资料仓储
数据仓库（香港、台湾译资料仓储）是一门新兴的信息技术相关理论，以下用二种方式对其作解释。
目录 |
较简易的解释方式
数据仓库是一种信息系统的数据存储理论，此理论强调利用某些特殊数据存储方式，让所包含的数据，特别有利于分析处理，以产生有价值的信息并依此作决策。
利用数据仓库方式所存放的数据，具有一但存入，便不随时间而更动的特性，同时存入的数据必定包含时间属性，通常一个数据仓库皆会含有大量的历史性数据，并利用特定分析方式，自其中发掘出特定信息。
较学术的解释方式
数据仓库 ，由数据仓库之父W.H.Inmon于1990年提出，主要功能乃是将组织通过信息系统之在线交易处理(OLTP)经年累月所累积的大量数据，通过数据仓库理论所特有的数据存储架构，作一有系统的分析整理，以利各种分析方法如在线分析处理(OLAP)、数据采矿(Data Mining)之进行，并进而支持如决策支持系统(DSS)、主管信息系统(EIS)之建立，帮助决策者能快速有效的自大量数据中，分析出有价值的信息，以利决策拟定及快速回应外在环境变动，帮助建构商业智能(BI)。
一般来说，数据仓库可由关系数据库，或专为数据仓库开发的多维度数据库建立，若由多维度数据库建立而成，其架构可分为星状及雪花状架构，包含数个维度数据表，及一个事实数据表。
数据仓库的建制不仅只是信息工具技术面的运用，在规画和运行面更需对产业知识、营销管理、市场定位、策略规画等相关条件有深入的了解，才能真正发挥数据仓库以及后续分析工具的价值，提升组织竞争力。
数据仓库的特性
- 主题导向(Subject-Oriented)
- 有别于一般OLTP系统，数据仓库的数据模型设计，着重将数据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)
- 数据来自企业各OLTP系统，在数据仓库中是集成过且一致的。
- 时间差异性(Time-Variant)
- 数据的变动，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数据轨迹。
- 不变动性(Nonvolatile)
- 数据一旦确认写入后是不会被取代或删除的，即使数据是错误的亦同。(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、数据仓库和数据超市之异同
Operational data store(ODS)、数据仓库和数据超市三者相同之处在于均不属于任一OLTP系统，并且都是以数据导向的设计而非流程(process)导向。
相异之处在于，ODS的特性较著重于战术性查询，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。而数据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)。
数据采矿、OLAP和数据仓库
数据仓库可以作为数据采矿和OLAP等分析工具的数据来源，由于存放于数据仓库中的数据，必需经过筛选与转换，因此可以避免分析工具使用错误的数据，而得到不正确的分析结果。
数据采矿和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，以有效率的对数据进行复杂的查询动作，其默认查询条件由用户预先设置，而数据采矿，则能由信息系统主动发掘数据来源中，未曾被查觉的隐藏信息，和通过用户的认知以产生知识。
数据采矿(Data Mining)技术是经由自动或半自动的方法探勘及分析大量的数据，以建立有效的模型及规则，而企业通过数据采矿更了解他们的客户，进而改进他们的营销、业务及客服的运作。 数据采矿是数据仓库的一种重要运用。基本上，它是用来将你的数据中隐藏的信息挖掘出来，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，到数据中查找有用的特征（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。
参见
性stock | retire | vm
Why are we here?
All text is available under the terms of the GNU Free Documentation License
This page is cache of Wikipedia. History