《公司数据仓库毕业生实习报告.doc》由会员分享，可在线阅读，更多相关《公司数据仓库毕业生实习报告.doc（7页珍藏版）》请在三一文库上搜索。
1、公司数据仓库毕业生实习报告毕业实习期间，我在一家小公司做一个关于数据仓库的 小项目，虽然以前没有学过这方面的理论，更没有开发过类 似的项目，不过在上司的帮助下，自己的努力更好项目做的 也差不多了，感觉在这方面也有了自己的认识，下面我就自 己对这方面学习到的一些东西给大家分享一下：一、导读部分： 说起数据仓库，可能很多同学首先就会想到数据库，毕 竟就错了一个字，但是就是这一个字使这二者差异很大：传统的数据库技术是以单一的数据资源，即数据库为中 心，进行事务处理、批处理等各种数据处理工作，主要是操 作型处理，操作型处理也叫事务处理，是指对数据库联机的 日常操作，通常是对一个或一组纪录的查询和修改，
2、主要为 企业的特定应用服务的，注重响应时间，数据的安全性和完 整性。而数据仓库则是面向主题的、集成的、不可更新的 （ 稳 定性 ） 、随时间不断变化（不同时间）的数据集合，用以支 持经营管理中的决策制定过程，主要用于分析型处理 （ 也叫 信息型处理 ） 分析型处理则用于管理人员的决策分析，经常 要访问大量的历史数据。这只是数据库与数据仓库的一个概念性的大致区别，可1文档收集于互联网，如有不妥请联系删除 .见二者差别之大，另外它们在我们编程人员最关心的建立与 操作各方面也差别很大，因此如果你没有这方面的知识想只 凭借数据库发面的知识来开发数据仓库的产品是很不可能 的，这就要求你要从数据仓库最基础
3、的知识学起。二、数据仓库的基础知识：1. 数据仓库概念始于上世纪 80 年代中期，首次出现是 在被誉为“数据仓库之父” williamh inmon 的建立数据 仓库一书中。随着人们对大型数据系统研究、管理、维护等方面的深刻识认和不断完善， 在总结、丰富、集中多行企业信息的经验之后，为数据仓库 给出了更为精确的定义，即“数据仓库是在企业管理和决策 中面向主题的、集成的、与时间相关的、不可修改的数据集 合”。数据仓库并没有严格的数据理论基础，也没有成熟的 基本模式，且更偏向于工程，具有强烈的工程性。通常按其 关键技术部份分为数据的抽取、存储与管理以及数据的表现 等三个基本方面。数据仓库的重点与要
4、求是能够准确、安全、可靠地从数 据库中取出数据，经过加工转换成有规律信息之后，再供管 理人员进行分析使用。数据仓库主要是应用于决策支持系统，其主要目的是“提取”信 息并加以扩展，用来进行处理基于数据仓库的决策支持系统 (dss) 的应用。2 基于数据仓库的决策支持系统基于数据仓库的决策 支 持 系 统 (dss) 由 三 个 部 件 组 成 ： 数 据 仓 库 技 术 (data warehousing) ， 联 机 分 析 处 理 技 术 (olap ， on line analytical pro cessing) ，数据挖掘技术 (data mining) 。联机分析处理 (olap ，
5、 on analytical pro cessing) 是使分析人员、管理人员或执行人员能够从多种角度对从原 始数据中转化出来的、能够真正为用户所理解的、并真实反映企业给特性的信息进行快 速、一致、交互地存取，从而获得对数据的更深入了解的一 类软件技术。 olap 的目标是满足决策支持或多维环境特定的 查询和报表需求。数据仓库侧重于存储和管理面向决策主题 的数据；而 olap 侧重于数据仓库的数据分析，并将 其转换成辅助决策信息。 ola p 的一个主要特点是多维 数据分析，这与数据仓库的多维数据组织正好形成相互结合、 相互补充的关系。问此，利用olap 技术与数据仓库的结合可以较好地解决传统
6、决策 支持系统既需要处理大量数据又需要进行大量数值计算的 问题。olap 的多维数据分析主要通过对多维数据的维进行剖 切、钻取和旋转来实现对数据库所提供的数据进行深入分析， 为决策者提供决策支持。多维结构是决策支持的支柱，也是 olap 的核心。数据挖掘 (data mining) 是从大量的、不完全的、有噪 声的。模糊的、随机的数据中提取隐含在其中的、人们事先 不知道的、但又是潜在有用的信息和知识的过程。数据挖掘可以看成是一种数据搜寻过程，它不必预先假 设或提出问题，但是仍能找到那些非预期的却令人关注的信 息，这些信息表示了数据元素的关系和模式。它能挖掘出数 据键潜在的模式 (pattern
7、) ，找出最有价值的信息和知识 (knowledge) 。指导商业行为或辅助科学研究。研究对象是 大规模和超大规模的数据集合。三：在建立数据仓库时应该注意的重点问题：1. 找清楚主题 , 主题是你的数据仓库研究的一个大方 向，如果你把这个都没有弄清楚的话后面的工作都是白费了。 一般数据仓库的主题就是客户最关心的部分，是客户的项目 做好以后在运行期间时常进行操作和观察的核心内容。只要 你在建立的前真正弄清楚了客户的需求，一般主题的建立就 不会出问题。2. 维度的建设，说白了维度就是客户的使用分析处理 是的一个观察角度，数据仓库是多维的，也就是用户在观察 的时候是从多个角度来观察的。这就要求你在具
8、体的多维数 据建立前要把用户的业务模型建立完备，一般这是一个迭代 的过程，在建立好或修改好一个模型后最好和用户沟通一下， 然后根据用户的要求再做相应的修改，另外基础数据库里面 的维度表也要同步，把实际用到的维度都能在数据库里有所 反应。3. 维度层次的建立：维度层次其实就是用户在观察时 能够细化的单位，也可以说是一个范围，它是用户在进行切 片，上钻，下钻时的重要单位，在建立层次的时候首先是要 搞清楚要有那些层次，这个通常是用户要求的，然后在基础 数据库建立的时候一定要把这些层次的顺序弄清楚，现在的 数据仓库工具大多都是自动对你提供的数据表进行搜索而 发现维度层次的，要是的建立基础数据表的时候不
9、注意可能 你以后得出的结果就会错很远。四：总结：1. 找实习工作的认识：我觉得实习其实就是一个从大学生活到工作的一个过 度阶段，学校和社会差别很大。有很多学生在学校里对自己 以后工作的事想的少，准备的少，一旦步入社会自己心里上 一片空白，在实习时对于自己到底干什么工作，自己有什么 专业技能也不是很清楚，最后总是过了很久快返校时才找到 实习单位。我认为实习很重要，因为实习和正常上班没有什 么两样，如果实习时就没有方向的话，以后工作了想找到方 向会走弯路。还有对于大多数同学来说，先就业，在择业是 最好的，毕竟自己在学校里接触社会少，专业实际操作和运 用能力与实际工作要求还是有一定的差距，不要老想着
10、自己 一定要找到一份好工作，自己专业内的工作，自己喜欢的工 作，这样是不切合实际的。2. 工作总结：在日常的工作中也有很多小问题值得我 们注意，我总结了一下几条： 最好每天都能做工作日记，早上上班前写好自己在 这一天的工作目标，工作中应该注意的重点问题，有哪些事 情是要问清楚主管的等。然后在每天的下班前在看一下自己 当天做了那些工作，哪些工作目标没有完成，为什么没有完 成，自己在以后的工作中应该注意哪些问题，这些将是 很重要的，经常看看会有很大进步。 在开发项目的时候最好每天都有一个备份机制，因 为电脑出故障是时常发生的，如果没有备份的话可能会发生 前功尽弃的可能。 在开发时遇到需求说明不是很清楚的地方一定要向 上级主管问清楚，因为软件是做给客户用的，我们不能凭空 想像，那样开发出来的东西很有可能会返工。 在工作中可能会碰到和你的顶头上司发生矛盾的事， 如果已经发生了，你要想清楚为什么会发生这种事，这些事 情能不能避免，如果能避免自己在日后的工作中就要多注意 一些。 在讨论问题时要有自己的见解，不能人云亦云没有见解 工作要踏实，认认真真做。 要多总结，多交流。以上就是我在数据仓库实习期间自己的一些认识和看 法，可能还有很多东西自己平时没有注意到，我也希望，祝 愿每一位实习生包括我自己能够在日后的工作中取得更大 进步。