数据仓库的基本特征

简介: 面向主题:主题是一个在较高层次将数据归类的标准,每一个主题基本对应一个宏观的领域,基于主题组织的数据被划分为各自独立的领域,每一个领域都有自己的逻辑内涵互不交叉,如:产品,客户,销售,财政收入等。

面向主题:

主题是一个在较高层次将数据归类的标准,每一个主题基本对应一个宏观的领域,基于主题组织的数据被划分为各自独立的领域,每一个领域都有自己的逻辑内涵互不交叉,如:产品,客户,销售,财政收入等。因此,在数据进入数据仓库之前,必然要经过加工和集成,将原始数据结构做一个从面向应用到面向主题的大转变。

集成特性

指数据仓库能将多个异种数据源,如关系数据库、一般文件、层次数据库和网络结构化的数据库等集成在一起。在数据进入数据仓库之前,必须经过数据加工和集成,统一原始数据中的矛盾之处,确保命名约定、编码、结构、属性度量、冲突键码等的一致性

非易失

指数据存入数据仓库后基本上不再改变

时变的

指数据项与时间点有关,两层涵义:

数据仓库是不同时间的数据集合,它要求数据仓库中的数据保存时限能满足进行决策分析的需要(例如:过去的510年),而且数据仓库中的数据都要标明该数据的历史时期。

 
相关文章
|
6月前
|
存储 关系型数据库 MySQL
数据仓库设计
数据仓库设计
103 3
|
4月前
|
机器学习/深度学习 分布式计算 数据挖掘
数据仓库与数据挖掘技术的结合应用
【7月更文挑战第30天】数据仓库与数据挖掘技术的结合应用是现代企业实现高效决策和精准分析的重要手段。通过整合高质量的数据资源,利用先进的数据挖掘技术,企业可以更好地理解市场、客户和业务,从而制定科学的决策和战略。未来,随着技术的不断进步和应用场景的不断拓展,数据仓库与数据挖掘技术的结合应用将会为企业的发展提供更多机遇和挑战。
|
存储 canal 消息中间件
数据仓库系列(三)数仓分层的意义价值及如何设计数据分层
数据仓库系列(三)数仓分层的意义价值及如何设计数据分层
1514 0
数据仓库系列(三)数仓分层的意义价值及如何设计数据分层
|
数据采集 敏捷开发 BI
数据仓库(5)数仓Kimball与Inmon架构的对比
数据仓库主要有四种架构,Kimball的DW/BI架构、独立数据集市架构、辐射状企业信息工厂Inmon架构、混合Inmon与Kimball架构。不过不管是那种架构,基本上都会使用到维度建模。
317 0
数据仓库(5)数仓Kimball与Inmon架构的对比
|
存储 数据挖掘 BI
数据仓库建模
数据仓库建模
216 0
|
存储 SQL 数据采集
数据仓库设计模型
数据仓库设计模型
146 0
|
存储 传感器 分布式计算
【数据架构】数据湖与数据仓库之间的五大差异
【数据架构】数据湖与数据仓库之间的五大差异
|
SQL Oracle 算法
「数据仓库架构」数据仓库的三种模式建模技术
「数据仓库架构」数据仓库的三种模式建模技术
|
存储 SQL 数据采集
数据仓库系列(四)数仓架构以及多维数据模型的设计1
数据仓库系列(四)数仓架构以及多维数据模型的设计1
637 0
数据仓库系列(四)数仓架构以及多维数据模型的设计1
|
数据采集 敏捷开发 存储