃分的層次相對(duì)應(yīng)。鉆取(Drill)鉆取包含向下鉆取(Drill-dow29旋轉(zhuǎn)(Rotate)旋轉(zhuǎn)(Rotate)30數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的體系結(jié)構(gòu)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念31主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析1.數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品介紹2.產(chǎn)品支撐技術(shù)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析1.數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品介紹32主要數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品供應(yīng)商介紹OracleIBMMicrosoftSASTeradataSybaseBusinessObjects(SAP)主要數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品供應(yīng)商介紹Oracle33Oracle介紹

Oracle公司的數(shù)據(jù)倉(cāng)庫(kù)解決方案包含了數(shù)據(jù)庫(kù)平臺(tái)、開(kāi)發(fā)工具和應(yīng)用系統(tǒng)，能夠提供一系列的數(shù)據(jù)倉(cāng)庫(kù)工具集和服務(wù)，具有多用戶數(shù)據(jù)倉(cāng)庫(kù)管理能力，多種分區(qū)方式，與OLAP工具的交互能力，及數(shù)據(jù)移動(dòng)機(jī)制等特性。Oracle的優(yōu)勢(shì)在于大多數(shù)業(yè)務(wù)系統(tǒng)采用oracle數(shù)據(jù)庫(kù)。Oracle介紹Oracle公司34IBM介紹

IBM公司的數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品稱(chēng)為DB2DataWarehouseEdition，它結(jié)合了DB2數(shù)據(jù)服務(wù)器的長(zhǎng)處和IBM的商業(yè)智能基礎(chǔ)設(shè)施，集成了用于倉(cāng)庫(kù)管理、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘以及OLAP分析和報(bào)告的核心組件，提供了一套基于可視數(shù)據(jù)倉(cāng)庫(kù)的商業(yè)智能解決方案。IBM的優(yōu)勢(shì)在于解決方案比較完善。IBM介紹IBM公司的數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品35Microsoft介紹

微軟的SQLServer提供了三大服務(wù)和一個(gè)工具來(lái)實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的整合，為用戶提供了可用于構(gòu)建典型和創(chuàng)新的分析應(yīng)用程序所需的各種特性、工具和功能，可以實(shí)現(xiàn)建模、ETL、建立查詢(xún)分析或圖表、定制KPI、建立報(bào)表和構(gòu)造數(shù)據(jù)挖掘應(yīng)用及發(fā)布等功能。微軟的優(yōu)勢(shì)在于簡(jiǎn)單易用。Microsoft介紹微軟的SQL36SAS

SAS公司的數(shù)據(jù)倉(cāng)庫(kù)解決方案是一個(gè)由30多個(gè)專(zhuān)用模塊構(gòu)成的架構(gòu)體系，適應(yīng)于對(duì)企業(yè)級(jí)的數(shù)據(jù)進(jìn)行重新整合，支持多維、快速查詢(xún)，提供服務(wù)于OLAP操作和決策支持的數(shù)據(jù)采集、管理、處理和展現(xiàn)功能。SAS優(yōu)勢(shì)在于數(shù)據(jù)挖掘和統(tǒng)計(jì)分析。SASSAS公司的數(shù)據(jù)倉(cāng)庫(kù)解決方案是37Teradata

Teradata公司提出了可擴(kuò)展數(shù)據(jù)倉(cāng)庫(kù)基本架構(gòu)，包括數(shù)據(jù)裝載、數(shù)據(jù)管理和信息訪問(wèn)幾個(gè)部分，是高端數(shù)據(jù)倉(cāng)庫(kù)市場(chǎng)最有力競(jìng)爭(zhēng)者，主要運(yùn)行在基于Unix操作系統(tǒng)平臺(tái)的NCR硬件設(shè)備上,在銀行領(lǐng)域應(yīng)用廣泛。TeradataTeradata公司38Sybase介紹

Sybase提供了稱(chēng)為WarehouseStudio的一整套覆蓋整個(gè)數(shù)據(jù)倉(cāng)庫(kù)建立周期的產(chǎn)品包，包括數(shù)據(jù)倉(cāng)庫(kù)的建模、數(shù)據(jù)集成和轉(zhuǎn)換、數(shù)據(jù)存儲(chǔ)和管理、元數(shù)據(jù)管理和數(shù)據(jù)可視化分析等產(chǎn)品。Sybase介紹Sybase提供了39BusinessObjects（SAP）介紹

BusinessObjects是BI工具，集查詢(xún)、報(bào)表和OLAP技術(shù)為一身的智能決策支持系統(tǒng)，具有較好的查詢(xún)和報(bào)表功能，提供多維分析技術(shù)，支持多種數(shù)據(jù)庫(kù)，同時(shí)它還支持基于Web瀏覽器的查詢(xún)、報(bào)表和分析決策。被SAP收購(gòu)后，目前還沒(méi)有完整數(shù)據(jù)倉(cāng)庫(kù)解決方案。BusinessObjects（SAP）介紹40主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品介紹支撐技術(shù)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品介紹41數(shù)據(jù)倉(cāng)庫(kù)技術(shù)1、數(shù)據(jù)庫(kù)技術(shù)2、ETL技術(shù)3、OLAP技術(shù)4、報(bào)表技術(shù)5、數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)1、數(shù)據(jù)庫(kù)技術(shù)42數(shù)據(jù)庫(kù)技術(shù)

數(shù)據(jù)庫(kù)技術(shù)是支撐數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的基礎(chǔ)技術(shù)。盡管在數(shù)據(jù)倉(cāng)庫(kù)技術(shù)存儲(chǔ)模型方面，基于數(shù)據(jù)庫(kù)技術(shù)而發(fā)展的關(guān)系模式的理念已經(jīng)被顛覆，取而代之是各種各樣的數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)模型，如星型模型，雪花模型等。然而，在已有的數(shù)據(jù)倉(cāng)庫(kù)實(shí)踐中，關(guān)系數(shù)據(jù)庫(kù)仍然是實(shí)質(zhì)的數(shù)據(jù)庫(kù)存儲(chǔ)工具，只是將數(shù)據(jù)庫(kù)表改稱(chēng)為了事實(shí)表和維表，將屬性域之間的關(guān)系重新定義為維度，量度，層次，粒度等。數(shù)據(jù)庫(kù)技術(shù)數(shù)據(jù)庫(kù)技術(shù)是支撐數(shù)據(jù)倉(cāng)庫(kù)技43數(shù)據(jù)倉(cāng)庫(kù)后臺(tái)數(shù)據(jù)庫(kù)比較產(chǎn)品供應(yīng)商數(shù)據(jù)庫(kù)產(chǎn)品效率兼容性管理磁盤(pán)空間OracleOracle優(yōu)IBMDB2優(yōu)MicrosoftSQLServer優(yōu)SASTeradataTeradata差差SybaseSybaseIQ優(yōu)優(yōu)SAP數(shù)據(jù)倉(cāng)庫(kù)后臺(tái)數(shù)據(jù)庫(kù)比較產(chǎn)品供應(yīng)商數(shù)據(jù)庫(kù)產(chǎn)品效率兼容性管理磁盤(pán)44ETL技術(shù)

數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)是集成的、與時(shí)間相關(guān)的數(shù)據(jù)集合，ETL作為數(shù)據(jù)倉(cāng)庫(kù)的核心，負(fù)責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行抽取、清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中，成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。ETL能夠按照統(tǒng)一的規(guī)則集成并提高數(shù)據(jù)的價(jià)值，是負(fù)責(zé)完成數(shù)據(jù)從數(shù)據(jù)源向目標(biāo)數(shù)據(jù)倉(cāng)庫(kù)轉(zhuǎn)化的過(guò)程，是實(shí)施數(shù)據(jù)倉(cāng)庫(kù)的重要步驟。要實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的自動(dòng)更新運(yùn)轉(zhuǎn)，ETL技術(shù)是必不可少的關(guān)鍵技術(shù)之一。ETL技術(shù)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)是集成的、與時(shí)45產(chǎn)品供應(yīng)商ETL工具特點(diǎn)OracleOracleWarehouseBuilder(OWB)數(shù)據(jù)倉(cāng)庫(kù)組件IBMIBMWebSphereDataStage整個(gè)ETL過(guò)程提供了一個(gè)圖形化的開(kāi)發(fā)環(huán)境，支持對(duì)多種操作數(shù)據(jù)源的數(shù)據(jù)抽取、轉(zhuǎn)換和維護(hù)，并將其輸入數(shù)據(jù)集或數(shù)據(jù)倉(cāng)庫(kù)MicrosoftIntegrationServices數(shù)據(jù)倉(cāng)庫(kù)組件SASETLStudio管理ETL流程和建立數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市和OLAP結(jié)構(gòu)的單控制點(diǎn)TeradataETLAutomation利用Teradata數(shù)據(jù)庫(kù)本身的并行處理能力，通過(guò)SQL語(yǔ)句實(shí)現(xiàn)數(shù)據(jù)的轉(zhuǎn)換，提供對(duì)ETL流程的支持，包括前后依賴(lài)、執(zhí)行和監(jiān)控等SybaseDataIntegrationSuite數(shù)據(jù)倉(cāng)庫(kù)組件SAPDataIntegrator數(shù)據(jù)倉(cāng)庫(kù)組件InformaticaPowerCenter二次開(kāi)發(fā)、集成和開(kāi)放性強(qiáng)于其它產(chǎn)品供應(yīng)商ETL工具特點(diǎn)OracleOracleWare46OLAP技術(shù)

聯(lián)機(jī)分析處理(OLAP)是針對(duì)特定問(wèn)題的聯(lián)機(jī)數(shù)據(jù)訪問(wèn)和分析，通過(guò)對(duì)信息進(jìn)行快速、穩(wěn)定、一致和交互式的存取，對(duì)數(shù)據(jù)進(jìn)行多層次、多階段的分析處理，以獲得高度歸納的分析結(jié)果。聯(lián)機(jī)事務(wù)處理(OLTP)已不能滿足終端用戶對(duì)數(shù)據(jù)庫(kù)查詢(xún)分析的需要，SQL對(duì)大數(shù)據(jù)庫(kù)進(jìn)行的簡(jiǎn)單查詢(xún)也不能滿足用戶分析的需求。用戶的決策分析需要對(duì)關(guān)系數(shù)據(jù)庫(kù)進(jìn)行大量計(jì)算才能得到結(jié)果，而查詢(xún)的結(jié)果并不能滿足決策者提出的需求，由此出現(xiàn)了多維數(shù)據(jù)庫(kù)和多維分析的概念。OLAP技術(shù)聯(lián)機(jī)分析處理(OLAP)是47產(chǎn)品供應(yīng)商O(píng)LAP產(chǎn)品OLAP分析工具數(shù)據(jù)庫(kù)特點(diǎn)OracleExpress/Discoverer支持DB2，Oracle，SQLServer，Sybase等對(duì)自己的數(shù)據(jù)庫(kù)產(chǎn)品的支持均好于其它數(shù)據(jù)庫(kù)，分析工具基于開(kāi)放的OLEDB標(biāo)準(zhǔn)，可以訪問(wèn)支持OLEDB標(biāo)準(zhǔn)的數(shù)據(jù)立方體IBMCOGNOSMicrosoftAnalysisServicesSASOLAPServerTeradata提供了相關(guān)技術(shù)，用于提升運(yùn)行于Teradata數(shù)據(jù)庫(kù)上的OLAP應(yīng)用系統(tǒng)的性能SybasePowerDimension標(biāo)準(zhǔn)OLAPAPI能夠?qū)icrosoft、IBM等OLAP數(shù)據(jù)進(jìn)行劃分、鉆取等處理，兼容第三方報(bào)表和展現(xiàn)工具SAPOLAPIntelligence產(chǎn)品供應(yīng)商O(píng)LAP產(chǎn)品OLAP分析工具數(shù)據(jù)庫(kù)特點(diǎn)Oracle48報(bào)表技術(shù)

報(bào)表技術(shù)主要是將集成在數(shù)據(jù)模型里的數(shù)據(jù)，按照復(fù)雜的格式、指定行列統(tǒng)計(jì)項(xiàng)，計(jì)算形成的特殊表格。一般的簡(jiǎn)單報(bào)表可以使用通用的前臺(tái)展現(xiàn)技術(shù)實(shí)現(xiàn)，而復(fù)雜的報(bào)表則需要使用特定的報(bào)表技術(shù)。主流的報(bào)表技術(shù)都可以靈活的制定各種報(bào)表模版庫(kù)和指標(biāo)庫(kù)，并根據(jù)每個(gè)區(qū)塊或單元格的需要引用指標(biāo)，實(shí)現(xiàn)一系列復(fù)雜的符合要求的報(bào)表的自動(dòng)生成。報(bào)表技術(shù)報(bào)表技術(shù)主要是將集成在數(shù)據(jù)模型49產(chǎn)品供應(yīng)商報(bào)表工具特點(diǎn)OracleOracleReports提供了自由的數(shù)據(jù)格式方式，可以自動(dòng)生成個(gè)性化字母或矩陣風(fēng)格的布局，包括動(dòng)態(tài)、數(shù)據(jù)驅(qū)動(dòng)的圖表IBMCOGNOS覆蓋了各種報(bào)表需求，包括管理報(bào)表、商業(yè)報(bào)表、賬單和發(fā)票等。基于Olapserver實(shí)現(xiàn)查詢(xún)分析操作.MicrosoftReportingServices(SSRS)（含）處理組件、一整套可用于創(chuàng)建和管理報(bào)表的工具、在自定義應(yīng)用程序中集成和擴(kuò)展數(shù)據(jù)和報(bào)表處理的APISASReportStudio功能、性能、二次開(kāi)發(fā)等方面都還存在著一定的差距TeradataBTEQSybaseInfoMakerSAPCrystalReports提供了一個(gè)完整的企業(yè)報(bào)表解決方案CrystalReportsServer，支持通過(guò)Web快速便捷的創(chuàng)建、管理和交付報(bào)表產(chǎn)品供應(yīng)商報(bào)表工具特點(diǎn)OracleOracleReport50數(shù)據(jù)挖掘技術(shù)

當(dāng)數(shù)據(jù)積累到一定數(shù)量時(shí)，某些潛在聯(lián)系、分類(lèi)、推導(dǎo)結(jié)果和待發(fā)現(xiàn)價(jià)值隱藏在其中，可以使用數(shù)據(jù)發(fā)掘工具幫助發(fā)現(xiàn)這些有價(jià)值的數(shù)據(jù)。數(shù)據(jù)挖掘就是從海量數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又可能有用的信息和知識(shí)的過(guò)程。通過(guò)數(shù)據(jù)挖掘能找出數(shù)據(jù)庫(kù)中隱藏的信息，實(shí)現(xiàn)用模型來(lái)擬合數(shù)據(jù)、探索型數(shù)據(jù)分析，數(shù)據(jù)驅(qū)動(dòng)型的發(fā)現(xiàn)，演繹型學(xué)習(xí)等功能。數(shù)據(jù)挖掘技術(shù)當(dāng)數(shù)據(jù)積累到一定數(shù)量時(shí)，51產(chǎn)品供應(yīng)商挖掘工具特點(diǎn)OracleOracleDataMiner提供圖形用戶界面，通過(guò)向?qū)?lái)指導(dǎo)完成數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、模型評(píng)估和模型評(píng)價(jià)過(guò)程，根據(jù)需要自動(dòng)生成將數(shù)據(jù)挖掘步驟轉(zhuǎn)換成一個(gè)集成的數(shù)據(jù)挖掘/BI應(yīng)用程序所需的代碼IBMIBMIntelligentMiner數(shù)據(jù)集自動(dòng)生成、關(guān)聯(lián)發(fā)現(xiàn)、序列規(guī)律發(fā)現(xiàn)、概念性分類(lèi)和可視化呈現(xiàn)，可以自動(dòng)實(shí)現(xiàn)數(shù)據(jù)選擇、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)發(fā)掘和結(jié)果呈現(xiàn)這一整套數(shù)據(jù)發(fā)掘操作Microsoft數(shù)據(jù)挖掘平臺(tái)不同于傳統(tǒng)數(shù)據(jù)挖掘應(yīng)用程序，它支持組織中數(shù)據(jù)的整個(gè)開(kāi)發(fā)生命周期，允許第三方添加自定義算法以支持特定的挖掘需求，支持實(shí)時(shí)根據(jù)挖掘的數(shù)據(jù)集進(jìn)行數(shù)據(jù)驗(yàn)證。SASSASEnterpriseMiner數(shù)據(jù)挖掘過(guò)程簡(jiǎn)單流程化，支持關(guān)聯(lián)、聚類(lèi)、決策樹(shù)、神經(jīng)元網(wǎng)絡(luò)和經(jīng)典的統(tǒng)計(jì)回歸技術(shù)TeradataTeradataWarehouseMiner將數(shù)據(jù)挖掘技術(shù)整合到數(shù)據(jù)倉(cāng)庫(kù)來(lái)簡(jiǎn)化數(shù)據(jù)挖掘流程，還可實(shí)現(xiàn)將多家廠商的數(shù)據(jù)挖掘技術(shù)嵌入Teradata企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)環(huán)境中運(yùn)行Sybase無(wú)SAP無(wú)產(chǎn)品供應(yīng)商挖掘工具特點(diǎn)OracleOracleDataM52數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的體系結(jié)構(gòu)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念53實(shí)例介紹1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos84、與Portal整合實(shí)例介紹1、數(shù)據(jù)建模54數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos84、與Portal整合數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模55數(shù)據(jù)建模業(yè)務(wù)梳理整理并提取出維度、度量和事實(shí)表建立模型數(shù)據(jù)建模業(yè)務(wù)梳理56數(shù)據(jù)建模---業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)結(jié)構(gòu)關(guān)系型數(shù)據(jù)庫(kù)1.指標(biāo)表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額001001203010120080101301010120333.002.計(jì)劃表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額0010012030101200801013010101444.003.支付表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額0010012030101200801013010101333.00數(shù)據(jù)建模---業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)結(jié)構(gòu)關(guān)系型數(shù)據(jù)庫(kù)1.指標(biāo)表單位代57模型---星型模型預(yù)算單位

業(yè)務(wù)表（事實(shí)表）功能分類(lèi)指標(biāo)來(lái)源資金性質(zhì)業(yè)務(wù)處室指標(biāo)類(lèi)型預(yù)算項(xiàng)目支付方式模型---星型模型58數(shù)據(jù)建模過(guò)程業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)1.指標(biāo)表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額001001203010120080101301010120333.002.計(jì)劃表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額0010012030101200801013010101444.003.支付表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額0010012030101200801013010101333.00數(shù)據(jù)建模過(guò)程業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)1.指標(biāo)表單位代碼功能分類(lèi)59數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos84、與Portal整合數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模60ETL的本質(zhì)ETL代表抽取(Extract)，轉(zhuǎn)換(Transform)，裝載(Load)，ETL的過(guò)程就是數(shù)據(jù)流動(dòng)的過(guò)程，從不同的異構(gòu)數(shù)據(jù)源流向統(tǒng)一的目標(biāo)數(shù)據(jù)，其間，數(shù)據(jù)的抽取、清洗、轉(zhuǎn)換和裝載形成串行或并行的過(guò)程。ETL的本質(zhì)ETL代表抽取(Extract)，轉(zhuǎn)換(Tran61數(shù)據(jù)倉(cāng)庫(kù)中ETL的特點(diǎn)數(shù)據(jù)同步ETL周期性的，經(jīng)常性的活動(dòng)，不是一次性完成的。數(shù)據(jù)量

ETL的數(shù)據(jù)量一般都是巨大的，值得將數(shù)據(jù)流動(dòng)過(guò)程拆分為E、T、L。數(shù)據(jù)倉(cāng)庫(kù)中ETL的特點(diǎn)數(shù)據(jù)同步62項(xiàng)目實(shí)施中ETL的特點(diǎn)實(shí)施時(shí)間長(zhǎng)整個(gè)項(xiàng)目實(shí)施工作量的60%－70%過(guò)程復(fù)雜貫穿整個(gè)業(yè)務(wù)建模和存儲(chǔ)的整個(gè)過(guò)程決定項(xiàng)目成敗的關(guān)鍵數(shù)據(jù)的準(zhǔn)確性、過(guò)程的執(zhí)行成功與否項(xiàng)目實(shí)施中ETL的特點(diǎn)實(shí)施時(shí)間長(zhǎng)63ETL設(shè)計(jì)策略切實(shí)可行的ETL設(shè)計(jì)策略抽取策略在數(shù)據(jù)抽取分析時(shí)需要對(duì)業(yè)務(wù)深刻理解不能簡(jiǎn)單的了解，哪一個(gè)表取不是隨便的、簡(jiǎn)單的，一定要理解其中的含義這就需要對(duì)業(yè)務(wù)非常的清楚轉(zhuǎn)換策略將數(shù)據(jù)由原來(lái)的格式轉(zhuǎn)換成數(shù)據(jù)倉(cāng)庫(kù)格式。包括數(shù)據(jù)格式轉(zhuǎn)換數(shù)據(jù)類(lèi)型、轉(zhuǎn)換數(shù)據(jù)匯總計(jì)算、數(shù)據(jù)拼接等等，但這些工作可以在不同的過(guò)程中處理視具體情況而定比如可以在數(shù)據(jù)抽取時(shí)轉(zhuǎn)換可以在數(shù)據(jù)加載時(shí)轉(zhuǎn)換……裝載策略ETL設(shè)計(jì)策略切實(shí)可行的ETL設(shè)計(jì)策略64維表加載策略維表加載策略65事實(shí)表加載策略事實(shí)表加載策略66引用約束問(wèn)題引用約束問(wèn)題67數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos4、與Portal整合數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模68COGNOS主要模塊QueryStudio

查詢(xún)：自助報(bào)表生成工具ReportStudio

查詢(xún)：專(zhuān)有報(bào)表構(gòu)筑工具

AnalysisStudio分析：多維數(shù)據(jù)展示工具

Transformer

分析：多維數(shù)據(jù)設(shè)計(jì)工具

FrameworkManager

查詢(xún)：業(yè)務(wù)數(shù)據(jù)組織工具COGNOS主要模塊QueryStudio查詢(xún)69幾個(gè)模塊在Cognos體系中的位置應(yīng)用（Consumer）

專(zhuān)業(yè)（profession）查詢(xún)QueryStudioReportStudioFrameworkManager分析AnalysisStudioTransformer幾個(gè)模塊在Cognos體系中的位置應(yīng)用70FrameworkManagerFrameworkManager是一個(gè)元數(shù)據(jù)建模工具，它使用數(shù)據(jù)查詢(xún)來(lái)獲取數(shù)據(jù)，模型中能包含多個(gè)數(shù)據(jù)源的各種物理信息和業(yè)務(wù)信息的元數(shù)據(jù)，以滿足報(bào)表顯現(xiàn)和數(shù)據(jù)分析的需要。FrameworkManager能根據(jù)業(yè)務(wù)需求創(chuàng)建面向報(bào)表的關(guān)系型，或面向OLAP分析和報(bào)表的維度化建模關(guān)系型(DMR)。FrameworkManagerFramework71FrameworkManager工作流程

FrameworkManager將生成的模型發(fā)布到ContentStore中，這些模型為T(mén)ansformer或前端展現(xiàn)工具提供數(shù)據(jù)服務(wù)。FrameworkManager工作流程72幾個(gè)模塊在Cognos體系中的位置應(yīng)用（Consumer）

專(zhuān)業(yè)（profession）查詢(xún)QueryStudioReportStudioFrameworkManager分析AnalysisStudioTransformer幾個(gè)模塊在Cognos體系中的位置應(yīng)用73TransformerTransformer是CognosBI的數(shù)據(jù)建模工具，用戶能使用它建立一個(gè)多數(shù)據(jù)源的多維業(yè)務(wù)模型。在選定了語(yǔ)言、維度、度量和業(yè)務(wù)視圖后，Transformer將以這些條件建立數(shù)據(jù)方（pq），這些數(shù)據(jù)方被發(fā)布到Cognos的ContentStore中后，前端展現(xiàn)工具，如AnalysisStudio等，能?chē)@這些PwoerCube進(jìn)行各種OLAP分析。TransformerTransformer是Cog74Transformer的工作界面Transformer的工作界面75理解CognosConnectionCognosConnection

是Cognos8的門(mén)戶。QueryStudio，ReportStudio和AnalysisStudio的入口都被組織在了這個(gè)門(mén)戶中。進(jìn)入門(mén)戶：http://<服務(wù)器名>/Cognos8在CognosConnection

門(mén)戶中可以：

（1）創(chuàng)建和運(yùn)行報(bào)表（2）執(zhí)行管理性任務(wù)，例如調(diào)度報(bào)表可以通過(guò)在文件夾中創(chuàng)建和儲(chǔ)存條目來(lái)對(duì)CognosConnection中的數(shù)據(jù)進(jìn)行組織。理解CognosConnectionCognosConn76Cognos的工作區(qū)Cognos的工作區(qū)77QueryStudio應(yīng)用（Consumer）

專(zhuān)業(yè)（profession）查詢(xún)QueryStudioReportStudioFrameworkManager分析AnalysisStudioTransformerQueryStudio應(yīng)用78QueryStudioQueryStudio是業(yè)務(wù)人員即時(shí)查詢(xún)數(shù)據(jù)的日常工具，此工具一般使用直接數(shù)據(jù)源，可以對(duì)業(yè)務(wù)系統(tǒng)或數(shù)據(jù)倉(cāng)庫(kù)中的某類(lèi)或某條明細(xì)信息進(jìn)行檢索，可將這些查詢(xún)保存，以供日后再次使用。此工具提供了最簡(jiǎn)單的非正式的報(bào)表功能，報(bào)表在設(shè)計(jì)的同時(shí)即展現(xiàn)出報(bào)表結(jié)果。QueryStudioQueryStudio是業(yè)務(wù)79進(jìn)入QueryStudio在QueryStudio中創(chuàng)建報(bào)表進(jìn)入QueryStudio在QueryStudio80ReportStudio應(yīng)用（Consumer）

專(zhuān)業(yè)（profession）查詢(xún)QueryStudioReportStudioFrameworkManager分析AnalysisStudioTransformerReportStudio應(yīng)用81ReportStudioReportStudio是用來(lái)制作更加精細(xì)的專(zhuān)有報(bào)表的工具,專(zhuān)有報(bào)表的設(shè)計(jì)和運(yùn)行兩個(gè)過(guò)程是分開(kāi)的。ReportStudio中能夠建立列表，交叉表，圖表等各種類(lèi)型的報(bào)表，并能實(shí)現(xiàn)報(bào)表的鉆取功能。對(duì)于報(bào)表的數(shù)據(jù)源，可以設(shè)置復(fù)雜的匯總、過(guò)濾、分組、重新計(jì)算等操作。表樣可精細(xì)加工成用戶所需要的樣式。ReportStudioReportStudio是82進(jìn)入ReportStudio進(jìn)入ReportStudio83用ReportStudio創(chuàng)建報(bào)表用ReportStudio創(chuàng)建報(bào)表84ReportStudio交叉表界面ReportStudio交叉表界面85定義交叉表行定義交叉表行86定義交叉表列定義交叉表列87定義交叉表度量定義交叉表度量88交叉表運(yùn)行效果交叉表運(yùn)行效果89表樣一：預(yù)算指標(biāo)執(zhí)行情況表表樣一：預(yù)算指標(biāo)執(zhí)行情況表90表樣二：用款計(jì)劃執(zhí)行情況表表樣二：用款計(jì)劃執(zhí)行情況表91表樣三：預(yù)算支出情況表表樣三：預(yù)算支出情況表92圖表結(jié)合報(bào)表第一步先制定相應(yīng)的交叉表第二步插入圖圖表結(jié)合報(bào)表第一步先制定相應(yīng)的交叉表第二步插入圖93圖表結(jié)合報(bào)表圖表結(jié)合報(bào)表94表樣四：部門(mén)月度計(jì)劃表樣四：部門(mén)月度計(jì)劃95表樣五：業(yè)務(wù)數(shù)據(jù)對(duì)比表樣五：業(yè)務(wù)數(shù)據(jù)對(duì)比96表樣六：業(yè)務(wù)指標(biāo)對(duì)比表樣六：業(yè)務(wù)指標(biāo)對(duì)比97AnalysisStudio應(yīng)用（Consumer）

專(zhuān)業(yè)（profession）查詢(xún)QueryStudioReportStudioFrameworkManager分析AnalysisStudioTransformerAnalysisStudio應(yīng)用98什么是AnalysisStudio?

AnalysisStudio是Cognos8業(yè)務(wù)智能(BI)分析解決方案中的OLAP分析軟件，它繼承了之前的CognosPowerPlay的多維分析和報(bào)表功能。 用AnalysisStudio可以快速輕松地開(kāi)展多維分析的工作；高效訪問(wèn)并分析大型數(shù)據(jù)集，并確?？色@得快速的響應(yīng)；長(zhǎng)期察看趨勢(shì)；分析并探察問(wèn)題；鉆取到細(xì)節(jié)并在維度或信息層之間轉(zhuǎn)移。

AnalysisStudio通過(guò)向下鉆取、切片和切塊、排名和排序等傳統(tǒng)的多維分析功能，簡(jiǎn)化了大型數(shù)據(jù)集的復(fù)雜分析流程。什么是AnalysisStudio? Analysis99維度結(jié)構(gòu)：層和類(lèi)別類(lèi)別是在維度中層上的數(shù)據(jù)項(xiàng)維度結(jié)構(gòu)：層和類(lèi)別類(lèi)別是在維度中層上的數(shù)據(jù)項(xiàng)100表樣一：按功能分類(lèi)時(shí)間分析表樣一：按功能分類(lèi)時(shí)間分析101分析工具的使用向下和向上鉆取（DrillDown&DrillUp)擴(kuò)展下一層展開(kāi)下一層添加上下文數(shù)據(jù)過(guò)濾

1、抑制零過(guò)濾

2、行、列和上下文過(guò)濾

3、最高或最低過(guò)濾

4、排除過(guò)濾

5、自定義過(guò)濾排序隱藏分析工具的使用向下和向上鉆?。―rillDown&Dri102分析工具的使用—計(jì)算分析工具的使用—計(jì)算103表樣二：餅圖表樣二：餅圖104組合維度組合維度105嵌套維度嵌套維度106數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos84、與Portal整合數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模107為什么要與portal整合決策支持系統(tǒng)做為一個(gè)應(yīng)用系統(tǒng)，也應(yīng)該基于一個(gè)統(tǒng)一的應(yīng)用門(mén)戶實(shí)現(xiàn)系統(tǒng)登錄和權(quán)限控制等功能。所有系統(tǒng)間的數(shù)據(jù)查詢(xún)都可以通過(guò)平臺(tái)的數(shù)據(jù)倉(cāng)庫(kù)實(shí)現(xiàn)，portal提供一個(gè)信息集成的基礎(chǔ)容器。為什么要與portal整合決策支持系統(tǒng)做為一個(gè)應(yīng)用系統(tǒng)，也應(yīng)108與Portal整合1.選擇“設(shè)置屬性”

設(shè)置屬性查看路徑2.選擇“查看搜索路徑、ID和URL”

與Portal整合1.選擇“設(shè)置屬性”

設(shè)置屬性查看路徑2.109與Portal整合3.得到URL4.修改URL、提供給Poratlhttp://localhost:80/cognos8/cgi-bin/cognos.cgi?b_action=cognosViewer&ui.action=run&ui.object=%2fcontent%2fpackage%5b%40name%3d%27BudgetEnforceCube%27%5d%2ffolder%5b%40name%3d%27Report%20Studio%27%5d%2freport%5b%40name%3d%27%e4%b8%9a%e5%8a%a1%e5%a4%84%e5%ae%a4%e5%90%84%e5%b9%b4%e5%ba%a6%e6%8c%87%e6%a0%87%27%5d&=%e4%b8%9a%e5%8a%a1%e5%a4%84%e5%ae%a4%e5%90%84%e5%b9%b4%e5%ba%a6%e6%8c%87%e6%a0%87&run.outputFormat=&mpt=true改為服務(wù)器IP或與Portal整合3.得到URL4.修改URL、提供給Por110謝謝！謝謝！111為什么選擇數(shù)據(jù)倉(cāng)庫(kù)隨著信息化建設(shè)的不斷推進(jìn)，產(chǎn)生了大量的數(shù)據(jù)。必須合理科學(xué)的應(yīng)用這些數(shù)據(jù)，為業(yè)務(wù)決策提供強(qiáng)有力的數(shù)據(jù)支持。簡(jiǎn)單的報(bào)表應(yīng)用已經(jīng)無(wú)法滿足需求，因此需要使用更強(qiáng)大數(shù)據(jù)倉(cāng)庫(kù)及其相關(guān)應(yīng)用。平臺(tái)作為財(cái)政數(shù)據(jù)平臺(tái)有著標(biāo)準(zhǔn)化的存儲(chǔ)結(jié)構(gòu)和全面多樣的業(yè)務(wù)數(shù)據(jù)，可以作為財(cái)政數(shù)據(jù)倉(cāng)庫(kù)的可靠數(shù)據(jù)來(lái)源。為什么選擇數(shù)據(jù)倉(cāng)庫(kù)隨著信息化建設(shè)的不斷推進(jìn)，產(chǎn)生了大量的數(shù)據(jù)112數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的體系結(jié)構(gòu)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念113數(shù)據(jù)倉(cāng)庫(kù)概念歷史

數(shù)據(jù)倉(cāng)庫(kù)概念始于上世紀(jì)80年代中期，首次出現(xiàn)是在被譽(yù)為“數(shù)據(jù)倉(cāng)庫(kù)之父”WilliamH.Inmon的《建立數(shù)據(jù)倉(cāng)庫(kù)》一書(shū)中。定義

數(shù)據(jù)倉(cāng)庫(kù)是在管理和決策中面向主題的、集成的、隨時(shí)間變化的、相對(duì)穩(wěn)定的數(shù)據(jù)集合按技術(shù)劃分抽取、存儲(chǔ)與管理、數(shù)據(jù)的表現(xiàn)決策支持系統(tǒng)(DSS,DecisionSupportSystem)準(zhǔn)確、安全、可靠地取出數(shù)據(jù)，經(jīng)過(guò)加工轉(zhuǎn)換成有規(guī)律信息之后，再供管理人員進(jìn)行分析使用。數(shù)據(jù)倉(cāng)庫(kù)概念歷史114商業(yè)智能的概念（BI）

商業(yè)智能的核心內(nèi)容是從業(yè)務(wù)處理系統(tǒng)的數(shù)據(jù)中，提取出有用的數(shù)據(jù)，進(jìn)行清理以保證數(shù)據(jù)的正確性，然后經(jīng)過(guò)抽?。‥xtraction）、轉(zhuǎn)換（Transformation）和裝載（Load），即ETL

過(guò)程，整合到一個(gè)企業(yè)級(jí)的數(shù)據(jù)倉(cāng)庫(kù)里，從而得到企業(yè)信息的一個(gè)全局視圖，在此基礎(chǔ)上利用合適的查詢(xún)和分析工具、數(shù)據(jù)挖掘工具等對(duì)數(shù)據(jù)倉(cāng)庫(kù)里的數(shù)據(jù)進(jìn)行分析和處理，形成信息，甚至進(jìn)一步把信息提煉出輔助決策的知識(shí)，最后把知識(shí)呈現(xiàn)給管理者，為管理者的決策過(guò)程提供支持。商業(yè)智能的概念（BI）商業(yè)智能的核心內(nèi)115商業(yè)智能的概念（BI）商業(yè)智能的概念（BI）116傳統(tǒng)的決策模式傳統(tǒng)的決策模式117商業(yè)智能環(huán)境下的決策流程商業(yè)智能環(huán)境下的決策流程118數(shù)據(jù)倉(cāng)庫(kù)與商業(yè)智能關(guān)系數(shù)據(jù)倉(cāng)庫(kù)是商業(yè)智能的基礎(chǔ)。數(shù)據(jù)倉(cāng)庫(kù)

數(shù)據(jù)倉(cāng)庫(kù)從概念上更多地側(cè)重在對(duì)各類(lèi)信息的整合工作，包括了數(shù)據(jù)的遷移，數(shù)據(jù)的組織和存儲(chǔ)，數(shù)據(jù)的管理與維護(hù)這些我們平常稱(chēng)之為后臺(tái)的基礎(chǔ)性的數(shù)據(jù)準(zhǔn)備工作。商業(yè)智能商業(yè)智能則側(cè)重在數(shù)據(jù)查詢(xún)和報(bào)告、多維/聯(lián)機(jī)數(shù)據(jù)分析、數(shù)據(jù)挖掘和數(shù)據(jù)可視化工具這些平常稱(chēng)之為所謂前臺(tái)的數(shù)據(jù)應(yīng)用方面，其中數(shù)據(jù)挖掘是商業(yè)智能中比較高層次的一種應(yīng)用。數(shù)據(jù)倉(cāng)庫(kù)與商業(yè)智能關(guān)系數(shù)據(jù)倉(cāng)庫(kù)是商業(yè)智能的基礎(chǔ)。119數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的體系結(jié)構(gòu)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念120數(shù)據(jù)庫(kù)倉(cāng)庫(kù)和BI企業(yè)級(jí)技術(shù)121數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能的體系結(jié)構(gòu)數(shù)據(jù)源ETL數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)集市元數(shù)據(jù)OLAP數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能的體系結(jié)構(gòu)數(shù)據(jù)源1221.數(shù)據(jù)源平臺(tái)數(shù)據(jù)庫(kù)外部數(shù)據(jù)（格式：txt、excel、dbf等文件格式）其它數(shù)據(jù)庫(kù)1.數(shù)據(jù)源平臺(tái)數(shù)據(jù)庫(kù)1232、ETLE:Extract從源數(shù)據(jù)抽取數(shù)據(jù)T:Transform把抽取的數(shù)據(jù)進(jìn)行轉(zhuǎn)換L:Load把轉(zhuǎn)換好的數(shù)據(jù)裝載到數(shù)據(jù)倉(cāng)庫(kù)中。2、ETLE:Extract從源數(shù)據(jù)抽取數(shù)據(jù)1243、數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的一個(gè)目的就是把企業(yè)的信息訪問(wèn)基礎(chǔ)從一種非結(jié)構(gòu)化的改變成一種結(jié)構(gòu)化、發(fā)展中的環(huán)境改變成規(guī)劃良好的環(huán)境。業(yè)務(wù)處理系統(tǒng)是面向應(yīng)用來(lái)設(shè)計(jì)的，更準(zhǔn)確地說(shuō)是面向交易來(lái)設(shè)計(jì)。而數(shù)據(jù)倉(cāng)庫(kù)一般來(lái)說(shuō)是按主題(Subject)來(lái)建模,是面向查詢(xún)主題的。3、數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的一個(gè)目的就是把企業(yè)的信息訪問(wèn)基礎(chǔ)從一種1253.數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的關(guān)鍵特征星型模式粒度分割3.數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)的關(guān)鍵特征1263.數(shù)據(jù)倉(cāng)庫(kù)--關(guān)鍵特征面向主題的（subject-oriented）集成的（integrated）時(shí)變的（time-variant）非易失的（nonvolatile）數(shù)據(jù)倉(cāng)庫(kù)是一種語(yǔ)義上一致的數(shù)據(jù)存

儲(chǔ)，它充當(dāng)決策支持?jǐn)?shù)據(jù)模型的物理實(shí)現(xiàn)，并存放業(yè)務(wù)決策所需信息。數(shù)據(jù)倉(cāng)庫(kù)通過(guò)將異種數(shù)據(jù)源中的數(shù)據(jù)集成在一起而構(gòu)造，支持結(jié)構(gòu)化的和專(zhuān)門(mén)的查詢(xún)、分析報(bào)告和決策。3.數(shù)據(jù)倉(cāng)庫(kù)--關(guān)鍵特征面向主題的（subject-orie1273.數(shù)據(jù)倉(cāng)庫(kù)--星型模式3.數(shù)據(jù)倉(cāng)庫(kù)--星型模式1283.數(shù)據(jù)倉(cāng)庫(kù)--星型模式3.數(shù)據(jù)倉(cāng)庫(kù)--星型模式1293.數(shù)據(jù)倉(cāng)庫(kù)--粒度粒度是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)的匯總程度高低的一個(gè)度量，（按省級(jí)匯總或按市級(jí)匯總就是不同的粒度）它既影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量的多少，也影響數(shù)據(jù)倉(cāng)庫(kù)所能回答詢(xún)問(wèn)信息的種類(lèi)。在數(shù)據(jù)倉(cāng)庫(kù)中，多維粒度是必不可少的。由于數(shù)據(jù)倉(cāng)庫(kù)的主要作用是多維分析，因而絕大多數(shù)查詢(xún)都基于一定程度的匯總數(shù)據(jù)之上的，只有極少數(shù)查詢(xún)涉及到細(xì)節(jié)。3.數(shù)據(jù)倉(cāng)庫(kù)--粒度130分割分割，目的在于提高效率。它是將數(shù)據(jù)分散到各自的物理單元中去,以便能分別獨(dú)立處理，以實(shí)現(xiàn)查詢(xún)操作的并行。有許多數(shù)據(jù)分割的標(biāo)準(zhǔn)可供參考:如時(shí)間、地域、業(yè)務(wù)領(lǐng)域等等,也可以是其組合。一般而言,分割標(biāo)準(zhǔn)總應(yīng)包括一些能讓它十分自然而且分割均勻的項(xiàng)目，例如時(shí)間項(xiàng)。分割分割，目的在于提高效率。它是將數(shù)據(jù)分散到各自的1314、數(shù)據(jù)集市數(shù)據(jù)集市分兩種，獨(dú)立的數(shù)據(jù)集市（IndependentDataMart）和從屬的數(shù)據(jù)集市（DependentDataMart）。4、數(shù)據(jù)集市數(shù)據(jù)集市分兩種，獨(dú)立的數(shù)據(jù)集市（Inde132兩種數(shù)據(jù)集市對(duì)比對(duì)比優(yōu)點(diǎn)缺點(diǎn)從屬數(shù)據(jù)集市保證數(shù)據(jù)一致性；架構(gòu)比較理想，可擴(kuò)展能力強(qiáng)依賴(lài)與中心數(shù)據(jù)倉(cāng)庫(kù)的實(shí)施；實(shí)施周期長(zhǎng)；實(shí)施成本高；獨(dú)立數(shù)據(jù)集市實(shí)施周期短；實(shí)施成本低；沒(méi)有消除信息分割；可擴(kuò)展能力弱；后期整合困難。財(cái)政領(lǐng)域應(yīng)用在平臺(tái)實(shí)施的基礎(chǔ)上以從屬數(shù)據(jù)集市為主。兩種數(shù)據(jù)集市對(duì)比對(duì)比優(yōu)點(diǎn)缺點(diǎn)從屬數(shù)據(jù)集市保證數(shù)據(jù)一致性；依1335.元數(shù)據(jù)(Meta-data)

定義:“關(guān)于數(shù)據(jù)的數(shù)據(jù)”，是描述和管理數(shù)據(jù)倉(cāng)庫(kù)自身內(nèi)容對(duì)象、用來(lái)表示數(shù)據(jù)項(xiàng)的意義及其在系統(tǒng)各組成部件之間的關(guān)系的數(shù)據(jù)。數(shù)據(jù)倉(cāng)庫(kù)的元數(shù)據(jù)包括：（1）數(shù)據(jù)資源：包括各個(gè)數(shù)據(jù)源的模型，描述源數(shù)據(jù)表字段屬性及業(yè)務(wù)含義，源數(shù)據(jù)到數(shù)據(jù)倉(cāng)庫(kù)的映射關(guān)系；（2）數(shù)據(jù)組織：數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市表的結(jié)構(gòu)、屬性及業(yè)務(wù)含義，多維結(jié)構(gòu)等；（3）數(shù)據(jù)應(yīng)用：查詢(xún)與報(bào)表輸出格式描述、OLAP、數(shù)據(jù)挖掘等的數(shù)據(jù)模型的信息展現(xiàn)、商業(yè)術(shù)語(yǔ)；（4）數(shù)據(jù)管理：這里包括數(shù)據(jù)倉(cāng)庫(kù)過(guò)程以及數(shù)據(jù)倉(cāng)庫(kù)操作結(jié)果的模型，包括描述數(shù)據(jù)抽取和清洗規(guī)則、數(shù)據(jù)加載控制、臨時(shí)表結(jié)構(gòu)、用途和使用情況、數(shù)據(jù)匯總控制。5.元數(shù)據(jù)(Meta-data)定義:1345.元數(shù)據(jù)類(lèi)型業(yè)務(wù)元數(shù)據(jù)用業(yè)務(wù)名稱(chēng)、定義、描述和別名來(lái)表示數(shù)據(jù)倉(cāng)庫(kù)和業(yè)務(wù)系統(tǒng)中的各種屬性，直接供最終用戶使用。業(yè)務(wù)元數(shù)據(jù)使最終用戶能夠更好理解、使用數(shù)據(jù)倉(cāng)庫(kù)，成為最終用戶在數(shù)據(jù)倉(cāng)庫(kù)中的業(yè)務(wù)信息地圖。技術(shù)元數(shù)據(jù)技術(shù)元數(shù)據(jù)描述了源系統(tǒng)、數(shù)據(jù)轉(zhuǎn)換、抽取過(guò)程、工作流、加載策略以及目標(biāo)數(shù)據(jù)庫(kù)的定義等。用來(lái)進(jìn)行影響分析、變化管理、數(shù)據(jù)庫(kù)優(yōu)化、任務(wù)調(diào)度和安全管理等。操作元數(shù)據(jù)操作元數(shù)據(jù)描述了目標(biāo)表中的信息，如粒度、創(chuàng)建目標(biāo)表和索引的信息、刷新時(shí)間、記錄數(shù)、按時(shí)執(zhí)行任務(wù)的設(shè)置以及有權(quán)訪問(wèn)數(shù)據(jù)的用戶。操作元數(shù)據(jù)用于數(shù)據(jù)倉(cāng)庫(kù)的維護(hù)和分布。5.元數(shù)據(jù)類(lèi)型業(yè)務(wù)元數(shù)據(jù)135多維分析OLAPOLAP

(On-LineanalyticalProcessing)在線分析處理切片和切塊(SliceandDice)鉆取(Drill)旋轉(zhuǎn)(Rotate)多維分析OLAPOLAP(On-Lineanalyti1366、OLAP分析是一類(lèi)軟件技術(shù)分析人員能從多個(gè)角度獲得對(duì)數(shù)據(jù)的更深入了解特點(diǎn)：快速、一致、交互多維視圖分析數(shù)據(jù)的工具根據(jù)用戶常用的多種分析角度，事先計(jì)算好一些輔助結(jié)構(gòu)，以便在查詢(xún)時(shí)能盡快訪問(wèn)到所要的匯總數(shù)字，并快速地從一維轉(zhuǎn)變到另一維，將不同角度的信息以數(shù)字、直方圖、餅圖、曲線等等方式展現(xiàn)在用戶面前。6、OLAP分析是一類(lèi)軟件技術(shù)137切片和切塊(SliceandDice)切片 取二維數(shù)據(jù)，稱(chēng)為切片。切塊取三維數(shù)據(jù)，稱(chēng)為切塊。切片和切塊(SliceandDice)切片138切片和切塊(SliceandDice)切片和切塊(SliceandDice)139鉆取(Drill)

鉆取包含向下鉆取(Drill-down)和向上鉆取(Drill-up)操作，鉆取的深度與維所劃分的層次相對(duì)應(yīng)。鉆取(Drill)鉆取包含向下鉆取(Drill-dow140旋轉(zhuǎn)(Rotate)旋轉(zhuǎn)(Rotate)141數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的體系結(jié)構(gòu)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念142主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析1.數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品介紹2.產(chǎn)品支撐技術(shù)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析1.數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品介紹143主要數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品供應(yīng)商介紹OracleIBMMicrosoftSASTeradataSybaseBusinessObjects(SAP)主要數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品供應(yīng)商介紹Oracle144Oracle介紹

Oracle公司的數(shù)據(jù)倉(cāng)庫(kù)解決方案包含了數(shù)據(jù)庫(kù)平臺(tái)、開(kāi)發(fā)工具和應(yīng)用系統(tǒng)，能夠提供一系列的數(shù)據(jù)倉(cāng)庫(kù)工具集和服務(wù)，具有多用戶數(shù)據(jù)倉(cāng)庫(kù)管理能力，多種分區(qū)方式，與OLAP工具的交互能力，及數(shù)據(jù)移動(dòng)機(jī)制等特性。Oracle的優(yōu)勢(shì)在于大多數(shù)業(yè)務(wù)系統(tǒng)采用oracle數(shù)據(jù)庫(kù)。Oracle介紹Oracle公司145IBM介紹

IBM公司的數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品稱(chēng)為DB2DataWarehouseEdition，它結(jié)合了DB2數(shù)據(jù)服務(wù)器的長(zhǎng)處和IBM的商業(yè)智能基礎(chǔ)設(shè)施，集成了用于倉(cāng)庫(kù)管理、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘以及OLAP分析和報(bào)告的核心組件，提供了一套基于可視數(shù)據(jù)倉(cāng)庫(kù)的商業(yè)智能解決方案。IBM的優(yōu)勢(shì)在于解決方案比較完善。IBM介紹IBM公司的數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品146Microsoft介紹

微軟的SQLServer提供了三大服務(wù)和一個(gè)工具來(lái)實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的整合，為用戶提供了可用于構(gòu)建典型和創(chuàng)新的分析應(yīng)用程序所需的各種特性、工具和功能，可以實(shí)現(xiàn)建模、ETL、建立查詢(xún)分析或圖表、定制KPI、建立報(bào)表和構(gòu)造數(shù)據(jù)挖掘應(yīng)用及發(fā)布等功能。微軟的優(yōu)勢(shì)在于簡(jiǎn)單易用。Microsoft介紹微軟的SQL147SAS

SAS公司的數(shù)據(jù)倉(cāng)庫(kù)解決方案是一個(gè)由30多個(gè)專(zhuān)用模塊構(gòu)成的架構(gòu)體系，適應(yīng)于對(duì)企業(yè)級(jí)的數(shù)據(jù)進(jìn)行重新整合，支持多維、快速查詢(xún)，提供服務(wù)于OLAP操作和決策支持的數(shù)據(jù)采集、管理、處理和展現(xiàn)功能。SAS優(yōu)勢(shì)在于數(shù)據(jù)挖掘和統(tǒng)計(jì)分析。SASSAS公司的數(shù)據(jù)倉(cāng)庫(kù)解決方案是148Teradata

Teradata公司提出了可擴(kuò)展數(shù)據(jù)倉(cāng)庫(kù)基本架構(gòu)，包括數(shù)據(jù)裝載、數(shù)據(jù)管理和信息訪問(wèn)幾個(gè)部分，是高端數(shù)據(jù)倉(cāng)庫(kù)市場(chǎng)最有力競(jìng)爭(zhēng)者，主要運(yùn)行在基于Unix操作系統(tǒng)平臺(tái)的NCR硬件設(shè)備上,在銀行領(lǐng)域應(yīng)用廣泛。TeradataTeradata公司149Sybase介紹

Sybase提供了稱(chēng)為WarehouseStudio的一整套覆蓋整個(gè)數(shù)據(jù)倉(cāng)庫(kù)建立周期的產(chǎn)品包，包括數(shù)據(jù)倉(cāng)庫(kù)的建模、數(shù)據(jù)集成和轉(zhuǎn)換、數(shù)據(jù)存儲(chǔ)和管理、元數(shù)據(jù)管理和數(shù)據(jù)可視化分析等產(chǎn)品。Sybase介紹Sybase提供了150BusinessObjects（SAP）介紹

BusinessObjects是BI工具，集查詢(xún)、報(bào)表和OLAP技術(shù)為一身的智能決策支持系統(tǒng)，具有較好的查詢(xún)和報(bào)表功能，提供多維分析技術(shù)，支持多種數(shù)據(jù)庫(kù)，同時(shí)它還支持基于Web瀏覽器的查詢(xún)、報(bào)表和分析決策。被SAP收購(gòu)后，目前還沒(méi)有完整數(shù)據(jù)倉(cāng)庫(kù)解決方案。BusinessObjects（SAP）介紹151主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品介紹支撐技術(shù)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品介紹152數(shù)據(jù)倉(cāng)庫(kù)技術(shù)1、數(shù)據(jù)庫(kù)技術(shù)2、ETL技術(shù)3、OLAP技術(shù)4、報(bào)表技術(shù)5、數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)倉(cāng)庫(kù)技術(shù)1、數(shù)據(jù)庫(kù)技術(shù)153數(shù)據(jù)庫(kù)技術(shù)

數(shù)據(jù)庫(kù)技術(shù)是支撐數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的基礎(chǔ)技術(shù)。盡管在數(shù)據(jù)倉(cāng)庫(kù)技術(shù)存儲(chǔ)模型方面，基于數(shù)據(jù)庫(kù)技術(shù)而發(fā)展的關(guān)系模式的理念已經(jīng)被顛覆，取而代之是各種各樣的數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)模型，如星型模型，雪花模型等。然而，在已有的數(shù)據(jù)倉(cāng)庫(kù)實(shí)踐中，關(guān)系數(shù)據(jù)庫(kù)仍然是實(shí)質(zhì)的數(shù)據(jù)庫(kù)存儲(chǔ)工具，只是將數(shù)據(jù)庫(kù)表改稱(chēng)為了事實(shí)表和維表，將屬性域之間的關(guān)系重新定義為維度，量度，層次，粒度等。數(shù)據(jù)庫(kù)技術(shù)數(shù)據(jù)庫(kù)技術(shù)是支撐數(shù)據(jù)倉(cāng)庫(kù)技154數(shù)據(jù)倉(cāng)庫(kù)后臺(tái)數(shù)據(jù)庫(kù)比較產(chǎn)品供應(yīng)商數(shù)據(jù)庫(kù)產(chǎn)品效率兼容性管理磁盤(pán)空間OracleOracle優(yōu)IBMDB2優(yōu)MicrosoftSQLServer優(yōu)SASTeradataTeradata差差SybaseSybaseIQ優(yōu)優(yōu)SAP數(shù)據(jù)倉(cāng)庫(kù)后臺(tái)數(shù)據(jù)庫(kù)比較產(chǎn)品供應(yīng)商數(shù)據(jù)庫(kù)產(chǎn)品效率兼容性管理磁盤(pán)155ETL技術(shù)

數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)是集成的、與時(shí)間相關(guān)的數(shù)據(jù)集合，ETL作為數(shù)據(jù)倉(cāng)庫(kù)的核心，負(fù)責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行抽取、清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中，成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。ETL能夠按照統(tǒng)一的規(guī)則集成并提高數(shù)據(jù)的價(jià)值，是負(fù)責(zé)完成數(shù)據(jù)從數(shù)據(jù)源向目標(biāo)數(shù)據(jù)倉(cāng)庫(kù)轉(zhuǎn)化的過(guò)程，是實(shí)施數(shù)據(jù)倉(cāng)庫(kù)的重要步驟。要實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的自動(dòng)更新運(yùn)轉(zhuǎn)，ETL技術(shù)是必不可少的關(guān)鍵技術(shù)之一。ETL技術(shù)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)是集成的、與時(shí)156產(chǎn)品供應(yīng)商ETL工具特點(diǎn)OracleOracleWarehouseBuilder(OWB)數(shù)據(jù)倉(cāng)庫(kù)組件IBMIBMWebSphereDataStage整個(gè)ETL過(guò)程提供了一個(gè)圖形化的開(kāi)發(fā)環(huán)境，支持對(duì)多種操作數(shù)據(jù)源的數(shù)據(jù)抽取、轉(zhuǎn)換和維護(hù)，并將其輸入數(shù)據(jù)集或數(shù)據(jù)倉(cāng)庫(kù)MicrosoftIntegrationServices數(shù)據(jù)倉(cāng)庫(kù)組件SASETLStudio管理ETL流程和建立數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市和OLAP結(jié)構(gòu)的單控制點(diǎn)TeradataETLAutomation利用Teradata數(shù)據(jù)庫(kù)本身的并行處理能力，通過(guò)SQL語(yǔ)句實(shí)現(xiàn)數(shù)據(jù)的轉(zhuǎn)換，提供對(duì)ETL流程的支持，包括前后依賴(lài)、執(zhí)行和監(jiān)控等SybaseDataIntegrationSuite數(shù)據(jù)倉(cāng)庫(kù)組件SAPDataIntegrator數(shù)據(jù)倉(cāng)庫(kù)組件InformaticaPowerCenter二次開(kāi)發(fā)、集成和開(kāi)放性強(qiáng)于其它產(chǎn)品供應(yīng)商ETL工具特點(diǎn)OracleOracleWare157OLAP技術(shù)

聯(lián)機(jī)分析處理(OLAP)是針對(duì)特定問(wèn)題的聯(lián)機(jī)數(shù)據(jù)訪問(wèn)和分析，通過(guò)對(duì)信息進(jìn)行快速、穩(wěn)定、一致和交互式的存取，對(duì)數(shù)據(jù)進(jìn)行多層次、多階段的分析處理，以獲得高度歸納的分析結(jié)果。聯(lián)機(jī)事務(wù)處理(OLTP)已不能滿足終端用戶對(duì)數(shù)據(jù)庫(kù)查詢(xún)分析的需要，SQL對(duì)大數(shù)據(jù)庫(kù)進(jìn)行的簡(jiǎn)單查詢(xún)也不能滿足用戶分析的需求。用戶的決策分析需要對(duì)關(guān)系數(shù)據(jù)庫(kù)進(jìn)行大量計(jì)算才能得到結(jié)果，而查詢(xún)的結(jié)果并不能滿足決策者提出的需求，由此出現(xiàn)了多維數(shù)據(jù)庫(kù)和多維分析的概念。OLAP技術(shù)聯(lián)機(jī)分析處理(OLAP)是158產(chǎn)品供應(yīng)商O(píng)LAP產(chǎn)品OLAP分析工具數(shù)據(jù)庫(kù)特點(diǎn)OracleExpress/Discoverer支持DB2，Oracle，SQLServer，Sybase等對(duì)自己的數(shù)據(jù)庫(kù)產(chǎn)品的支持均好于其它數(shù)據(jù)庫(kù)，分析工具基于開(kāi)放的OLEDB標(biāo)準(zhǔn)，可以訪問(wèn)支持OLEDB標(biāo)準(zhǔn)的數(shù)據(jù)立方體IBMCOGNOSMicrosoftAnalysisServicesSASOLAPServerTeradata提供了相關(guān)技術(shù)，用于提升運(yùn)行于Teradata數(shù)據(jù)庫(kù)上的OLAP應(yīng)用系統(tǒng)的性能SybasePowerDimension標(biāo)準(zhǔn)OLAPAPI能夠?qū)icrosoft、IBM等OLAP數(shù)據(jù)進(jìn)行劃分、鉆取等處理，兼容第三方報(bào)表和展現(xiàn)工具SAPOLAPIntelligence產(chǎn)品供應(yīng)商O(píng)LAP產(chǎn)品OLAP分析工具數(shù)據(jù)庫(kù)特點(diǎn)Oracle159報(bào)表技術(shù)

報(bào)表技術(shù)主要是將集成在數(shù)據(jù)模型里的數(shù)據(jù)，按照復(fù)雜的格式、指定行列統(tǒng)計(jì)項(xiàng)，計(jì)算形成的特殊表格。一般的簡(jiǎn)單報(bào)表可以使用通用的前臺(tái)展現(xiàn)技術(shù)實(shí)現(xiàn)，而復(fù)雜的報(bào)表則需要使用特定的報(bào)表技術(shù)。主流的報(bào)表技術(shù)都可以靈活的制定各種報(bào)表模版庫(kù)和指標(biāo)庫(kù)，并根據(jù)每個(gè)區(qū)塊或單元格的需要引用指標(biāo)，實(shí)現(xiàn)一系列復(fù)雜的符合要求的報(bào)表的自動(dòng)生成。報(bào)表技術(shù)報(bào)表技術(shù)主要是將集成在數(shù)據(jù)模型160產(chǎn)品供應(yīng)商報(bào)表工具特點(diǎn)OracleOracleReports提供了自由的數(shù)據(jù)格式方式，可以自動(dòng)生成個(gè)性化字母或矩陣風(fēng)格的布局，包括動(dòng)態(tài)、數(shù)據(jù)驅(qū)動(dòng)的圖表IBMCOGNOS覆蓋了各種報(bào)表需求，包括管理報(bào)表、商業(yè)報(bào)表、賬單和發(fā)票等?；贠lapserver實(shí)現(xiàn)查詢(xún)分析操作.MicrosoftReportingServices(SSRS)（含）處理組件、一整套可用于創(chuàng)建和管理報(bào)表的工具、在自定義應(yīng)用程序中集成和擴(kuò)展數(shù)據(jù)和報(bào)表處理的APISASReportStudio功能、性能、二次開(kāi)發(fā)等方面都還存在著一定的差距TeradataBTEQSybaseInfoMakerSAPCrystalReports提供了一個(gè)完整的企業(yè)報(bào)表解決方案CrystalReportsServer，支持通過(guò)Web快速便捷的創(chuàng)建、管理和交付報(bào)表產(chǎn)品供應(yīng)商報(bào)表工具特點(diǎn)OracleOracleReport161數(shù)據(jù)挖掘技術(shù)

當(dāng)數(shù)據(jù)積累到一定數(shù)量時(shí)，某些潛在聯(lián)系、分類(lèi)、推導(dǎo)結(jié)果和待發(fā)現(xiàn)價(jià)值隱藏在其中，可以使用數(shù)據(jù)發(fā)掘工具幫助發(fā)現(xiàn)這些有價(jià)值的數(shù)據(jù)。數(shù)據(jù)挖掘就是從海量數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又可能有用的信息和知識(shí)的過(guò)程。通過(guò)數(shù)據(jù)挖掘能找出數(shù)據(jù)庫(kù)中隱藏的信息，實(shí)現(xiàn)用模型來(lái)擬合數(shù)據(jù)、探索型數(shù)據(jù)分析，數(shù)據(jù)驅(qū)動(dòng)型的發(fā)現(xiàn)，演繹型學(xué)習(xí)等功能。數(shù)據(jù)挖掘技術(shù)當(dāng)數(shù)據(jù)積累到一定數(shù)量時(shí)，162產(chǎn)品供應(yīng)商挖掘工具特點(diǎn)OracleOracleDataMiner提供圖形用戶界面，通過(guò)向?qū)?lái)指導(dǎo)完成數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、模型評(píng)估和模型評(píng)價(jià)過(guò)程，根據(jù)需要自動(dòng)生成將數(shù)據(jù)挖掘步驟轉(zhuǎn)換成一個(gè)集成的數(shù)據(jù)挖掘/BI應(yīng)用程序所需的代碼IBMIBMIntelligentMiner數(shù)據(jù)集自動(dòng)生成、關(guān)聯(lián)發(fā)現(xiàn)、序列規(guī)律發(fā)現(xiàn)、概念性分類(lèi)和可視化呈現(xiàn)，可以自動(dòng)實(shí)現(xiàn)數(shù)據(jù)選擇、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)發(fā)掘和結(jié)果呈現(xiàn)這一整套數(shù)據(jù)發(fā)掘操作Microsoft數(shù)據(jù)挖掘平臺(tái)不同于傳統(tǒng)數(shù)據(jù)挖掘應(yīng)用程序，它支持組織中數(shù)據(jù)的整個(gè)開(kāi)發(fā)生命周期，允許第三方添加自定義算法以支持特定的挖掘需求，支持實(shí)時(shí)根據(jù)挖掘的數(shù)據(jù)集進(jìn)行數(shù)據(jù)驗(yàn)證。SASSASEnterpriseMiner數(shù)據(jù)挖掘過(guò)程簡(jiǎn)單流程化，支持關(guān)聯(lián)、聚類(lèi)、決策樹(shù)、神經(jīng)元網(wǎng)絡(luò)和經(jīng)典的統(tǒng)計(jì)回歸技術(shù)TeradataTeradataWarehouseMiner將數(shù)據(jù)挖掘技術(shù)整合到數(shù)據(jù)倉(cāng)庫(kù)來(lái)簡(jiǎn)化數(shù)據(jù)挖掘流程，還可實(shí)現(xiàn)將多家廠商的數(shù)據(jù)挖掘技術(shù)嵌入Teradata企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)環(huán)境中運(yùn)行Sybase無(wú)SAP無(wú)產(chǎn)品供應(yīng)商挖掘工具特點(diǎn)OracleOracleDataM163數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的體系結(jié)構(gòu)主流數(shù)據(jù)倉(cāng)庫(kù)產(chǎn)品對(duì)比分析實(shí)例介紹數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)、商業(yè)智能(BI)的概念164實(shí)例介紹1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos84、與Portal整合實(shí)例介紹1、數(shù)據(jù)建模165數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos84、與Portal整合數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模166數(shù)據(jù)建模業(yè)務(wù)梳理整理并提取出維度、度量和事實(shí)表建立模型數(shù)據(jù)建模業(yè)務(wù)梳理167數(shù)據(jù)建模---業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)結(jié)構(gòu)關(guān)系型數(shù)據(jù)庫(kù)1.指標(biāo)表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額001001203010120080101301010120333.002.計(jì)劃表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額0010012030101200801013010101444.003.支付表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額0010012030101200801013010101333.00數(shù)據(jù)建模---業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)結(jié)構(gòu)關(guān)系型數(shù)據(jù)庫(kù)1.指標(biāo)表單位代168模型---星型模型預(yù)算單位

業(yè)務(wù)表（事實(shí)表）功能分類(lèi)指標(biāo)來(lái)源資金性質(zhì)業(yè)務(wù)處室指標(biāo)類(lèi)型預(yù)算項(xiàng)目支付方式模型---星型模型169數(shù)據(jù)建模過(guò)程業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)1.指標(biāo)表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額001001203010120080101301010120333.002.計(jì)劃表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額0010012030101200801013010101444.003.支付表單位代碼功能分類(lèi)id項(xiàng)目編碼經(jīng)濟(jì)分類(lèi)id金額0010012030101200801013010101333.00數(shù)據(jù)建模過(guò)程業(yè)務(wù)系統(tǒng)數(shù)據(jù)庫(kù)數(shù)據(jù)倉(cāng)庫(kù)1.指標(biāo)表單位代碼功能分類(lèi)170數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos84、與Portal整合數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模171ETL的本質(zhì)ETL代表抽取(Extract)，轉(zhuǎn)換(Transform)，裝載(Load)，ETL的過(guò)程就是數(shù)據(jù)流動(dòng)的過(guò)程，從不同的異構(gòu)數(shù)據(jù)源流向統(tǒng)一的目標(biāo)數(shù)據(jù)，其間，數(shù)據(jù)的抽取、清洗、轉(zhuǎn)換和裝載形成串行或并行的過(guò)程。ETL的本質(zhì)ETL代表抽取(Extract)，轉(zhuǎn)換(Tran172數(shù)據(jù)倉(cāng)庫(kù)中ETL的特點(diǎn)數(shù)據(jù)同步ETL周期性的，經(jīng)常性的活動(dòng)，不是一次性完成的。數(shù)據(jù)量

ETL的數(shù)據(jù)量一般都是巨大的，值得將數(shù)據(jù)流動(dòng)過(guò)程拆分為E、T、L。數(shù)據(jù)倉(cāng)庫(kù)中ETL的特點(diǎn)數(shù)據(jù)同步173項(xiàng)目實(shí)施中ETL的特點(diǎn)實(shí)施時(shí)間長(zhǎng)整個(gè)項(xiàng)目實(shí)施工作量的60%－70%過(guò)程復(fù)雜貫穿整個(gè)業(yè)務(wù)建模和存儲(chǔ)的整個(gè)過(guò)程決定項(xiàng)目成敗的關(guān)鍵數(shù)據(jù)的準(zhǔn)確性、過(guò)程的執(zhí)行成功與否項(xiàng)目實(shí)施中ETL的特點(diǎn)實(shí)施時(shí)間長(zhǎng)174ETL設(shè)計(jì)策略切實(shí)可行的ETL設(shè)計(jì)策略抽取策略在數(shù)據(jù)抽取分析時(shí)需要對(duì)業(yè)務(wù)深刻理解不能簡(jiǎn)單的了解，哪一個(gè)表取不是隨便的、簡(jiǎn)單的，一定要理解其中的含義這就需要對(duì)業(yè)務(wù)非常的清楚轉(zhuǎn)換策略將數(shù)據(jù)由原來(lái)的格式轉(zhuǎn)換成數(shù)據(jù)倉(cāng)庫(kù)格式。包括數(shù)據(jù)格式轉(zhuǎn)換數(shù)據(jù)類(lèi)型、轉(zhuǎn)換數(shù)據(jù)匯總計(jì)算、數(shù)據(jù)拼接等等，但這些工作可以在不同的過(guò)程中處理視具體情況而定比如可以在數(shù)據(jù)抽取時(shí)轉(zhuǎn)換可以在數(shù)據(jù)加載時(shí)轉(zhuǎn)換……裝載策略ETL設(shè)計(jì)策略切實(shí)可行的ETL設(shè)計(jì)策略175維表加載策略維表加載策略176事實(shí)表加載策略事實(shí)表加載策略177引用約束問(wèn)題引用約束問(wèn)題178數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模2、ETL過(guò)程3、Cognos4、與Portal整合數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)建過(guò)程1、數(shù)據(jù)建模179COGNOS主要模塊QueryStudio

查詢(xún)：自助報(bào)表生成工具ReportStudio

查詢(xún)：專(zhuān)有報(bào)表構(gòu)筑工具

AnalysisStudio分析：多維數(shù)據(jù)展示工具

Transformer

分析：多維數(shù)據(jù)設(shè)計(jì)工具

FrameworkManager

查詢(xún)：業(yè)務(wù)數(shù)據(jù)組織工具COGNOS主要模塊QueryStudio查詢(xún)180幾個(gè)模塊在Cognos體系中的位置應(yīng)用（Consumer）

專(zhuān)業(yè)（profession）查詢(xún)QueryStudioReportStudioFrameworkManager分析AnalysisStudioTransformer幾個(gè)模塊在Cognos體系中的位置應(yīng)用181FrameworkManagerFrameworkManager是一個(gè)元數(shù)據(jù)建模工具，它使用數(shù)據(jù)查詢(xún)來(lái)獲取數(shù)據(jù)，模型中能包含多個(gè)數(shù)據(jù)源的各種物理信息和業(yè)務(wù)信息的元數(shù)據(jù)，以滿足報(bào)表顯現(xiàn)和數(shù)據(jù)分析的需要。FrameworkManager能根據(jù)業(yè)務(wù)需求創(chuàng)建面向報(bào)表的關(guān)系型，或面向OLAP分析和報(bào)表的維度化建模關(guān)系型(DMR)。FrameworkManagerFramework182FrameworkManager工作流程

FrameworkManager將生成的模型發(fā)布到ContentStore中，這些模型為T(mén)ansformer或前端展現(xiàn)工具提供數(shù)據(jù)服務(wù)。FrameworkManager工作流程183幾個(gè)模塊在Cognos體系中的位置應(yīng)用（Consumer）

專(zhuān)業(yè)（profession）查詢(xún)QueryStudioReportStudioFrameworkManager分析AnalysisStudioTransformer幾個(gè)模塊在Cognos體系中的位置應(yīng)用184TransformerTransformer是CognosBI的數(shù)據(jù)建模工具，用戶能使用它建立一個(gè)多數(shù)據(jù)源的多維業(yè)務(wù)模型。在選定了語(yǔ)言、維度、度量和業(yè)務(wù)視圖后，Transformer將以這些條件建