15、数据仓库中客户数据整合与键管理全解析

数据仓库中客户数据整合与键管理全解析

1. 客户数据层次结构处理

客户数据的层次结构在数据仓库建模中至关重要。当层次结构仅包含两个级别时，处理相对简单。但实际情况中，层次结构往往包含更多级别，其处理方式取决于级别可预测性。
- 可预测且恒定级别 ：若级别数量可预测且恒定，业务模型可选择描绘每个级别，或采用递归关系呈现层次结构。
- 不可预测或非恒定级别 ：当级别数量不可预测或不恒定时，唯一解决方案是使用递归关系。使用递归关系时，需明确层次结构以创建物理模式。若模型显示多个不同级别，需对每个级别进行定义，且各级别定义应有所不同。

2. 数据仓库系统模型面临的问题

在公司日常运营中，信息通常按单个销售交易生命周期查看，缺乏集成客户信息并不影响销售、开票和收款。但当公司试图整合每个客户的所有销售数据时，缺乏集成客户信息就成了问题。在数据仓库中，我们期望能看到每个客户的所有销售交易，因此需解决定义差异、缺乏唯一键等问题。

3. 客户定义不一致问题及解决方法

• 业务定义不一致 ：在创建业务数据模型时，已解决客户业务定义不一致问题。构建数据仓库模型时，需选择感兴趣的数据元素。若业务问题仅涉及销售而非潜在销售，可忽略潜在客户数据，仅考虑与“消费者”相关的数据。选择消费者属性时，应根据业务问题选择所需属性。
• 系统定义不一致 ：数据仓库系统模型需为运营系统中的数据提供实用目标环境。当系统间客户定义不同时，数据仓库系统模型应能接收所有合法定义，同时