星级酒店经营数据集市的“星型模型”.doc-资料库

peterguru-2282536-4744300845196806743.doc.pdf-第1页.png

第1页 / 共6页

peterguru-2282536-4744300845196806743.doc.pdf-第2页.png

第2页 / 共6页

peterguru-2282536-4744300845196806743.doc.pdf-第3页.png

第3页 / 共6页

peterguru-2282536-4744300845196806743.doc.pdf-第4页.png

第4页 / 共6页

peterguru-2282536-4744300845196806743.doc.pdf-第5页.png

第5页 / 共6页

peterguru-2282536-4744300845196806743.doc.pdf-第6页.png

第6页 / 共6页

1 星级酒店经营数据集市的“星型模型” 数据集市是数据仓库的一个子集，它面向部门级业务、面向某个特定主题的小型数据仓库。实际上，多个相互联系的、围绕一个宏观大主题的多个数据集市的集成，就构成了数据仓库。建立星级酒店经营数据集市的数据模型，一般都是在对应用主题分析的基础上，首先建立星型模型。“星型模型”是数据仓库（集市）广泛采用的数据模型。它能准确、简洁地描述出实体之间的逻辑关系。一个典型的星型模式包括一个大型的事实表和一组逻辑上围绕这个事实表的维度表。事实表是星型模型的核心，事实表由主键和度量数据两部分组成。星型模型中各维度表主键的组合构成事实表的主键。事实表中存放的大量数据，是同主题密切相关的、用户最关心的度量数据。星级酒店最需要关注的是客户消费情况。为分析的需求，基础事实表中需要记载的是客人最低粒度的消费事实。即用何种促销手段使某位客人在某个时间进行了何种形式的消费，消费金额产多少。因此，在事实表中，要准确记载每位客人的消费形式、消费价格、促销方式、促销折扣、消费金额、成本、利润等度量数据。维度是观察事实、分析主题的角度。维度表的集合是构建数据仓库数据模式的关键。维度表通过主键与事实表相连。用户依赖维表中的维度属性，从事实表中获取支持决策的数据。围绕经营主题，星级酒店经营数据集市有以下典型的维度及其属性：客户维：在客户维中，需要建立客户的基本信息。为决策分析需要，把客户分为常住客户和流动客户。消费项目维：经营星级酒店，要向客人提供高质量的消费，消费项目多种多样。把经常性的消费项目归纳为：客房、餐饮、娱乐、其他等四类。每类消费都有消费内容的细节描述。时间维：在数据仓库的多维数据结构中，时间维往往是不可少的一个维度。因为每项“销售事实”都是在一定的时间或者时间段内发生。针对需求，时间维采用时、日、月、年四个属性。促销维：行业的竞争，使各酒店都采用了形形色色的促销方式。促销增加了营业额，但同时也增加了运营成本。促销的形式和效果，对管理者的决策具有重要价值。在促销维中描述了几种典型的促销方式：打折、中介、联营等作为维度属性。根据分析主题和需求，建立星级酒店营销数据集市星型数据模型，如图 1 所示。 2 星型模型的优势和不足 2.1 星型模型在数据仓库中具有很大优势（1）星型模型围绕一个确定的主题，体现了数据仓库对数据结构和组织的要求；（2）星型模型简单、清晰的结构准确反映了用户的需求，使用户易于理解；（3）星型模型维度表包含了用户经常查询和分析的属性，优化了对数据库的浏览，在维度表和事实表之间没有任何“迷宫”。使查询的过程变得简单而直接；（4）星型模型为 OLAP 提供了良好的工作条件，使 OLAP 能通过星型连接和星型索引，显著提高查询性能。 2.2 星型模型也有明显的不足（1）星型模型是非规范化的，星型模型以增加存储空间为代价来提高多维数据的查询速度，造成很大的数据冗余；非规范化的、含有大量冗余的维度表，会使数据切片变得更加复杂；

（2）由于星型模型中各维度表主键的组合构成事实表的主键。当星型模型的维不能满足要求时，维的变化是非常复杂、耗时的；（3）维度属性的复杂形成的大维度问题。大维度中的长文本字段占用存储空间，维度数据不易更新和维护；向大维度表填充数据难度增大；对事实表的查询涉及大维度表时，会影响效率；（4）当维的属性复杂时，处理维的层次关系比较困难；（5）对“多对多”关系，星型模型无能为力。 3 星级酒店经营数据集市的“雪花模型”设计（1）客户维的“雪花化”。考虑数据分析的需要，把客户分为两种类型：常住客户和流动客户。如外地派出机构或办事处工作人员租用酒店时间相对较长，属常住客户；临时性出差、旅游住店属流动客户。这样分类后，有利于“一对一”服务，稳定常住客户，吸收流动客户。此外，客户维中的有些属性与事实表中的度量数据无直接关系。例如：客户的基本信息，将这些信息分离，使维表和事实表尽量“精练”。提高了多维查询的速度。当我们需要这些信息时，才到分离的信息中查找。（2）消费项目维的“雪花化”。星型模型中列出了四类消费项目，这四类消费项目之间无直接的关联的属性，此外，同一客户不会是每种项目都进行消费，更不会同时进行几种消费。把消费项目维按维的属性类别分解，不仅有利于维表的规范化，减少维表和事实表的数据冗余，而且为数据的聚集打下了基础。（3）时间维的“雪花化”。时间维中的四个时间属性，是典型的层次关系。可按维属性的层次分解。其中，把“时”、“日”两个属性放在一起，是因为，需要了解同一天不同时间段客户的消费需求。（4）促销维的“雪花化”。是为了分类核算各种促销手段的成本和效果，以利今后对促销策划的依据。

图 2 星级酒店经营数据集市雪花模型总之，雪花模型要在星型模型的基础上，描述出属性间清晰的层次和分类关系。把图 1 所示的星级酒店营销数据集市的星型模型“雪花”化，就得到该集市的雪花模型。如图 2 所示。 4 星级酒店经营数据集市雪花模型的应用雪花模型是星型模型的衍生，星型模型是雪花模型的“父类”。雪花模型和星型模型各具特色。在研究数据仓库（集市）数据模型的应用时，既要用雪花模型的优势弥补星型模型的不足；还要充分继承星型模型的优势，扬长避短，使数据模型能在构建数据仓库和开发应用中更好地发挥作用。现假定：星级酒店经营数据集市经过 ETL 过程，将各种异构数据源中的数据抽取出来，并将不同数据源的数据进行转换和整合，得出一致性的数据，然后加载到数据仓库中。并且规范的元数据已经能有效地控制和支撑数据集市的运行。 4.1 雪花模型在处理大维度方面的应用数据仓库的大维度问题虽然可以通过事实表来体现，但这种方法导致事实表极为庞大且难于管理，当层次定义发生改变时，事实表需要重新设计和构建。雪花模型通过对维度表的属性按层次和类别进行分解，将非分析数据进行分离，使大维度表得到有效的规范化处理，较好地消除了数据的冗余，从而使事实表的字段数和总长度减小，以节省存储空间。解决了星型模型中复杂的大维度问题。 4.2 建立使用频率高的聚集事实表

如何在数据仓库 SQL Server 2000 中建立星型模型多维数据集？ 1.若不建立多维数据集，直接在 Brio 原有的 Northwind 数据库基础上选择“插入 OLAP 查询”，显示“本区中不可以用关系数据库连接，要求连接到一个多维数据库。” 2.本机原只安装个人版中的服务器，要建多维数据集，安装“Analysis Services”组件。 Analysis Services 是用于多维数据集定义和存储的灵活而稳定的数据模型，使联机分析处理（OLAP)和数据挖掘应用程序更便于使用。 3.安装 Analysis Services 后，打开 Analysis Manager,连接服务器不成功，显示“无法连接到服务器()上的注册表，也可能您不是此服务器 OLAP Administrators 组的成员。”解决步骤：

（1）SQL Server 安装补丁。安装补丁知识：两种方法查看本机 SQL Server 是否已安装补丁－[1]Dos 命令窗口输入 netstat -a 命令，在端口显示栏中若未看到 1433 端口，表示没有安装补丁； [2]查询分析器中执行 select @@version;命令，返回版本号：2000－8.00.194.下载对应补丁，安装完成后再次查询，版本类型变为：2000－8.00.760.打开 Analysis Manager,仍和原来一样。结果：没有成功解决问题。（2）查询方法，初步有：SQL Server 打完补丁后，Analysis Services 卸载后重新安装；或将用户帐号添加到 OLAP 管理组中；或仍需给 SQL Server Analysis Services 打补丁。网上提供的方法有多种，但每个项目的环境和遇到的问题不一样，对彼项目有用的方法不一定对此项目有效。需多次尝试才能找到解决办法。在第一步打完补丁后，第二步卸载 Analysis Services 并重新安装。结果：没有解决问题。（3）给 SQL Server Analysis Services 打补丁。第一步中是给 SQL Server 安装补丁。但现在问题出在 Analysis Services 的 Analysis Manager 中，有可能是因为未给该组件安装补丁。下载安装 Analysis

Services SP4 补丁（安装时 Analysis Manager 必须关闭－重启电脑—重启 Analysis Manager－服务器连接成功。结果：问题解决。不需要再尝试“将用户帐号添加到 OLAP 管理组中”这种方法。 4.在服务器名称上单击鼠标右键－选择“建立新数据库”－输入数据库名称“教程”－完毕后在树形窗口中打开数据库选项，显示“数据源”，“多维数据集”，“共享维度”等内容。Analysis Services 多专门用于支持数据仓库和数据挖掘类的项目实施。 5. 在“多维数据集”项目上单击鼠标右键，选择“新建多维数据集”，按照预先设计的维度表，事实表与对应联系设计各个维表的属性值。模型在“星型模型”或“雪花模型”等中选择前者。包括时间维度，地域维度，产品维度，分公司维度，产品维度，产品分类维度等。至此，在数据仓库 SQL Server 2000 中成功建立星型模型多维数据集。

资料库

星级酒店经营数据集市的“星型模型”.doc

相关推荐

课程资源

热门标签

最新资料