本书论述在设计和建造数据仓库中涉及的所有主要问题，论述分析型环境(决策支持系统环境)以及在这种环境中的数据构造。主要内容包括数据仓库的设计与建造步骤，传统系统到数据仓库的迁移，数据仓库的数据粒度、数据分割、元数据管理、外部数据与非结构化数据，分布式数据仓库、高级管理人员信息系统和数据仓库的设计评审等。
本书主要是面向数据仓库的设计、开发和管理人员，以及构造和使用现代信息系统的人员，也适于信息处理方面的高校师生和从事传统数据库系统技术工作的人阅读。
数据库及其理论已经出现好长时间了。早期数据库主要是一些单独的数据库，应用于己知信息处理领域的各种目的—从事务处理到批处理和分析处理。大多数情况下，早期的数据库系统主要集中于操作型的日常事务处理。近年来，数据库较为高级的思想已经产生，一方面是为了满足操作型数据处理的需求，另一方面是为了满足信息型或分析型数据处理的需求。从某种程度上讲，数据库的这种新颖思想是随着个人计算机(PC)技术、第四代程序设计语言(4GL)技术以及最终用户的推动而出现的。
下面的诸多因素导致了操作型数据库和信息型数据库的分离：
■ 满足操作型需求的数据从物理上不同于满足信息型或分析型需求的数据。
■ 支持操作型处理的技术从根本上不同于支持信息型或分析型需求的技术。
■ 操作型数据的用户范围不同于信息型或分析型数据所支持的用户范围。
■ 操作型环境的处理特点与信息型环境的处理特点从根本上是不同的。
由于这些原因(以及很多其他原因)，当今建造数据库系统的方式是将操作型处理及数据同信息型或分析型处理及数据分离。
本书论述分析型或决策支持系统(DSS)环境以及在这种环境中的数据构造，主要讨论数据仓库(或信息仓库)及其相关问题。数据仓库是处于信息型DSS处理的核心。
本书所讨论的问题是面向管理者和开发者的。就大多数章节而言，本书是关于数据仓库的问题与技术的，在某些适当的地方也将讨论一些技术层次上的问题。本书旨在作为数据仓库的设计者和开发者的一本指导性读物。
什么是分析型、信息型处理呢？分析型或信息型处理是针对制定决策过程中管理方面的需求而进行的处理。分析型处理是浏览大量数据以找出其中的趋势，这就是所谓的DSS处理。当DSS分析员进行分析型处理时，不是只查看一个或两个数据记录，而是要访问很多记录，不像在操作型处理中的那种情况。
另外，DSS分析人员极少更新数据。在操作型系统中，数据以单个记录的方式频繁地更新，而在分析型处理中需要不断访问记录以及收集记录内容进行分析，但是各个记录的内容极少更改或根本不更改。
在分析型处理中，响应时间的需求与传统操作型处理相比要宽松得多。分析的响应时间可从30分钟到24小时，而对操作型处理而言这样的响应时间范围将会是一种巨大的灾难。
作为分析型环境的计算机网络比作为操作型环境的计算机网络的规模要小得多。通常情况下，分析型网络的用户远比操作型网络的用户要少。
与作为分析型环境的技术不同，操作型环境的技术必须关注其本身的数据、事务锁定、数据争用和死锁，等等。
因此，在操作型环境和分析型环境之间存在着很多重要区别。本书是关于分析型的DSS环境的，着重阐述下列问题：
■ 数据粒度。
■ 数据分割。
■ 元数据。
■ 数据可信度的需求。
■ DSS数据的集成。
■ DSS数据的时基。
■ 识别DSS的数据源—记录系统。
■ 迁移和方法。
本书是针对数据仓库的开发者、管理者、设计者、数据管理员、数据库管理员以及在现代数据处理环境中构造系统的其他人员的。也适用于信息处理方面的大学生们。
本书是与数据仓库有关的系列丛书的第一本，此套丛书的下一本是《USING THE DATA WAREHOUSE》，该书着重阐述了在已经建造好的数据仓库中会遇到的问题。此外，还介绍了一种更大的体系结构的概念和一种操作型数据储仓(ODS)的思想。操作型数据储仓是与数据仓库相似的一种体系结构，不同之处在于操作型数据储仓只适用于操作型系统，而不适用于信息型系统。此套丛书的第三本书是《BUILDING THE OPERATIONAL DATA STORE》,书中阐述什么是操作型数据储仓与如何建造操作型数据储仓。
有很多人直接或间接地为本书的完成做出了贡献。下面的名单仅列出了他们当中的一些人：
■ Sue Osterfelt,Nations Bank
■ Claudia Imhoff,Intelligent Solutions
■ John Zachman,Zachman International
■ Jim Kerr,independent consultant
■ Ed Young,Prism Solutions
■ Jim Ashbrook,Prism Solutions
■ Cynthia Schmidt,Prism Solutions
■ Peter LaPorte,Tandem Computers
■ Edie Conklin,independent consultant
■ George Coleman,Prism Solutions
■ Jeanne Friedman,Logica
■ Cheryl Estep,Chevron Corporation
■ Kevin Gould,Sybase
■ Chuck Kelley,Pine Cone Systems
■ George Comeaux,Bank of Boston
■ J.D.Welch,Prism Solutions
■ Arnie Barnett,Barnett Data Systems
W.H.Inmon：W.H.Inmon: W.H.Inmon是公认的”数据仓库之父”，也是关于企业信息源的专业网站www.billinmon.com的创始人。 在数据库、数据管理和数据仓库技术方面有超过40本著作。经常在主要行业会议上发表演说。他的Building the Data Warehouse是数据仓库领域被引用最多的标准参考书。
王志海 译 黄厚宽 田盛丰 审：王志海: 博士，副教授，1963年10月出生，1985年毕业于郑州大学计算机科学系，获理学学士学位，1987年毕业于哈尔滨船舶工程学院计算机与信息科学系，获工学硕士学位，1998年毕业于合肥工业大学计算机与信息学院，获博士学位。曾先后在澳大利亚Monash大学和 Deakin大学从事两年多的博士后研究。2002年在Monash大学计算机科学与软件工程学院工作，并被聘为研究生导师．期间曾指导博士生２人，访问学者１人，国际交流学生１人．主要参加了澳大利亚研究委员会(ARC)资助项目：国家医疗保障系统(Medicare)数据分析系统开发和贝叶斯机器学习与数据挖掘算法研究．现被聘为Monash大学荣誉研究员。曾被多个国内和国际学术会议聘为程序委员会委员。2003年担任国际软件工程大会数据挖掘在软件工程中应用学术研讨会（DMSE'2003, USA）程序委员会委员，2004年担任亚太数据库知识发现与数据挖掘学术会议(PAKDD'2004, Australia)程序委员会委员。在国际学术刊物，国际学术会议和国内学术刊物上发表论文约30篇。
黄厚宽: 教授，博士生导师。1940年9月生，1963年毕业于北京大学数力系六年制数学专业，1966年哈尔滨军事工程学院应用数学研究生毕业。1970～1980年参加我国首次洲际火箭发射落点水声测量系统研制，主持总体数学模型论证计算及专用计算机系统软件编制，获中央军委嘉奖及原国防科工委重大科技成果三等奖。1983～1985年先后在美国亚拉巴马大学和佛罗里达大学信息研究中心任访问教授。十多年来主持完成多个专家系统与工具及计算机应用系统，进行机器学习、专家系统、分布式人工智能的研究。共获省部级科技进步奖6项，已发表论文80多篇，指导硕士与博士研究生50多人，俄罗斯高级访问学者1人。现任中国计算机学会人工智能与模式识别专委会副主任兼秘书长等。
田盛丰: 教授，1944年11月生，1967年毕业于哈尔滨军事工程学院电子工程系，1968～1977年在七级部五院五零四研究所任实习研究员，1977年至今在北方交通大学计算机系任教。其中1982～1984年在美国纽约州立大学石溪分校作访问学者，主要研究人工智能；1997年在英国伦敦大学Royal Holloway学院计算机科学系合作研究人工智能项目。曾主持和参加了多项科研项目，包括国家自然科学基金项目“隧道工程预测专家系统”、“工程建设中知识系统的应用研究”、“断裂地质构造遥感图象判释专家系统”，教委博士点基金项目“隧道岩溶预测专家系统”，部委级项目“国防交通铁路工程保障指挥决策专家系统的改进与应用”等。发表论著2部及论文50多篇。
计算机网络与数据库技术的迅速发展和广泛应用，使得企业管理进入一个崭新的时代。广大基层管理人员摆脱了繁重的制表业务和数据处理工作，管理工作得到进一步规范化，许多业务得到了联机事务处理信息系统的支持。然而，面对当今竞争日趋激烈与瞬息万变的市场经济，各级管理人员迫切需要面对不同层次的大量信息迅速作出抉择。这就要求各级管理人员能够从大量复杂的业务数据中获取各自权限内的决策信息，及时把握市场变化的脉搏，作出正确有效的判断和抉择。特别是随着数据库系统的逐日运行，数据的堆积将越来越庞大，这种需求就比以往任何时候都更加迫切。从各级决策者的角度来看，数据处理的重点应该从传统的业务过程扩展到对业务数据的联机分析处理，并从中得到面向各种管理主题的统计信息和决策支持信息。
数据仓库就是针对解决上述问题所产生的一种技术方案，是基于大规模数据库的决策支持系统环境的核心。正如本书作者数据仓库之父W. H. Inmon 所定义的，数据仓库是一个面向主题的、集成的、不可更新的且随时间不断变化的数据集合，用来支持管理人员的决策。本书详尽地讲述了数据仓库系统的基本概念与基本原理。主要包括数据仓库的结构、数据分割与粒度划分、数据仓库模型、数据仓库中的数据访问方式、数据仓库的各种组织技术、分布式数据仓库、数据仓库与管理人员之间的关系、设计复查以及数据仓库的开发方法等。本书面向数据仓库的开发者、管理者、设计者、数据管理员、数据库管理员以及在现代数据处理环境中的相关人员。对于计算机专业的本科生和研究生也有重要的参考价值。
我们研究小组的博士生导师和教授组织博士研究生和硕士研究生对数据仓库和数据库知识发现进行了长期的研究与讨论，在此过程中翻译了一些有关数据仓库的著作。出版社希望将这本数据仓库的最经典著作的中文版推荐给国内读者。为此，我们对该书的译稿重新进行了修正与审校。下面是本书各章的主要翻译者：前言由王志海和王琨翻译，第1章由王琨翻译，第2章由王继奎翻译，第3章由董隽、王志海、刘、林友芳翻译，第4章和第5章由高思宇翻译，第6章由王春花翻译，第7章由王琨翻译，第8章由王继奎翻译，第9章和第10章由林友芳翻译，其余部分由刘、王志海、王继奎、林友芳等翻译，参加本书翻译与讨论工作的还有宁云晖、李晓武、蔺永华、范星艳等。全书由王志海负责统一定稿，由黄厚宽教授审定前言、第1章、第2章、第4章至第7章，其余部分由田盛丰教授审定。
由于译者水平有限，以及一些术语的翻译目前尚缺乏规范，错误之处望广大读者批评指正。
译 者
北方交通大学计算机科学技术系
2000年3月
译者序
审、译者简介
前言
第1章 决策支持系统的发展 1
1.1 演化 1
1.2 直接存取存储设备的产生 2
1.3 个人计算机/第四代编程语言技术 3
1.4 进入抽取程序 3
1.5 蜘蛛网 4
1.6 自然演化体系结构的问题 5
1.6.1 数据缺乏可信性 5
1.6.2 生产率问题 8
1.6.3 从数据到信息 10
1.6.4 方法的变迁 11
1.7 体系结构设计环境 12
1.7.1 体系结构设计环境的层次 13
1.7.2 集成 14
1.8 用户是谁 15
1.9 开发生命周期 15
1.10 硬件利用模式 16
1.11 建立重建工程的舞台 16
1.12 监控数据仓库环境 17
1.13 小结 19
第2章 数据仓库环境 20
2.1 数据仓库的结构 22
2.2 面向主题 23
2.3 第1天到第n天的现象 26
2.4 粒度 28
2.4.1 粒度的一个例子 29
2.4.2 粒度的双重级别 31
2.5 分割问题 34
2.6 样本数据库 34
2.7 数据分割 35
2.8 数据仓库中的数据组织 37
2.9 数据仓库—标准手册 41
2.10 审计和数据仓库 41
2.11 成本合理性 41
2.12 清理仓库数据 42
2.13 报表和体系结构设计环境 42
2.14 机遇性的操作型窗口 43
2.15 小结 44
第3章 设计数据仓库 45
3.1 从操作型数据开始 45
3.2 数据/过程模型和体系结构设计环境 49
3.3 数据仓库和数据模型 50
3.3.1 数据模型 52
3.3.2 中间层数据模型 54
3.3.3 物理数据模型 58
3.4 数据模型和反复开发 59
3.5 规范化/反规范化 60
3.6 数据仓库中的快照 65
3.7 元数据 66
3.8 数据仓库中的管理参照表 66
3.9 数据周期 67
3.10 转换和集成的复杂性 70
3.11 触发数据仓库记录 71
3.11.1 事件 72
3.11.2 快照的构成 72
3.11.3 一些例子 72
3.12 简要记录 73
3.13 管理大量数据 74
3.14 创建多个简要记录 75
3.15 从数据仓库环境到操作型环境 75
3.16 正常处理 75
3.17 数据仓库数据的直接访问 76
3.18 数据仓库数据的间接访问 76
3.18.1 航空公司的佣金计算系统 76
3.18.2 零售个性化系统 78
3.18.3 信用审核 80
3.19 数据仓库数据的间接利用 82
3.20 星型连接 83
3.21 小结 86
第4章 数据仓库中的粒度 87
4.1 粗略估算 87
4.2 粒度划分过程的输入 88
4.3 双重或单一的粒度？ 88
4.4 确定粒度的级别 89
4.5 一些反馈循环技巧 90
4.6 粒度的级别—以银行环境为例 90
4.7 小结 95
第5章 数据仓库和技术 96
5.1 管理大量数据 96
5.2 管理多介质 97
5.3 索引/监视数据 97
5.4 多种技术的接口 97
5.5 程序员/设计者对数据存放位置的控制 98
5.6 数据的并行存储/管理 99
5.7 元数据管理 99
5.8 语言接口 99
5.9 数据的高效装入 99
5.10 高效索引的利用 100
5.11 数据压缩 101
5.12 复合键码 101
5.13 变长数据 101
5.14 加锁管理 102
5.15 单独索引处理 102
5.16 快速恢复 102
5.17 其他的技术特征 102
5.18 DBMS类型和数据仓库 102
5.19 改变DBMS技术 104
5.20 多维DBMS和数据仓库 104
5.21 双重粒度级 109
5.22 数据仓库环境中的元数据 109
5.23 上下文和内容 111
5.24 上下文信息的三种类型 111
5.25 捕获和管理上下文信息 113
5.26 刷新数据仓库 113
5.27 小结 114
第6章 分布式数据仓库 116
6.1 引言 116
6.2 局部数据仓库 118
6.3 全局数据仓库 119
6.4 互斥数据 121
6.5 冗余 123
6.6 全局数据存取 124
6.7 分布式环境下其他考虑因素 126
6.8 管理多个开发项目 127
6.9 开发项目的性质 127
6.10 分布式数据仓库 130
6.10.1 在分布的地理位置间协调开发 131
6.10.2 企业数据分布式模型 132
6.10.3 分布式数据仓库中的元数据 134
6.11 在多种层次上建造数据仓库 134
6.12 多个小组建立当前细节级 136
6.12.1 不同层不同需求 138
6.12.2 其他类型的细节数据 140
6.12.3 元数据 142
6.13 公用细节数据采用多种平台 142
6.14 小结 143
第7章 高级管理人员信息系统和数据仓库 144
7.1 一个简单例子 144
7.2 向下探察分析 146
7.3 支持向下探察处理 147
7.4 作为EIS基础的数据仓库 149
7.5 到哪里取数据 149
7.6 事件映射 152
7.7 细节数据和EIS 153
7.8 在EIS中只保存汇总数据 154
7.9 小结 154
第8章 外部数据/非结构化数据与数据仓库 155
8.1 数据仓库中的外部数据/非结构化数据 157
8.2 元数据和外部数据 158
8.3 存储外部数据/非结构化数据 159
8.4 外部数据/非结构化数据的不同组成部分 160
8.5 建模与外部数据/非结构化数据 160
8.6 间接报告 161
8.7 外部数据归档 161
8.8 内部数据与外部数据的比较 161
8.9 小结 162
第9章 迁移到体系结构设计环境 163
9.1 一种迁移方案 163
9.2 反馈循环 167
9.3 策略方面的考虑 168
9.4 方法和迁移 171
9.5 一种数据驱动的开发方法 171
9.6 数据驱动的方法 172
9.7 系统开发生命周期 172
9.8 一个哲学上的考虑 172
9.9 操作型开发/DSS开发 173
9.10 小结 173
第10章 数据仓库的设计复查要目 174
10.1 进行设计复查所涉及的问题 175
10.1.1 谁负责设计复查 175
10.1.2 有哪些议事日程 175
10.1.3 结果 175
10.1.4 复查管理 175
10.1.5 典型的数据仓库设计复查 176
10.2 小结 185
附录 186
技术词汇 215
参考文献 222
