数据仓库关键技术,数据仓库和数据挖掘有何作用?

数据仓库和数据挖掘在客户关系管理的关键流程中有什么作用？1)数据仓库系统提供标准的报表和图表显示功能。数据仓库中的数据来自不同的业务处理系统，数据仓库系统展示的数据是整个企业的数据集成，数据仓库的作用是通过使用这些最有价值的业务数据做出最明智的业务决策，3.数据仓库和ETL工具数据仓库和ETL经验对于数据工程师来说非常重要。

传统ERP系统中使用的联机事务处理(OLTP)已经不能满足最终用户对数据库查询和分析的需求，SOL对大型数据库的简单查询也不能满足用户对分析的需求。用户的决策分析需要在关系数据库上进行大量的计算才能得到结果，查询的结果不能满足决策者的需求。作为数据仓库的关键支撑技术，联机分析处理(OLAP)技术具有多维数据库和多维分析的概念。传统ERP系统集成数据仓库后，用户可以通过动态随机查询、浏览、计算、时序分析、复杂建模等方式访问存储在数据仓库中的数据，从而支持复杂的分析操作，以直观易懂的形式向决策者提供查询结果，使决策者从各种可能的观察角度快速、一致、交互地获取信息。

1首先你得搞清楚建立数据仓库的目的是什么，是整合各个系统的数据，服务于数据分析决策，还是快速完成分析决策需求？如果是前者，在对数据仓库建模时一般会选择er建模方法。如果是后者，一般会选择维度建模方式。ER建模: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。Kimball提倡自下而上的架构，可以为独立部门建立数据集市，然后增量式构建，汇总成数据仓库。2.其次，你要进行深入的业务调研和数据研究。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。

1。大数据架构的工具和组件数据工程师更注重分析基础设施，因此所需技能大多以架构为中心。2.深入了解SQL等数据库解决方案数据工程师需要熟悉数据库管理系统，深入了解SQL非常重要。类似地，其他数据库解决方案，如Cassandra或BigTable，应该是熟悉的，因为不是每个数据库都是按照可识别的标准构建的。3.数据仓库和ETL工具数据仓库和ETL经验对于数据工程师来说非常重要。

另外，数据存储和数据检索的体验同样重要，因为处理的数据量是天文数字。4.基于Hadoop的分析(HBase、Hive、MapReduce等。)对基于ApacheHadoop的分析有深入的了解是这个领域非常必要的要求。总的来说，HBase，Hive，MapReduce的知识存储是必要的。