超市數據倉庫模型的設計開發

高祎

摘要：當前各個超市數據庫中都積累了大量的日常業務數據數據，要做到更好的銷售業績就要充分利用企業數據庫中這些數據，并要建立多維數據集將這些數據更好的展現給決策者。本文介紹了數據倉庫的基本概念、特點以及多維數據集的基本定義。然后介紹了PowerDesigner建模數據庫工具，并利用數據庫建模工具PowerDesigner建立超市銷售多維數據模型。

關鍵詞： 數據倉庫，PowerDesigner，決策支持

中圖分類號：TP-9 文獻標識碼：A 文章編號：1672-3791（2018）05（b）-0000-00

1.引言

現代社會市場變化莫測，零售業的競爭日趨激烈，超市要做到更好的銷售業績就要充分利用企業數據庫中積累的大量日常業務數據。因此各大型超市都在建立自己的決策支持系統。

決策支持系統需要大量高質量，純凈并且集成的數據，但是傳統的數據庫只維護詳細的原始數據，并且是分散的，為了能夠把所需的信息從原始數據中分離出來，把分散的、難以訪問的原始操作數據轉化為集中統一、隨時可用的信息需要建立數據倉庫。

在建立數據倉庫的過程中，PowerDeigner作為一款優秀的CASE工具不僅可以加速數據倉庫的開發過程，提高工作效率，且對系統的擴展性重用性、易維護性均起到至關重要的作用。

2. 數據倉庫介紹

數據倉庫是面向主題的、集成的、隨時間變化的、穩定的數據集合。

（1）進行數據倉庫設計時，需要確定數據分析的各個主題。“主題”在數據倉庫中是由一系列表實現的，可以用多維數據庫方式進行存儲。

（2）數據倉庫是集成的（integrated）。數據倉庫中存貯的數據不是原有數據的簡單拷貝，而是根據決策分析的要求從原來分散的各個子系統中提取出來的，將多個異種數據源經過抽取、篩選、清理、綜合等集成在一起，確保命名約定、編碼結構、屬性度量等的一致性。

（3）數據倉庫是時變的（time-variant）。數據倉庫中的數據隨時間變化而不斷更新，不斷捕捉事務數據庫中新的數據，統一集成后追加到數據倉庫中。

（4）數據倉庫是非易失的（nonvolatile）。數據倉庫中的數據主要用于決策分析，因此存儲的應該是相當長一段時間內的歷史數據。使用該系統的用戶只能通過分析工具進行查詢、分析，而不能修改其存貯的數據。

3.PowerDesigner介紹

Power Designer 是Sybase公司的CASE工具集，目前已經發展到16.5版本。數據建模是業務需求和系統實現之間的橋梁。Powerdesigner具有非常強大的數據庫建模能力，可以用來建立概念模型（CDM）和物理模型（PDM），其中概念模型獨立于數據庫管理系統，而物理模型和數據庫廠商有很大聯系，利用PowerDesigner還可以建立數據倉庫的多維數據模型，或者從物理數據模型轉換為多維數據模型。

4. 多維數據模型設計

多維數據模型通常以通常以星形或者雪花形結構進行存儲，星形模型中，位于中央的表為事實表（Fact Table），與事實表通過外鍵聯接的周圍各個表稱為維表，我們可以通過每一維的不同粒度來查詢數據。雪花模型是星型模型的擴展。

本文中根據業務需求建立了銷售分析、運費分析、采購分析三個大主題，其中銷售分析中建立了時間維度，客戶維度，供應商維度，以及員工維度。銷售主題建立星型模型中事實表為銷售事實表包括銷售金額、銷售數量、折扣三個度量，維表為時間維表、客戶維表、產品維表以及員工維表，時間維表有時間、天、星期、月、季度、年等字段，客戶維表中包括客戶序號客戶名稱、客戶性別、客戶年齡層、客戶城市、客戶省份等字段，員工維表包括員工序號、員工姓名、年齡、年齡層等字段，產品維表包括產品序號、產品名稱、供應商、產品類別、產品單價范圍等字段。其中對于時間維表可以建立年、季度、月、星期、日、時等級別，并建立時間層次1：年----星期----天----時，時間層次2：年----季度----月----日----時。客戶維度中可以建立客戶、客戶城市、客戶省、客戶年齡層等級別。客戶層次1：客戶----客戶城市----客戶省，客戶層次2：客戶----客戶性別，客戶層次3：客戶----客戶年齡層。產品維表可以建立產品類別、產品供應商、產品單價、產品名稱等級別，產品層次1：產品序號----產品名稱----產品類別，產品層次2：產品名稱----產品供應商。3：產品名稱----產品單價范圍。員工維度中可以建立員工序號、員工名稱、員工年齡層級別，員工層次：員工序號----員工名稱----員工年齡層。

所建立的數據倉庫模型如圖1所示

總結

在超市決策系統中，并需要對大量的數據進行多維分析處理，并把分析結果以多維視圖方式展現給決策者，決策者再做出相應的決策。在此本文采用優秀的數據庫建模工具PowerDesigner建立了超市銷售多維數據模型，可以通過該多維數據集所建立四個維度：客戶維，產品維，員工維以及時間維來觀測銷售數據，達到了預期的效果。

參考文獻

[1] 王珊等 數據倉庫技術與聯機分析處理 [M]科學出版社，1998-06

[2]鮑鈺， 黃國興， 張召. 基于OLAP 的上海社區服務網后臺數據倉庫的設計與實現. 計算機應用研究， 2003 20（4）：144-146

[3]郭艷飛，宋麗華，戰穎，羅攀.多數據倉庫集成方案的設計與實現[J].信息技術，2017（07）：14-18.

[4]謝星星，朱嬋. Power Designer系統分析與建模實戰[M].機械工業出版社，2015