理解DW/BI：从概念到建模实践

"本资料主要介绍 Succez BI 的建模入门，通过一个订货系统的数据库概念模型作为实例，引导读者理解 BI 建模的过程。同时，资料还涵盖了数据仓库（DW）和商业智能（BI）的基本理念，强调数据仓库不是购买的商品，而是需要建设和开发的，并解释了构建数据仓库的必要性以及典型分析型需求。" 在 BI 建模入门中，我们首先面临的是如何从一个订货系统的数据库概念模型出发构建多维模型。这需要对业务流程有深入的理解，以便识别关键的业务指标和关系，将二维的关系型数据转化为适合分析的多维结构。例如，可能需要考虑时间、地区、商品和销售部门等维度，以分析销售量下降的原因。 DW/BI 基本理念部分指出，数据仓库是一个特定于主题、集成、稳定且反映历史变化的数据集合，用于支持决策。它强调数据仓库并非直接购买的商品，而是需要通过一系列开发步骤构建，包括数据抽取、转换和加载（ETL），以及数据模型的设计和优化。数据仓库的建设是一个持续改进的过程。 构建数据仓库的必要性源于传统的在线事务处理（OLTP）系统并不适合复杂的分析任务。OLTP 数据库通常遵循第三范式（3NF），这不利于分析和报告。此外，不同业务系统间的数据库隔离使得跨系统的综合分析变得困难，而且在 OLTP 系统上执行大量复杂查询会影响其性能。 典型分析型需求示例展示了如何从不同的角度（如时间、地区、商品和销售部门）进行深入的业务洞察。例如，银行信用卡分析关注持卡人的交易模式、消费倾向和交易类型的变化。这些分析要求集成多个子系统中的数据，提供历史数据的汇总和一致性视图。 尽管业务系统有自己的查询和报表功能，但它们往往无法满足复杂的分析需求。因此，构建数据仓库可以提供一个独立的、优化的分析平台，与业务系统整合，提供更紧密的界面和权限管理，以支持高效、灵活的决策支持。 这个资料提供了 BI 建模的基础知识，强调了数据仓库在满足企业分析需求中的关键作用，并通过实例帮助读者了解如何从实际业务场景出发，构建有效的 BI 模型。