数据仓库在企业决策系统中的应用

如何迅速从海量数据中获得准确的决策信息是现代商业企业致胜的关键.以数据仓库及OLAP Services为工具,通过建立多维数据模型和数据立方体,针对企业销售数据设计一个数据仓库管理系统,把事务数据库中原始混乱的数据集成转化变成数据仓库中规范的数据方便用户的查询,进而辅助企业决策.实际证明系统实用方便,大大提高企业信息管理效率.     

OLAP在现代企业DSS中的应用研究

如何迅速从海量数据中获得准确的决策信息是现代商业企业致胜的关键。以数据仓库及OLAPServices为工具,通过建立多维数据模型和数据立方体,针对企业销售数据设计一个数据仓库管理系统,把事务数据库中原始混乱的数据集成转化变成数据仓库中规范的数据方便用户的查询,进而辅助企业决策。实际证明系统实用方便,大大提高企业信息管理效率。     

数据仓库清洗技术讨论

数据仓库建设过程中最关键的环节是数据集成,本文重点分析了数据清洗需要解决的问题及涉及的主要技术,针对数据库的数据模型与数据仓库模型的区别讨论了利用元数据的映射规则的数据清洗方法.     

银行信贷数据仓库的设计

指出了数据仓库是近年迅速发展起来的一种管理技术，分析了数据仓库的环境及技术特点，论述了数据仓库的环境及技术特点，论述了在银行信贷管理系统中引人数据仓库的必要性，提出了银行信贷数据仓库的设计，对其中的数据模式、数据粒度、数据抽取等进行了探讨。     

数据仓库中两种数据模型的分析比较

指出了数据决策支持系统是当今数据库领域的研究热点，而数据仓库和联机分析处理是该领域中的2个重大的技术，数据模型又是数据仓库的核心和基础，在数据仓库中，常用的数据模型是立方体数据模型和星型数据模型，在分析比较这2种数据模型优、缺点的基础上，提出了组织数据仓库中的数据时应灵活选择模型，做到优势互补，扬长避，以调离同高性能的商业决策支持系统。     

数据仓库系统设计的初步探讨

数据仓库技术是在数据库发展的基础上产生的,已成为应用联机分析处理和数据挖掘技术的数据载体。本文以数据仓库技术的应用为主题,探讨了数据仓库技术的应用策略。     

数据仓库建设

数据库和数据仓库，是同一回事吗?不然，两者虽然只是一字之差，意义却迥然不同。严格来说，数据库(Databases，简称DB)是指长期保存在计算机的存储设备上并按照某种模型组织起来的、可以被各种用户或应用共享的数据的集合；而“数据仓库之父”william H．Inmon先生在其《建立数据仓库》一书中定义了数据仓库的概念：数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合：因此，有必要在此就两者的区别与联系加以说明。     

数据仓库与数据仓库性能的提高

通过对数据仓库概念的介绍，指出数据仓库有着不同于传统数据库的分析处理和超大容量的特点，而如何建立一个高性能的数据仓库正成为当前研究的热点，本文提出了可用于提高数据仓库性能的两种方法，即非规格化和建立索引，并简单叙述了它们的使用技巧。     

基于电信业务的数据仓库系统设计

在讨论建立企业数据仓库基本策略的基础上，从主题域的选择、数据粒度层次的划分和多维数据库几个方面深入探讨了基于电信业务的数据仓库系统设计问题。从数据集市开始，由小而大，由易至难，逐步扩充与完善，最终建成一个企业级的数据仓库，这是当前我国电信服务企业数据仓库建设的可行策略。     

一种改进的数据仓库模型

数据仓库被看作是海量数据仓储,准确及时反映源数据库的改变对数据仓库查询响应的正确性至关重要。文章提出一种改进的数据仓库体系结构,在数据仓库中添加一个辅助结构作为接收和存储更新数据的暂存库,直到数据仓库获得空闲周期,加入新的数据和更新必要的视图;通过试验模拟2种数据仓库结构,验证了新的模型在设计和性能上的优越性。     

ETL多点缓存技术的数据仓库系统构建

由于数据库中处理数据标准不同,当用户构建数据仓库时,会产生不同效果的问题.而ETL作为数据处理的基本工具,能够在数据仓库构建的过程中提供稳定、高效、可靠的数据.ETL在数据仓库创建过程中起着举足轻重的地位,构建一种基于ETL多点缓存技术的数据仓库,可为用户提供一种稳定的、高质量的数据仓库.     

环境影响评价数据仓库模型的构建研究

随着环境影响评价基础数据库数据中心数据量的逐年指数增长,数据库服务器对客户端的响应时间也随之延长,对数据高效管理的要求也日益明显.结合环评基础数据库项目建设过程中数据分析和挖掘预测的需求,提出基于ODS的环评数据仓库的总体架构,构建基于OLAP技术的面向多主题的数据仓库模型,研究遗漏值、数据异常等不同问题的数据清理和填充方案,构建基于DS-ODS-DW的数据加载模型.研究实现基于基础数据库的统计分析和数据挖掘功能,为数据管理者提供数据预测与决策支持功能.通过模型在数据分析和数据挖掘方面的应用案例,验证了该模型和方法的合理性和有效性.     

数据仓库中模型转换技术的设计

比较了数据仓库数据库与传统操作型数据库,回顾了“规范的”操作型系统设计,介绍了四种典型的数据模型——实体关系模型、对象模型、维模型和星型模型.提出了一种数据仓库设计中的模型转换技术.     

一种基于ER模型的数据仓库多维建模方法

结合Ralph Kimball和Inmon的数据仓库设计和架构思想,以建设某学院办公自动化数据仓库为例,提出一种基于实体联系(ER)模型的数据仓库多维建模方法。该方法从构建数据仓库全局角度指导维度建模,同时兼顾用户需求与底层数据,从而得到既能满足用户需求、又具扩展性的维度模型。该方法规范了数据仓库的逻辑模型建模过程,可以为多维模型的设计提供方法上的指导。     

数据仓库中数据抽取、转换及加载工具研究

分析数据仓库体系结构，描述数据加载过程中的不同实现方法．在实现过程中引入工作流的思想，提出了一种以工作流为模式的基于元数据的ETL模型，将数据加载分解成可配制的具有不同语义的过程，并给出了相关元素的定义，提供了一个可配置的具有良好伸缩性的ETL解决方案。     

数据库技术和数据仓库技术的比较研究

叙述了从数据库技术到数据仓库技术的发展过程，简要介绍了数据仓库的定义及其特点，重点对数据库技术与数据仓库技术进行了分析和比较。     

基于Web Services的数据采集

以异构的、自治的、分布的数据库系统构建数据仓库是个挑战, 必须解决两个问题:一是采取有效的措施从各分布的异构数据源采集数据,二是对收集来的数据进行清理和格式转换.笔者分析了Web services的开放性和互操作性,提出了以SOAP协议和HTTP协议连接Internet的异构数据源,实现基于Web Services的数据采集系统.基于组件技术,提出了一种通用的数据采集器结构,用于数据清理和数据转换.并探讨了数据采集器以XML方式实现数据转换和数据装载的核心技术.     

数据仓库数据析取工具的设计与实现

针对数据仓库中的数据析取问题 ,以通用性为目标 ,分析、设计并利用MicrosoftSQLServer 7.0的DTS编程接口实现了数据析取工具 ,从而实现了从各种类型OLTP数据库系统到数据仓库的数据析取     

数据仓库及元数据管理

数据仓库技术是基于数据管理和利用的综合性技术,为支持管理决策而设计。元数据是数据的数据,描述了数据仓库中的各个对象,遍及数据仓库的所有方面,是整个数据仓库系统的核心部件。在对数据仓库系统中的元数据管理及其现状进行了全面分析的基础上,介绍了基于元数据的数据仓库体系结构、元数据管理的实现和元数据的维护。     

基于SPRINT算法的胃癌临床医疗数据挖掘研究

为了满足数据挖掘的需要,本文提出了一个基于决策树的胃癌临床医疗信息分析应用研究模型.该模型是从业务数据库或数据仓库中抽取与胃癌术后复发因素有关的数据,形成决策树的训练数据集.运用SPRINT算法,构建胃癌术后复发的危险因素分析模型.通过对模型分析,寻找疾病的临床诊断、治疗和预后的关系,证实胃癌术后复发首要危险因素是家族遗传.