数据仓库的最重要的功能之一就是对数据的统计分析；DW2.0可以支持两种类型的处理：一是基本查询，二是统计分析。而统计分析通常是DW2.0的核心部分。本文重点讨论统计分析的应用。

利用统计分析可以实现很多目标：统计分析可以建立数据分析文件，对数据的内容进行统计总结，比方，有多少条数据记录？最大值和最小值是多少？平均数，中值，最频值是什么？这样可以知晓数据的大概分布情况和规律，因此可以让数据分析员看到数据的概述；当然，统计分析可以和外部数据结合，进行比较，从而得出结论；其中，企业数据的生成和发展是第一步，然后再扑捉外部数据，并将它们置于相同的环境条件中，就可以完成不同类型的比较；

在统计分析使用过程中，通常也可以分成几种类型：启发式分析和探索式分析；

启发式分析：

启发式分析员通常会说：“我不知道我想要什么，但是当我看到它的时候我就会知道是不是我需要的就是他”；因此，在启发式分析中，下一次分析迭代是由当前分析的结果决定的。计划好分析的迭代次数或者分析能得出什么结果，对于启发式分析是不可能的。

启发式分析是属于发现过程中的一部分。一个事务可以被认为是启发式的，如果它有助于我们学习、发现或者解决问题。

启发式分析有时需要对数据冻结，这样系统便不能吸收新的数据，这样可以检查分析的结果是由于算法还是数据的改变产生的。

探索性处理：

统计处理的本质之一是它经常进行反复的探索过程。在许多类型的信息处理中，分析过程往往建立在内容、形式和结构都已知的数据上；但是另一种情况却恰恰相反，往往对数据内容、形式和结构一无所知，这种就是探索型处理。

探索型处理，需要有一定的探索工具；通过探索工具的平台搭建，把DW2.0的数据导入探索工具平台（往往是最低粒度的数据和跨时间维度很长的数据）；同时有可能需要外部数据的支持。当然，探索工具的数据的更新也是需要仔细考虑的，结合探索的需求和结果，确定探索数据的更新周期和频率。

当探索工具完成探索，得到探索结果，这时，探索结果往往是给管理层做决策使用；最后，结果是否需要保留取决于后期对数据的需要。通常是基于项目的数据，则不需要保留。如果探索数据对DW有一定的利用价值，则需要考虑设计数据的回流。

最后，基于本文的两种统计分析的应用，也许对DW2.0来说是最常见的，但是绝不是仅仅局限此。

ITPub博客

DW2.0和统计分析

最新文章