高中信息技术 粤教版选修4 5.2数据仓库与数据挖掘(共15张PPT)

数据仓库与数据挖掘 1 仓库 1.数据仓库的产生 数据处理大致可分为两类，一类是分析型处理，另一类是操作型处理。操作型处理也叫联机事务处理（On-Line Transaction Processing，简称OLTP），是指对数据库联机的日常操作，通常是对记录的增、删、改和查询，主要是为企业的特定应用服务的，人们所关心的是响应时间，数据的安全性和完整性。 分析型处理则用于管理人员的决策分析，需要经常访问大量的历史数据。 3 两种应用差别的具体表现如表5-1所示。 联机事务处理 分析处理 性能特点 要求存储效率高 决策分析对时间的要求比较宽松，决策分析应用程序可能需要连续运行几个小时 数据特点 详细数据 综合数据 数据的集成 某一方面的数据 多方面、完整的数据，多个不同数据的来源 历史数据 主要是当前的数据 需要历史数据，以便分析变化发展趋势 图5-1 联机事务处理与分析处理的差别 4 以上分析表明，联机事务处理和分析处理在实时性、对处理数据的要求等方面都存在着明显的差异，在传统的事务处理型数据库应用环境中不宜构建分析型应用。要提高分析和决策的效率和有效性，分析型处理及其数据必须与操作型处理及其数据相分离。数据仓库正是为了满足对数据的分析处理而出现的新的数据库技术。 5 数据仓库的概念是什么？ 6 2.数据仓库的概念 数据仓库（Data Warehouse，简称DW）是用来更好地支持企业或组织决策分析处理的、面向主题的、集成的、稳定的、随时间变化的一种数据集合。 数据仓库通常有以下特点： 7 （1）面向主题。 （2）集成。 （3）稳定性。 （4）随时间变化。 （5）数据量大。 （6）硬件要求高。 8 3.数据仓库的结构 数据仓库的结构如图所示，它至少包括三个部分：数据源与数据集成、数据存储、数据查询与分析工具。 9 2 数据挖掘 1.数据挖掘技术的产生 面对浩如烟海的数据，人们呼唤能从数据汪洋中去粗取精、去伪存真的技术。从数据库中发现知识及有价值信息的技术一数据挖掘（Data Mining，简称DN）便应运而生了。 数据挖掘不是对数据库的简单检索、查询和调用，它是一门广义的交叉学科，需要利用人工智能、数理统计、可视化、并行计算等领域中的技术，通过对大量数据进行各种技术处理，找出潜在的对用户