数据仓库为企业和组织提供了收集、存储和分析海量业务数据的必要策略。随着业务活动的日益增长，数据仓库领域变得越来越重要。本书被誉为数据仓库的“圣经”，从1990年第1版出版起，不仅带动了数据仓库行业的发展，而且至今仍然是数据仓库方面的优秀入门读物。第4版涵盖了数据仓库最新技术，保持了在这一领域的先锋地位。
纵观数据仓库系统的基本组成部分，读者会体验到数据仓库设计方法的更新；各种数据仓库的迁移策略以及应用在装载、索引和数据管理方面的技术。本书为读者提供了数据仓库领域的最新进展。
本书新增的内容：
在数据仓库中处理非结构化数据的方法
在各种不同的存储介质上存储数据的方法
关系型数据库设计和多维数据库设计的对比
在规划数据仓库项目时如何度量投资回报
探索更高级的研究主题，包括数据的监控与测试
无
数据库及其理论已经出现好长时间了。早期的数据库主要是一些独立的数据库，应用于企业数据处理的各个方面—从事务处理到批处理，再到分析型处理。早期的大多数数据库系统主要集中于操作型的日常事务处理。近年来，出现了一种更高级的数据库观念，即一种数据库服务于操作型需求，而另一种数据库服务于信息型或分析型需求。从某种程度上讲，这种数据库的新颖思想是随着个人计算机技术、第四代程序设计语言（4GL）技术以及最终用户新需求的出现而产生的。
将操作型数据库和信息型数据库分离开，是出于以下原因：
* 服务于操作型需求的数据在物理上不同于服务于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。
* 操作型数据的用户群体不同于信息型或分析型数据所支持的用户群体。
* 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），当今建立系统的方法是将操作型处理及其数据与信息型或分析型处理及其数据分离开来。
本书讨论分析型的环境，或称为决策支持系统（DSS）环境，以及在这种环境中的数据结构问题。本书的重点是讨论信息型和决策支持系统处理的核心—“数据仓库”（或“信息仓库”）。
本书所讨论的问题是面向管理者和开发者的，在某些地方也涉及技术问题。但本书的大部分是关于数据仓库的问题和技术。本书旨在作为数据仓库设计者和开发者的一本指导性读物。
本书出第1版的时候，数据库的理论家们对数据仓库的概念大加嘲笑。有一个理论家说数据仓库技术将使信息技术倒退20年。另有人说不应该允许数据仓库技术的创建者在公共场合发表言论。另外一些学院派的研究人员宣称数据仓库技术根本就不是什么新技术，学术界早已经知道数据仓库技术，尽管那时没有出书、没有文章、没有课程、没有研讨会、没有学术会议、没有报告、没有参考文献、没有论文、也没有可用的术语或概念。
本书出第2版的时候，整个世界正在为互联网而疯狂。想要成功，就要在各种词之前加上字母“e”，如e-business，e-commerce，e-tailing等。记得一个风险投资家说过“我们现在有了互联网，为什么还要数据仓库呢？”
但是数据仓库技术已经远比那些想把所有数据放在一个数据库中的数据库理论家们期望的要好。数据仓库技术也挺过了由那些短视的风险投资家所带来的“.com”灾难。在技术常被华尔街和Main Street抛弃的这个时代里，数据仓库技术从来没有像现在这么活跃和强大。关于数据仓库技术，有着各种各样的学术会议、研讨会、书籍、文章、咨询等。更重要的是，现在有很多公司在做数据仓库。我们还可以发现，与大肆宣扬的所谓新经济不同，数据仓库技术确确实实在发挥着作用，尽管硅谷还在否认它。
第3版前言
本书的第3版预示着数据仓库技术更新、更强大的时代。当今，数据仓库技术已经不再是纯粹的理论，而是活生生的事实。新技术已经可以支持对数据仓库的各种新奇的需求。许多企业已经通过数据仓库运转它们的重要业务。由于有了数据仓库，获取信息的代价在急剧降低。对于混乱的遗留系统环境，管理人员最终有了一种可行的解决方案。企业第一次拥有了可用的企业范围内的历史数据“存储方式”。整个企业的数据集成真正成为可能，这在多数情况下还是第一次。
数据仓库容易使人糊涂的地方在于它是一种体系结构，而不是一种技术。这一点使技术人员和风险投资家感到灰心，因为他们想买的是那些很好地打成了包的东西。但是，数据仓库本身不会将自己“封装”起来。体系结构和技术之间的差别就像是新墨西哥州圣达菲和砖块之间的差别一样。如果你在圣达菲的大街上开着车，你就会知道你是在圣达菲，而不是在别的什么地方。每一幢住宅、每一座办公楼、每一家饭馆都有显著的特征，提醒着我们“这里是圣达菲”。使圣达菲突显的外观和风格是建筑结构，而这种结构是由砖块和裸露的横梁构成的。当然，如果没有这些砖块和横梁就没有圣达菲的各种建筑。但是，砖块和横梁本身并不能构成结构。它们是独立的技术。就像你在美国西南部所有地方和世界的其他地方都能看到砖块，但它们并不是圣达菲。
因此，数据仓库和数据库及其他技术之间的关系，就像是体系结构和技术之间的关系。有了这种体系结构，就有相应的基础技术，两者之间有很大的差别。毫无疑问，数据仓库和数据库技术之间存在着关系，但是可以确定的是，它们不是同一种东西。数据仓库需要许多不同种类的技术支持。
有了本书的第3版，我们知道什么东西管用，什么东西不管用。在写第1版的时候，我们有一些开发和使用数据仓库的经验。但是说真的，当时的经验没有现在多。例如现在，我们可以确切地知道以下这些内容：
* 数据仓库的建立要采用不同于应用程序的开发方法，不记住这点会带来很大的问题。
* 数据仓库在根本上不同于数据集市。两者不能混在一起，就像油和水一样。
* 数据仓库能够实现所承诺的功用，而不像许多被过分宣扬的、之后渐渐消逝的技术一样。
* 数据仓库中汇集了大量的数据，这样就需要有全新的技术来管理大规模的数据。
但是，或许数据仓库最吸引人的东西是数据仓库构成了许多其他各种形式处理的基础。可以改造和重复使用数据仓库中的各种粒度的数据。如果存在一个关于数据仓库永恒而深刻的真理，那就是：数据仓库为许多其他形式的信息处理提供了理想的基础。这个基础如此重要，有许多原因，比如：
* 真理只有单个版本。
* 如果需要，可以重新调整数据。
* 可以为新的、未知的应用随时提供数据。
最后，数据仓库技术降低了企业获取信息的代价。有了数据仓库，获取数据将不再昂贵，数据访问也将更加快捷。
数据库及其理论已经出现好长时间了。早期的数据库主要是一些独立的数据库，应用于企业数据处理的各个方面—从事务处理到批处理，再到分析型处理。早期的大多数数据库系统主要集中于操作型的日常事务处理。近年来，出现了一种更高级的数据库观念，即一种数据库服务于操作型需求，而另一种数据库则服务于信息型或分析型需求。从某种程度上讲，这种数据库的新颖思想是随着个人计算机技术、第四代程序设计语言（4GL）技术以及最终用户新需求的出现而产生的。将操作型数据库和信息型数据库分离开，是出于以下原因：
* 服务于操作型需求的数据在物理上不同于服务于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。
* 操作型数据的用户群体不同于信息型或分析型数据所支持的用户群体。
* 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），当今建立系统的方法是将操作型处理及数据与信息型或分析型处理及其数据分离开来。
本书讨论分析型的环境，或称为决策支持系统（DSS）环境，以及在这种环境中的数据结构问题。本书的重点是讨论信息型和决策支持系统处理的核心—数据仓库（或信息仓库）。
什么是分析型、信息型处理呢？这种处理服务于决策支持过程中的管理需求，一般称为DSS处理，要在大量的数据中分析处理探索趋势。不同于只查找1~2条数据记录（如操作型处理），当DSS分析人员进行分析型处理时，需要访问大量的数据记录。
DSS分析人员很少修改数据。而在操作型系统中，数据在个体记录层次上经常修改。在分析型处理中，需要经常访问记录，收集来的记录内容用于分析的需要，但很少或不需要对单个的记录进行更改。
相对于传统的操作型处理，在分析型处理中，响应时间的要求大大放宽。分析型处理的响应时间可以是30分钟到24小时。这样的响应时间标准对于操作型处理而言是一个巨大的灾难。
服务于分析型用户群体的网络比服务于操作型用户群体的网络的规模小得多。通常情况下，分析型网络的用户比操作型网络的用户少很多。
与应用于分析型环境的技术不同，操作型环境中的技术必须将技术本身与数据和事务锁定、数据争用、死锁等因素结合起来考虑。
这样，在操作型环境和分析型环境之间存在许多重大的区别。本书针对分析型的DSS环境进行讨论，并着重讨论以下问题：
* 数据的粒度。
* 数据分区。
* 元数据。
* 数据可信度的缺乏。
* DSS数据的集成。
* DSS数据的时间基准。
* 确定DSS数据的数据源—记录系统。
* 数据迁移及方法。
本书适合开发人员、管理人员、设计人员、
第二本是《Using the Data Warehouse》（Wiley，1994），着重阐述建立了数据仓库后所面临的一些问题。此外，还介绍了更大的体系结构的概念和操作型数据存储（ODS）的思想。操作型数据存储在体系结构上与数据仓库相似，两者的区别在于ODS仅适用于操作型系统，而不适用于信息型系统。该系列丛书的第三本是《Building the Operational Data Store》（Wiley，1999），阐述什么是ODS以及如何建造ODS。
数据仓库系列丛书的第四本是《Corporate Information Factory, Third Edition》（Wiley，2002）。该书阐述了以数据仓库为中心的更大型的信息系统。在很多方面，有关CIF的书和有关DW的书是相辅相成的。有关CIF的书着眼点更高，而有关DW的书则做出了更为具体的讨论。该系列丛书还包括《Exploration Warehousing》（Wiley，2000）。该书阐述了使用统计技术对数据仓库中的数据所进行的一种特殊的处理模式分析。
无论如何，本书都是这一系列丛书的基石。数据仓库是其他所有DSS处理形式的基础。
也许本书结尾引用的参考文献最能雄辩地说明数据仓库和企业信息工厂所带来的进步。本书第1版出版时，除了少数论文外，没有其他书籍或白皮书可供参考引用。而这本第3版提到了许多书籍、论文和白皮书。确实，引用的参考文献只是揭示了大量重要工作中的一部分。
第4版前言
早期的数据库理论认为所有的数据都应该装载在一个公共的数据源中。这个想法不难得出。主文件是先于数据库而出现的，这些主文件存储在顺序介质上，为实现随之而来的各种应用而创建。在主文件之间根本没有数据集成。因此，将数据集成为单一的数据源—数据库的理念得到极大的认同。
数据仓库的诞生基于以上这些理念。数据仓库对于那些赞同传统数据库理论的人来说是一种智力上的威胁，因为数据仓库本身意味着应该建立不同种类的数据库。然而，建立不同种类的数据库的思想并不被数据库理论学家们所接受。
现在，数据仓库已经被认为是一种明智的选择。基于许多不同理由，人们相信数据仓库就是所想要的。近期的一项调查显示，公司用于数据仓库和商业智能方面的开销超过了事务处理和在线事务处理（OLTP）方面，这在几年前是不可想象的。
数据仓库的成熟期已经到来。
本书第4版的问世恰逢时宜，它掀起了数据仓库的新浪潮。
除了数据仓库中由来已久的概念外，本书第4版还囊括了数据仓库的基础知识，也包含了许多当今有关信息基础框架的主题。 本书中较为重要的新主题是：
* 依从准则（涉及Sarbanes Oxley, HIPAA, Basel II以及其他问题）
* 近线存储（扩展数据仓库使其无穷大）
* 多维数据库设计
* 非结构化数据
* 最终用户（他们是谁，他们需要什么）
* ODS和数据仓库
除了这些新主题外，本版还体现了更为庞大的围绕数据仓库所建立的体系结构。
技术伴随着数据仓库的发展而发展。在数据仓库发展的早期阶段，50GB~100GB的数据量被认为是一个庞大的数据仓库。现在，一些数据仓库已经达到千万亿字节的容量范围。其他技术包括多维技术—数据集市和星形连接方面的进展。此外，技术的进步也使得数据可以存储在非磁盘存储介质之上。
总而言之，技术的进步使今天的科技成果成为可能。没有现代技术的发展，就不会有数据仓库的出现。
本书可供数据仓库架构和系统设计师参阅。最终用户可能发现这本书的有用之处在于全面了解有关数据仓库的解释。管理者和学生们也将发现本书的有益之处。
数据仓库为企业和组织提供了收集、存储和分析海量业务数据的必要策略。随着业务活动的日益增长，数据仓库领域变得越来越重要。本书被誉为数据仓库的“圣经”，从1990年第1版出版起，不仅带动了数据仓库行业的发展，而且至今仍然是数据仓库方面的优秀入门读物。第4版涵盖了数据仓库最新技术，保持了在这一领域的先锋地位。 纵观数据仓库系统的基本组成部分，读者会体验到数据仓库设计方法的更新；各种数据仓库的迁移策略以及应用在装载、索引和数据管理方面的技术。本书为读者提供了数据仓库领域的最新进展。 本书新增的内容： 在数据仓库中处理非结构化数据的方法 在各种不同的存储介质上存储数据的方法 关系型数据库设计和多维数据库设计的对比 在规划数据仓库项目时如何度量投资回报 探索更高级的研究主题，包括数据的监控与测试
William H. Inmon：William H. Inmon: William H. Inmon是世界公认的“数据仓库之父”，是数据仓库及其相关技术网站www.billinmon.com的合作伙伴，是“企业信息工厂”的创造者之一。他一直致力于数据库和数据仓库技术方面的研究，在数据管理和数据仓库技术方面以及数据处理的管理方面撰写了40多本著作，发表过600多篇学术论文，并且经常应邀在技术和学术会议上演讲。
王志海 等：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。
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，管理工作进一步规范化，企业建立了各种在线事务处理信息系统，对各种日常业务处理提供了有效的支持。然而，面对当今竞争日趋激烈与瞬息万变的市场，各级管理人员迫切需要根据企业的现状和历史数据做出判断和决策。因此，各级管理人员希望能够从企业信息系统中获取有效的、一致的决策支持信息，及时准确地把握市场变化的脉搏，做出正确有效的判断和抉择。也就是说，数据处理的重点应该从传统的业务处理扩展到在线分析处理，并从中得到面向各种主题的统计信息和决策支持信息。随着企业事务处理系统的运行和建立，数据量越来越大，企业数据源越来越多。这种需求就比以往任何时候都更加迫切，也更加难于实现。
数据仓库技术就是针对上述问题而产生的一种技术解决方案，它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W. H. Inmon所定义的，数据仓库是一个面向主题的、集成的、永久的且随时间不断变化的数据集合，用于支持管理层的决策。本书详尽地讲述了数据仓库的基本概念、基本原理，以及建立数据仓库的方法和过程。主要内容包括决策支持系统的发展、数据仓库环境结构、数据仓库设计、数据仓库粒度划分、数据仓库技术、分布式数据仓库、EIS系统和数据仓库的关系、外部和非结构化数据与数据仓库的关系、数据装载问题、数据仓库与Web、ERP与数据仓库以及数据仓库设计的复查要目。本书主要面向数据仓库的开发者、管理者、设计者、数据管理员、数据库管理员以及其他相关人员，对于计算机专业的本科生和研究生也有重要的参考价值。
我们研究小组对数据仓库技术和数据挖掘技术进行了很长时间的研究，并翻译了一些相关文献。1999年翻译并出版了本书的第2版，2003年翻译并出版了本书的第3版，都得到了社会各界的好评。为了反映数据仓库技术的进展，本书作者在不断地充实和修改其著作。应出版社的要求，我们承担了第4版的翻译工作，并推荐给读者。随着这几年我们研究的进展，对数据仓库技术和工程有了更为深入的理解。为此，我们对数据仓库所涉及的术语的译法重新进行了规范，在翻译了新增和修改内容的同时，将全部原有内容重新逐字校正了一遍，更正了以前译文中的一些错误，使语言更加准确、通顺，便于读者理解。本书的第1章和第2章由范亚琼负责，第3章和第4章由曹源负责，第5章和第6章由李广群负责，第7章至第13章由山丹负责，第14章至第19章以及词汇表由廉捷负责翻译，杨迪参加了第3章的部分翻译工作。本书最后的定稿与许多人先后的辛勤工作密切相关，他们是王琨、王继奎、董隽、刘、林友芳、高思宇、王春花、宁云晖、李晓武、蔺永华、范星艳、高宏彬、贾旭光、李红松、秦远辉等。本书由王志海负责统一定稿，由黄厚宽教授和田盛丰教授共同审定全书。由于译者水平有限，错误之处望广大读者批评指正。
第1章 决策支持系统的发展 1
1.1 演化 1
1.1.1 直接存取存储设备的出现 2
1.1.2 个人计算机/第四代编程语言技术 3
1.1.3 进入抽取程序 3
1.1.4 蜘蛛网 4
1.2 自然演化式体系结构的问题 4
1.2.1 数据缺乏可信性 5
1.2.2 生产率问题 6
1.2.3 从数据到信息 8
1.2.4 方法的变迁 9
1.2.5 体系结构化环境 11
1.2.6 体系结构化环境中的数据集成 12
1.2.7 用户是谁 13
1.3 开发生命周期 14
1.4 硬件利用模式 15
1.5 为重建工程创造条件 15
1.6 监控数据仓库环境 17
1.7 小结 19
第2章 数据仓库环境 20
2.1 数据仓库的结构 23
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 粒度带来的好处 29
2.4.2 粒度的一个例子 29
2.4.3 双重粒度 31
2.5 探查与数据挖掘 34
2.6 活样本数据库 34
2.7 分区设计方法 35
2.8 数据仓库中的数据组织 38
2.9 审计与数据仓库 41
2.10 数据的同构/异构 41
2.11 数据仓库中的数据清理 42
2.12 报表与体系结构化环境 43
2.13 各种环境中的操作型窗口 43
2.14 数据仓库中的错误数据 45
2.15 小结 45
第3章 设计数据仓库 47
3.1 从操作型数据开始 47
3.2 数据/过程模型与体系结构化环境 51
3.3 数据仓库与数据模型 52
3.3.1 数据仓库的数据模 54
3.3.2 中间层数据模型 54
3.3.3 物理数据模型 59
3.4 数据模型与迭代式开发 60
3.5 规范化/反向规范化 61
3.6 元数据 67
3.7 数据周期—时间间隔 69
3.8 转换和集成的复杂性 70
3.9 数据仓库记录的触发 73
3.9.1 事件 73
3.9.2 快照的构成 73
3.9.3 一些例子 74
3.10 概要记录 74
3.11 管理大量数据 75
3.12 创建多个概要记录 76
3.13 从数据仓库环境到操作型环境 76
3.14 数据仓库数据的直接操作型访问 77
3.15 数据仓库数据的间接访问 77
3.15.1 航空公司的佣金计算系统 78
3.15.2 零售个性化系统 79
3.15.3 信用审核 80
3.16 数据仓库数据的间接使用 81
3.17 星形连接 82
3.18 支持操作型数据存储 86
3.19 需求和Zachman框架 87
3.20 小结 88
第4章 数据仓库中的粒度 90
4.1 粗略估算 90
4.2 规划过程的输入 91
4.3 溢出存储器中的数据 92
4.4 确定粒度级别 95
4.5 一些反馈循环技巧 96
4.6 确定粒度级别的几个例子 97
4.6.1 银行环境中的粒度级别 97
4.6.2 制造业环境中的粒度级别 99
4.6.3 保险业环境中的粒度级别 100
4.7 填充数据集市 102
4.8 小结 102
第5章 数据仓库和技术 103
5.1 管理大量数据 103
5.2 管理多种介质 104
5.3 索引和监控数据 104
5.4 多种技术的接口 105
5.5 程序员/设计者对数据存放位置的控制 105
5.6 数据的并行存储和管理 105
5.7 语言接口 107
5.8 数据的有效装载 107
5.9 有效利用索引 108
5.10 数据压缩 108
5.11 复合主键 109
5.12 变长数据 109
5.13 加锁管理 110
5.14 只涉及索引的处理 110
5.15 快速恢复 110
5.16 其他的技术特征 110
5.17 DBMS类型和数据仓库 111
5.18 改变DBMS技术 112
5.19 多维DBMS和数据仓库 112
5.20 在多种存储介质上构建数据仓库 117
5.21 数据仓库环境中元数据的角色 117
5.22 上下文和内容 119
5.22.1 上下文信息的三种类型 119
5.22.2 捕获和管理上下文信息 120
5.22.3 回顾上下文信息管理历史 121
5.23 刷新数据仓库 121
5.24 测试问题 122
5.25 小结 123
第6章 分布式数据仓库 124
6.1 分布式数据仓库的类型 124
6.1.1 局部数据仓库和全局数据仓库 124
6.1.2 技术分布式数据仓库 135
6.1.3 独立开发的分布式数据仓库 136
6.2 开发项目的本质特征 136
6.3 分布式数据仓库的开发 139
6.3.1 在分布的地理位置间协调开发 140
6.3.2 企业数据的分布式模型 141
6.3.3 分布式数据仓库中的元数据 142
6.4 在多种层次上构建数据仓库 142
6.5 多个小组建立当前细节级 144
6.5.1 不同层的不同需求 146
6.5.2 其他类型的细节数据 148
6.5.3 元数据 148
6.6 公共细节数据采用多种平台 150
6.7 小结 150
第7章 主管信息系统和数据仓库 152
7.1 EIS概述 152
7.2 一个简单例子 152
7.3 向下钻取分析 154
7.4 支持向下钻取处理 156
7.5 作为EIS基础的数据仓库 156
7.6 到哪里取数据 158
7.7 事件映射 159
7.8 细节数据和EIS 160
7.9 在EIS中只保存汇总数据 161
7.10 小结 162
第8章 外部数据与数据仓库 163
8.1 数据仓库中的外部数据 164
8.2 元数据和外部数据 165
8.3 存储外部数据 167
8.4 外部数据的不同部件 167
8.5 建模与外部数据 168
8.6 辅助报告 168
8.7 外部数据存档 169
8.8 内部数据与外部数据的比较 169
8.9 小结 169
第9章 迁移到体系结构化环境 171
9.1 一种迁移方案 171
9.2 反馈循环 176
9.3 策略方面的考虑 177
9.4 方法和迁移 179
9.5 数据驱动的开发方法 180
9.5.1 概念 181
9.5.2 系统开发生命周期 181
9.5.3 智者观点 182
9.6 小结 182
第10章 数据仓库和Web 183
10.1 支持电子商务环境 189
10.2 将数据从Web移动到数据仓库 190
10.3 将数据从数据仓库移动到Web 190
10.4 对Web的支持 190
10.5 小结 191
第11章 非结构化数据和数据仓库 192
11.1 两个领域的集成 193
11.1.1 文本—公共联接 193
11.1.2 基本错误匹配 195
11.1.3 环境间文本匹配 195
11.1.4 概率匹配 195
11.1.5 匹配所有信息 196
11.2 主题匹配 197
11.2.1 产业特征主题 197
11.2.2 自然事件主题 199
11.2.3 通过主题和主题词关联 200
11.2.4 通过抽象和元数据关联 200
11.3 两层数据仓库 201
11.3.1 非结构化数据仓库分类 202
11.3.2 非结构化数据仓库中的文档 203
11.3.3 非结构化数据可视化 203
11.4 自组织图（SOM） 204
11.4.1 非结构化数据仓库 205
11.4.2 数据量和非结构化数据仓库 205
11.5 适用于两个环境 206
11.6 小结 207
第12章 大型数据仓库 208
12.1 快速增长的原因 208
12.2 庞大数据量的影响 209
12.2.1 基本数据管理活动 209
12.2.2 存储费用 210
12.2.3 实际存储费用 210
12.2.4 大型数据量中的数据使用模式 211
12.2.5 一个简单计算 211
12.2.6 两类数据 212
12.2.7 数据分类涉及的问题 212
12.3 数据在不同介质的存储 213
12.3.1 近线存储 213
12.3.2 访问速度和磁盘存储 214
12.3.3 存档存储 215
12.3.4 透明的意义 216
12.4 环境间数据转移 216
12.4.1 CMSM方法 217
12.4.2 数据仓库使用监控器 218
12.4.3 不同存储介质下数据仓库的扩展 218
12.5 数据仓库转换 219
12.6 总费用 219
12.7 最大容量 219
12.8 小结 220
第13章 关系模型和多维模型数据库 设计基础 222
13.1 关系模型 222
13.2 多维模型 223
13.3 雪花结构 224
13.4 两种模型的区别 224
13.4.1 区别的起源 225
13.4.2 重建关系型数据 225
13.4.3 数据的直接访问和间接访问 226
13.4.4 支持将来未知的需求 227
13.4.5 支持适度变化的需求 227
13.5 独立数据集市 229
13.6 建立独立数据集市 230
13.7 小结 232
第14章 数据仓库高级话题 233
14.1 最终用户的需求和数据仓库 233
14.1.1 数据仓库和数据模型 233
14.1.2 关系型的基础 233
14.1.3 数据仓库和统计处理 234
14.2 数据仓库内的资源竞争 234
14.2.1 探查型数据仓库 235
14.2.2 数据挖掘型数据仓库 236
14.2.3 冻结探查型数据仓库 236
14.2.4 外部数据和探查型数据仓库 237
14.3 同一个处理器处理数据集市和 数据仓库 237
14.4 数据的生命周期 238
14.5 测试和数据仓库 239
14.6 追踪数据仓库中的数据流 240
14.6.1 数据仓库中的数据速率 241
14.6.2 “推”和“拉”数据 242
14.7 数据仓库和基于网络的电子商务环境 242
14.7.1 两种环境之间的界面 242
14.7.2 粒度管理器 243
14.7.3 概要记录 244
14.7.4 ODS，概要记录以及性能 244
14.8 财务数据仓库 245
14.9 记录系统 246
14.10 结构体系的概要历史—演化 为公司信息工厂 247
14.10.1 CIF的进化 249
14.10.2 障碍 249
14.11 CIF的未来 250
14.11.1 分析 250
14.11.2 ERP/SAP 250
14.11.3 非结构化数据 251
14.11.4 数据量 251
14.12 小结 252
第15章 数据仓库的成本论证和 投资回报 254
15.1 应对竞争 254
15.2 宏观上的成本论证 254
15.3 微观上的成本论证 255
15.4 来自遗留环境的信息 256
15.4.1 新信息的成本 257
15.4.2 用数据仓库收集信息 257
15.4.3 成本比较 257
15.4.4 建立数据仓库 257
15.4.5 完整的情况图 258
15.4.6 得到数据的障碍 258
15.5 数据的时间价值 259
15.6 集成的信息 260
15.6.1 历史数据的价值 261
15.6.2 历史数据和客户关系模型 261
15.7 小结 261
第16章 数据仓库和ODS 263
16.1 互补的结构 263
16.1.1 ODS中的升级 264
16.1.2 历史数据与ODS 264
16.1.3 概要记录 264
16.2 不同种类的ODS 265
16.3 数据库设计—一种混合的方式 266
16.4 按比例画图 266
16.5 ODS中的事务集成 267
16.6 对ODS处理日进行分片 267
16.7 多个ODS 267
16.8 ODS和网络环境 268
16.9 ODS的一个例子 268
16.10 小结 269
第17章 企业信息依从准则和数据仓库 270
17.1 两个基本行为 270
17.2 财务依从准则 270
17.2.1 “是什么” 272
17.2.2 “为什么” 273
17.3 审计公司的交流信息 274
17.4 小结 276
第18章 最终用户社区 277
18.1 农民 277
18.2 探险者 277
18.3 矿工 277
18.4 旅行者 278
18.5 整个社区 278
18.6 不同的数据类型 278
18.7 成本论证和ROI分析 278
18.8 小结 279
第19章 数据仓库设计的复查要目 280
19.1 何时进行设计复查 280
19.2 谁负责设计复查 281
19.3 有哪些议事日程 281
19.4 结果 281
19.5 复查管理 281
19.6 典型的数据仓库设计复查 282
19.7 小结 295
术语表 296
参考文献 305
