本文的研究重点有以下几个方面： 1.对数据挖掘的研究现状进行了分析，探讨了数据挖掘的基本原理与体系结构，并对数据仓库进行了研究，使得建立超市决策支持系统成为可能； 2.以超市数据仓库中的数据为原始数据，运用维度建模的方法建立了系统的信息模型，并且通过OLAP技术对数据进行分析； 3.建立超市决策支持原型系统，并在此系统的基础上，对原型系统进行了实例数据挖掘应用，并把结果进行了可视化转化，最后向企业决策人员提交了挖掘结果。

中文书名：数据仓库（第2版） 英文书名：BUILDING THE DATA WAREHOUSE, 2E 原著作者：W.H. Inmon 翻译：王志海 等译；黄厚宽、田盛丰 审校（北方交通大学） 版别：2 国际标准图书编号：7-111-07889-6

基于数据仓库的学生成绩分析模型设计.pdf

数据仓库中的数据是按照一定的主题域进行组织，主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个操作型信息系统相关。

L是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。ETL是BI 项目重要的一个环节。通常情况下，在BI项目中ETL会花掉整个项目的1/3的时间,ETL设计的好坏直接关接到BI项目的成败。

下载kettle压缩包，因kettle为绿色软件，解压缩到任意本地路径即可。然后打开Spoon.bat

该文档目录如下： 1.1 基于Hadoop的数据仓库Hive学习指南 1.2实验环境 1.3实验原理 1.3.1 Hive简介 1.3.2 Hive安装 1.3.3安装并配置mysql 1.3.5 Hive简单编程实践 1.3.4 Hive的常用HiveQL操作

基于阿里云搭建实时数据仓库视频教程合集，包含视频、笔记、资料及源码，共27集。 01、项目简介 02、项目需求分析 03、阿里云技术框架 04、技术选型 05、系统架构设计 06、业务流程 07、电商表结构 08、RDS购买 09、RDS配置及连接 10、创建业务数据库及表 11、创建DataHub及Project 12、同步事实表到DataHub 13、同步维表到MySQL 14、实时数仓分层 15、创建集群和创建项目 16、创建工作空间及业务开发平台 17、建立任务及flinkSQL开发手册 18、ODS到DWD层的业务流程 19、AnalyticDB购买 20、RDS和AnalyticDB白名单配置及创建结果表 21、DWD到ADS层的业务流程（地区销售分布统计） 22、DWD到ADS层的业务流程（商品统计） 23、DataV简介 24、DataV购买及白名单授权 25、地区分布统计可视化 26、商品统计可视化 27、项目总结 1、笔记 基于阿里云搭建实时数据仓库项目 基于阿里云搭建实时数据仓库项目项目需求及架构设计 2、资料 基于阿里云搭建数据仓库（离线） 3、代码

基于Spark和Hive的新型种质资源数据仓库的设计和实现.caj

3.数据仓库的成功标准和关键性能指标 （1）衡量数据仓库成功的标准是什么？ （2）哪些关键的性能指标？如何监控？ （3）对数据仓库的期望是什么？ （4）对数据仓库的预期用途有哪些？ （5）对计划中的数据仓库的考虑要点是什么？