数据仓库技术白皮书之二(3)

其次，就我国目前情况看，相当一部分企业工作的重点还是在于生产流程控制和比较基层的管理，而一些宣传材料给这些企业的主管们一个印象，数据仓库是大规模企业管理的专利，中小型企业和基础不太好的企业能用数据仓库吗？是不是小企业只需要数据库就可以了？数据仓库在中小型企业应用效果如何呢？

数据仓库技术白皮书之二

其实，最关键的一点是，数据仓库和数据挖掘本身是技术，而企业直接需要的是业务解决方案。因此，必须把技术融入业务过程中去，利用新技术改进业务运作和管理，才能真正吸引企业，使得数据仓库和数据挖掘技术得到广泛应用，对企业的经营管理产生真正的推动作用。

数据仓库的本质是按管理控制的需要重新组织数据，在有效组织数据的基础上提高管理效率。所以，数据仓库的本质特征不是其容纳的数据量巨大。数据仓库既可以应用于大规模的管理，也可以应用于中小型企业。国外的应用经验表明，由于中小型企业一方面机构、业务相对比较简单，数据比较清晰，另一方面要求经营管理比较灵活，迅速适应市场变化，因此，在应用数据仓库的过程中往往成本比较低，见效比较快。

而数据挖掘是从大量数据中发现隐含的规律的技术。解决数据质量问题，识别虚伪的数据是数据挖掘技术的一个重要应用，因此，根据我国企业数据质量不理想的状况，正可以把数据挖掘技术与数据仓库技术的应用相结合，从提高数据质量入手，结合管理流程改革和重组，建立企业数据仓库。

数据仓库和数据挖掘技术并不要求一定在整个企业范围内才能应用。由于数据仓库是面向主题的，因此，可以把数据仓库先应用到企业的局部，然后逐步展开。Inmon在其著作中也反复强调，操作数据存储(ODS)——数据集市(data mart)——数据仓库的发展过程是企业应用数据仓库的一种理想的推广策略。所以，完全可以先在局部建立操作数据存储，然后在部门一级根据管理需要建立数据集市，取得成效后在逐步推广，在更高层次上形成企业数据仓库。

目前，我国许多企业都在不同程度地进行业务过程重组(BPR，business process reengineering)的工作，在这个过程中，需要特别强调把管理和控制贯穿在整个企业的生产经营中。数据仓库技术和数据挖掘技术则可以很好地满足业务过程重组的需要。我们反复强调过，数据仓库技术是从产业界发展而来的技术，因此，它带有浓重的应用色彩。可以这么说，数据仓库技术是一项贴近业务解决方案的技术，它不是通常意义上的单纯技术，而是一套行之有效的业务解决方案原则和思想。

所以，无论业务管理、决策人员还是技术人员，都不应把数据仓库技术和数据挖掘技术看成是单纯的计算机技术，而应该在业务解决方案的思想方法的高度理解、掌握和运用数据仓库和数据挖掘技术。对数据仓库和数据挖掘来说，技术和产品固然重要，但最重要的是在业务流程中贯彻企业决策管理信息模型的思想和方法，这是数据仓库技术和数据挖掘技术的灵魂和活力所在。

8 总结

数据仓库是信息工程实践的必然产物，是人们对信息处理的客观要求。随着企业发展，其数据库中数据量在急剧增加，原来的数据库只能对这些数据进行简

数据仓库技术白皮书之二

单的管理和处理，无法满足更高的决策分析需求；而且进行决策分析往往涉及到许多部门甚至企业外部的数据，而不同系统的数据又难以集成；事务处理环境和分析处理环境是截然不同的模式，将这两种不同的应用放在一个系统中显然是不适当的。另外，客户机/服务器技术和并行可扩展体系结构使数据库技术得到了迅猛发展，企业大型联机事务处理技术走向成熟，也使得企业的运作上升到一个电子化、信息化的环境。总之，企业竞争对于决策信息的需求以及相关技术的成熟终于为我们带来了数据仓库。

数据仓库从多个信息源中获取原始数据，经加工整理后，存储在数据仓库的内部数据库中，通过数据仓库访问工具，向数据仓库的用户提供统一、协调和集成的信息环境，支持企业全局的决策过程和进行深入综合分析。

一般来说，数据仓库包括八个主要组成部分：数据源、数据抽取、数据建模工具、元数据仓储、数据仓库监控和管理工具、数据仓库的目标数据库、OLAP服务器以及前端数据访问和分析工具。而在数据仓库的设计过程中的主要问题是数据仓库的目标数据库的选择、数据抽取和转换工具以及前端数据访问和分析工具。

数据仓库技术的真正价值在于OLAP（联机分析处理），OLAP是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解并真实反映企业特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术，目标就是满足决策支持或特定的查询和报表需求。

数据挖掘技术的目标就是要智能化和自动化地把数据转换为有用的信息，它的整个分析过程是自动的。它与OLAP是容易混淆的两个概念。OLAP是用户提出问题或假设，OLAP从上至下地提取该问题的详细信息，以可视化方式呈现给用户。OLAP处于较浅的层次，而数据挖掘处于较深的层次。当然二者是相辅相成的。随着OLAP的发展，OLAP 与数据挖掘之间的界限越来越模糊，因为越来越多的OLAP产品融入了数据挖掘功能。

讲了这些数据仓库的基本概念与关键问题，那么国内数据仓库应用的主要问题何在呢？国内的管理机制还不够完善，企业缺乏大量及时可靠的数据，甚至在一些方面还尚未实现量化，只有人工的判断和主观的评价，这都是症结所在。还有一个误区就是认为数据仓库对大的企业才有用。数据仓库技术的应用并不在于其数据规模的大小，而在于应用目的。可以根据我国企业数据质量不理想的状况，把数据挖掘技术和数据仓库技术的应用相结合，从提高数据质量入手，结合管理流程改革和重组，建立企业数据仓库。