Siebel 数据仓库与在线分析处理优化

"Siebel Bookshelf提供了对Siebel Analytics的深入理解，强调了分析处理在商业决策中的重要性。Siebel Analytics执行高级分析查询，这些查询通常涉及大量数据和复杂公式，可能会影响在线事务处理（OLTP）数据库的性能。为了满足Siebel Analytics快速查询和分析的需求，需要一个优化的数据模型，即非规范化数据库，以减少处理时间并提高系统响应速度。 Siebel Data Warehouse是针对OLAP（在线分析处理）设计的数据库，它允许用户选择性地提取、分析和查看数据。该仓库采用了星型模式建模技术，即维度模式，以支持Siebel Analytics的分析需求。数据仓库中的每个数据属性，如产品、账户和时间周期，都被视为独立的维度，这使得分析更加高效。值得注意的是，Siebel Data Warehouse并不包含交易数据库中的所有数据，只保留了用于分析所必需的部分。 此文档《Siebel Data Warehouse 数据模型参考 for Industry Applications》是版本7.8.4，发布于2005年10月，由Siebel Systems, Inc.出版。文档强调了版权保护，未经许可，任何部分不得存储、传输或以任何形式复制。同时，文档还提及了Siebel Systems的各种商标，并指出其他产品名称可能是其各自所有者的商标。 文档内容可能包括Siebel系统的不同模块和选项的描述，其中一些可能是可选的，且用户可能未购买相应的许可证。样本数据库也包含与这些可选模块相关的数据，因此实际软件实现可能会根据购买的许可证内容有所不同。" 在本文档中，读者可以学习到： 1. OLAP数据库如何解决Siebel Analytics的性能问题。 2. 星型模式（维度模式）在数据仓库设计中的应用。 3. Siebel Data Warehouse的数据存储结构和分析方法。 4. 如何通过非规范化数据库优化查询效率。 5. Siebel Data Warehouse与交易数据库的区别。 6. Siebel系统的模块和选项，以及它们可能的许可情况。