LDM 逻辑数据模型(Logic Data Model)
MDD 多维数据库（Multi-Dimensional Database ，MDD）可以简单地理解为：将数据存放在一个 n 维数组中，而
不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。多维 数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询 效率。
库或数据仓库中提取人们感兴趣的知识，这些知识是隐含的、事先未知的、潜在有用的、易被理解的模式。
KPI 企业关键业绩指标(KPI：Key Process Indication)是通过对组织内部流程的输入端、输出端的关键参数进行设
置、取样、计算、分析，衡量流程绩效的一种目标式量化管理指标，是把企业的战略目标分解为可操作的工作目 标的工具，是企业绩效管理的基础。
效指标(KPIs)等先进信息技术和管理理论为基础的战略管理的工具，在财务、客户、内部流程和学习与发展四个维 度上进行综合绩效评测，帮助企业从整体上实现对战略实过程的贯彻和控制。
BPR 业务流程重整（Business Process Reengineering），指利用数据仓库技术，发现并纠正企业业务流程中的弊
严格遵照 Codd 的定义，自行建立了多维数据库，来存放联机分析系统数据的 Arbor Software，开创了多维数 据存储的先河，后来的很多家公司纷纷采用多维数据存储。被人们称为 Multi-Dimension OLAP，简称 MOLAP，代 表产品有 Hyperion(原 Arbor Software)Essbase、Showcase STRATEGY 等。 ODS
对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理， 它不同于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了 重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。
根据数据仓库概念的含义，数据仓库拥有以下四个特点：
端的一项工作。数据仓库的重要作用之一。
CRM Customer Relationship Management 客户关系管理。CRM 是选择和管理有价值客户及其关系的一种商业策
略，CRM 要求以客户为中心的商业哲学和企业文化来支持有效的市场营销、销售与服务流程。
CUBE 立方体
DM（Datamart） 即数据集市，或者叫做“小数据仓库”。如果说数据仓库是建立在企业级的数据模型之上的话。那么数据集市
Metadata Metadata(元数据)，它是“关于数据的数据”在地理空间信息中用于描述地理数据集的内容、质量、表示方
式、空间参考、管理方式以及数据集的其他特征，它是实现地理空间信息共享的核心标准之一。目前，国际上对 空间元数据标准内容进行研究的组织主要有三个，分别是欧洲标准化委员会(CEN/TC287)、美国联邦地理数据委员 会(FGDC)和国际标准化组织地理信息/地球信息技术委员会(ISO/TC211)。 MOLAP
就是企业级数据仓库的一个子集，他主要面向部门级业务，并且只面向某个特定的主题。数据集市可以在一定程 度上缓解访问数据仓库的瓶颈。
DM（DataMine） 数据挖掘是一个从大型数据库中提取以前未知的，可理解的，可执行的信息并用它来进行关键的商业决策的
过程。
DSS 决策支持系统（Decision Support System），相当于基于数据仓库的应用。决策支持就是在收集所有有关数
2.1 相关概念 ......................................................................................................................................................... 4 2.1.1 数据仓库 .............................................................................................................................................. 4 2.1.2 企业信息工厂 ...................................................................................................................................... 6 2.1.3 数据集市 .............................................................................................................................................. 6 2.1.4 维 .......................................................................................................................................................... 7 2.1.5 事实表 .................................................................................................................................................. 9 2.1.6 操作数据存储 ODS ............................................................................................................................ 12 2.1.7 元数据 ................................................................................................................................................ 13 2.1.8 ETL ....................................................................................................................................................... 14 2.1.9 OLAP.................................................................................................................................................... 17 2.1.10 多维数据库 ...................................................................................................................................... 19
据和信息，经过加工整理，来为企业决策管理层提供信息，为决策者的决策提供依据。
DW Data Warehouse，本世纪 80 年代中期，“数据仓库之父”WilliamH。Inmon 先生在其《建立数据仓库》一书中
定义了数据仓库的概念，随后又给出了更为精确的定义：数据仓库是在企业管理和决策中面向主题的、集成的、 与时间相关的、不可修改的数据集合。与其他数据库应用不同的是，数据仓库更像一种过程，对分布在企业内部 各处的业务数据的整合、加工和分析的过程。而不是一种可以购买的产品。
数据仓库概念汇总
目录
一、术语 ....................................................................................................................................................................... 3 二、数据仓库基础 ....................................................................................................................................................... 4
(Operational Data Store)操作型数据存储，对于一些准实时的业务数据库当中的数据的暂时存储，支持一些 同时关连到历史数据与实时数据分析的数据暂时存储区域。
二、数据仓库基础
2.1 相关概念
2.1.1 数据仓库
目前，数据仓库一词尚没有一个统一的定义，著名的数据仓库专家 W。H。Inmon 在其著作《Building the Data Warehouse》一书中给予如下描述： 数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（TimeVariant）的数据集 合，用于支持管理决策。
1）面向主题。传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数据；数据仓库侧重于 数据分析工作，是按照主题存储的。这一点，类似于传统农贸市场与超市的区别—市场里面，白菜、萝卜、香菜 会在一个摊位上，如果它们是一个小贩卖的；而超市里，白菜、萝卜、香菜则各自一块。也就是说，市场里的菜 (数据)是按照小贩(应用程序)归堆(存储)的，超市里面则是按照菜的类型(同主题)归堆的。