数据仓库与数据挖掘复习要点

"数据仓库与数据挖掘期末综合复习教材，涵盖了数据仓库的基本概念、元数据、数据处理分类、多维分析、OLAP技术、数据仓库的开发过程、系统架构及实时数据仓库的发展演变等核心知识点。" 数据仓库是决策支持系统的重要组成部分，它是一个专门设计用于数据分析的数据集合。数据仓库具有面向主题、集成、相对稳定和反映历史变化四大特点。面向主题意味着数据仓库围绕特定业务领域如销售、人力资源等组织数据，而非像操作型数据库那样面向具体事务。集成性确保了来自多个异构数据源的数据在仓库中统一处理，消除冗余和不一致性。数据仓库的稳定性体现在数据一旦加载，除非特殊情况，一般不会被修改或删除，这与操作型数据库中频繁的数据更新形成对比。反映历史变化则意味着数据仓库保留了数据的历史版本，支持时间序列分析。 元数据在数据仓库中起着至关重要的作用，它描述了数据仓库中数据的结构和构建方法。元数据分为技术元数据（如数据源、转换规则等）和业务元数据（如数据含义、业务规则等），帮助用户理解和使用数据仓库。 数据处理分为联机事务处理(OLTP)和联机分析处理(OLAP)。OLTP关注日常的事务操作，如银行交易，而OLAP则专注于复杂的分析查询，支持决策制定。多维分析是OLAP的核心，通过切片、切块、钻取和旋转等操作，用户可以从不同视角和层次深入理解数据。 OLAP有三种实现方式：ROLAP（关系型OLAP）依赖于关系数据库，MOLAP（多维OLAP）基于多维立方体，HOLAP（混合型OLAP）结合两者优势。数据仓库的开发涉及数据抽取、存储与管理以及数据展现等关键步骤。 数据仓库系统可采用两层架构、独立型、依赖型或运营数据存储等多种架构模式。运营数据存储（ODS）是一种集成的、面向主题的、可更新的详细数据库，用于支持实时或近实时的决策。 数据仓库的发展经历了报表、分析、预测模型、运营导向到实时数据仓库的五个阶段，实时数据仓库强调与源系统间近乎实时的数据交换。 总结来说，数据仓库与数据挖掘是信息技术领域的关键领域，涉及到数据的集成、分析和决策支持，是企业提升竞争力的重要工具。掌握这些知识点对于理解数据驱动的决策过程至关重要。