数据仓库：概念、体系结构与数据挖掘方法详解

第二章主要探讨了数据仓库的概念与体系结构，以及数据挖掘的相关概念和方法。首先，数据仓库的历史数据处理方式被分为简单删除、备份后删除和建立数据仓库三种，其中数据仓库的建立是为了更好地支持决策支持系统（Decision Support Systems, DDS）。 数据仓库的核心是数据仓库数据库，它是一个面向主题、集成的、相对稳定且反映历史变化的数据集合。其特点强调了数据的组织方式，便于用户理解和分析。数据仓库由以下几个关键组成部分构成： 1. 数据仓库数据库：作为核心，它支持海量数据存储和快速查询，是数据处理和分析的基础。 2. 数据抽取工具：负责从原始数据源提取、转换和清洗数据，包括删除冗余或无用信息，统一命名和定义，生成统计和衍生数据，以及填充缺失值。 3. 元数据：分为技术元数据和业务元数据，前者是关于数据仓库构建过程和管理的描述，后者是从业务角度描述数据仓库内容，如主题描述、查询和报表等。 4. 访问工具：包括分析和报表工具，以及数据挖掘工具，方便用户探索和利用数据。 5. 数据集市：根据特定应用需求从数据仓库中切分出来的部分，用于特定业务单元或主题。 6. 数据仓库管理：涉及安全权限管理、数据更新追踪、元数据管理和更新，以及数据复制与删除等操作。 7. 信息发布系统：确保数据准确、及时地传递给需要的用户和地点。 数据挖掘则是在数据仓库的基础上进行的高级分析活动。它是指从大量数据中发现有价值的信息模式的过程，包括直接数据挖掘和间接数据挖掘两种方法。数据挖掘的目标是通过非平凡的算法和模型，从数据中提取出新颖、有用的知识，以支持商业智能和决策制定。 总结来说，第二章重点讲解了如何通过数据仓库体系结构来管理和分析历史数据，以及如何运用数据挖掘技术从这些数据中提取潜在价值，这对企业和组织优化决策过程具有重要意义。