管理信息化-数据仓库技术在企业信息系统建设中的应用(编辑修改稿)

管理信息化-数据仓库技术在企业信息系统建设中的应用(编辑修改稿)内容摘要：

a Storage）是一个集成了来自不同数据库数据的环境。 其目的是为终端用户提供一致的企业数据集成视图。 它可以帮助用户轻松应对跨多个商业功能的操作挑战。 它是面向主题的、集成的、近实时的数据存储。 设计 ODS 层的目的在于：改善了对关键操作数据库的存取；用户能获得对于收益、客户等主题的企业级的完整视图，有利于 更好地通观全局；近实时的数据存储提供了查询产品与服务的能力；以更高的性能生成操作报告。 设计 ODS的核心是实现焦点主题全局试图应用，如企业的客户管理系统，可以CRM 的理念建立以客户为中心的 ODS 客户主题视图，向上层提供高效的服务。 而对于话费结算则采取了从综合结算系统中直接抽取到数据仓库的方式，抽取周期为结算周期，能完全满足决策分析的时间窗要求。 ETL 过程的设计 数据抽取、转换和加载，是数据仓库实现过程中，进行数据由数据源系统向数据仓库加载的主要方法，对于整个数据处理 过程，实现如下： 数据抽取：从数据源系统抽取数据仓库系统需要的数据。 数据抽取采用统一的接口，可以从数据库抽取数据，也可以从文件抽取，对于不同数据平台、不同的源数据形式、不同性能要求的业务系统以及不同数据量的源数据，可能采用的接口方式不同。 为保证抽取效率，同时减少对生产运营系统的影响，对于大数据量的抽取，采取“数据分割、缩短抽取周期”的原则，对于直接的数据库抽取，采取协商接口表的方式，保障生产系统数据库的安全。 为了满足经营分析系统进行分析、挖掘的需要，同时保证不能影响业务系统的性能，设计抽取策略、抽取方式、抽取时机、抽取周期非常关键。 数据转换：数据转换是指对抽取的源数据根据数据仓库系统模型的要求，进行数据的转换、清洗、拆分、汇总等处理，保证来自不同系统、不同格式的数据和信息模型的一致性和完整性，并按要求装入数据仓库。 数据加载：数据加载就是将转换后的数据加载到数据仓库系统中。 数据加载采用数据加载工具，也可以采用 API 编程进行数据加载。 数据加载策略包括加载周期和数据追加策略。 对于电信企业级应用我们采用对 ETL 工具 DataStage进行功能封装，向上提供监控与调度接口。 数据加载周期要综合考虑经营分析需求和系统 加载的代价，对不同业务系统的数据采用不同的加载周期，但必须保持同一时间业务数据的完整性和一致性。 仓库模型设计 由于经营分析需求的不断变化，数据仓库中数据的存储必须采用主题分域的方式和尽可能小的业务单元来进行数据的组织和存储，这样才能满足数据仓库的灵活性，适应需求的变化；同时任何一个信息系统都有整体性、结构性、层次性、相对性、可变性；将数据仓库的目标逻辑结构的设计体现系统的这些特征，是对目标系统正确反映的客观要求。 经过详细的业务需求分析，某电信运营商的业务可以按照 不同的主题域分为八类：客户、帐务、资源、服务、客服、营销、服务使用、结算。 其中，客户主题包含了与客户相关的基本信息，如客户的自然属性（姓名、年。