Tài liệu Xây dựng kho dữ liệu cho hệ thống tổng hợp thông tin kinh tế - xã hội

1 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Nguyễn Thị Thu Hằng XÂY DỰNG KHO DỮ LIỆU CHO HỆ THỐNG TỔNG HỢP THÔNG TIN KINH TẾ - XÃ HỘI Ngành: Công nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 60.48.05 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. Nguyễn Tuệ Hà Nội – 2009 2 LỜI CẢM ƠN Đầu tiên, tôi xin gửi lời cảm ơn sâu sắc nhất tới TS Nguyễn Tuệ, ngƣời hƣớng dẫn khoa học, đã tận tình chỉ bảo, giúp đỡ tôi thực hiện luận văn. Tôi xin chân thành cảm ơn TS Nguyễn Văn Hùng, ngƣời tạo điều kiện và giúp đỡ tôi tìm hiểu thực tế bài toán để hoàn thành luận văn Tôi xin chân thành cảm ơn các thầy cô trƣờng Đại học Công nghệ, Đại học Quốc gia Hà Nội đã giảng dạy và truyền đạt kiến thức cho tôi. Cuối cùng, tôi xin cảm ơn những ngƣời thân và các bạn bè đồng nghiệp đã chia sẻ, giúp đỡ tôi hoàn thành luận văn này. Mặc dù đã hết sức cố gắng với tất cả sự nỗ lực của bản thân, nhƣng chắc luận văn vẫn còn những thiếu sót. Kính mong nhận đƣợc những ý kiến đóng góp của quý Thầy, Cô và bạn bè đồng nghiệp. Tôi xin chân thành cảm ơn! Hà Nội, ngày 30/11/2009 Học viên thực hiện Nguyễn Thị Thu Hằng 3 LỜI CAM ĐOAN Tôi xin cam đoan luận văn “Xây dựng kho dữ liệu cho Hệ thống tổng hợp thông tin kinh tế - xã hội” là công trình nghiên cứu của riêng tôi, không sao chép của bất kỳ ai. Nội dung của luận án đƣợc trình bày từ những kiến thức tổng hợp của cá nhân, tổng hợp từ các nguồn tài liệu có xuất xứ rõ ràng và trích dẫn hợp pháp. Kết quả nghiên cứu đƣợc trình bày trong luận văn này chƣa từng đƣợc công bố tại bất kỳ công trình nào khác. Tôi xin chịu hoàn toàn trách nhiệm, và nếu sai, tôi xin chịu mọi hình thức kỷ luật theo quy định. Hà Nội, ngày 30 tháng 11 năm 2009 Học viên thực hiện Nguyễn Thị Thu Hằng 4 MỤC LỤC LỜI CẢM ƠN .................................................................................................... 2 LỜI CAM ĐOAN .............................................................................................. 3 MỤC LỤC ......................................................................................................... 4 BẢNG CÁC KÝ HIỆU VÀ TỪ VIẾT TẮT ....................................................... 6 DANH MỤC HÌNH VẼ VÀ BẢNG BIỂU ........................................................ 7 MỞ ĐẦU ........................................................................................................... 9 CHƢƠNG 1 – LÝ THUYẾT XÂY DỰNG KHO DỮ LIỆU ............................ 12 1.1 Các khái niệm cơ bản về kho dữ liệu ....................................................... 12 1.1.1 Kho dữ liệu – data warehouse ........................................................... 12 1.1.2 Các loại dữ liệu trong Data Warehouse ............................................. 15 1.2 Thiết kế kho dữ liệu ................................................................................ 16 1.2.1 Các giai đoạn thiết kế kho dữ liệu ..................................................... 16 1.2.2 Mô hình dữ liệu ................................................................................ 16 CHƢƠNG 2 – MÔ TẢ, ĐÁNH GIÁ, PHÂN TÍCH QUY TRÌNH NGHIỆP VỤ CỦA HỆ THỐNG TỔNG HỢP KINH TẾ - XÃ HỘI ...................................... 22 2.1 Quy trình xác định, tạo lập, lƣu trữ, cung cấp thông tin tổng hợp KTXH 22 2.1.1 Quy trình xác định, tạo lập và lƣu trữ thông tin tổng hợp KTXH tại các đơn vị trực thuộc Bộ XD ..................................................................... 22 2.1.2 Quy trình cung cấp và tổ chức khai thác thông tin tổng hợp KTXH tại các đơn vị trực thuộc Bộ XD ..................................................................... 23 2.2 Quy trình cung cấp và tổ chức khai thác thông tin tổng hợp KTXH ........ 24 2.2.1 Xác định nội dung và các hình thức cung cấp, khai thác thông tin .... 24 2.2.2 Cung cấp thông tin tới các địa chỉ cần thiết qua đƣờng truyền mạng . 25 2.2.3 Cung cấp thông tin tổng hợp KTXH phục vụ công tác điều hành quản lý ............................................................................................................... 25 2.3 Qui trình thực hiện chế độ thông tin báo cáo ........................................... 26 2.3.1 Quy trình nghiệp vụ tổng quát........................................................... 26 2.3.2 Quy trình làm báo cáo tại tại Bộ Xây dựng ....................................... 26 2.4 Mô tả thông tin dữ liệu ............................................................................ 28 2.4.1 Mô hình dữ liệu ................................................................................ 28 2.4.2 Hệ thống chỉ tiêu tổng hợp chung của Bộ Xây Dựng ........................ 29 2.4.3 Hệ thống chỉ tiêu tổng hợp của các đơn vị ........................................ 43 CHƢƠNG 3 - XÂY DỰNG KHO DỮ LIỆU THỬ NGHIỆM ......................... 54 3.1 Giới thiệu công cụ OLAP trong SQL Server 2005 .................................. 54 3.1.1 Giới thiệu OLAP ............................................................................... 54 3.1.2 Giới thiệu dịch vụ OLAP của Microsoft SQL Server ........................ 55 3.1.3 Các mô hình lƣu trữ .......................................................................... 56 3.1.4 Kiến trúc khối (cube) của OLAP ....................................................... 59 5 3.1.5 Mô hình kiến trúc của dịch vụ OLAP................................................ 60 3.2 Thiết kế cơ sở dữ liệu .............................................................................. 63 3.2.1 Dữ liệu nguồn ................................................................................... 63 3.2.2 Thiết kế các chiều lƣu trữ dữ liệu ...................................................... 65 3.3 Cài đặt kho dữ liệu thử nghiệm ............................................................... 66 3.3.1 Khởi tạo và cài đặt Project ................................................................ 66 3.3.2 Khai thác kho dữ liệu ........................................................................ 69 KẾT LUẬN ...................................................................................................... 73 TÀI LIỆU THAM KHẢO ................................................................................ 74 6 BẢNG CÁC KÝ HIỆU VÀ TỪ VIẾT TẮT Từ viết tắt Từ tiếng anh Từ hoặc cụm từ BMSL Biểu mẫu số liệu CNTT Công nghệ thông tin CSDL Database Cơ sở dữ liệu DM Data Mart Kho dữ liệu cục bộ DW Data Warehouse Kho dữ liệu EDM Enterprise Data Model Mô hình dữ liệu mức xí nghiệp HTTT Hệ thống thông tin TT THDL Trung tâm tổng hợp dữ liệu KTXH Kinh tế - Xã hội LAN Local Area Network Mạng cục bộ OLAP On-Line Analytical Processing Xử lý phân tích trực tuyến SA Subject Area Vùng chủ đề VP Văn phòng XD Xây dựng 7 DANH MỤC HÌNH VẼ VÀ BẢNG BIỂU Danh mục hình vẽ Hình 1.1 – Mô phỏng sơ đồ hình sao của một CDSL ..................................... 18 Hình 1.2 – Mô phỏng sơ đồ tuyết rơi (mở rộng của sơ đồ hình sao) .............. 19 Hình 1.3 – Mô phỏng các chiều trong kinh doanh ......................................... 20 Hình 2.1 – Quy trình xác định, tạo lập, lƣu trữ thông tin cấp sở.................... 23 Hình 2.2 – Quy trình thu thập số liệu tại cấp Bộ .......................................... 24 Hình 2.3 – Mô hình tạo báo cáo ở văn phòng Bộ XD ................................... 27 Hình 2.4 – Mô hình tổ chức dữ liệu của Hệ thống tại cấp Bộ ........................ 28 Hình 3.1 – Mối quan hệ của nhiều loại công nghệ trong Analysis Services (dịch vụ phân tích) của SQL Server 2005 ...................................................... 55 Hình 3.2 – Kiến trúc dịch vụ OLAP .............................................................. 56 Hình 3.3 – Mô hình Multidimensional OLAP ............................................... 57 Hình 3.4 – Mô hình Relation OLAP .............................................................. 58 Hình 3.5 – Mô hình Hybird OLAP ................................................................ 59 Hình 3.6 – Mô hình kiến trúc của dịch vụ OLAP........................................... 61 Hình 3.7 – Kiến trúc thành phần Server ......................................................... 62 Hình 3.8 – Kiến trúc thành phần Client ......................................................... 63 Hình 3.9 – Mô hình Data Mart của hệ thống TH KT-XH .............................. 66 Hình 3.10 – Khung nhìn dữ liệu của Data Mart hệ thống ............................... 67 Hình 3.11 – Cấu trúc khối (cube) TH_KTXH.cube ....................................... 67 Hình 3.12 – Kết quả triển khai project TH_KTXH trong Analysis Service.... 68 Hình 3.13 – Báo cáo về tình hình thực hiện quản lý quy hoạch phát triển vật liệu xây dựng trong phạm vi cả nƣớc của Vụ Vật liệu xây dựng từ năm 2000 đến 2008 ........................................................................................................ 69 Hình 3.14 – Báo cáo quản lý quy hoạch phát triển vật liệu xây dựng trong phạm vi cả nƣớc của Vụ Vật liệu xây dựng từ năm 2000 đến 2008 – sử dụng dịch vụ Reporting Services ............................................................................ 70 Hình 3.15 – Báo cáo sản lƣợng Xi măng các loại từ năm 2000 đến 2008 – sử dụng dịch vụ Reporting Services ................................................................... 71 8 Hình 3.16 – Báo cáo sản lƣợng sản xuất Cát xây dựng của doang nghiệp quốc doanh từ năm 2000 đến 2008, so sánh số liệu thực và số liệu ƣớc ................. 72 Danh mục bảng biểu Bảng 2.1. Thống kê các mẫu báo cáo và tình trạng cung cấp thông tin về hệ thống chỉ tiêu tổng hợp .................................................................................. 30 Bảng 2.2. Hệ thống chỉ tiêu tổng hợp dùng chung tại Bộ XD ........................ 32 9 MỞ ĐẦU Thế kỷ 21 là thời đại của nền kinh tế trí thức. Mọi hoạt động của chúng ta muốn đạt hiệu quả cao, giành đƣợc thắng lợi trong thế cạnh tranh gay gắt thì nhất thiết phải có những phƣơng pháp để có đƣợc những thông tin, tri thức cần thiết một cách nhanh và chính xác. Việc áp dụng công nghệ thông tin vào thực tiễn sản xuất nghiệp vụ đã mang lại những hiệu quả và lợi ích to lớn. Công nghệ ngày càng đƣợc phát triển, hoàn thiện hơn để đáp ứng những yêu cầu ngày càng cao của thực tế nghiên cứu, quản lý sản xuất và nghiệp vụ. Sự mở rộng qui mô áp dụng từ những ứng dụng đơn lẻ đến các hệ thống thông tin cỡ lớn đã dẫn đến những thành công vƣợt bậc trong nghiệp vụ. Các hệ thống thông tin từ chỗ chỉ giải quyết những xử lý công việc hàng ngày nay đã tiến tới đáp ứng đƣợc những yêu cầu ở mức độ cao hơn. Các nhà quản lý điều hành không những biết đƣợc công việc đang diễn ra nhƣ thế nào mà còn biết cái gì sẽ xảy ra sau đó, có nghĩa là thông tin mang tính phân tích và hệ thống thông tin có khả năng hỗ trợ quyết định. Hiện nay, phƣơng pháp xây dựng kho dữ liệu đã phát triển cả về lý thuyết cũng nhƣ thực tế. Lý thuyết xây dựng kho dữ liệu đã đƣợc hình thành rõ nét, bên cạnh đó các nhà cung cấp phần mềm cũng đã đƣa ra các công cụ để xây dựng, lƣu trữ, duy trì và phát triển kho dữ liệu. Một kho dữ liệu có thể giúp đỡ các nhà quản lý, các doanh nghiệp … có khả năng quản lý dữ liệu, khai thác thông tin để đƣa ra những quyết định nhanh chóng và phù hợp Quá trình tìm hiểu thực tế việc tin học hóa quán lý hành chính nhà nƣớc cho thấy việc tổng hợp và quản lý các thông tin về kinh tế - xã hội hàng ngày, để cung cấp thông tin cho “quá trình phân tích, hoạch định chiến lƣợc và hỗ trợ ra quyết định” là một nhu cầu bức thiết của những ngƣời quản lý, là thách thức, bài toán thực tế đang đƣợc tìm hƣớng giải quyết. Đề tài này dựa trên những lý thuyết, phƣơng pháp luận, công cụ xây dựng kho dữ liệu, từ đó triển khai xây dựng một kho dữ liệu thực tế, nhằm hƣớng tới giải quyết yêu cầu của bài toán nói trên. Luận văn gồm 3 chƣơng: Chƣơng 1: Lý thuyết xây dựng kho dữ liệu. Chƣơng này trình bày những khái niệm cô đọng nhất về Data warehouse và các bƣớc thiết kế kho dữ liệu cho Hệ thống Chƣơng 2. Mô tả, đánh giá, phân tích quy trình nghiệp vụ của Hệ thống Tổng hợp thông tin kinh tế - xã hội phục vụ điều hành cho Bộ Xây Dựng Chƣơng 3. Xây dựng kho dữ liệu thử nghiệm. Chƣơng này trình bày việc xây dựng kho dữ liệu thử nghiệm dựa trên SQL Server 2005 10 Giới thiệu bài toán Xây dựng kho dữ liệu cho Hệ thống tổng hợp thông tin kinh tế - xã hội Tổng hợp Kinh tế - Xã hội (KTXH) là một hệ thống thông tin đƣợc xây dựng nhằm góp phần tin học hóa quản lý hành chính nhà nƣớc. “Thông tin tổng hợp KTXH” đƣợc hiểu là thông tin phản ánh các diễn biến về KTXH đã đƣợc tổng hợp từ các hiện tƣợng KTXH phát sinh ở các đơn vị kinh tế cơ sở để phục vụ công tác chỉ đạo điều hành trong hệ thống các cơ quan hành chính nhà nƣớc. Đơn vị kinh tế cơ sở gồm: Cơ quan nhà nƣớc, đơn vị sự nghiệp, đơn vị thuộc lực lƣợng vũ trang nhân dân, tổ chức chính trị, tổ chức chính trị - xã hội, tổ chức chính trị xã hội - nghề nghiệp, tổ chức xã hội, tổ chức xã hội - nghề nghiệp, doanh nghiệp và các đơn vị trực thuộc doanh nghiệp thuộc mọi thành phần kinh tế, hợp tác xã, tổ hợp tác, hộ kinh doanh cá thể, hộ gia đình, cá nhân, các tổ chức khác của Việt Nam ở trong nƣớc, ở nƣớc ngoài và tổ chức, cá nhân nƣớc ngoài hoạt động trên lãnh thổ Việt Nam. Quá trình tìm hiểu thực tế cho thấy mỗi Ủy ban nhân dân tỉnh hoặc các bộ, ngành đều có nhu cầu nắm bắt, tổng hợp và quản lý các thông tin về kinh tế xã hội hàng ngày, để cung cấp thông tin cho “quá trình phân tích, hoạch định chiến lƣợc và hỗ trợ ra quyết định”. Hệ thống Tổng hợp thông tin kinh tế xã hội đã đƣợc tìm hiểu, khảo sát và triển khải thử tại nhiều địa phƣơng nhƣ Thanh Hóa, Hà Nam, Lạng Sơn … các bộ ngành nhƣ bộ Xây dựng … Từ khảo sát thực tế đã chỉ ra những bất cấp trong việc thu thập và lƣu trữ thông tin kinh tế - xã hội hàng ngày của các UBND, các bộ các ngành. Việc thu thập thông tin thủ công, thông tin đƣợc lƣu trong các file tài liệu rời rạc hoặc những CSDL riêng biệt, gây khó khăn cho việc tổng hợp số liệu, thống kê số liệu, dẫn đến việc phân tích thông tin, hỗ trợ các quyết định chiến lƣợc của các cấp lãnh đạo chƣa thực sự nhanh chóng và hiệu quả. Để giải quyết những bất cập và đáp ứng nhu cầu thực tế, đã có nhiều đề án cụ thể đƣợc đƣa ra xem xét, một trong số các đề án giải quyết những hạn chế nêu trên là xây dựng kho dữ liệu. Khối lƣợng công việc rất lớn, có phạm vi rộng và thời gian thực hiện khéo dài. Do vậy, bài toán trong luận án này sẽ tìm hiểu, đi sâu và xây dựng kho dữ liệu cho HTTT tổng hợp KTXH phục vụ điều hành của Bộ Xây Dựng. HTTT tổng hợp KTXH phục vụ điều hành quản lý tại Bộ XD có nhiệm vụ xác định, tạo lập, lƣu trữ, xử lý và quản lý các thông tin tổng hợp liên quan đến tất cả các lĩnh vực hoạt động KTXH nhƣ kinh tế tổng hợp, kinh tế ngành, tổ chức cán bộ, ... của Bộ XD, từ đó hình thành các kho dữ liệu về các số liệu chỉ tiêu tổng hợp KTXH và các thông tin báo cáo, nhằm: 11  Cung cấp thông tin tổng hợp phục vụ chỉ đạo điều hành của lãnh đạo, các hoạt động chuyên môn, nghiệp vụ của các bộ phận và các chuyên viên tại văn phòng Bộ XD, tại các cục, vụ, viện, và các đơn vị trực thuộc Bộ XD (kể cả các sở XD thuộc các tỉnh/ thành phố trong cả nƣớc).  Phục vụ việc thực hiện chế độ thông tin báo cáo từ các đơn vị lên văn phòng Bộ XD và từ Bộ lên Chính phủ. Mục tiêu Việc xây dựng kho dữ liệu cho HTTT tổng hợp KTXH phải đảm bảo đƣợc các yêu cầu cơ bản:  Xác định đầy đủ nội dung thông tin tổng hợp KTXH  Chuẩn hoá hệ thống chỉ tiêu, hệ thống mẫu biểu số liệu (BMSL), thống nhất các loại số liệu, các thông tin danh mục dùng chung;  Có khả năng trích lọc, chuyển đổi, kết xuất, tích hợp dữ liệu từ các CSDL chuyên ngành của các đơn vị (nếu có) vào Kho dữ liệu thông tin tổng hợp KTXH.  Lƣu trữ, quản lý toàn bộ các số liệu chỉ tiêu, dữ liệu báo cáo của các đơn vị cấp cục, vụ, viện và của Bộ, hình thành các kho dữ liệu về số liệu chỉ tiêu, về các thông tin báo cáo, đƣợc phân loại một cách có hệ thống và thống nhất. Các kho dữ liệu sẽ đƣợc tổ chức theo mô hình thống nhất để có thể tích hợp chúng với nhau một cách thuận tiện và dễ dàng.  Trên cơ sở các kho dữ liệu về thông tin tổng hợp KTXH, tổ chức các hình thức khai thác thông tin dƣới dạng thông tin kết xuất theo khuôn dạng định sẵn và các dạng thông tin kết xuất động theo yêu cầu, cung cấp các công cụ thống kê, phân tích, dự báo liên quan đến các lĩnh vực KTXH để hỗ trợ ra quyết định, xuất bản thông tin lên Phạm vi thực hiện Bài toàn xây dựng kho dữ liệu cho hệ thống thông tin tổng hợp kinh tế - xã hội sẽ đƣợc cụ thể hóa bằng việc xây dựng kho dữ liệu thử nghiệm cho hệ thống thông tin tổng hợp KT – XH phục vụ điều hành của Bộ Xây dựng. Bài toán sẽ đi tìm hiểu và phân tích các quy trình xác định, tạo lập, lƣu trữ và khai thác thông tin trong hệ thống tổng hợp KTXH, tìm hiểu các loại, kiểu dữ liệu đƣợc lƣu trữ để từ đó xây dựng cơ sở dữ liệu cho kho dữ liệu Công cụ sử dụng trong việc xây dựng kho dữ liệu đƣợc sử dụng trong bài toán là hệ quản trị cơ sở dữ liệu Microsoft SQL Server 2005 12 CHƢƠNG 1 – LÝ THUYẾT XÂY DỰNG KHO DỮ LIỆU 1.1 Các khái niệm cơ bản về kho dữ liệu 1.1.1 Kho dữ liệu – data warehouse 1.1.1.1 Định nghĩa kho dữ liệu – data warehouse Kho dữ liệu (Data Warehouse - DW) là tuyển tập các cơ sở dữ liệu tích hợp, hƣớng chủ đề, đƣợc thiết kế để hỗ trợ cho chức năng trợ giúp quyết định, mà mỗi đơn vị dữ liệu đều liên quan tới một khoảng thời gian cụ thể. Công nghệ “Kho dữ liệu” (Data Warehouse Technology) là tập các phƣơng pháp, kỹ thuật và các công cụ có thể kết hợp, hỗ trợ nhau để cung cấp thông tin cho ngƣời sử dụng trên cơ sở tích hợp từ nhiều nguồn dữ liệu, nhiều môi trƣờng khác nhau (Theo John Ladley) Công nghệ DW ra đời nhằm đáp ứng mọi yêu cầu về thông tin của ngƣời sử dụng, hỗ trợ để các nhân viên của "tổ chức" thực hiện tốt, hiệu quả công việc của minh, nhƣ có những quyết định hợp lý, nhanh và bán đƣợc nhiều hàng hơn, năng sản cao hơn, thu đƣợc lợi nhuận cao hơn, v.v... Giúp cho tổ chức, xác định, quản lý và điều hành các dự án, các nghiệp vụ một cách hiệu quả và chính xác, ngoài ra DW tích hợp dữ liệu và các siêu dữ liệu từ nhiều nguồn khác nhau Kho dữ liệu thƣờng rất lớn tới hàng trăm GB hay thậm chí hàng Terabyte. Kho dữ liệu đƣợc xây dựng để tiện lợi cho việc truy cập theo nhiều nguồn, nhiều kiểu dữ liệu khác nhau sao cho có thể kết hợp đƣợc cả những ứng dụng của các công nghệ hiện đại và kế thừa đƣợc từ những hệ thống đã có sẵn từ trƣớc. [1] 1.1.1.2 Đặc tính của kho dữ liệu Dữ liệu trong DW có những đặc tính cơ bản sau:  Hƣớng chủ đề (Object Oriented) Dữ liệu đƣợc tập hợp, phân lớp, lƣu trữ và xử lý theo từng chủ đề, để dễ dàng xác định đƣợc những thông tin cần thiết trong từng hoạt động. Các dữ liệu của mỗi chủ đề chính trong tổ chức đƣợc liên kết với các khóa đại diện và đƣa vào cùng một vị trí.  Tích hợp (Integrated) Một tổ chức có rất nhiều dữ liệu từ nhiều hệ thống khác nhau. Dữ liệu tập hợp trong kho dữ liệu đƣợc thu thập từ nhiều nguồn và trộn ghép với nhau tạo thành một thể thống nhất.Việc hợp nhất các dữ liệu này trở thành một 13 tập hợp dữ liệu có nghĩa cho việc phân tích là rất khó khăn. Dữ liệu tích hợp phải đảm bảo tính nhất quán, đôi khi chấp nhận sự dƣ thừa dữ liệu để tăng hiệu quả của các truy vấn.  Tính ổn định, không biến động (non- volatility) Dữ liệu trong DW là dữ liệu chỉ đọc và chỉ có thể đƣợc kiểm tra, không đƣợc sửa đổi bởi ngƣời sử dụng đầu cuối. Nó chỉ cho phép thực hiện hai thao tác cơ bản: nạp dữ liệu vào kho và truy cập vào vào các vùng trong DW. Tính không biến động thể hiện ở chỗ: Dữ liệu đƣợc lƣu trữ lâu dài trong kho dữ liệu. Mặc dù có thêm dữ liệu mới nhập vào nhƣng dữ liệu cũ trong kho vẫn không bị xoá, điều đó cho phép cung cấp thông tin về một khoảng thời gian dài, cung cấp đủ số liệu cần thiết cho các mô hình nghiệp vụ phân tích, dự báo, từ đó có đƣợc những quyết định hợp lý, phù hợp với các qui luật tiến hoá của tự nhiên.  Tính thời gian cụ thể Một kho dữ liệu bao hàm một khối lƣợng lớn dữ liệu lịch sử. Dữ liệu đƣợc lƣu trữ thành một loạt các bản sao, mỗi bản sao phản ánh những giá trị của dữ liệu tại một thời điểm nhất định, thể hiện một khung nhìn của một vùng chủ đề trong một giai đoạn. Do vậy, DW cho phép khôi phục lại dữ liệu lịch sử và so sánh một cách chính xác các giai đoạn khác nhau. Yếu tố thời gian đóng vai trò nhƣ một phần của khóa để đảm bảo tính đơn nhất của mỗi bản ghi và cung cấp đặc trƣng về thời gian cho dữ liệu Dữ liệu trong kho dữ liệu tác nghiệp cần phải chính xác ở chính thời điểm truy cập, còn ở DW chỉ cần có hiệu lực trong khoảng thời gian nào đó, trong khoảng 5 đến 10 năm hoặc lâu hơn. Dữ liệu của CSDL tác nghiệp thƣờng sau một khoảng thời gian nhất định thì sẽ trở thành dữ liệu lịch sử và chúng sẽ đƣợc chuyển thành kho dữ liệu. Đó chính là những dữ liệu hợp lý về những chủ điểm cần lƣu trữ. 1.1.1.3 Các yêu cầu chức năng của kho dữ liệu  Khả năng cân bằng (scalable) : Kho dữ liệu có khả năng lƣu trữ và quản lý một số lƣợng khổng lồ các giao dịch và dữ liệu tổng hợp. Kho dữ liệu có thể lớn lên theo thời gian, có thêm dữ liệu mới hoặc giữ lại dữ liệu lịch sử cho một thời gian dài mà không bị quá tải, vẫn đảm bảo tính ổn định hoạt động  Khả năng quản trị (manageable): Kho dữ liệu có khả năng quản trị việc tạo quyết định 14  Khả năng sẵn sàng (avaiable) : Kho dữ liệu luôn sẵn sàng bất kỳ khi nào cần  Khả năng mở rộng (extensible): Thực hiện 1 cách dễ dàng khi thêm các loại dữ liệu mới, dữ liệu kết hợp và dữ liệu tổng hợp và kho dữ liệu  Khả năng mềm dẻo (Flexible): hỗ trợ nhiều cách truy nhập dữ liệu chi tiết, dữ liệu tổng hợp theo phân tích nhiều chiều  Khả năng tích hợp (Integrated): kho dữ liệu phải có khả năng tích hợp đầy đủ với các hệ thống sẵn có, môi trƣờng tác nghiệp. Do vậy, có thể tải dữ liệu từ nhiều nguồn  Khả năng truy cập sử dụng đƣợc (Accessible): Kho dữ liệu phải có khả năng truy cập sử dụng đƣợc, từ các công cụ mềm dẻo tới phạm vi rộng rãi ngƣời sử dụng  Khả năng tin cậy (Reliable): dữ liệu tải từ nhiều nguồn khác nhau phải đƣợc hợp nhất, chuấn hóa bảo đảm tính toàn vẹn dữ liệu và hợp lệ tại một thời điểm bất kỳ 1.1.1.4 Kho dữ liệu cục bộ - Datamart Kho dữ liệu cục bộ (Datamart – DM) là CSDL có những đặc điểm giống với kho dữ liệu nhƣng với quy mô nhỏ hơn và lƣu trữ dữ liệu về một lĩnh vực, một chuyên ngành. Datamart là kho dữ liệu hƣớng chủ đề. Các Datamart có thể đƣợc hình thành từ một tập con dữ liệu của kho dữ liệu hoặc cũng có thể đƣợc xây dựng độc lập và sau khi xây dựng xong, các datamart có thể đƣợc kết nối tích hợp lại với nhau tạo thành kho dữ liệu. Vì vậy có thể xây dựng kho dữ liệu bắt đầu bằng việc xây dựng các Datamart hay ngƣợc lại xây dựng kho dữ liệu trƣớc sau đó tạo ra các Datamart. Datamart (DM) là một kho dữ liệu thứ cấp các dữ liệu tích hợp của DW. Datamart đƣợc hƣớng tới một phần của dữ liệu thƣờng đƣợc gọi là một vùng chủ đề (Subject Area - SA) đƣợc tạo ra và giành cho một nhóm ngƣời sử dụng. Dữ liệu trong Datamart cho thông tin về một chủ đề xác định, không phải về toàn bộ các hoạt động nghiệp vụ đang diễn ra trong một tổ chức. Thể hiện thƣờng xuyên nhất của datamart là một kho dữ liệu riêng rẽ theo phƣơng diện vật lí, thƣờng đƣợc lƣu trữ trên một server riêng, trong một mạng cục bộ phục vụ cho một nhóm ngƣời nhất định. Đôi khi datamart một cách đơn giản với công nghệ OLAP tạo ra các quan hệ theo dạng hình sao đặc biệt hoặc những siêu khối (hypercube) dữ liệu cho việc phân tích của một nhóm ngƣời có cùng mối quan tâm trên một phạm vi dữ liệu. [2] Có thể chia ra làm 2 loại: Datamart độc lập và Datamart phụ thuộc 15 1.1.2 Các loại dữ liệu trong Data Warehouse 1.1.2.1 Dữ liệu nghiệp vụ Dữ liệu nghiệp vụ (Business data – BD) là dữ liệu dùng để vận hành và quản lý một doanh nghiệp hoặc một tổ chức. Nó phản ánh những hoạt động của doanh nghiệp và những đối tƣợng trong thế giới thực nhƣ là khách hàng, địa điểm, sản phẩm v.v.. Nó đƣợc tạo ra và sử dụng bởi các hệ thống xử lý giao tác cũng nhƣ các hệ thống hỗ trợ quyết định. 1.1.2.2 Siêu dữ liệu (Metadata) Metadata là dữ liệu về dữ liệu đƣợc sử dụng trong DW (hay gọi là siêu dữ liệu) trả lời các câu hỏi ai, cái gì, khi nào, tại sao, nhƣ thế nào về dữ liệu. Nó đƣợc sử dụng cho việc xây dựng, duy trì, quản lí và sử dụng DW. Metadata là một trong những phƣơng diện quan trọng nhất của DW  Siêu dữ liệu nghiệp vụ (Business Metadata): Chứa đựng những thông tin khiến cho ngƣời sử dụng dễ dàng hiểu đƣợc khung cảnh của thông tin đƣợc lƣu trữ trong DW  Siêu dữ liệu kĩ thuật (Technical Metadata): Chứa đựng những thông tin về dữ liệu trong DW của những ngƣời thiết kế và quản trị khi tiến hành công việc phát triển và quản lí  Siêu dữ liệu tác nghiệp ( Operational Metadata) Metadata hỗ trợ trực tiếp cho ngƣời sử dụng giúp họ có thể hiểu đƣợc nội dung và tìm thấy đƣợc dữ liệu cần thiết. Trong thực tế khả năng kết hợp của công cụ trích lọc dữ liệu và Metadata còn rất kém. Do đó cần phải tạo ra những giao diện dùng Metadata cho ngƣời sử dụng . Metadata định nghĩa nội dung và vị trí của dữ liệu trong DW, mối quan hệ giữa cơ sở dữ liệu tác nghiệp với DW và các khung nhìn dữ liệu của DW có thể truy nhập đƣợc bởi công cụ của ngƣời sử dụng đầu cuối. Ngƣời sử dụng đầu cuối cần đến Metadata khi cần đến những định nghĩa dữ liệu hay các vùng chủ thể. Tất cả các thành phần của DW đều cần và có thể lấy dữ liệu từ Metadata. Metadata đƣợc lƣu trữ ở khu vực trung tâm. Metadata có thể xuất hiện theo nhiều khuôn dạng và có thể trong suốt. 16 1.2 Thiết kế kho dữ liệu 1.2.1 Các giai đoạn thiết kế kho dữ liệu Có nhiều phƣơng pháp thiết kế kho dữ liệu, mặc dù khác nhau nhƣng nhìn chung các phƣơng pháp đều chứa một số công việc cơ bản cho việc thiết kế kho dữ liệu gồm các giai đoạn sau: [2]  Xác định mô hình nghiệp vụ (Defining the business model) Phân tích các định hƣớng chiến lƣợc để rút ra các quá trình nghiệp vụ đƣợc thực hiện trong kho dữ liệu. Các yêu cầu nghiệp vụ phải đƣợc phân tích, xác định và tài liệu hóa đơn vị đo và chiều nghiệp vụ (businesss measures và business demensions) cho mỗi quá trình nghiệp vụ  Xác định mô hình logic (Defining the logical model) Dùng kỹ thuật đồ họa để thể thiện các định nghĩa, đặc điểm và mối quan hệ của dữ liệu trong nghiệp vụ, hoặc khái niệm chuyên môn, nhằm mục đích mô tả hệ thống cho ngƣời sử dụng cuối. Thông thƣờng phƣơng pháp này dùng chuẩn 3NF  Xác định mô hình Demensional (Defining the demensional model) Mô hình nghiệp vụ đƣợc chuyển thành mô hình Demensional, lƣợc đồ các bảng và thuộc tính của bảng đƣợc định nghĩ, liên kết giữa các bảng đƣợc tạo dựng và nguồn của kho dữ liệu đƣợc xác định.  Xác định mô hình vật lý (Defining the physical model) Mô hình Demensional đƣợc chuyển thành mô hình vật lý, bao gồm các khai báo về định nghĩa kiểu dữ liệu của các thuộc tính, khích thƣớc dự tính, chiến lƣợc tạo chỉ mục (index) và lƣu trữ dữ liệu 1.2.2 Mô hình dữ liệu Mô hình DW đƣợc phát sinh từ một mô hình dữ liệu tổng thể (mô hình dữ liệu mức xí nghiệp) (Enterprise Data Model - EDM). Một EDM là một bức tranh tổng thể mà các mô hình khác có thể hoạt động trên đó. Nó đƣợc tổ chức thành các vùng theo chủ điểm, Subject Area - SA là phần chính của sự chia nhỏ các công việc cần đƣợc quan tâm đáp ứng nhu cầu ngƣời sử dụng. Nếu một tổ chức không có sẵn EDM thích hợp, EDM cũ đƣợc phép dùng tiếp và bổ sung các SA mới. Để bắt đầu việc thiết lập một mô hình, cần quan tâm tới khung nhìn tại vị trí hiện tại và trong tƣơng lai sắp tới. Vị trí hiện tại có nghĩa là mô tả và hiểu những dữ liệu đƣợc chứa trong những hệ thống kế thừa (nguồn kế thừa). Nếu 17 các hệ thống nguồn đang ở trong trạng thái không ổn định thì chọn để tiếp tục những công việc cần thiết. Mô hình dữ liệu DW có tính chủ đề, phụ thuộc vào công việc nghiệp vụ và các vấn đề nảy sinh. Mô hình dữ liệu của DW có thể thiết lập theo:  Sơ đồ hình sao (Star Schema)  Sơ đồ tuyết rơi (Snowflake)  Mô hình đa chiều (Multiple Dimension) 1.2.2.1 Sơ đồ hình sao (Star Schema) Sơ đồ hình sao đƣợc đƣa ra lần đầu tiên bởi Dr. Ralph Kimball nhƣ là một lựa chọn thiết kế cơ sở dữ liệu cho DW. Nó đƣợc gọi là sơ đồ hình sao bởi vì các sự kiện nằm ở trung tâm của mô hình và đƣợc bao quanh bởi các phạm vi liên quan, rất giống với các điểm của một ngôi sao. Sơ đồ hình sao cho phép một hệ thống đối tƣợng có thể kết nối với nhiều đối tƣợng khác. Mô hình này thể hiện cách nhìn của ngƣời sử dụng về nhiều vấn đề trong tác nghiệp. Trong sơ đồ hình sao, dữ liệu đƣợc xác định và phân loại theo 2 kiểu:  Các sự kiện đƣợc tổ chức thành bảng Fact Bảng Fact chứa các thông tin cơ sở ở mức giao tác ở trong nghiệp vụ mà các ứng dụng cần thiết. Ví dụ, khi phân tích dữ liệu kinh doanh thì cần những dữ liệu về những mặt hàng đã bán đƣợc trong các giao dịch bán hàng về số lƣợng, chủng loại, giá thành, v.v.. Những dữ liệu này đều đƣợc lƣu ở bảng Fact của kho dữ liệu. Tuy nhiên, trƣớc khi các dữ liệu này đƣợc đƣa vào kho dữ liệu thì cần phải chọn một trƣờng dữ liệu nào đó thƣờng sử dụng trong các chiều phân tích để tham chiếu (xem nhƣ khoá ngoại trong các quan hệ liên kết) và sau đó đƣa vào bảng các chiều. Các sự kiện là các đại lƣợng số của công việc. Các bảng Fact thƣờng rất lớn, chứa hàng triệu dòng mà phần lớn là số.  Phạm vi, hay các chiều của dữ liệu, đƣợc tổ chức thành các bảng Dimension. Bảng Dimension, ngƣợc lại, thƣờng là tƣơng đối nhỏ so với các bảng Fact, chứa các thông tin mô tả. Đó là các bộ lọc hoặc các ràng buộc của những sự kiện ở bảng Fact. Bảng Dimension chứa các dữ liệu cần thiết cho việc thực hiện các giao tác nghiệp vụ theo một chiều, hay phạm vi nào đó. Ví dụ, trong ứng dụng phân tích kinh doanh, bảng Dimension bao gồm: thời gian, vùng bán hàng, loại sản phẩm, v.v. 18 Period perKey month year quarter … SalesMonthly perKey SalesWeekly prodKey perKey mktKey SalesDaily prodKey Market mktKey city state region … dollars perKey mktKey weight prodKey dollars … mktKey weight values … units … Product prodKey product color model size … Hình 1.1 – Mô phỏng sơ đồ hình sao của một CDSL Ƣu điểm của sơ đồ hình sao  Hỗ trợ rất đa dạng các câu truy vấn và xử lý khá hiệu quả những câu truy vấn đó.  Phù hợp với thói quen của ngƣời sử dụng nhận và sử dụng dữ liệu, nên dữ liệu đƣợc hiểu trực quan hơn.  Sơ đồ này rất trực quan, dễ sử dụng, thể hiện khung nhìn đa chiều của dữ liệu dùng ngữ nghĩa của cơ sở dữ liệu quan hệ. Khóa của bảng sự kiện đƣợc tạo bởi những khóa của các bảng chứa thông tin theo từng phạm vi (Dimension Table). Tất cả các khóa đều đƣợc xác định với cùng một chuẩn đặt tên. 1.2.2.2 Sơ đồ tuyết rơi (Snowflake) Sơ đồ hình tuyết rơi là một sự mở rộng của sơ đồ hình sao tại đó mỗi cánh sao không phải là một bảng Dimension mà là nhiều bảng. Trong dạng sơ đồ này, mỗi bảng theo chiều của sơ đồ hình sao đƣợc chuẩn hóa hơn. Sơ đồ hình tuyết rơi cải thiện năng suất truy vấn, tối thiểu không gian đĩa cần thiết để lƣu trữ dữ liệu và cải thiện năng suất nhờ việc chỉ phải kết hợp những bảng có kích thƣớc nhỏ hơn thay vì phải kết hợp những bảng có kích thƣớc lớn lại không chuẩn hóa. Nó cũng làm tăng tính linh hoạt của các ứng dụng bởi sự chuẩn hóa và ít mang bản chất theo chiều hơn. Nó làm tăng số lƣợng các bảng và làm tăng tính phúc tạp của một vài truy vấn cần có sự tham chiếu tới nhiều bảng. 19 Period perKey month year quarter … SalesMonthly perKey SalesWeekly prodKey perKey mktKey SalesDaily prodKey Markets mktKey city countryKey state region regionKey … … … dollars perKey mktKey weight prodKey dollars … mktKey weight values … units … Product prodKey product color model size … Hình 1.2 – Mô phỏng sơ đồ tuyết rơi (mở rộng của sơ đồ hình sao) 1.2.2.3 Mô hình đa chiều (Multiple Dimension) Các nhà quản lý kinh doanh có khuynh hƣớng suy nghĩ theo “nhiều chiều” (multidimensionally). Ví dụ nhƣ họ có khuynh hƣớng mô tả những gì mà công ty làm nhƣ: “Chúng tôi kinh doanh các sản phẩm trong nhiều thị trường khác nhau, và chúng tôi đánh giá hiệu quả thực hiện của chúng tôi qua thời gian”. Những ngƣời thiết kế kho dữ liệu thƣờng lắng nghe cẩn thận những từ đó và họ thêm vào những nhấn mạnh đặc biệt của họ nhƣ: “Chúng tôi kinh doanh các sản phẩm trong nhiều thị trường khác nhau, và chúng tôi đánh giá hiệu quả thực hiện của chúng tôi qua thời gian”. Một cách trực quan, việc kinh doanh nhƣ một khối (cube) dữ liệu, với các nhãn trên mỗi cạnh của khối. Các điểm bên trong khối là các giao điểm của các cạnh. Với mô tả kinh doanh ở trên, các cạnh của khối là Sản phẩm, Thị trƣờng, và Thời gian. Hầu hết mọi ngƣời đều có thể nhanh chóng hiểu và tƣởng tƣợng rằng các điểm bên trong khối là các độ đo hiệu quả kinh doanh mà đƣợc kết hợp giữa các giá trị Sản phẩm, Thị trƣờng và Thời gian. 20 Saûn phaåm Thôøi gian Thò tröôøng Hình 1.3 - Mô phỏng các chiều trong kinh doanh Một khối dữ liệu (datacube) thì không nhất thiết phải có cấu trúc 3 chiều (3D), nhƣng về cơ bản là có thể có N chiều (N-D). Những cạnh của khối đƣợc gọi là các chiều (dimensions), mà đó là các mặt hoặc các thực thể ứng với những khía cạnh mà tổ chức muốn ghi nhận. Mỗi chiều có thể kết hợp với một bảng chiều (dimension table) nhằm mô tả cho chiều đó. Ví dụ, một bảng chiều của Sản phẩm có thể chứa những thuộc tính nhƣ Ma_sanpham, Mo_ta, Ten_sanpham, Loai_SP,… mà có thể đƣợc chỉ ra bởi nhà quản trị hoặc các nhà phân tích dữ liệu. Với những chiều không đƣợc phân loại, nhƣ là Thời gian, hệ thống kho dữ liệu sẽ có thể tự động phát sinh tƣơng ứng với bảng chiều (dimension table) dựa trên loại dữ liệu. Cần nói thêm rằng, chiều Thời gian trên thực tế có ý nghĩa đặc biệt đối với việc hỗ trợ quyết định cho các khuynh hƣớng phân tích. Thƣờng thì nó đƣợc mong muốn có một vài tri thức gắn liền với lịch và những mặt khác của chiều thời gian. Hơn nữa, một khối dữ liệu trong kho dữ liệu phần lớn đƣợc xây dựng để đo hiệu quả của công ty. Do đó một mô hình dữ liệu đa chiều đặc thù đƣợc tổ chức xung quanh một chủ đề mà đƣợc thể hiện bởi một bảng sự kiện (fact table) của nhiều độ đo số học (là các đối tƣợng của phân tích). Ví dụ, một bảng sự kiện có thể chứa số mặt hàng bán, thu nhập, tồn kho, ngân sách,… Mỗi độ đo số học phụ thuộc vào một tập các chiều cung cấp ngữ cảnh cho độ đo đó. Vì thế, các chiều kết hợp với nhau đƣợc xem nhƣ xác định duy nhất độ đo, là một giá trị trong không gian đa chiều. Ví dụ nhƣ một kết hợp của Sản phẩm, Thời gian, Thị trƣờng vào 1 thời điểm là một độ đo duy nhất so với các kết hợp khác. Các chiều đƣợc phân cấp theo loại. Ví dụ nhƣ chiều Thời gian có thể đƣợc mô tả bởi các thuộc tính nhƣ Năm, Quý, Tháng và Ngày. Mặt khác, các thuộc tính của một chiều có thể đƣợc tổ chức vào một lƣới mà chỉ ra một phần trật tự của chiều. Vì thế, cũng với chiều Thời gian có thể đƣợc tổ chức thành Năm, Quý, Tháng, Tuần và Ngày. Với sự sắp xếp này, chiều Thời gian không còn phân cấp vì có những tuần trong năm có thể thuộc về nhiều tháng khác nhau. Vì vậy, nếu mỗi chiều chứa nhiều mức trừu tƣợng, dữ liệu có thể đƣợc xem từ nhiều khung nhìn linh động khác nhau. Một số thao tác điển hình của khối dữ