Analysis数据仓库的构建方法随着不同管理信息系统(MIS)在企业不同部门的大规模应用以及企业对数据 management的不断新需求，不仅要求传统的联机事务处理，而且越来越要求各种应用系统能够在企业积累的、从外部获取的丰富信息资源的基础上，利用这些分散的、不一致的、杂乱的信息资源 即更多地参与数据分析与决策支持，这样就出现了一种数据分析、处理与决策支持。
6、如何设计、创建一个面向CRM的 数据 仓库?1CRM系统1.1 CRM简介一个完整的CRM可以分为三个部分:运营型CRM、协作型CRM和分析型CRM。运营型CRM是CRM中最基础的功能系统，提供整个CRM流程管理功能，主要提供营销、销售、服务、支持等以客户为中心的业务流程的自动化。协同CRM以客户服务中心为主要形式，以计算机电话集成为核心，使客户能够通过电话、传真、电子邮件和网站更快速有效地与企业进行交互。
7、 数据 仓库 数据建模的几种思路数据 仓库两种典型的建模理论数据-0是基于主题领域的维度建模和实体关系建模，分别以Kimball和Immon为代表。维度建模由数据分析需求驱动，倡导总线架构:事实一致，维度一致。这个数据模型便于用户理解和数据分析操作。基于主题领域的实体关系建模以源系统数据为驱动，整合了企业的所有数据，从企业的高度抽象整合数据，采用3NF实体关系理论进行建模。这种数据。
上周主要讨论了数据在基于主题域的实体关系建模中的集成，讨论了以下三个思路:同一主题域中不同实体的属性通过属性聚合。比如对于会员，公司，客户等实体对象，我们都有地址属性信息，姓名识别属性信息等等。这种思想是将属性内聚度高的字段进行整合，将不同的属性以带类型标识的树表形式存储。
8、企业如何更好的搭建 数据 仓库?1。首先你得搞清楚建立数据仓库的目的是什么，是整合各种系统数据服务于数据的分析决策，还是快速完成分析决策需求？如果是前者，建模时一般会选择er建模方法数据仓库；如果是后者，一般会选择维度建模方式。ER建模:即实体关系建模，由数据 仓库之父BIllInmon提出。核心思想是从整个企业的高度设计三范式模型，用实体关系描述企业服务。
维度建模(Dimension modeling):由Kimball提出，核心思想是从分析决策的需求出发建立模型。该模型由事实表和维度表组成，即星型模型和雪花型模型。金博尔主张自底向上的架构，可以针对独立部门进行增量式构建-2数据bazaar，概括为-1仓库。2.其次，你要进行深入的业务调研和数据 research业务调研:深入的业务调研可以让你更加明确建仓的目的；同时也有利于后续的建模和设计。随着研究的深入，如何将实体业务抽象成多仓库模型将会更加清晰。
9、 数据 仓库的 建立步骤1)收集和分析业务需求2)建立数据-1/仓库3)定义数据来源-1/库提取、纯化和转化数据To-1/仓库1)数据转换工具应该能够读取各种数据源。2)支持平面文件、索引文件和legacyDBMS。
10、如何 建立 数据 仓库架构How to建立-1仓库Architecture Each-1仓库有架构。这个框架要么是眼前的，要么是计划中的；无论是隐含的还是记录在案的。遗憾的是，很多数据 仓库都是在没有清晰架构的情况下开发的，极大地限制了其灵活性。没有架构，各个学科领域无法契合在一起，它们之间的联系变得漫无目的，很难管理和改变整个-1仓库。另外，虽然看起来不重要，但是数据 仓库的架构已经成为选择工具时的框架。
如何建造一座价值300万美元的建筑？更别说造一栋10万美元的房子了。你应该有蓝图、图纸、技术规范和标准，在多个细节层次上展示房子将如何建造，当然，房子的各个子系统应该有不同版本的蓝图，比如管道、电力、供暖、通风和空调系统(HVAC)、通信和空间。所有家用设备也有相应的标准，包括插头、灯具、洁具、门的尺寸。
