下载后可任意编辑第一章商务智能基本概念一．数据仓库的进展与展望作为商务智能三大核心技术之一的数据仓库发源于处理日常业务的数据库。传统数据库在日常的业务处理中获得了巨大的成功，但是对管理人员的决策分析要求却无法满足。因为，管理人员常常希望能够通过对组织中的大量数据进行分析，了解业务的进展趋势。而传统数据库只保留了当前的业务处理信息，缺乏决策分析所需要的大量历史信息。为满足管理人员的决策分析需要，在数据库的基础上就产生了适应决策分析的数据环境-----数据仓库（DW，Data Warehouse）。1.数据仓库----一种能够将日常业务处理中所收集到的各种数据转变为具有商业价值信息的技术2.而传统数据库系统无法承担起这一责任。因为传统数据库的处理方式与决策分析中的数据需求不相称，导致传统数据库无法支持决策分析活动。这些不相称性主要表现在决策处理中的系统响应问题、决策数据需求的问题和决策数据的操作问题系统响应问题在传统的事务处理系统中，用户对系统和数据库的要求是数据存取频率要高、操作时间要快。用户的业务处理操作请求往往在很短的时间内就能完成，这就使系统在多用户的情况下，也可以保持较高的系统响应时间。但在决策分析处理中，用户对系统和数据的要求发生了很大的变化。有的决策问题处理请求，可能会导致系统长达数小时的运行。有的决策分析问题的解决，则需要遍历数据库中大部分数据。这些操作必定要消耗大量的系统资源，这是实时处理业务的事务联机处理系统所无法忍受的。据测数据需求的问题在进行决策分析时，需要全面、正确的集成数据，这些集成数据不仅包含企业内部各部门的又关上护具，而且还包含企业外部的、甚至竞争对手的相关数据。但是在传统数据库中，只存储了本部门的事务处理数据，而没有与决策问题有关的集成数据，更没有企业外部数据。（数据的集成操做是有数据仓库处理，不是由决策分析程序处理）。在决策数据的继承中还需要解决数据混乱问题。例如，同一实体的属性在不同的应用系统中，可能有不同 的数据类型、不同的字段名称。这样在使用这些数据进行决策之前，必须对这些数据进行分析，确认其真实含义。在决策分析中，系统常常需要从数据库中抽取数据、查找有用的数据，然后将这些数据导入其他文件或数据库中，供用户使用。这些被抽取出来的数据，有可能被其他用户再次抽取。由于这种不加限制数据的连续抽取，使企业的数据控件构成了一个错综复杂的数据“蜘蛛网”，即形成...
