SYBASE 行业数据仓库解决方案.doc

目 录 Industry Warehouse Studio介绍-2Sybase IWS方法-2 决策的过程-2 技术vs应用-3Sybase IWS 结构-3 IWS数据结构-4 数据库架构-4 跨平台支持-5 维设计-5 应用组件-6 分析型CRM-6 客户特征分析-7 商业活动分析-7 销售分析-7 忠诚度分析-7 客户关怀分析-7 商业绩效管理-7 IWS方法学-8 进化的方法-8 方法学阶段重点-9 元数据-9 商业元数据-10 技术元数据-10 关联元数据-10 工具-10 Warehouse Control Center-10 Warehouse Architect-11总结-11 Warehouse Architect 优秀的数据仓库设计软件概述-13多维建模-13设计向导-14 生成多维层系结构-14 聚合、划分与数据结构的优化-14 导入源数据的定义-15优化代码生成-16总结-16 Warehouse Control Center 数据仓库管理软件概述-18可追踪性映射-19浏览与订购-19选择正确的技术运用环境-20总结-20 以客户为中心的商业智能 CRM的本质介绍信息群岛-22环境：客户关系管理的不断升涨-22 以客户为中心的智能CRM的本质-23 转向以客户为中心的企业-24 客户信息与采用电子商务的途径-24跨越鸿沟电子商务功能的三位一体-25 事务执行功能-25 程序跟踪和站点管理工具-25 商业智能与跟踪工具-25 关于商业应用的新定义-26Sybase IWS与有效的商业智能解决方案需求-26 全面的哲学和文化-26 根本的技术基础-28总结-29 三类市场玩家-29 Sybase IWS-29附录：建设CRM的商业案例-30 CRM规则-30 核心的原理-30 商业智能 事半功倍 使用IWS降低成本与风险你所未知将商业置于风险之地-32从零开始：一个失败的建议-32我们的经验保证您的成功-32Industry Warehouse Studios带来结果-33马塔(Matav)公司-33苏格兰Widows集团-34Voluntary健康保险公司，爱尔兰-35联合爱尔兰银行-36为了打败对手，你需要商业智能-36 Industry Warehouse Studio介绍 在信息技术（IT）领域，数据仓库正在飞速发展，成功的数据仓库正在为许多企业提供实实在在的投资回报，并且使企业以一种崭新的更加细致的方式检查企业的运营状况。数据仓库所提供的洞察力不仅使企业更加高效，而且使企业能够对客户的需求作出更迅速准确的响应。 然而，对于许多企业，数据仓库项目并没有真正实现。各种统计表明,超过70%的数据仓库项目实施失败。其中有些是由于技术原因，有些是由于技能和培训问题。但是很多数据仓库项目的失败是由于在实施过程中缺乏对商业本身的关注。 Sybase行业数据仓库解决方案IWS(Industry Warehouse Studio)是一套专门为各行业设计的预建的商业智能包，可以极大的减少建立一个成功数据仓库所必须逾越的障碍。这个产品包括数据结构，应用组件，方法学，元数据与元数据管理工具，并且设计为一个灵活开放的系统，能够集成现有的技术投资。 许多企业正在通过数据仓库在客户行为分析领域获得丰厚的利润。这个分析领域属于客户关系管理（CRM）的一部分。正因为客户关系分析是一个企业成功的重要方面，IWS对此尤为关注。 数据仓库的需求因行业不同而有所不同，因此IWS提供了为各个行业特制的软件包，这些行业包括：l 零售银行业l 信用卡l 电信l 财产和伤亡保险l 人寿保险l 医疗l 资本市场 而且，这些分行业特制的IWS使用同样的核心技术，对一个业务涉及多个行业的企业来说，能够非常容易地在一个数据仓库中集成多个行业的IWS这是一个在当今日益复杂的商业环境中正在增长的需求。 Sybase IWS的开放架构使企业在实施数据仓库项目时可以从容选用特定的工具。IWS可以用来帮助企业建立一个成功的数据仓库，不论选用何种产品作为这个架构的组件，例如各种数据库管理系统，ETL(抽取、转换、加载)工具或者企业喜欢的数据展现工具。 IWS由一个数据仓库领域的专家组进行设计。经过多年的数据仓库建设以后，这个专家组将知识汇聚到一起，最终形成了各行业权威的数据仓库模型。因此，IWS使企业部署数据仓库更加快速，同时利用众多数据仓库专家的技能与知识显著降低实施风险。事实上，IWS集中了所有这些专家在成功实施数据仓库过程中所积累的非凡的知识财富。因此，IWS被喻为数据仓库实施的“新浪潮”，它将数据仓库基础架构的核心组件，核心的商业模型和物理数据规划与元数据管理和应用样本有效组织为一个单一的软件包。加上IWS的开放架构与客户化的适应性，IWS同高风险的“从零开始”的实施相比，提供了一个优秀的选择。Sybase IWS方法 尽管这是IWS的技术介绍，但是保持对数据仓库的根本性的商业关注仍很重要。在这里介绍的IWS的所有功能都被设计为协同工作以帮助公司增加利润，降低成本，提高效率，获得市场份额或完成特定的商业目标。决策的过程 建立一个成功的数据仓库可能是一个相当复杂的过程。没有一个“成功指南”,许多企业常常首先从选择技术开始建立一个数据仓库。在许多案例中，发生这样的情况是由于IT部门领导数据仓库项目，而技术正是IT人员最擅长的。然而结果是,一个数据仓库系统未能描述开始建立它的原因，而商业问题正是这个原因。 一开始就选择技术意味着忽略了对许多问题的考虑，例如商业问题的本质，商业人员和实施人员的技能，数据量，所需要的应用以及什么类型的数据结构需要用来支持这些应用。 Sybase IWS提供了一个更好的选择，从一个结构化的方法开始一个数据仓库建立的决策过程。图1显示了这个以商业为焦点的方法。这个过程的第一步是考虑商业战略和明确商业目标。商业战略是增加对现有客户的销售吗？还是提高市场分额，或者是降低成本？如果没有对商业战略的正确理解，决定何种商业应用将最适合这个商业问题即使不是不可能，也是非常困难的。 理解数据仓库的目标使得完成第二个步骤非常容易，那就是：选择正确的应用软件以适应需求。例如，如果商业战略是增加对现有客户的销售，那么合适的应用软件可能是那种支持以客户行为分析与客户企业关系为核心的企业客户分析软件。这个应用可能需要描述客户特征，和他们的购买模式，同时能够以他们的统计学特征与生活方式加以区别和分类。这类应用可能帮助找到向企业现有客户进行交叉销售和衍生销售附加产品的最佳时机。换句话说，如果目标是增加市场份额，那么理解你的最佳客户的特征可以帮助你在活动中集中注意力寻找与他们拥有类似特征的客户。 一旦合适的应用需求已经确定，下一步就该考虑数据结构了。需要什么数据支持这个应用？需要多少数据？这些数据目前保存在哪里？他们可以被如何转换/记录/输入/移动？最有效记录数据的结构是什么？ 只有这些问题都被解决了，才应该对技术架构作出决定。这才是提出和考虑技术建议的时候。 Sybase IWS方法学支持这个以商业为核心的方法。IWS方法学以一个用来测定数据仓库是否有效支持商业战略的“准备就绪测试(readiness test)”和一个用来确立商业战略的内容与优先级的“商业探测(business exploration)”阶段开始。随着关键的商业驱动的确定，确定候选的应用就更容易和更有效。对IWS而言，在数据仓库实施过程中，所有这些步骤都在考虑数据仓库工具之前发生。技术vs应用如图1所示，IWS方法学将应用的确定、数据结构的确定以及技术架构的确定分阶段进行。Sybase IWS独立于实施数据仓库所使用的技术。所有的IWS组件，包括数据结构、分析型CRM和商业绩效管理应用、数据仓库设计工具、元数据管理工具，可与广泛的多种数据仓库工具提供商的IT产品无缝集成。图2提供了一些可选组件和产品的例子，并且描述了IWS在这个基础架构的哪个层次上与它们相互作用。 Sybase IWS 结构 组成Sybase IWS部分组成的商业智能软件包的各个部分既独立又可集成。将它们协同组织并实施，企业将获得一个全面的数据仓库解决方案。图3描述了IWS结构的组成部分。IWS数据结构 IWS为多个垂直行业提供了一个数据仓库设计，可以即时部署到一个数据管理系统中。面向行业的设计对减少客户在数据仓库实施中所需要的大量的设计与编程工作大有帮助。既然每个企业都有自己独特的分析数据的方法，每个特定的部署需要一些客户化的工作以使数据库设计适应企业的需求。 IWS数据结构包含非常明细的设计。在IWS数据库中，可以存储事务级的明细数据，如一个电信公司的呼叫明细记录（CDR）或者一个信用卡提供商的购买明细。要回答向数据仓库提出的所有可能问题，这是必需的。没有这些明细存储，这些问题不可能得到回答，除非访问储存在运营系统中的数据或者进行复杂的系统再设计。数据库架构 Sybase IWS的数据结构有几个层次组成，如图4所示，最里边的3层作为数据结构的部分，外层作为客户化过程的一部分。 完整的数据库设计分为几个子模型，每个子模型代表一个特定的商业分析领域例如客户划分或者销售分析。每个子模型由一系列表和视图组成，他们一起提供了某个商业领域的根本的数据存储需求。任何一个表可能被用在多个子模型中。例如客户表在客户划分子模型中使用，也在销售分析子模型和其他子模型中使用。 每个子模型描述一个在结构上类似于星型结构的模型，虽然它可能包含多个事实。一个事实是某个特定的事件的一个实例。上周三你向客户销售了一件产品？某个客户打过一个电话吗？本次呼叫的持续时间为多少？这些都是事实。同时，IWS在模型部署的过程中广泛使用通用的表（例如“客户表”）。核心模型 核心模型是IWS数据结构的中心，由大约70个表组成。它包含几个可以跨行业应用的子模型（包括它们的表和视图）。因此，每个IWS的垂直行业部署除了各行业特定的行业核心事件的子模型外都将包含通用的核心模型的表、视图与子模型。 因此，这个核心模型提供了满足多个行业的需求的数据仓库的基础。在今天的全球化的商业环境中，一个企业涉猎多个行业正成为普遍的趋势。如金融服务机构，可能涉及零售银行业、信用卡和资本市场，而且他们甚至有可能涉及某种保险和投资产品。Sybase IWS核心模型使企业将不同的行业垂直模型连接为单一的企业级的数据仓库。这使那些在多个行业拥有业务的企业能够使用IWS建立通用的数据架构以分析他们的全部业务。垂直模型 每个特定的行业IWS有自己的垂直模型，与核心模型高度集成。垂直模型子模型的例子包括零售银行业的银行帐户交易与保险业的险单描述。聚合 聚合层包含系统中的各种聚合表。聚合有两个主要的用途：性能和处理过时数据。某些级别的面向性能的聚合由IWS提供，而一些则需要合并到客户化的过程中。对过时数据的处理需要客户化以适应IWS客户的特定需求。 聚合是提高数据仓库性能的一个关键的进程。这个进程存储汇总过的数据，这些汇总数据用以对某些普遍提问的问题进行快速的回答。例如按地区和分支机构的销售总额经常被提问，聚合和在聚合表中存储这些特定的信息就很有意义。访问这些汇总信息比每次在报告生成过程中由数据库计算和汇总数据要快得多。除原始的详细数据外，IWS还包含很多月汇总的信息。这些数据可以在一个特定的数据仓库实施中需要时被使用或被客户化。 对过时数据的聚合是控制数据仓库所需要的磁盘容量的一个有效方法。当数据变得陈旧，它对商业的价值就会降低。存储大量的详细的事务数据也不很现实，聚合这些过旧的数据很有好处。例如，超过5年的收据可以以月进行聚合，而超过10年的数据可以以季度进行聚合。反馈数据 反馈数据指商业人员进行绩效分析的结果的数据。例如，为了建立一个预算表，必须对现有数据应用一套规则从而通过前端工具推断出未来的预算表。这些数据，如果有价值，可能会被存储到数据仓库中以作将来分析之用。IWS包含几个这样的反馈表如查询的结果用以确定市场活动的目标客户，但是这更大程度上是客户化过程的需求。外部数据 外部数据来自企业外部的组织提供的数据，可能包括市场研究人员，行业分析家或提供经济和人口学统计的政府机构。这类数据被存储在独立的一组表中，然后与其他数据集成。保持外部数据独立需要谨慎，因为无法保证它们能象企业自己的数据一样总是以相同的格式，相同的规则或相同的粒度访问。另外，经常有这种可能，外部数据来源不再存在，从而这些数据将无法再得到。面向特定工具的表面向特定工具的表是一些管理工具所要求的，例如一些前端报表工具，要求数据或元数据以“客户化”的格式存储。这些表作为实施过程中所选用技术的外围工具而使用，并不是IWS基础架构的部分。跨平台支持 IWS所包含的数据库结构可以部署到任何主流的关系型数据库引擎，包括（IBM DB2,Oracle,带并行服务器扩展的Informix数据库,微软SQL Server，或者Sybase Adaptive Server Enterprise(ASE)与Adaptive Server IQ Multiplex）。IWS提供的数据仓库设计工具可以自动的转换数据库设计从而在各种关系型数据库引擎上运行。这个转换进程在数据定义语言（DDL）、数据类型、命名限制等方面处理各种不同的语法。 根据不同的目标数据库引擎，数据库结构可能需要一些额外的优化以充分利用特定数据库管理系统的性能特征。如果一个数据库有特别的索引技术，优化的存储结构等，数据库结构必须结合到作为客户化进程的部分的设计中去。维设计 数据库设计采用维模型设计方法，与在操作型数据库设计中普遍使用的3NF（第三范式）方法相反。以下是采用这种方法的诸多原因：l 维数据库设计面向商业人员，因此数据以商业人员容易理解的方式组织。这使用户能够自主的指导自己的分析，从而减少IT部门的工作量。l 维设计方法同时提供更快的处理速度，因为任何一个查询都要求尽量少的表连接。在3NF方法中，一个简单的查询可能牵涉到10个以上的表连接，大大加重了数据管理系统的负荷。通过显著减少表连接数，维设计方法可以显著提高数据库效率。如图5所示，一个使用3NF方法设计的数据仓库限制了商业人员只能分析以数据集市方式发布的信息，而不允许查询直接访问中心数据仓库。为商业人员提供对中心3NF方式的数据仓库的直接访问会以失败而告终，因为访问和响应太慢，而且数据结构对商业人员来说太难理解。3NF设计方法的两个主要缺陷是：l 需要时间来为商业人员建立数据集市通常是3-6个月。这不仅需要IT部门的额外工作，而且意味着最终用户只能等待他们的报表。l 限制了企业级的查询。如果商业人员仅能访问一个个分离的、独立的数据集市，用户不可能执行涵盖企业整个业务的企业级的查询。图6显示了IWS所采用的维模型设计方法。这个方法允许用户直接访问数据仓库，尽管仍然可以在需要的时候建立数据集市。维设计方法实际上并不妨碍和排除数据集市，而是方便地扩展了可选方式。 另外，使用维模型建立数据集市远比使用3NF方法快得多。这是由于数据集市与数据仓库都使用维模型方法。而在3NF环境下建立一个数据集市，数据必须首先转化为维的形式。应用组件 分析型CRM 一个数据仓库主要的好处之一是使企业充分认识企业与其客户的关系。理解客户为何保持与企业联系或者为何离开企业而与竞争对手打交道，这些信息可能深埋在企业的数据库中，只有通过数据仓库才能获得。 一个有效的分析型CRM战略可以帮助企业理解他们客户的需求，从而使企业的产品适合这些需求。使用分析型CRM应用，企业可以增加现有客户的业务量，同时也可以证明企业通过提供增值产品与服务带来新的客户的能力。IWS的核心模型提供了一个全面满足分析型CRM应用需求的基础：l 商业活动管理分析l 客户特征l 客户关怀（联系）分析l 客户忠诚度l 销售分析每个特定行业的IWS垂直子模型扩展了应用的能力与范围，提供行业特定的商业绩效与利润分析能力。客户特征分析 当市场变的更加细分，客户分类正成为市场战略中越来越重要的因素。客户特征化允许企业将整个客户群细分为许多个更细的分类。特征化与客户分类有助于在一对一的市场上建立真正的客户关系。商业活动分析 准确定位商业活动和推广计划所针对的客户并且分析他们对该活动或计划的反应是将市场行为转为客户化行为的关键。大多数企业通过不同的媒介对多种不同的产品进行多种不同方式的推广活动。这个应用进一步提高企业对整个过程的理解与认识从确定目标客户到分析客户反应。 商业活动分析允许你对某客户群或单个客户对各种活动的反应进行评测，对不同媒介的效果进行评估并且对活动的成本-效益进行分析。销售分析 销售分析应用允许从各个角度对销售进行分析，包括渠道、出口、或企业单位，产品、产品目录或产品组，地区或季节。该应用为企业提供一个对销售结果的综合观察并使销售主管能够通过销售数据分析潜在的趋势和模式。忠诚度分析 客户忠诚度对任何企业的收益都很关键。然而，不幸的是很少有企业利用工具来理解客户流失的原因或者以一种结构化的方式来衡量客户的忠诚度。这个应用正是为改变这种情况而设计。 忠诚度分析应用允许你从各个角度衡量客户忠诚度，包括关系持续时间、购买服务与产品的范围以及客户的人口统计学与地理学特征。 就其本身而言，忠诚度分析应用衡量客户忠诚度并促进企业制定计划以保持客户。与整个IWS套件中的其他应用相结合，客户的忠诚度可以通过他们的价值体现、联系历史、所属分类以及影响忠诚度的交易事件进行评估。客户关怀分析 客户通过各种方式与企业打交道。他们可能打电话要求产品支持，通过填写Web页面上的表格提出建议或者向销售部门了解更多信息。客户关怀分析应用对客户行为以及各部门的客户处理记录提供有价值的深入分析。客户满意度可以通过客户与企业之间的联系历史来确定。分析客户的联系记录是维持和培育用户关系与在未来保持客户忠诚度的基本要素。商业绩效管理 IWS商业绩效分析模型与应用组件针对每个垂直行业，并且基于各行业重要的核心事件进行设计。 商业绩效分析应用为企业销售和市场总监以及企业战略制定者提供所需的商业智能信息。存储在IWS垂直子模型中的基于各行业核心事件的详细数据成为提供该解决方案的动力引擎，而且当其与IWS套件中相关应用相结合，将大大革新企业管理业务与保持客户满意的方式。 对任何企业而言，利润率分析是商业绩效分析的关键。理解利润率对决定价格、折扣奖励、资源分配与发展战略至关重要。然而利润率是一个多面性的概念。它必须置于企业、渠道、产品、产品分类、商标、客户与客户分类之中来考虑。而且大多数企业也希望衡量毛利润、净利润与差额。 另外，许多行业都有行业通用的独特的利润率衡量方法，企业通过它跟踪企业绩效并与竞争对手进行比较。 下面就Sybase IWS支持的特定行业的绩效分析做一简单介绍。零售银行业 分析一个银行的商业绩效需要对客户行为的全面理解，包括他们如何使用银行提供的不同服务。这个绩效分析应用提供了对客户行为与客户使用产品与服务的模式的分析。它大大改进了银行对其产品性能，分支机构与ATM使用的分析，并使银行可以根据分析信息制定有效的衍生销售与交叉销售战略。信用卡 分析信用卡商业绩效需要对客户行为的理解，包括购买模式、卡的使用情况与潜在的风险。针对信用卡企业的商业绩效分析应用可以为借贷方提供本行业特有的信用卡业务交易级数据的分析信息。保险（人寿、财产和伤亡） 商业绩效分析应用深入挖掘行业特有的典型的保险企业的交易级数据。分析一个保险公司的商业绩效需要对关键事件的理解，包括报价、新业务、更新、险单与取消保险。 这个应用提供各种分析报告，主要集中于渠道业绩、忠诚度、接受报价与拒绝报价的关系以及客户取消保险的范围与特征。该应用还提供推进有效衍生销售与交叉销售战略所需的信息。电信 分析电信公司的商业绩效的关键在于对网络通讯业务的理解并且能够将这些业务与产品和客户联系起来。该应用将呼叫明细作为核心的事务级数据，可以分析业务量、呼叫地、呼叫频率、呼叫时长、呼叫业务的季节和周期性趋势以及未完成呼叫的原因与影响范围。这些信息使企业可以理解客户行为包括各类运营中出现的问题如客户抱怨。 另外，该应用可以分析不同类型的呼叫事件，而且呼叫业务可以与其他对象相关联，例如一个特定的交换机或者一个特定的推广活动。同时该应用还允许企业分析与产品、服务和客户利润相关的综合的帐务信息。医疗护理 分析医疗护理需要理解病人的护理历史与流程，并且能够对病人就诊、服药、器械、护理类型等做综合交叉分析。全面了解病人的病史使医疗企业的经营更加有效。例如可以对特定的危险群体采取一些有针对性的预防措施。 这个应用支持对医疗过程数据的分析，包括病人就诊、护理流程、使用的器械、危险人群与计划类型。IWS方法学 IWS方法学专门为建立数据仓库而设计。它涵盖了建立与部署数据仓库的所有方面，可以划分为几个特定的阶段和步骤。要求必须执行每个步骤以生成一个成功的数据仓库。这个方法学的结构如图8所示：进化的方法IWS方法论可以被归类为一种进化的方法。下面的话指出进化的设计原理： 在我们将局部组合起来之前，必须有一个描述整体的逻辑框架 翔.凯利数据仓库：通往大规模客户化之路（Data Warehouse:The Route to Mass Customization）的作者 我们将这种进化的设计原理应用到数据仓库，在进行任何一步具体的实施之前，必须提供一个完整的描述数据仓库的设计。这个理念指明了IWS数据结构的价值以及对它的根本性的需求，因为IWS正是为完整的描述数据仓库而设计。按照这种理念，有三种方法可以用来实施数据仓库：l 设计一个面向小项目的模型，首先实施这个小的项目然后希望重用这些模型。这更象是一个数据集市的方法，而不是实施数据仓库的方法。这种理论要求首先部署一个小的数据集市以解决特定的商业问题，然后在解决接下来的商业问题时重用这个系统。结果是在首次部署时可能非常迅速，然而这种方法缺乏灵活性，而且第一个数据集市的架构未必是其他数据集市的最佳设计，所以之后的问题会接踵而至。l 从头开始设计企业模型。这是部署数据仓库的传统方法，数据仓库模型为企业的商业目标而设计。然而在实际中，这个方法往往导致分析瘫痪。出现这种现象是由于需要花费大量的时间去努力调整一个模型以精确的描述一个业务。设计这种企业模型需要12-18个月，从商业的角度来看，这无法让人接受。l 购买一个企业模型然后对其进行客户化。这是IWS所采用的方法。企业模型已经建好但是需要客户化以确保这个模型准确描述业务。这个方法拥有前面两种方法的优点：快速部署和一个完整的集成的设计。 方法学阶段重点 IWS方法学的四个阶段包括：准备、计划、建设、运行。关于数据仓库运行和调优的讨论不在本书论述范围之内。在这里，关注一些与数据仓库的准备、计划与部署相关的重要任务对读者尤为有益。有关IWS方法学及其相关的项目任务与描述可以在随产品附送的技术文档IWS系统集成指南（IWS System Integrations Guid）中找到。以下就其中关键的步骤作一简要的介绍。 准备执行准备就绪测试部署数据仓库的第一步就是执行准备就绪测试，以评估数据仓库的实施是否能有效适应商业战略的需求，并且提供一份实施计划概要。准备就绪测试应该对各方面做一检查，如现有数据源的状态与质量、IT部门的技能与经验、商务部门的分析需求。准备就绪测试对建立一个成功的数据仓库至关重要。其主要目标是确立实施该解决方案的潜在风险。在项目起始就辩别与确认风险并采取回避或减轻风险的战略可以显著降低项目的整体风险。详述这些战略的文档在项目的整个生命周期都有不断更新。 计划开发蓝图在这个阶段，IWS数据结构被客户化以反映商业环境。经验表明，部署数据结构用以描述一个IWS客户商业需求的特定解决方案需要20%的客户化工作。这个客户化过程包括系统的业务与技术特性的客户化。业务客户化包括更新数据结构以获得更多或不同的相关信息，更新元数据以正确反映企业的视点，确保设计能从企业的资源系统移植。技术客户化包括确保已完成的设计能够以最佳性能或在给定的所选技术环境下以可以接受的性能运行。 计划定义基础架构这个步骤关注技术需求和与基础架构相关的标准与程序的定义。不要在准备就绪测试与目标和蓝图确定之前进行这个步骤，这很重要。除非这些步骤至少已经开始，否则所需的技术基础架构不可能准确的确定。在该阶段定义的基础架构需求成为评估与选择在实施（或建设）阶段所要使用的技术组件的基础。不断推进的步骤提供了对系统特性的全面理解，例如数据量、所需应用、实施的优先顺序、信息发布方法、资源系统特性等。没有一定程度的详细信息，就不可能为数据仓库的实施选择技术。元数据 元数据是指描述数据仓库的信息。它是数据仓库实施最核心的部分，因为所有用户不论是技术还是商业人员都依赖于元数据来告诉他们数据仓库能够提供什么信息和如何提供这些信息。 IWS包含一组完整的元数据来描述数据结构所有的实体及其属性。元数据提供了商业人员能够理解的以适合的行业用语表达的商业语言所写的描述。图9显示了Warehouse Control Center如何以商业人员容易理解的格式来描述元数据。 几种类型的元数据对任何数据仓库环境都需要，包括商业元数据、技术元数据、以及关联元数据。商业元数据 商业元数据是指在数据仓库中对实体与属性的商业描述。对实体的定义如客户、产品、组织、家族、保险政策、银行帐户、呼叫明细记录等必须遵循有助于在数据仓库环境中的理解的原则。 IWS包含一套商业元数据。这为企业提供了一个基础，在这个起基础之上，企业对其进行客户化并且确定准确的定义。一个实体很可能有多种定义，这取决于实体的商业相关环境。例如，零售商与市场部对一个产品所作的定义可能并不相同。技术元数据 技术元数据详细描述部署到数据库中的每个实体与属性。技术术语如数据类型、代码、空值无效等包含在这里。IWS包括一套完整的元数据，在客户化的过程中很自然的会被使用。关联元数据 关联元数据描述数据来自哪里以及如何加载到数据仓库。关联元数据包括资源系统（商业目标以及技术平台）、刷新频率、转换函数与数据映象。 Warehouse Control Center工具拥有在整个数据仓库环境中存储与分布这些数据的能力。这些数据可以通过ETL工具如DataStage 或 Informatica PowerConnect基于元数据交换标准MDIS（Meta Data Interchanges Standard）载入。工具 IWS包括两个工具，它们在数据仓库环境中提供特定的功能，Sybase Warehouse Control Center与Sybase Warehouse Architect。Warehouse Control Center Warehouse control Center是一个元数据管理工具。它可以使开发者与商业人员都能得到数据仓库的元数据。这个工具，如图9所示，允许浏览与搜索各种类型的元数据，包括：l 技术元数据 表、视图、数据类型与长度的特征可以通过它来显示。l 商业元数据 可以分析数据仓库中实体与属性的商业描述。l 关联元数据 数据仓库中描述数据踪迹的元数据，包括来源、转换路径、生成与最后修改。l 样本数据 直接从数据仓库中提取，给用户一个对存储在实体与属性中的数据的直观认识。Warehouse Control Center直接从数据库设计工具Warehouse Architect载入技术元数据与商业元数据，无需重新载入元数据，大大加速了数据仓库的实施。 当元数据被载入时，Warehouse Control Center提供一个有效的鉴别功能确保用户看到的是有效的元数据。这个功能将来自Warehouse Architect的技术元数据与产品数据库进行比较以确保与数据库版本兼容。因此，不论用户何时在Warehouse Control Center中浏览元数据，都表明数据仓库中也有相同的内容。 Warehouse Control Center有两个前端版本：32-bit微