摘  要： 給出了數據倉庫的概念和特征。結合大型超市的實際情況，描述了數據倉庫的構建過程及需要注意的問題。
關鍵詞： 數據倉庫  決策支持  數據挖掘  超級市場

　　現代社會的發展在某種意義上取決于信息的獲取與處理技術。信息的價值在于用戶通過使用這些信息從中得到收益。信息工作者所面對的問題不是簡單地處理數據，而是如何使用數據，即從數據中挖掘出有用的信息。就超市而言，各種商品的銷售情況實際上蘊藏著某種規律性。如果能夠把它挖掘出來，無疑對今后的工作有很大的幫助。
1  數據倉庫的概念和特征
　　數據倉庫指的是在關系數據庫中存儲數據和處理數據，并且使得數據更加有力地支持決策分析。其目標是通過收集、過濾和存儲數據，尋找數據的趨勢，幫助企業制定有關經營方面的決策。
　　這里給數據倉庫一個比較完整的定義：數據倉庫是面向主題的、一致的、不同時間的、穩定的數據集合，用于支持經營管理中的決策支持過程。也就是說，數據倉庫是一個處理過程，該過程從歷史的角度組織和存儲數據，并能集成地進行數據分析。數據倉庫有以下四個特征。
　　(1)數據倉庫是面向主題的。傳統的數據倉庫是面向應用設計的，而主題是在一個較高層次將數據歸類的標準。例如，在一個大型超市里，如果只記錄原始的銷售數據，則使用原始的數據庫技術即可。但是如果希望對這些數據加以分析，找出哪些年齡段的人喜歡某類產品，什么時間段某類產品銷量最好以及產品與銷量的關系，則需要借助于數據倉庫技術。
　　(2)數據倉庫是一致的數據的集合。應用程序常常以不同的格式使用類似的數據。例如：超級市場可能表示為“超市”、“超級市場”、“supper market”等。這些數據的值必須統一才能更好地使用。
　　(3)存儲在OLTP系統中的數據可以正確地表示任何時間的任何值。它一般表示過了一段比較長的時間的數據，通常是5～10年。這些數據一般是不改變的。而數據庫通常只把有用的數據保存30～90天。
　　(4)數據倉庫是比較穩定的。當數據移動到數據倉庫后，就不再改變，除非存儲的數據不正確。一般情況下，在數據倉庫中發生的操作是建立數據倉庫時的加載數據和查詢數據。
2  建立數據倉庫的過程
　　建立數據倉庫的過程實際上是從傳統的以數據庫為中心的操作型系統結構轉移到以數據倉庫為中心的體系結構的過程。具體實現過程如下。
　　(1)建立企業模型，并且選取主題。企業模型是從企業用戶的角度對企業所需數據的內容以及數據間關系的抽象。企業模型對大型企業是有重要意義的。有了企業模型，可以比較完整地了解企業中各方面、各階層人員對數據的需要程度。這對建立數據倉庫有很好的指導作用。圖1為大型超市企業模型。

　　企業模型建立后，可以根據企業模型和用戶需求確定系統中存在的主題。大型數據倉庫涉及的系統眾多、功能復雜，因此往往采取螺旋式的開發方式。將龐大的目標劃分成若干個實施階段，實際上是將一個復雜、困難的問題轉化為多個比較簡單明確的小問題，然后分而治之。主題選取的原則包括：優先實施企業管理者最關心的問題，優先選擇在短時間內能見效的決策，優先實施投資風險低的決策。例如，管理者關心的是某一時期的銷售額、利潤額、市場份額等。
　　(2)選擇數據顆粒度。對于不同的數據量，將選擇不同的數據顆粒度策略。小數據量可以采用單一的數據粒度，即直接存儲細節數據并定期在細節數據基礎上進行數據綜合。而大數據量需要采用雙重粒度，數據倉庫只保留在細節數據保留周期之內的數據，對于該周期之后的信息只保留其綜合信息。就超市而言，可以保存最近一個月中每天的營業額數據。對于更早時間段內的營業額數據，可以只保存周營業額之和，或者月營業額之和。典型的粒度定義包括：顧客的購物券上掃描設備一次拾取的分列項內容，倉庫中每種產品庫存水平的日快照，每個銀行帳號的月快照。
　　(3)表的分割與劃分。通常按照時間進行分割。細節數據時間短，而綜合數據的時間稍長。分割表之后要為各個表增加合適的時間字段，同時去掉分析過程中不會用到的字段。在實際應用中，字段被訪問的頻率有差別。將所有的字段放在一起會影響訪問的效率。所以有必要對表中的內容進行合理的劃分。通常按照數據穩定性進行劃分，這樣就避免了整張表的記錄數迅速增長的現象，節約了存儲空間。
　　(4)數據抽取和數據加載。將數據資源從外部抽取到數據倉庫中，在此過程中應該依據元數據中定義的標準數據格式處理數據。在數據被抽取后，對準備進行加載的數據進行清理，然后就可以把它們加載到數據倉庫中。
　　(5)OLAP模型設計。OLAP是針對某個特定的主題進行的聯機數據訪問、處理和分析，通過直觀的方式從多個維度、多種數據綜合程度將系統的運營情況展現給使用者。OLAP模型設計包括維表設計和事實表設計。維表通過記錄因素的屬性描述事件中包含的諸多因素，例如，員工維表中通過員工標識號、姓名、電話、年齡、地址等信息用來刻畫員工的屬性。維表屬性有星型模型和雪花型模型二種類型。通常，星型模型用來處理一對一和一對多關系，雪花型模型用來處理多對多關系。雪花型模型用中間表連接事實表和維表，使事實表不至于迅速膨脹。在設計事實表時要著重考慮數據的粒度。如果決策者不斷向下觀察細節數據，則事實表會記錄很多的細節，其長度會增大。反之其長度會減小。圖2為銷售主題的星型模型和雪花模型。

　　(6)數據挖掘模型設計。在進行數據挖掘的時候，將數據寬表劃分成訓練集合和驗證集合。在沒有挖掘模型時可以使用訓練集合對數據進行訓練，逐漸確定模型中的參數。在模型建立后，利用驗證集合對模型進行評價。
　　在模型確定后，需要將進行預測的數據輸入挖掘引擎，挖掘引擎將利用模型得到預測結果。數據挖掘的部分預測結果輸入到OLAP子系統中，另一些結果輸入界面子系統，以便將數據挖掘的結果呈現給最終用戶。
　　(7)同客戶交流。以上工作完成以后，需要同用戶進行深入的交流，使用戶對以上系統有更加深入的認識，獲取用戶的想法，以便于下一步工作的開展。
　　(8)重新開始循環。重新進入以上循環，直到取得滿意的結果。
3  結束語
　　大型超市每天都要進行成千上萬筆交易。對這些交易進行分析，找出它們之間的關聯關系，有利于超市管理層進行正確決策，及時調整經營策略，更好地適應市場的挑戰。
參考文獻
1   Agosta L著，瀟湘工作室譯.數據倉庫技術指南.北京：人民 郵電出版社，2000
2   謝榕.基于數據倉庫的決策支持系統框架.系統工程理論與實踐，2000；（4）
3   高洪深.決策支持系統（DSS）.北京：清華大學出版社，2000
4   林宇.數據倉庫原理與實踐.北京：人民郵電出版社，2003
5   Han J，Kamber M著，范明，孟小峰譯.數據挖掘：概念與技術.北京：機械工業出版社，2001