Microsoft SQL Server 2008中的数据仓库和信息系统

信息系统分为两类（Casares，2003年）：

操作系统：以反映交易记录或日常运营的公司的状态和目标为目标的系统，因此被称为在线交易处理（OLTP）系统。他们的目标是测量和控制重要业务变量的发展，以从累积数据中识别，预测和预测趋势。

自计算机时代开始以来，组织就一直使用来自操作系统的数据来满足其信息需求。有些提供对操作应用程序中包含的信息的直接访问。其他人则从其运营数据库中提取数据，以各种非结构化的方式将其组合起来，以尝试为用户提供其信息需求（Casares，2003年）。

Bill Inmon是最早写关于数据仓库的文章的作者之一，他根据数据存储库的特征定义了一个数据仓库（Inmon，2007年）：

面向主题：组织数据库中的数据，以便将与同一事件或实际对象相关的所有数据元素链接在一起。

随时间变化：记录数据随时间的变化，以便可以生成的报告反映这些变化。

非易失性：信息不会被修改或删除，一旦存储了数据，它将成为只读信息，并保留以备将来参考。

集成的：数据库包含组织的所有操作系统的数据，并且所述数据必须一致。

数据市场是特定区域中数据仓库中数据的子集。从设计的角度来看，适用于数据仓库的所有内容都应用于数据市场（Inmon，2007年）。

维度模型是数据仓库系统中使用最多的模型，这与OLTP系统中使用的关系模型不同。该模型基于维度，该维度表示信息的类别，属性表示维度中的单个级别，可能存在表示不同属性之间关系的属性层次结构，最后是包含感兴趣数据的事实表，具有一定的粒度级别。粒度是将存储在事实表中的最低级别的信息。设计事实表的第一步是确定粒度。

尺寸设计图：

星型方案：中心的事实表连接到一组维度表雪花方案：上一个方案的细化，其中一些维度被归一化为较小的表事实星座：多个事实表共享维度表。它们被可视化为事实的星座。

行政管理认识到提高效率的一种方法是最好地利用组织内已经存在的信息资源。数据仓库目前是大型机构的关注重点，因为它为组织提供了一个更好地利用各种操作应用程序管理的信息的环境（Casares，2003年）。

数据仓库的体系结构包括三个级别（Casares，2003年）：

源数据库（生产数据库和历史数据库）；具有从生产基地（数据仓库）提取的摘要数据的数据库；面向用户的界面，用于提取决策信息。经典的是：查询和报告，多维分析和数据挖掘。

源数据库：由生产数据库和历史数据库组成。这些数据库可以在不同类型的系统中实现：BD关系，BD地理，BD文本，文件等。它们的共同特征是它们存储原子数据项，这些原子数据项与生产数据相关，但可能太精细而不能用作决策的基础。此外，这些数据库中数据质量的概念基于这些记录的一致性，无论它们与问题的相关性如何。

数据仓库中的一个重要组成部分是数据字典（元数据），其中描述了存储的数据，以便于通过数据仓库开发工具访问它们。数据字典在存储的数据和它们表示的概念之间建立对应关系，以方便最终用户提取信息。

面向用户的界面，可提取信息以供决策：

复杂查询和报告的界面：它们允许用户根据数据仓库中包含的信息并通过数据字典进行描述来构建图形和报告。这些工具的一些典型功能是：报表中数据的动态分组和取消分组，报表字段顺序的更改，以图形形式（条，饼，点等）可视化查询结果。这些工具以查询语言生成表达式，以检索请求的数据（通常为SQL），连接到数据存储，检索结果并根据给定的规范对其进行格式化。