<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8" />
<title>回顾Object.defineproperty方法</title>
</head>
<body>
<script type="text/javascript" >
let number = 18
let person = {
name:'张三',
sex:'男',
}
Object.defineProperty(person,'age',{
// value:18,
// enumerable:true, //控制属性是否可以枚举,默认值是false
// writable:true, //控制属性是否可以被修改,默认值是false
// configurable:true //控制属性是否可以被删除,默认值是false
//当有人读取person的age属性时,get函数(getter)就会被调用,且返回值就是age的值
get(){
console.log('有人读取age属性了')
return number
},
//当有人修改person的age属性时,set函数(setter)就会被调用,且会收到修改的具体值
set(value){
console.log('有人修改了age属性,且值是',value)
number = value
}
})
// console.log(Object.keys(person))
console.log(person)
</script>
</body>
</html>
js通过defineProperty 添加对象的属性
三个参数(对象,属性, 值, 可以是函数)
js 的值和函数,不怎么区分。 初级语言 有点弱者。
第11章 数据仓库和商务智能
11.1 引言
数据仓库(Data Warehouse,DW)的概念始于20世纪80年代。该
技术赋能组织将不同来源的数据整合到公共的数据模型中去,整合后的
数据能为业务运营提供洞察,为企业决策支持和创造组织价值开辟新的
可能性。同样重要的是,数据仓库还是减少企业建设大量决策支持系统
(Decision Support System,DSS)的一种手段,大部分DSS系统使用的
都是企业中同样的核心数据。企业数据仓库提供了一种减少数据冗余、
提高信息一致性,让企业能够利用数据做出更优决策的方法。
数据仓库和商务智能语境关系图如图11-1所示。
真正实施数据仓库的建设,要到20世纪90年代。从那时开始,数据
仓库建设逐渐成为主流,特别是与商务智能(Business
Inteligence,
BI)作为业务决策主要驱动力协同发展。大多数企业都建有数据仓库,
数据仓库被公认为企业数管理的核心[1]。即使数据仓库已经建设得很好
了,但相关技术仍然在不断发展,各种新形式的数据产生得越来越快,
新的概念(如数据湖)不断创立,它们将影响数据仓库的未来(参见第
8章和第15章)。
11.1.1 业务驱动因素
数据仓库建设的主要驱动力是运营支持职能、合规需求和商务智能
活动(尽管不是所有的商务智能活动都依赖仓库数据)。越来越多的组
织被要求用数据来证明他们是合规的,因为数据仓库中包含历史数据,
所以经常被用来响应这类要求。不仅如此,商务智能支持一直是建设数
据仓库的主要原因,商务智能为组织、客户及产品提供洞察。通过商务
智能获得决策知识并采取行动的组织,能提升其运营效率,增强其竞争
优势。越来越多的数据以越来越快的速度被使用,商务智能从回顾性评
价发展到预测分析领域。图11-1 语境关系图:数据仓库和商务智能
11.1.2 目标和原则
一个组织建设数据仓库的目标通常有:
1)支持商务智能活动。
2)赋能商业分析和高效决策。
3)基于数据洞察寻找创新方法。
数据仓库建设应遵循如下指导原则:
1)聚焦业务目标。确保数据仓库用于组织最优先级的业务并解决