nghiên cứu, khai thác kho dữ liệu điểm tại trường đh spkt hưng yên dựa trên bộ công cụ bi của hệ quản trị csdl server 2008

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ







TRỊNH THỊ NHỊ

NGHIÊN CỨU, KHAI THÁC KHO DỮ LIỆU ĐIỂM
TẠI TRƯỜNG ĐẠI HỌC SPKT HƯNG YÊN
DỰA TRÊN BỘ CÔNG CỤ BI
CỦA HỆ QUẢN TRỊ CSDL SQL SERVER 2008




LUẬN VĂN THẠC SĨ














Hà Nội - 2011

-2-




















ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

TRỊNH THỊ NHỊ





NGHIÊN CỨU, KHAI THÁC KHO DỮ LIỆU ĐIỂM
TẠI TRƯỜNG ĐẠI HỌC SPKT HƯNG YÊN
DỰA TRÊN BỘ CÔNG CỤ BI
CỦA HỆ QUẢN TRỊ CSDL SQL SERVER 2008

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 HÀ NAM





Hà N
ội

-
2011





-3-
LỜI CAM ĐOAN
Tôi xin cam đoan rằng, đây là công trình nghiên cứu của tôi, trong đó có sự giúp
đỡ rất lớn và đầy nhiệt tình của thầy hướng dẫn, các thầy/cô ở Khoa CNTT – Trường
Đại học Công nghệ và các đồng nghiệp nơi tôi đang làm việc. Các nội dung nghiên
cứu và kết quả trong đề tài này là hoàn toàn trung thực.
Trong luận văn, tôi có tham khảo đến một số tài liệu của một số tác giả đã được
liệt kê tại phần tài liệu tham khảo ở cuối luận văn.

Hà Nội, ngày 12 tháng 05 năm 2011

Tác giả





Trịnh Thị Nhị

-4-
MỤC LỤC

BẢNG CÁC CHỮ VIẾT TẮT 6
DANH MỤC HÌNH VẼ VÀ BẢNG BIỂU 7
Chương 1 - GIỚI THIỆU 11
1.1. Nhu cầu xây dựng kho dữ liệu về điểm 11
1.1.1. Nhu cầu xây dựng kho dữ liệu về điểm của Đại học SPKT Hưng Yên: 11
1.1.2. Phạm vi dự kiến của luận văn: 12
1.2. Một số hướng nghiên cứu về kho dữ liệu trên thế giới và ở tại Việt Nam 12
1.2.1. Một số hướng nghiên cứu về kho dữ liệu trên Thế giới 12

1.2.2. Một số hướng nghiên cứu về kho dữ liệu ở Việt Nam 12
1.3. Hướng tiếp cận của luận văn và dự kiến kết quả đạt được 13
1.3.1. Hướng tiếp cận của luận văn 13
1.3.2. Dự kiến kết quả đạt được 13
1.4. Cấu trúc của luận văn 13
1.5. Kết luận chương 1 13
Chương 2 - KHO DỮ LIỆU VÀ CÁC VẤN ĐỀ LIÊN QUAN 14
2.1. Cơ sở lý thuyết 14
2.1.1. Một số khái niệm về kho dữ liệu 14
2.1.2. Mô hình dữ liệu sử dụng trong kho 19
2.1.4. Các bước xây dựng kho dữ liệu 21
2.2. Khai phá dữ liệu 27
2.2.1. Khái niệm về khai phá dữ liệu 27
2.2.2. Khuynh hướng phát triển của lĩnh vực khai phá dữ liệu 28
2.3. Giới thiệu bộ công cụ BI trong hệ quản trị cơ sở dữ liệu SQL 2008 29
2.3.1. Business Intelligence (BI) 29
2.3.2. Dịch vụ phân tích 29
2.3.3. Dịch vụ báo cáo 39
2.4. Kết luận chương 2 40
Chương 3 - XÂY DỰNG KHO DỮ LIỆU ĐIỂM CỦA SINH VIÊN 41
3.1 Hiện trạng dữ liệu và nhu cầu xây dựng kho dữ liệu 41
3.2. Xây dựng kho dữ liệu điểm của sinh viên 42
3.2.1. Thông tin về dữ liệu điểm 42
3.2.2 Kiến trúc của kho dữ liệu 46
3.2.3. Các chiều dữ liệu 47
3.2.4. Các bước cài đặt vật lý kho dữ liệu 48
3.3. Xây dựng báo cáo từ kho dữ liệu phục vụ quản lý 49
3.3.1. Yêu cầu báo cáo 49
3.3.2. Lợi ích của báo cáo trong BI 49

-5-
3.3.3. Xây dựng báo cáo và đưa ra kết quả 50
3.3.4. Tính ưu việt của báo cáo xây dựng từ kho dữ liệu 55
3.4. Kết luận chương 3 56
Chương 4 - KHAI THÁC DỮ LIỆU TỪ KHO DỮ LIỆU 57
4.1. Ứng dụng kỹ thuật KPDL để dự báo, dự đoán 57
4.1.1. Yêu cầu dự báo, dự đoán xu thế 57
4.1.2. Ưu điểm của một số thuật toán khai phá trong BI 58
4.2. Xây dựng mô hình dự báo dựa trên Data Mining Tool 58
4.2.1. Khảo sát dự đoán kết quả học tập của sinh viên 58
4.2.2. Phân tích kết quả đạt được 63
4.3. Kết luận chương 4 63
KẾT LUẬN – HƯỚNG PHÁT TRIỂN 64
Các mục tiêu đã thực hiện trong luận văn 64
Hướng phát triển 64
TÀI LIỆU THAM KHẢO 65

-6-
BẢNG CÁC CHỮ VIẾT TẮT

Viết tắt Tên đầy đủ
BI Business Intelligence
CSDL Cơ sở dữ liệu
CNTT Công nghệ thông tin
HSSV Học sinh - sinh viên
HOLAP Hybrid Online Analytical Processing
KPDL Khai phá dữ liệu
MOLAP Multidimensional Online Analytical Processing
OLAP Online Analytical Processing
ROLAP Relational - Online Analytical Processing
SQL Structured Query Language
SPKT Sư phạm Kỹ thuật
T - SQL Transact - Structured Query Language





-7-
DANH MỤC HÌNH VẼ VÀ BẢNG BIỂU
Hình 2.1 - Dòng dữ liệu trong kho dữ liệu 15

Hình 2.2 – Sơ đồ hình sao 17
Hình 2.3 – Sơ đồ bông tuyết 19
Hình 2.4 - Kiến trúc 3 tầng hệ thống kho dữ liệu 20
Hình 2.5 – Ví dụ về mô hình dữ liệu 3 chiều 24
Hình 2.6 – Mô tả chi tiết các bước của quá trình khám phá tri thức 28
Hình 2.7 - Cấu trúc của dịch vụ phân tích 30
Hình 2.8 – Các thành phần của BI 1
Hình 2.9 - Ví dụ dữ liệu đầu vào phân tích thuật toán Cây quyết định 33
Hình 2.10 – Entrophy cho thuộc tính “Quê quán” 33
Hình 2.11 – Entrophy cho thuộc tính “Điểm vào” 34
Hình 2.12 – Entrophy cho thuộc tính “Kinh tế” 34
Hình 2.13 – Entrophy cho thuộc tính “Giới tính” 34
Hình 2.14 - Chọn nút phân nhánh của cây 1
Hình 2.15 – Bảng dữ liệu đầu vào con 35
Hình 2.16 – Entrophy cho thuộc tính “Điểm vào” 35
Hình 2.17 – Entrophy cho thuộc tính “Kinh tế” 35
Hình 2.18 – Entrophy cho thuộc tính “giới tính” 35
Hình 2.19 - Cây quyết định kết quả 1
Hình 2.20 – Tính xác suất cho các thuộc tính 37
Hình 3.1 - Bảng tổng hợp kết quả học tập của một lớp 43
Hình 3.2 - Lược đồ thực thể - mối quan hệ của CSDL điểm sinh viên 43
Hình 3.3 - Lược đồ CSDL điểm sinh viên dưới dạng quan hệ 44
Hình 3.4 - Bảng các dữ liệu liên quan đến kho dữ liệu về điểm 45
Hình 3.5 - Chuẩn hóa, tối ưu dữ liệu làm nguồn cho kho dữ liệu điểm 46
Hình 3.6 – Nguồn của kho dữ liệu về điểm 47
Hình 3.7 – Các chiều của khối DiemSV-20-4 48
Hình 3.8 – Kho dữ liệu về điểm của sinh viên 49
Hình 3.9 - Cửa sổ tạo Report Server Project 50
Hình 3.10- Cửa sổ thiết lập kết nối 51
Hình 3.11- Cửa sổ tạo Report Server Project 51

Hình 3.12 – Hiển thị kết quả của báo cáo thông thường dạng bảng 52
Hình 3.13- Báo cáo lực học của sinh viên thuộc mỗi khóa học dạng cột 52
Hình 3.14 – Báo cáo thống kê số lượng về giới tính dạng thanh 53
Hình 3.15 – Báo cáo điểm vào trung bình của sinh viên dạng hình dáng 54
Hình 3.16 – Theo dõi điểm toán của sinh viên khóa k03 dạng Line 54
Hình 3.17 – Theo dõi điểm tổng kết của sinh viên khóa k03 dạng Line 54
Hình 3.18 – Học lực của sinh viên theo kỳ học 55




-8-
Hình 4.1 – Cấu trúc mô hình dùng cho các thuật toán: Decision Tree, Naïve Bayes,
Neural Network 58
Hình 4.2 – Mô hình khai phá cho 3 thuật toán 59
Hình 4.3 – Cây phân nhánh khi dùng thuật toán Decision Tree 59
Hình 4.4 – Cây không phân nhánh khi dùng thuật toán cây quyết định 59
Hình 4.5 – Mạng phụ thuộc khi dùng thuật toán Decision Tree 59
Hình 4.6 – Mạng phụ thuộc khi dùng thuật toán Naïve Bayes 60
Hình 4.7 – Đặc điểm của các thuộc tính khi dùng thuật toán Naïve Bayes 60
Hình 4.8 – Đặc trưng của thuộc tính học lực là khá khi dùng thuật toán Naïve Bayes 60
Hình 4.9 – Biểu đồ dự báo về học lực trung bình của sinh viên khi dùng 3 thuật toán 61
Hình 4.10 – Ma trận phân lớp khi dùng ba thuật toán 61
Hình 4.11 – Xây dựng mô hình dự đoán cho thuật toán Naïve Bayes 62
Hình 4.12 – Kết quả dự đoán khi dùng thuật toán Naïve Bayes 62

-9-
LỜI CẢM ƠN
Trước tiên tôi xin được bày tỏ sự trân trọng và lòng biết ơn sâu sắc đối với TS.
Nguyễn Hà Nam - Phó phòng đào tạo - giảng viên Bộ môn Hệ thống thông tin - Khoa
Công nghệ thông tin - Trường Đại học Công nghệ - ĐHQGHN. Trong thời gian học và
làm luận văn tốt nghiệp, Thầy đã dành nhiều thời gian qúi báu và tận tình chỉ bảo,
hướng dẫn tôi trong việc nghiên cứu, thực hiện luận văn. Trong thời gian làm việc với
Thầy, tôi không những học hỏi được nhiều kiến thức bổ ích mà còn học được tinh thần
làm việc, thái độ nghiên cứu khoa học nghiêm túc của Thầy.
Tôi xin được cảm ơn PGS.TS Hà Quang Thụy và các Thầy/Cô ở Khoa Công
nghệ thông tin – Trường Đại học Công nghệ đã giảng dạy chúng tôi trong quá trình
học tập và góp ý cho tôi hoàn thiện trong quá trình làm luận văn. Tôi cũng xin được
cảm ơn PGS.TS Nguyễn Quang Hoan đang công tác tại khoa Công nghệ thông tin –
Trường đại học SPKT Hưng yên đã tận tình góp ý cho luận văn của tôi. Các thầy đã
giúp tôi tiếp thu được những kiến thức bổ ích trong lĩnh vực mà mình nghiên cứu để
có thể vận dụng các kiến thức đó vào trong trường - nơi tôi đang làm việc.
Xin cảm ơn các bạn bè, đồng nghiệp và đặc biệt là các thành viên trong gia đình
đã tạo mọi điều kiện tốt nhất, động viên tôi trong suốt quá trình học tập và nghiên cứu
để hoàn thành tốt bản luận văn tốt nghiệp này.
Mặc dù đã cố gắng hoàn thiện luận văn với tất cả sự nỗ lực của bản thân, nhưng
chắc chắn không thể tránh khỏi những thiếu sót. Kính mong quý Thầy/Cô tận tình chỉ
bảo.


Tác giả

-10-
LỜI MỞ ĐẦU
Trong nhiều năm gần đây, CNTT đã được ứng dụng rất rộng rãi trong nhiều
lĩnh vực khác nhau như kinh doanh, giáo dục, nông nghiệp, y học…Trong lĩnh vực
giáo dục, phần lớn các trường đã xây dựng được CSDL sinh viên để lưu trữ hồ sơ lý
lịch, quá trình học tập, rèn luyện của HSSV. Trên CSDL đó đã có nhiều nghiên cứu,
đánh giá về kết quả thi tuyển sinh, kết quả học tập, rèn luyện của HSSV nhưng mới chỉ
dừng lại ở mức độ đơn giản, việc sinh ra các báo báo vẫn hoàn toàn thực hiện một các
thủ công, thống kê kết quả học tập của HSSV mới chỉ thực hiện ở phần mềm excel tốn
rất nhiều công sức nhưng chưa có nhiều nghiên cứu về sự ảnh hưởng giữa kết quả
tuyển sinh, kết quả của từng môn học, giới tính… với kết quả học tập của
HSSV.Thông qua đó dự báo, dự đoán kết quả học tập của HSSV. Nhằm góp phần trợ
giúp các nhà quản lý có những quyết định nhanh, phù hợp để phát huy cái mới tích
cực, hạn chế, ngăn chặn những sai sót trong công tác quản lý đào tạo. Do đó, việc
nghiên cứu vấn đề nêu trên có vai trò rất quan trọng.
Trường Đại học SPKT Hưng Yên nằm trong hệ thống các trường đại học thuộc
GD&ĐT, đào tạo nhiều ngành nghề với nhiều hình thức đào tạo và nhiều hệ đào tạo
khác nhau. Trường được phát triển trên cơ sở từ trường Cao đẳng SPKT Hưng Yên với
bề dày hơn 35 năm. Kết quả học tập của HSSV là cơ sở để phòng Đào tạo phối hợp
với các phòng, ban, khoa tổ chức năng đánh giá chất lượng người dạy và người học,
báo cáo trình bộ giáo dục, từ đó trợ giúp cho Ban Giám hiệu nhà trường về định hướng
đào tạo, kế hoạch chuyên môn, chỉ tiêu tuyển sinh các khóa tiếp theo…Hai năm gần
đây, bộ giáo dục đã triển khai cho nhiều trường đại học sử dụng đồng bộ nhiều phần

mềm cho công tác đào tạo như Edusoft: lập thời khóa biểu, quản lý hồ sơ sinh viên,
quản lý điểm,…bước đầu đã thống nhất được các biểu mẫu, bảng điểm. Bên cạnh,
trường cũng đã có nhiều phần mềm tiện ích khác: Quản lý vật tư, quản lý thực tập của
sinh viên…Tuy nhiên những phần mềm này vẫn chưa giải quyết được câu trả lời về sự
ảnh hưởng giữa kết quả tuyển sinh, kết quả của từng môn học, giới tính… với kết quả
học tập của HSSV. Đây là một nhiệm vụ quan trọng trong công tác quản lý đào tạo,
thu hút nhân tài. Hơn nữa, lượng HSSV thi vào trường ngày một đông, trường có 3 cơ
sở với tổng diện tích sàn trên 30 ha, đây là thuận lợi và cũng là vấn đề lo lắng của
trường trong việc lưu trữ dữ liệu, sinh ra các báo cáo nhiều chiều và đưa ra chiến lược
đào tạo hàng năm. Do đó, đòi hỏi phải có nghiên cứu về vấn đề này để cải thiện tình
hình quản lý đào tạo của trường cũng như giúp cho trường ngày một phát triển và thích
ứng với trào lưu tin học hóa, và ngang tầm với các trường có bề dày lịch sử trong nước
và quốc tế.
Xuất phát từ vấn đề trên, chúng tôi thực hiện đề tài luận văn “Nghiên cứu, khai
thác kho dữ liệu điểm tại trường Đại học SPKT Hưng Yên dựa trên bộ công cụ BI của
Hệ quản trị CSDL SQL Server 2008”. Với mong muốn góp phần trợ giúp, ra quyết
định cho công tác quản lý đào tạo của trường Đại học SPKT Hưng Yên nói riêng và
các trường chuyên nghiệp nói chung.




-11-
Chương 1 - GIỚI THIỆU

1.1. Nhu cầu xây dựng kho dữ liệu về điểm.
1.1.1. Nhu cầu xây dựng kho dữ liệu về điểm của Đại học SPKT Hưng Yên:
Theo báo cáo kế hoạch năm 2011 và 5 năm 2011- 2015, Về tốc độ tăng trưởng
quy mô học sinh, sinh viên 5 năm 2006 – 2010, dựa trên kế hoạch tuyển sinh bộ
GD&ĐT giao hàng năm, nhà trường đã thực hiện tuyển sinh các trình độ, loại hình đào

tạo đảm bảo chi tiêu chất lượng, tỷ lệ bình quân các năm tăng ~16,5 %, quy mô học
sinh sinh viên tăng nhanh vào những năm cuối của kế hoạch 5 năm 2006-2010. Trong
5 năm qua Nhà trường đã xin phép để mở mới được 06 ngành đào tạo ở trình độ đại
học: Công nghệ Cơ điện tử, Công nghệ kỹ thuật hóa học, Công nghệ kỹ thuật môi
trường, Kế toán, Tiếng Anh và Công nghệ cơ điện. Xây dựng và thực hiện đào tạo
nhiều chuyên ngành mới đưa tổng số chuyên ngành đào tạo của trường lên là 29, Tính
đến tháng 6/2010 tổng số CBVC của trường là hơn 600. Trường còn mở thêm nhiều
ngành mới ở trình độ đại học: Công nghệ vật liệu, Tài chính – Ngân hàng, Tiếng
Trung Quốc, Hàn Quốc. Quy mô đào tạo: tăng nhanh cả về số lượng lẫn chất lượng,
năm 2010 số lượng sinh viên trên toàn trường là hơn 16000 sinh viên, dự kiến năm
2011, số lượng sinh viên sẽ tăng lên gần 18000 sinh viên với tất cả các hệ đào tạo và
ngành nghề khác nhau trong toàn trường.
- Đầu tư trang thiết bị: Trong giai đoạn 2011-2015 tập trung các nguồn vốn: Ngân sách
Nhà nước, vốn hợp pháp của Trường và các nguồn vốn khác đầu tư từ 25 tỷ35 tỷ mua
sắm trang thiết bị phục vụ đào tạo cho các khoa: Công nghệ thông tin, Công nghệ Hoá
học và Môi trường, Kinh tế, May và Thiết kế thời trang, Cơ khí, cơ khí động lực, Cơ
điện tử, Điện - Điện tử, Sư phạm kỹ thuật và đặc biệt ngành Công nghệ vật liệu.
Tính trung bình, số lượng máy tính sử dụng tốt trong toàn trường là hơn 600
máy tính. Tuy nhiên, số máy tính này vẫn khai thác chưa triệt để, chủ yếu vẫn là phục
vụ cho công tác dạy học, soạn thảo văn bản đơn giản, chưa lưu trữ các phần mềm quản
lý, các tiện ích. Hiện tại, việc lưu trữ dữ liệu về sinh viên mới chỉ ở mức đơn giản trên
excel, các mẫu biểu giữa các khoa chưa được thống nhất dẫn đến việc tổng hợp và báo
cáo chưa được thuận lợi và chính xác. Để khắc phục nhược điểm này, nhà trường đã
có chiến lược chuẩn bị cho việc tổ chức và lưu trữ dữ liệu được tốt, bằng các quy định
về các mẫu biểu, thống nhất các quy trình, bước đầu, đã triển khai các phần mềm xếp
thời khóa biểu, quản lý sinh viên, quản lý điểm sinh viên. Nên việc quản lý, lưu trữ các
thông tin có nhiều bất cập, nguy cơ thất lạc và mất mát cao dẫn đến việc xử lý các
thông tin liên quan gặp nhiều khó khăn.
Như vậy, với sự phát triển nhanh chóng về số lượng sinh viên qua các năm, một
vấn đề quan tâm là việc lưu trữ dữ liệu về chương trình đào tạo, thời khóa biểu, thông

tin sinh viên và các thông tin về điểm của sinh viên để việc tìm kiếm nhanh và có hiệu
quả. Và quan trọng hơn là việc tìm ra những dữ liệu tiềm ẩn qua các năm, định ra




-12-
hướng mở rộng và phân bổ số lượng sinh viên hợp lý ở các ngành nghề khác nhau,
phục vụ cho việc tổng hợp, báo cáo, dự đoán. Do đó, nhu cầu chuẩn bị xây dựng một
kho dữ liệu là cần thiết và cấp bách. [5]
1.1.2. Phạm vi dự kiến của luận văn:
Trong khuôn khổ giới hạn của luận văn, chúng tôi xin trình bày:
 Tìm hiểu cơ sở lý thuyết kho dữ liệu, một số thuật toán KPDL.
 Xây dựng kho dữ liệu điểm trường Đại học SPKT Hưng Yên.
 Thiết kế báo cáo đa chiều.
 Sử dụng một số thuật toán KPDL để giải quyết bài toán dự đoán.
1.2. Một số hướng nghiên cứu về kho dữ liệu trên thế giới và ở tại Việt Nam
1.2.1. Một số hướng nghiên cứu về kho dữ liệu trên Thế giới
Về các hướng nghiên cứu kho dữ liệu trên Thế giới thì về cơ bản vẫn là để phục
vụ cho mục tiêu xây dựng báo cáo của công ty. Tuy nhiên, mức độ khó dễ có thể khác
nhau, do đó độ phức tạp của kho dữ liệu cũng khác nhau. Một số nơi có thế có các ứng
dụng cao cấp hơn chẳng hạn KPDL hoặc tích hợp hệ thống. Ngày nay, thế giới đang
quan tâm đến: kho dữ liệu thời gian thực, OLAP mining, mobile OLAP, thông qua
những bài toán khai phá dữ liệu: phân lớp, gom cụm, dự báo để để tìm kiếm các mẫu
mới, những thông tin tiềm ẩn mang tính dự đoán trong các khối dữ liệu lớn. Những
công cụ khai phá dữ liệu có thể phát hiện những xu hướng trong tương lai, các tri thức
mà khai phá dữ liệu mang lại cho các doanh nghiệp có thể ra các quyết định kịp thời
và trả lời những câu hỏi trong lĩnh vực kinh doanh mà trước đây tốn nhiều thời gian để
xử lý [18].
1.2.2. Một số hướng nghiên cứu về kho dữ liệu ở Việt Nam

Ở Việt nam đa phần cũng là xây dựng các báo cáo. [11]
Khai phá dữ liệu trong kho dữ liệu ở môi trường kinh doanh đầy tính cạnh tranh
ngày nay và được ứng dụng rộng rãi trong các lĩnh vực thương mại, tài chính, điều trị
y học, giáo dục, viễn thông,…[6]
Hệ hỗ trợ quyết định - Đây có thể nói là mục tiêu quan trọng nhất của doanh
nghiệp khi xây dựng kho dữ liệu. Một doanh nghiệp trước khi xây dựng kho dữ liệu,
nên tự đặt câu hỏi liệu kho dữ liệu đó có giúp ích gì trong việc ra quyết định kinh
doanh của doanh nghiệp không. [11]
Kho dữ liệu nên được xây dựng từ trên yêu cầu nghiệp vụ. Một số các nhà lãnh
đạo doanh nghiệp ngày nay ra quyết định dựa trên dữ liệu. Điều này có được là do sử
dụng báo cáo và OLAP. Báo cáo được sử dụng để đưa ra số liệu kinh doanh đã tổng
hợp trong kho dữ liệu tới những người kinh doanh [6]. Thường thì các yêu cầu này liên
quan đến việc sử dụng các số liệu tổng hợp, chẳng hạn count, sum, max, min,
average Thường thì người ta sử dụng các số liệu kiểu này để phân tích xu hướng.
[11]




-13-
Sacombank là ngân hàng TMCP Việt Nam đầu tiên vừa chính thức công bố
triển khai thành công dự án kho dữ liệu– giải pháp kho dữ liệu tập trung hỗ trợ công
tác dự báo, phân tích và ra quyết định kinh doanh trong thời gian nhanh nhất được xây
dựng dựa trên nền tảng công nghệ Oracle - lần đầu tiên triển khai thành công tại Việt
Nam. Điều này là minh chứng cho tầm quan trọng của việc xây dựng một kho dữ liệu
trong hiện tại và tương lai với những lợi ích.[12]
Nhiều đề tài nghiên cứu khoa học, luận văn,…đã và đang được tiến hành về
kho dữ liệu.
1.3. Hướng tiếp cận của luận văn và dự kiến kết quả đạt được
1.3.1. Hướng tiếp cận của luận văn

 Luận văn trình bày về vấn đề xây dựng kho dữ liệu về điểm và khai khác dữ
liệu từ kho dữ liệu đã xây dựng.
1.3.2. Dự kiến kết quả đạt được
 Hiểu được các kiến thức về kho dữ liệu, KPDL, một số thuật toán KPDL trong
bộ công cụ BI của hệ quản trị SQL Server 2008.
 Xây dựng kho dữ liệu về điểm sinh viên phục vụ một mục tiêu cụ thể.
 Thiết kế các báo cáo theo yêu cầu.
 Sử dụng một số thuật toán khai phá để dự đoán, ra quyết định nghiệp vụ cho
trường sở tại.
1.4. Cấu trúc của luận văn
Nội dung chính của luân văn gồm 4 chương, cụ thể như sau:
Chương 1 - Giới thiệu
Chương này trình bày về nhu cầu xây dựng kho dữ liệu về điểm của sinh viên,
một số hướng nghiên cứu của kho dữ liệu, mô tả ngắn gọn hướng nghiên cứu của luận
văn.
Chương 2 - Kho dữ liệu và các vấn đề liên quan
Chương này trình bày cơ sở lý thuyết về kho dữ liệu, khai phá dữ liệu, giới
thiệu bộ công cụ sử dụng để làm thực nghiệm.
Chương 3 - Xây dựng kho dữ liệu về điểm của sinh viên
Chương này trình bày về việc xây dựng kho dữ liệu về điểm của trường Đại học
SPKT Hưng yên, thiết kế báo cáo đa chiều phục vụ cho việc ra quyết định.
Chương 4 - Khai thác dữ liệu từ kho dữ liệu
Chương này trình bày ứng dụng của một số thuật toán khai phá dữ liệu trong
kho dữ liệu điểm của bộ công cụ BI.
1.5. Kết luận chương 1
Chương này trình bày:
 Nhu cầu xây dựng kho dữ liệu điểm của Trường Đại học SPKT Hưng Yên.
 Một số hướng nghiên cứu kho dữ liệu ở Việt Nam và trên thế giới.
 Hướng tiếp cận của luận văn và dự kiến kết quả đạt được.
 Cấu trúc luận văn.

-14-

Chương 2 - KHO DỮ LIỆU VÀ CÁC VẤN ĐỀ LIÊN QUAN

2.1. Cơ sở lý thuyết
2.1.1. Một số khái niệm về kho dữ liệu
 Khái niệm kho dữ liệu
Theo William Inmon [1], kho dữ liệu là một bộ dữ liệu có các đặc tính: hướng chủ đề,
có tính tích hợp, ổn định, dữ liệu gắn với thời gian thường được sử dụng trong các hệ
thống hỗ trợ quyết định.
Kho dữ liệu thường bao gồm:
 Một hoặc nhiều công cụ để chiết xuất dữ liệu từ các dạng cấu trúc dữ liệu khác
nhau.
 Cơ sở dữ liệu tích hợp hướng chủ đề, ổn định được tổng hợp thông qua việc lập
các bảng dữ liệu.
Một kho dữ liệu có thể được coi là một hệ thống thông tin với những thuộc tính sau:
 Là một cơ sở dữ liệu được thiết kế dành cho nhiệm vụ phân tích, sử dụng các
dữ liệu từ các ứng dụng khác nhau.
 Hỗ trợ cho một số người dùng có liên quan, có sử dụng tới các thông tin liên
quan.
 Nội dung được cập nhật thường xuyên, chủ yếu theo hình thức bổ sung thông
tin.
 Chứa các dữ liệu trong lịch sử và hiện tại nhằm cung cấp các xu hướng thông
tin.
 Chứa các bảng dữ liệu có kích thước lớn.
 Một câu hỏi thường trả về một tập kết quả liên quan đến toàn bộ bảng và các

liên kết nhiều bảng.
 Các đặc tính của kho dữ liệu
 Hướng chủ đề: Kho dữ liệu có thể chứa lượng dữ liệu lên tới hàng trăm
Gigabyte, được tổ chức theo những chủ đề chính. Kho dữ liệu không chú trọng
vào giao tác và việc xử lý giao tác. Thay vào đó, kho dữ liệu tập trung vào việc
mô hình hóa, phân tích dữ liệu nhằm hỗ trợ cho nhà quản lý ra quyết định. Do
đó, các kho dữ liệu thường cung cấp một khung nhìn tương đối đơn giản bằng
cách loại bớt những dữ liệu không cần thiết trong quá trình ra quyết định.
 Tính tích hợp: Kho dữ liệu thường được xây dựng bằng cách tổng hợp dữ liệu
từ nhiều nguồn khác nhau, ví dụ các cơ sở dữ liệu, những bản ghi giao tác trực
tuyến hoặc thậm chí là từ những file dữ liệu độc lập. Những dữ liệu này tiếp tục
được làm sạch, chuẩn hóa để đảm bảo sự nhất quán, sau đó đưa vào kho dữ
liệu.




-15-
 Ổn định: Dữ liệu trong kho dữ liệu thường được lưu trữ lâu dài, ít bị sửa đổi,
chủ yếu dùng cho việc truy xuất thông tin nên có độ ổn định cao. Hai thao tác
chủ yếu tác động tới kho dữ liệu là: nhập dữ liệu vào và truy xuất.
 Dữ liệu gắn với thời gian: Do có tính ổn định, kho dữ liệu thường lưu trữ dữ
liệu của hệ thống trong khoảng thời gian dài, cung cấp đủ số liệu cho các mô
hình nghiệp vụ, dự báo, khảo sát những chỉ tiêu cần quan tâm.
 Dòng dữ liệu trong kho dữ liệu [3]
Do kho dữ liệu chứa lượng dữ liệu lớn, đồng thời hạn chế thao tác sửa đổi nên rất
thích hợp cho việc phân tích dài hạn và báo cáo. Các thao tác với dữ liệu của kho dữ
liệu chủ yếu dựa trên cơ sở là Mô hình dữ liệu đa chiều, thường áp dụng cho các khối
dữ liệu. Khối dữ liệu là trung tâm của vấn đề cần phân tích, bao gồm một hay nhiều
tập sự kiện và các sự kiện được tạo ra từ nhiều chiều dữ liệu khác nhau.

Hình 2.1 - Dòng dữ liệu trong kho dữ liệu.
Đầu tiên dữ liệu được lấy trong các hệ cơ sở dữ liệu tác nghiệp, có thể ở nhiều
dạng khác nhau, dữ liệu được làm sạch, chuẩn hóa rồi đưa vào kho dữ liệu, cuối cùng
dữ liệu được lấy từ kho dữ liệu phục vụ cho các phân tích khác nhau.
 Ứng dụng của kho dữ liệu [1]
Kho dữ liệu được đưa vào ba mảng ứng dụng chính.
Theo như cách khai thác truyền thống đối với cơ sở dữ liệu, kho dữ liệu được sử
dụng để khai thác thông tin bằng các công cụ thực hiện truy vấn và báo cáo. Nhờ việc
dữ liệu thô đã được chuyển sang thành các dữ liệu ổn định, có chất lượng nên kho dữ
liệu đã giúp nâng cao kỹ thuật biểu diễn thông tin truyền thống. Với cách thứ hai, các
kho dữ liệu được sử dụng để hỗ trợ cho phân tích trực tuyến (OLAP). Trong khi ngôn
ngữ SQL và các công cụ xây dựng báo cáo truyền thống chỉ có thể mô tả những gì có




-16-
trong cơ sở dữ liệu thì phân tích trực tuyến có khả năng phân tích dữ liệu, xác định
xem giả thuyết đúng hay sai. Tuy nhiên, phân tích trực tuyến lại không có khả năng
đưa ra được các giả thuyết. Ngoài ra, sử dụng OLAP còn giúp phân tích tổng hợp dữ
liệu, đưa ra kết quả bằng các báo cáo hoặc bảng biểu trực quan.
Cách thứ ba để khai thác kho dữ liệu là dựa trên các kỹ thuật khai phá dữ liệu. Đây
là một phương pháp mới, đáp ứng được cả những yêu cầu trong nghiên cứu khoa học
cũng như yêu cầu trong thực tiễn. Các kết quả thu được mang nhiều tính dự báo, dự
đoán, dùng trong việc xây dựng kế hoạch, chiến lược.
 Các lĩnh vực hiện tại áp dụng kho dữ liệu:
 Thương mại điện tử.
 Kế hoạch hoá nguồn lực doanh nghiệp.

 Quản lý quan hệ khách hàng.
 Chăm sóc sức khỏe.
 Viễn thông.
2.1.2. Mô hình dữ liệu sử dụng trong kho
Mô hình kho dữ liệu được phát sinh từ một mô hình dữ liệu tổng thể. Một mô
hình dữ liệu này là một bức tranh tổng thể mà các mô hình khác có thể hoạt động trên
đó. Nó được tổ chức thành các vùng theo chủ điểm, dịch vụ phân tích là phần chính
của sự chia nhỏ các công việc cần được quan tâm đáp ứng nhu cầu người sử dụng. Nếu
một tổ chức không có sẵn mô hình dữ liệu tổng thể thích hợp, mô hình dữ liệu tổng thể
cũ được phép dùng tiếp và bổ sung các dịch vụ phân tích mới.
Một số công ty bắt đầu với một mô hình được chuẩn hóa đầy đủ cho kho dữ
liệu của họ sau đó ứng dụng kĩ thuật mô hình kho dữ liệu.
Một vấn đề nổi cộm trong việc thiết lập mô hình dữ liệu là không có câu trả lời
đúng cho mọi tình huống. Mô hình dữ liệu kho dữ liệu có tính chủ đề, phụ thuộc vào
công việc nghiệp vụ và các vấn đề nảy sinh.
 Mô hình dữ liệu của kho dữ liệu có thể thiết lập theo:
 Sơ đồ hình sao.
 Sơ đồ tuyết rơi.
 Sơ đồ kết hợp.
 Lược đồ dữ liệu hình sao:
Sơ đồ hình sao được đưa ra lần đầu tiên bởi Dr. Ralph Kimball [1] như là một lựa
chọn thiết kế cơ sở dữ liệu cho kho dữ liệu. Nó được gọi là sơ đồ hình sao bởi vì các
sự kiện nằm ở trung tâm của mô hình và được 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
tượng có thể kết nối với nhiều đối tượng khác. Mô hình này thể hiện cách nhìn của
người sử dụng về nhiều vấn đề trong tác nghiệp.
Trong sơ đồ hình sao, dữ liệu được xác định và phân loại theo 2 kiểu:

-17-
 Các sự kiện được tổ chức thành bảng sự kiện
 Phạm vi, hay các chiều của dữ liệu, được tổ chức thành các bảng chiều.
- Bảng sự kiện 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 về học lực của sinh viên thì cần những dữ
liệu về điểm các kỳ của sinh viên như về Điểm môn, v.v Những dữ liệu này đều
được lưu ở bảng sự kiện của kho dữ liệu. Tuy nhiên, trước khi các dữ liệu này được
đưa vào kho dữ liệu thì cần phải chọn một trường dữ liệu nào đó thường sử dụng trong
các chiều phân tích để tham chiếu và sau đó đưa vào bảng các chiều. Các sự kiện là
các đại lượng số của công việc. Các bảng sự kiện thường rất lớn, chứa hàng triệu dòng
mà phần lớn là số.
- Bảng chiều, ngược lại, thường là tương đối nhỏ so với các bảng sự kiện, chứa các
thông tin mô tả. Đó là các bộ lọc hoặc các ràng buộc của những sự kiện ở bảng sự
kiện. Bảng chiều 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 kết quả học tập
của sinh viên, bảng chiều bao gồm: thời gian, sinh viên, môn học, v.v.
Hình 2.2 mô tả về một ví dụ sơ đồ hình sao. Trong sơ đồ hình sao này có ba quan hệ
một-nhiều liên kết giữa các dòng trong bảng chiều với các dòng trong bảng sự kiện.


Hình 2.2 – Sơ đồ hình sao
Ưu 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. Ví
dụ, khi phân tích dữ liệu ở hình 2.2, chiều thời gian có thể thực hiện khá hiệu quả mà
không cần sắp xếp lại dữ liệu trong bảng các sự kiện.
- Phù hợp với cách mà người sử dụng nhận và sử dụng dữ liệu và qua đó làm cho dữ
liệu được hiểu trực quan hơn.
- Nguyên lý cơ bản của sơ đồ hình sao là một dạng dư thừa dữ liệu nhằm cải thiện sự
thực hiện các truy vấn. Với sơ đồ hình sao, người thiết kế có thể dễ dàng mô phỏng

những chức năng của cơ sở dữ liệu đa chiều. Sự phi chuẩn hóa có thể coi là sự tiền kết
nối các bảng để cho các ứng dụng không phải thực hiện công việc kết nối, làm giảm
thời gian thực hiện.




-18-
- Dễ dàng nhận thấy, sơ đồ hình sao được thiết kế là để khắc phục những hạn chế của
mô hình quan hệ hai chiều. Với cơ sở dữ liệu được thiết kế theo sơ đồ hình sao, những
truy vấn với những câu hỏi phức tạp liên quan tới nhiều bảng và số liệu trở nên đơn
giản hơn và số lượng công việc cần thực hiện để đưa được ra câu trả lời là ít nhất so
với một mô hình quan hệ chuẩn. Sơ đồ hình sao cải thiện đáng kể thời gian truy vấn và
cho phép thực hiện một số tính năng đa phạm vi. 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 được tạo bởi những khóa của các bảng chứa thông tin theo
từng phạm vi. Tất cả các khóa đều được xác định với cùng một chuẩn đặt tên.
- Những bảng chiều có chứa khóa của các bảng chiều, có thể là với tên khác đi để đảm
bảo tính duy nhất của mỗi hàng. Các bảng chiều thường có định danh duy nhất và chứa
đựng những thông tin về chiều của bảng đó. Số lượng các bảng chiều của mỗi bảng sự
kiện là từ 3 đến 5.
- Vì bảng sự kiện được tổng hợp từ trước và được kết hợp theo nhiều chiều nên xu
hướng có rất nhiều hàng và tăng trưởng một cách nhanh chóng trong khi đó các bảng
chiều không có nhiều hàng và sự tăng trưởng là tĩnh. Bảng sự kiện có thể bao gồm
hàng triệu hàng. Bảng chiều chứa đựng các thuộc tính có thể được sử dụng như các
tiêu chí tìm kiếm và thường có kích thước nhỏ hơn nhiều, rất quen thuộc với người sử
dụng từ trước. Khoá của nó không là khoá ghép như bảng sự kiện. Nếu một bảng chiều
bắt đầu có sự tương đồng với các bảng sự kiện thì có thể nó cần được chia ra thành các
bảng sự kiện. Nếu một bảng chiều được chia ra thành chiều chính và chiều phụ thì cấu
trúc thu được của kết quả được coi là một sơ đồ tuyết rơi hoặc một cấu trúc hình sao

mở rộng.
- Một sơ đồ hình sao đơn giản chỉ gồm một bảng sự kiện và một vài bảng chiều. Một
sơ đồ hình sao phức tạp bao gồm hàng trăm bảng sự kiện và bảng chiều.
Lưu ý: Bảng sự kiện và các bảng chiều đều không bắt buộc ở dạng chuẩn như đối
với phương pháp thiết kế truyền thống tức là có dư thừa dữ liệu. Với loại sơ đồ này
cho phép lưu trữ dư thừa dữ liệu đổi lại khả năng truy nhập nhanh hơn phù hợp với
những câu hỏi phân tích nhiều chiều, phức tạp. Về bản chất, bảng sự kiện thuộc dạng
chuẩn I, với mức độ dư thừa dữ liệu rất lớn.
 Lược đồ dữ liệu bông tuyết:
Lược đồ này là mở rộng của lược đồ hình sao. Khi một bảng chiều trở lên phức tạp
hàm chức các quan hệ dữ liệu thì có thể tách thành nhiều bảng. Các bảng được tách có
quan hệ với bảng chiều tạo lên hình dạng tuyết rơi. Công việc này cũng chính là chuẩn
hóa dữ liệu cho bảng chiều.




-19-

Hình 2.3 – Sơ đồ bông tuyết
Tùy theo thực tế mà ta lựa chọn lược đồ hình sao hay hình tuyết rơi. Việc lựa chọn
được cân nhắc giữa hai yếu tố: thời gian đáp ứng truy vấn và mức độ kiểm soát tính
chặt chẽ dữ liệu. Lược đồ dạng tuyết rơi có thể thích hợp khi dữ liệu bảng chiều trở lên
quá lớn và nhiều thuộc tính. Tuy sự khác nhau thể hiện rất rõ về mặt lý thuyết nhưng
khi thực hiện chúng trong thực tế có thể dẫn tới các kết quả khác hẳn nhau.
 Sơ đồ kết hợp:
Là kết hợp giữa sơ đồ hình sao dựa trên bảng sự kiện và những bảng chiều
không chuẩn hóa theo các chuẩn 1, 2, 3 và sơ đồ hình tuyết rơi trong đó tất cả các bảng
chiều đều đã được chuẩn hóa. Trong sơ đồ loại này chỉ những bảng chiều lớn là được
chuẩn hóa còn những bảng khác chứa một khối lượng lớn các cột dữ liệu chưa được

chuẩn hóa.
2.1.3. Kiến trúc kho dữ liệu [3], [7]
 Các chức năng của kho dữ liệu
Như trên đã phân tích, kiến trúc ba tầng là thích hợp đối kho dữ liệu, nó phản ánh được
mối liên hệ giữa các dữ liệu và phù hợp với các yêu cầu của người sử dụng.
Liên quan đến các thành phần của kiến trúc trên là các chức năng:
 Xây dựng dữ liệu cho kho dữ liệu nghiệp vụ: Thu thập dữ liệu từ các hệ thống
tác nghiệp.
 Xây dựng dữ liệu kho thông tin tác nghiệp: Thu thập dữ liệu từ các kho dữ liệu
nghiệp vụ.
 Xây dựng dữ liệu cho danh mục kho dữ liệu: là sự lưu trữ vật lý tất cả các siêu
dữ liệu sử dụng và điều khiển trong kho dữ liệu, được phân chia và phân tán giữa các
kho dữ liệu tác nghiệp và nhiều kho thông tin tác nghiệp.Thu thập dữ liệu từ các siêu
dữ liệu khi xây dựng kho dữ liệu.




-20-
 Các chức năng quản trị hệ thống kho dữ liệu: lưu trữ, xử lý, truy cập, truyền
tin,…
Ba chức năng đầu làm nhiệm vụ tập hợp dữ liệu cho kho dữ liệu theo kiến trúc ba
tầng. Chức năng thứ tư cung cấp các dịch vụ và sự tiện dụng cho người sử dụng nhằm
khai thác, xử lý, khai thác dữ liệu nhằm đáp ứng mọi yêu cầu về thông tin hàng ngày
của con người.
 Người sử dụng có thể sử dụng dữ liệu và siêu dữ liệu theo nhiều cách khác
nhau. Dữ liệu có thể được thăm dò và phân tích để có được những kết quả theo yêu
cầu, còn siêu dữ liệu chỉ thăm dò mà không phân tích được, nó chỉ giúp chúng ta hiểu
về dữ liệu mà thôi.
 Kiến trúc nhà kho dữ liệu

Hình 2.4 - Kiến trúc 3 tầng hệ thống kho dữ liệu.
Hệ thống kho dữ liệu thường bao gồm 3 tầng như trong hình 2.4:
Tầng đáy: Là nơi lấy dữ liệu từ nhiều nguồn khác nhau sau đó làm sạch, chuẩn hóa,
lưu trữ tập trung.
Tầng giữa: thực hiện các thao tác với kho dữ liệu thông qua dịch vụ OLAP (OLAP
server). Có thể cài đặt bằng Relational OLAP, Multidimensional OLAP hay kết hợp cả
hai mô hình trên thành mô hình Hybrid OLAP.
Tầng trên: thực hiện việc truy vấn, khai phá thông tin.




-21-
2.1.4. Các bước xây dựng kho dữ liệu [7]
Các bước xây dựng kho dữ liệu:
 Lập kế hoạch tổng thể.
 Xác định yêu cầu.
 Thiết kế.
 Xây dựng
 Triển khai
 Mở rộng và duy trì
Trong đó, pha thiết kế và pha xây dựng 3 thành phần của kho dữ liệu có thể song song.
Bước 1: Lập kế hoạch
Khi đã thống nhất xây dựng dự án phát triển kho dữ liệu phục vụ cho các hoạt động
của một cơ quan, tổ chức hay của các ban ngành, thì vấn đề trước tiên cần phải xây
dựng kế hoạch thực hiện bao gồm các bước như sau:
a. Xác định chiến lược cài đặt
Đây là bước đầu tiên, rất quan trọng, quyết định về cơ cấu tổ chức của kho dữ liệu. Có

ba cách tiếp cận chính:
 Thực hiện trên xuống (Top-down)
 Thực hiện dưới lên (Bottom up)
 Tổ hợp của hai cách tiếp cận trên.
Cả ba cách tiếp cận này liên quan đến công việc và công nghệ.
Tuỳ vào điều kiện, tình huống trong nghiệp vụ của đơn vị mà lựa chọn chiến lược cài
đặt hệ thống.
b. Lựa chọn phương pháp và mô hình phát triển kho dữ liệu
Để phát triển hệ thống kho dữ liệu có hai phương pháp cơ bản:
 Phương pháp hướng chức năng: tập trung vào chức năng là chính, dữ liệu là
phụ.
 Phương pháp hướng đối tượng: xem hệ thống là tập các đối tượng và do vậy tập
trung chính vào dữ liệu.
Mỗi phương pháp cũng có mặt mạnh, mặt yếu của nó. Tuỳ vào sự hỗ trợ của công
nghệ, của năng lực của đội ngũ cán bộ tham gia dự án mà lựa chọn phương pháp cho
thích hợp.
c. Xác định mục tiêu của kho dữ liệu
Việc xác định kho dữ liệu là rất phức tạp vì kho dữ liệu chính là một hệ thống các
CSDL lớn, phức tạp với khối lượng dữ liệu khổng lồ và thường là không thuần nhất,
bao quát nhiều lĩnh vực khác nhau.
Ngoài ra còn thường xuyên xuất hiện những công nghệ mới, nhiều điều kiện mới xuất
hiện thường xuyên; nhiều khái niệm về thông tin, dữ liệu của các nhà quản lý, phân
tích và người sử dụng khác nhau khiến cho việc xác định mục tiêu càng trở nên khó
khăn.
d. Xác định phạm vi của hệ thống




-22-

Trong hầu hết các tổ chức, lý do cần phát triển kho dữ liệu là nhằm đáp ứng nhu cầu
quản lý, khai thác thông tin để thực hiện công việc hay trợ giúp quyết định trong quản
lý, điều hành công việc của một nhóm người, một bộ phận hay cả tổ chức đó.
e. Lựa chọn kiến trúc
Có thể xây dựng kho dữ liệu theo những kiến trúc sau:
 Chỉ xây dựng dữ liệu chủ đề. Kiến trúc này phù hợp cho các phòng, ban trong
tổ chức có nhu cầu riêng và một kho dữ liệu đơn giản không thể đáp ứng được
mọi yêu cầu của họ.
 Chỉ xây dựng kho dữ liệu. Trong kiến trúc này, các phép xử lý đối với các
nguồn dữ liệu như: làm sạch, tích hợp, tổng hợp, v.v. sẽ được sử dụng chung
cho mọi ứng dụng. Kho dữ liệu logic phù hợp với mọi người sử dụng, hỗ trợ
cho việc ra quyết định.
 Xây dựng kho dữ liệu và cả dữ liệu chủ đề. Mỗi bộ phận có tiểu kho, được đặt
trong một cơ cấu thống nhất được gọi là tổng kho, hay kho dữ liệu liên hợp.
 Kiến trúc Client/Server gồm hai lớp chính: lớp chủ và lớp khách. Máy chủ thực
hiện các chương trình trong kho, quầy dữ liệu và lưu trữ dữ liệu vào kho. Máy
khách thực hiện các chương trình khai thác, lập báo cáo, lưu trữ dữ liệu cục bộ,
v.v.
f. Xây dựng chương trình và dự kiến ngân sách
 Khớp nối chương trình hành động với chương trình dự án. Chương trình hành
động bao gồm các kế hoạch tổng hợp về các ứng dụng kho dữ liệu và vai trò
của nó trong tổ chức, xã hội. Chương trình dự án là các kế hoạch thực hiện cụ
thể kho dữ liệu, nó phải phù hợp với thứ tự ưu tiên công việc mà chương trình
hành động nêu trên đề ra.
 Dự trù ngân sách tương xứng với chương trình phát triển hệ thống, bao gồm tất
cả các kinh phí hoạt động: phân tích, thiết kế, cài đặt, duy trì, v.v.
Bước 2: Phân tích các yêu cầu của hệ thống
Danh sách các yêu cầu đóng vai trò rất quan trọng không chỉ trong việc đặc tả,
xây dựng mô hình hệ thống mà nó cả trong quá trình xây dựng và duy trì hệ thống.
Theo các con số thống kê về hiệu quả của các phần mềm, rất nhiều sản phẩm xây dựng

xong không sử dụng được, hoặc rất kém hiệu quả sử dụng là do chưa xác định đúng và
chính xác các yêu của hệ thống.
a. Yêu cầu về kiến trúc
Như trên đã nêu, kiến trúc hệ thống là rất quan trọng, nó quyết định nhiều tính
chất và các khả năng của kho dữ liệu. Kiến trúc là cơ sở để thiết lập các thành phần
của một kho dữ liệu nhằm đáp ứng các nhu cầu hiện tại và tương lai của một tổ chức.
Chất lượng kết cấu của hệ thống được xây dựng phụ thuộc nhiều vào những yếu tố
sau:
 Phạm vi chức năng và các đặc tính mà hệ thống sẽ có




-23-
 Sử dụng các chuẩn công nghệ, tuân theo các qui định chuẩn về qui trình, nghiệp
vụ và giao diện mở
 Khả năng mở rộng, khả năng tương thích của hệ thống.
b. Xác định yêu cầu của người phát triển hệ thống
Các kiến trúc sư quan tâm đến mô hình trừu tượng, còn những người xây dựng
hệ thống lại quan tâm đến những vấn đề cụ thể của kho dữ liệu. Họ có những yêu cầu
về dữ liệu, các chương trình ứng dụng, công nghệ, công cụ sử dụng để phát triển ứng
dụng và những vấn đề cơ sở như máy tính, phần mềm hệ thống, mạng truyền tin, v.v.
c. Những yêu cầu của người sử dụng đầu cuối
Khi kho dữ liệu được xây dựng và những dữ liệu đầu tiên được đưa vào kho,
sau đó được những người sử dụng đầu cuối, các nhà phân tích dữ liệu để có được sự
trợ giúp quyết định trong các công việc của họ. Mục đích của người sử dụng là xử lý
thông tin và họ mong muốn là được sử dụng kho dữ liệu để làm được tất cả những gì
có thể.
Bước 3: Thiết kế và xây dựng kho dữ liệu
a. Mô hình dữ liệu đa chiều

Các nhà quản lý thường có khuynh hướng suy nghĩ theo “nhiều chiều”. Ví dụ
như về kết quả học tập của sinh viên:
“Với những môn học nào thì sinh viên sẽ có kết quả học tập tốt hơn qua các
năm”.
Ta có thể hình dung việc đánh giá kết quả học tập như một khối dữ liệu với các
chiều của khối là môn học, sinh viên và năm học. Giao điểm bên trong khối là giao
điểm của các cạnh. Với mô tả của một sự kiện đánh giá như trên thì độ đo kết quả học
tập được kết hợp bởi các giá trị môn học, sinh viên và năm học (thời gian).




-24-
Ví dụ xét trong cùng thời gian học, những sinh viên khối A thì học những môn học
ban tự nhiên thường có kết quả tốt hơn những sinh viên khối C. Nếu nhìn từ chiều thời
gian làm mốc, sau đó tổng hợp thêm dữ liệu từ các chiều sinh viên và môn học sẽ có
thể đưa ra kết quả đánh giá về học lực của sinh viên.
Một khối dữ liệu không bắt buộc phải có 3 chiều mà có thể có N chiều, phụ
thuộc vào yêu cầu của công việc. Các chiều của khối, mà ở đó các mặt hoặc các thực
thể tương ứng với những khía cạnh mà công việc ghi nhận. Mỗi chiều kết hợp với một
bảng chiều để mô tả cho chiều đó. Ví dụ bảng chiều sinh viên thì mô tả về sinh viên đó
gồm tên sinh viên, tổ, lớp, khoa, ngày sinh, quê quán… Với những chiều đặc biệt như
chiều thời gian, hệ thống kho dữ liệu có thể phát sinh tương ứng với bảng chiều dựa
trên loại dữ liệu. Chiều thời gian trong thực tế có ý nghĩa đặc biệt đối với việc hỗ trợ
cho các khuynh hướng phân tích.

Hình 2.5 – Ví dụ về mô hình dữ liệu 3 chiều
Một khối dữ liệu trong kho dữ liệu thường được xây dựng để đo hiệu quả của
một công việc nào đó. Do vậy một mô hình dữ liệu đa chiều thường được tổ chức xung
quanh một chủ đề được thể hiện bởi một bảng sự kiện của nhiều độ đo số học (là các

đối tượng phân tích). Ví dụ một sự kiện kết quả học tập có thể chứa điểm trung bình
học tập, xếp loại học lực, khen thưởng… Mỗi độ đo phụ thuộc vào một tập các chiều
cung cấp ngữ cảnh cho độ đo đó. Vì thế khi các chiều kết hợp với nhau thì xác định
một độ đo duy nhất, đó là một giá trị trong không gian đa chiều. Ví dụ như kết hợp của
loại học lực, sinh viên và thời gian sẽ cho ra kết quả học tập của sinh viên đó là gì
trong khoảng thời gian đó.
Các chiều có thể được phân cấp theo loại. Ví dụ chiều thời gian của dữ liệu kết
quả học tập của sinh viên được mô tả bởi các thuộc tính như niên khóa, năm học, kì
học hoặc có nhiều cách phân loại khác phụ thuộc vào bản chất của dữ liệu và yêu cầu
sử dụng. Nếu mỗi chiều chứa nhiều mức trừu tượng, dữ liệu có thể được xem từ nhiều
khung nhìn linh động khác nhau. Một số thao tác điển hình của khối dữ liệu như tăng
mức độ trừu tượng, giảm mức độ trừu tượng hoặc tăng mức chi tiết, chọn và chiếu, và
định hướng lại khung nhìn đa chiều của dữ liệu, cho phép tương tác truy vấn và phân




-25-
tích dữ liệu rất tiện lợi. Những thao tác đó được biết như xử lý phân tích trực tuyến
OLAP [19].
b. Thiết kế và xây dựng kho dữ liệu
Xây dựng kho dữ liệu là quá trình tích hợp dữ liệu từ các nguồn khác nhau vào
một kho. Các nhà phân tích nghiệp vụ có thể truy vấn kho dữ liệu và sinh các báo cáo,
biểu đồ để trợ giúp quá trình ra quyết định của họ. Một kho dữ liệu có thể chứa CSDL
lớn toàn xí nghiệp mà người sử dụng và người quản trị có thể truy cập hoặc có thể kết
hợp một số hệ thống nhỏ thường gọi là kho dữ liệu chủ đề. Điển hình, mỗi KPDL gắn
với một miền chủ đề bên trong một kho dữ liệu lớn.
 Các nguồn dữ liệu
Các nguồn dữ liệu bao gồm các hệ thống dữ liệu ở bên trong, hoặc bên ngoài của
một cơ quan, tổ chức hay một xí nghiệp.

Các hệ thống dữ liệu về một tổ chức được coi như các hệ thống nguồn, dữ liệu bên
trong, thường là những hệ thống thông tin có sẵn. Đó là những hệ thống tác nghiệp, hỗ
trợ các hoạt động nghiệp vụ như sản xuất, hay kinh doanh, lĩnh vực giáo dục đào tạo.
 Phân tích các nguồn dữ liệu
Các hệ thống thông tin có sẵn được phát triển xung quanh các vùng nghiệp vụ của
cơ quan cần xây dựng dự án. Các ứng dụng được phát triển với dữ liệu mà các dữ liệu
này phù hợp với các nhu cầu khác nhau, với cùng một hệ thống dữ liệu nhưng với tên
khác nhau, hoặc với các hệ thống đo lường khác nhau, định nghĩa dữ liệu thậm chí
chúng có những yêu cầu về dữ liệu tương tự như nhau. Kết quả cuối cùng là các nguồn
dữ liệu cần được đánh giá.
 Thu thập và tạo lập dữ liệu
Một phần quan trọng của việc cài đặt kho dữ liệu là sử dụng những dữ liệu đã
được tinh chế từ những hệ thống tác nghiệp và đưa chúng vào một khuôn dạng thích
hợp cho các ứng dụng thông tin.
Có nhiều công cụ có sẵn thường chỉ có ích cho việc tinh chế những dữ liệu đơn
giản. Do đó việc phát triển những thủ tục tinh chế cho một số lĩnh vực ứng dụng là cần
thiết cho việc tinh chế dữ liệu. Các công đoạn thực hiện bao gồm:
 Bóc tách dữ liệu
 Lọc, làm sạch dữ liệu
 Thẩm định dữ liệu
 Gộp, kết tập dữ liệu
 Tải dữ liệu vào kho
 Lưu trữ và phát tán, phân phối dữ liệu
 Bóc tách dữ liệu:
Bóc tách dữ liệu là một phép xử lí để lấy các dữ liệu đã được xác định trước ra
khỏi các hệ thống tác nghiệp và các nguồn dữ liệu bên ngoài. Có thể trong các hệ
thống dữ liệu gốc lại có một vài vấn đề như: Không có đủ thông tin chi tiết về hệ thống