一、引言

    信息化管理的目的是将一般信息抽象化，提取出用户需要的信息。但在大量数据的提取中，如何更准确的挖掘出最有价值的信息和数据，单单采用传统的关系型数据库是难以实现的。数据仓库技术可解决这一难题。

    数据仓库是支持管理决策过程的、面向主题的、集成的、不可更新的且随时间不断变化的数据集合。利用数据仓库，对源数据经过提取、转换、加载形成统一的数据格式，再利用数据挖掘和OLAP分析工具为决策者提供所需的信息。数据仓库是要建立在一个较全面完善的信息应用基础上，用于支持高层决策分析，而数据库仍承担日常处理事务。

    二、从数据库到数据仓库

    传统的数据库技术是以单一的数据资源为中心，进行事务处理、批处理、决策分析等各种数据处理工作，分为操作型处理和分析型处理两类。操作型处理指对数据库联机的日常操作，通常是对单个纪录的查询修改，注重响应时间、数据的安全性和完整性；分析型处理用于管理人员的决策分析，经常要访问大量历史数据。传统数据库系统难以实现对数据分析的处理要求，无法满足数据处理多样化的要求，为更好的支持决策，对数据进行再加工，从而形成综合的、面向分析的环境，即数据仓库。

    数据仓库系统包括：数据仓库技术；联机分析处理技术；数据挖掘技术。

[page]    三、数据仓库的数据组织

    （一）数据组织结构。数据仓库中的数据分四个级别：早期细节级、当前细节级、轻度综合级、高度综合级。源数据经过综合后，先进入当前细节级，根据具体需要进行综合，从而进入轻度综合级乃至高度综合级，老化的数据将进入早期细节级，数据仓库中存在着不同的综合级别，称为“粒度”。粒度越大，表明细节程度越低，综合程度越高。

    （二）数据组织形式。简单堆积文件：将每日由数据库中提取并加工的数据逐天积累并存储起来。轮转综合文件：数据存储单位被分为日、周、月、年等几个级别。简化直接文件：间隔一定时间的数据库快照。连续文件：通过比较两个简单直接文件的不同而生成的。

    四、数据仓库在信息管理的应用

    数据的抽取：通过抽取将数据从联机事务处理系统、外部数据源、脱机的数据存储介质中导入到数据仓库。

    数据的存储和管理：数据仓库中数据按层次进行贮存，有多维数据库存贮、虚拟存贮、基于关系数据表存贮三种方式。数据仓库的构建：数据仓库的构建不可能一次成型，可采用原型法先建立一个小的原型数据仓库，考察其主要属性，用以学习，必要时进行修改，最后形成一个完整的数据仓库。

    数据仓库Dw是一个面向主题、集成，随时间变化，便是信息本身相对稳定的数据集合，用于对管理决策过程的支持。数据库系统中存贮的大量数据能成为医院、学校等事业单位日常评估的依赖，为单位管理人员决策提供重要依据，使管理工作更具可行性、科学性和准确性。

    五、结束语

    本文对数据库与数据仓库进行了比较分析，在此基础上对数据仓库的基本理论和关键技术进行了分析，对事业单位信息管理系统中历史数据的挖掘，可以在较大时间跨度上把握单位发展的规律、特点，全面分析影响因素，更准确的把握单位业务等各方面开展情况。但数据仓库是一个新兴的领域，其建设及技术具有很大的复杂性，仍有许多方面需要进一步深入研究。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。