简介

数据仓库的特性

ODS、数据仓库和资料超市之异同

数据挖掘、OLAP和数据仓库

简介

数据仓库是一种资讯系统的资料储存理论，此理论强调利用某些特殊资料储存方式，让所包含的资料，特别有利于分析处理，以产生有价值的资讯并依此作决策。

利用数据仓库方式所存放的资料，具有一但存入，便不随时间而更动的特性，同时存入的资料必定包含时间属性，通常一个数据仓库皆会含有大量的历史性资料，并利用特定分析方式，自其中发掘出特定资讯。

数据仓库的特性

主题导向(Subject-Oriented)

有别于一般OLTP系统，数据仓库的资料模型设计，着重将资料按其意义归类至相同的主题区(subject area)，因此称为主题导向。举例如Party、Arrangement、Event、Product等。

集成性(Integrated)

资料来自企业各OLTP系统，在数据仓库中是集成过且一致的。

时间差异性(Time-Variant)

资料的变动，在数据仓库中是能够被纪录以及追踪变化的，有助于能反映出能随着时间变化的资料轨迹。

不变动性(Nonvolatile)

资料一旦确认写入后是不会被取代或删除的，即使资料是错误的亦同。(i.e.错误的后续修正，便可因上述时间差异性的特性而被追踪)

ODS、数据仓库和资料超市之异同

Operational data store(ODS)、数据仓库和资料超市三者相同之处在于均不属于任一OLTP系统，并且都是以资料导向的设计而非流程(process)导向。

相异之处在于，ODS的特性较着重于战术性查询，变动性大。数据仓库通常为企业层级，用来解答即兴式、临时性的问题。而资料超市则较偏向解决特定单位或部门的问题，部分采用维度模型(dimensional model)。

数据挖掘、OLAP和数据仓库

数据仓库可以作为数据挖掘和OLAP等分析工具的资料来源，由于存放于数据仓库中的资料，必需经过筛选与转换，因此可以避免分析工具使用错误的资料，而得到不正确的分析结果。

数据挖掘和OLAP同为分析工具，其差别在于OLAP提供用户一便利的多维度观点和方法，以有效率的对资料进行复杂的查询动作，其预设查询条件由用户预先设定，而数据挖掘，则能由资讯系统主动发掘资料来源中，未曾被查觉的隐藏资讯，和透过用户的认知以产生知识。

数据挖掘(Data Mining)技术是经由自动或半自动的方法探勘及分析大量的资料，以创建有效的模型及规则，而企业透过数据挖掘更了解他们的客户，进而改进他们的行销、业务及客服的运作。 数据挖掘是数据仓库的一种重要运用。基本上，它是用来将你的资料中隐藏的资讯挖掘出来，所以 Data Mining 其实是所谓的 Knowledge Discovery 的一部份，Data Mining 使用了许多统计分析与 Modeling 的方法，到资料中寻找有用的特征（Patterns）以及关连性（Relationships）。 Knowledge Discovery 的过程对 Data Mining 的应用成功与否有重要的影响，只有它才能确保 Data Mining 能获得有意义的结果。