基于Web的企业CRM数据仓库的研究与实现

面对日益激烈的市场竞争,客户成为企业越来越重要的资源。阐述了企业建立CRM数据仓库的必要性,对传统的数据仓库技术的不足进行了分析,提出了基于Web的数据仓库技术,在此基础上给出了基于Web的企业CRM数据仓库的设计方案,最后通过数据转换、客户多维数据集的建立实现了基于Web的企业CRM数据仓库。     

客户关系管理系统中数据仓库的设计与实现

论述了在客户关系管理系统中数据仓库的设计方案和具体实现方法。通过数据采集、数据清理、数据加载的技术将客户历史数据转换成数据仓库数据，并以多维模式进行存储，运用MDX多维表达式方法进行分析。结果表明：建立以“客户”为主题的数据仓库，借助MDX分析技术，可以发现客户关系管理系统中隐藏的客户购买模式，为企业的决策提供了有价值的商业指导信息。     

数据仓库在成绩分析及教学决策中的应用

分析了学生成绩对学校教学进行分析决策的重要价值,提出了建立基于学生成绩的教学分析决策系统的策略,进一步确定了数据仓库的各个主题域.采用多维技术建立了数据仓库的逻辑模型,并且对事实表和各个维表的设计进行了研究.最后,提供了系统具体实现的过程和步骤.     

酒店CRM中定量分析模型研究

使用层次分析法，建立了酒店、宾馆客户的等级综合评估模型。通过该模型，甄别出酒店、宾馆最有价值的客户，给酒店、宾馆的客户关系管理（CRM）提供定量的营销数据支持，经过一家五星级酒店使用验证，效果不错。     

网上评教及联机分析系统的多维数据集设计

本文首先介绍了网上评教及联机分析系统的关系数据库设计,然后,从为教学管理者提供评教数据分析的角度出发,创建了各种维表和事实表,给出了多维数据雪花模型。并结合评教系统数据仓库的特点,确定了ROLAP的多维数据集存储方式,采用双重粒度级别设计,从而提高了访问效率和节省了存储空间。     

基于数据仓库的销售分析系统的设计和实现

数据仓库是信息处理领域近几年出现的面向分析和决策的新技术 .介绍了数据仓库中数据模型的特点和设计方法 ,并通过一个销售分析系统的实例 ,详细阐述了数据仓库的数据建模、数据抽取和更新、多维数据模型的实现、数据呈现 4个过程 ,给出了一种基于数据仓库技术的决策分析系统的设计和实现方法     

以数据挖掘提升客户关系管理

以客户为中心已经成为各个企业的共识，而其实现的前提是从海量的客户信息中发现客户新的需求，必须对信息进行分析，从中得到企业的决策支持信息。这就是数据仓库和数据挖掘，该文就此以及对改善客户关系的作用进行了探讨，分析了数据挖掘对CRM的促进作用。     

数据挖掘技术在油田生产决策支持中的研究及应用

油田生产过程积累了大量的历史数据,从大量沉淀的数据环境中挖掘有用的决策信息,探索出油田生产中的规律性,能够更有效地指导生产,为石油企业提供生产决策支持。文中提出了基于油田生产数据采用数据抽取、转换和加载技术的数据仓库的构建策略以及基于多维数据集的数据挖掘的实施方案,并对包括数据仓库体系结构的设计、数据仓库的构建、多维数据集数据存储模式的优选策略、在线分析处理以及基于分层聚类分析的方法实现数据挖掘等在内的各主要环节进行了系统详细的阐述。最后结合油田生产数据,综合运用数据仓库、联机分析处理和数据挖掘技术构建了一套油田企业生产决策支持系统,并提取和挖掘出了对于油田生产决策支持有用的信息。     

数据仓库中多维数据模型的设计

多维数据模型是数据仓库和联机分析处理中的一个重要环节。文章提出了一种新的多维数据模型。在该模型中，基于维与事件的关系，描绘了多维事件关系图，并利用非奇异聚集偏序集簇定义了维的结构。结合小灵通客户流失问题，给出了该模型的具体的实现。     

金融业数据仓库中星型衍生子维度模式

数据仓库建模是构建数据仓库的核心,通常采用维度模型的建模方式.分析了维度模型中星型模式和雪花模式的优缺点,并针对金融业数据仓库特点,以证券业务为例,提出了星型衍生子维度模式概念,阐述了此结构的生成条件、算法和优点,即在典型的星型模式中,对大维度表中基数较小的相对独立的维度属性进行分解,生成子维度表,用代理键将其与父维度表及事实表关联,这有利于数据装入、提高数据仓库综合查询效率及一定程度上减少数据冗余,这对于金融业数据仓库中多主题的数据建模具有实际应用价值.     

数据挖掘在电信客户细分中的应用

CRM系统已被广泛应用.客户细分作为CRM 系统的重要组成部分,是进行其他决策工作的基础之一.简单有效的电信行业客户细分方法利用了客户行为和价值分析模型,从数据库中提取出相关数据,作为分析的依据,实现了对数据分群的操作,具有一定的实用价值.     

OLAP技术在出版发行管理系统中的应用

文章介绍了如何利用数据仓库技术和联机分析处理技术准确、高效地实现出版发行业务数据分析．首先介绍了数据仓库、联机分析处理、多维数据集的建立与实现等关键技术，而后描述了业务分析决策系统的体系结构，最后重点介绍了在业务分析决策系统的建立过程中数据仓库的建立的实现技术．     

数据仓库在高校决策支持中的应用研究

以校园一卡通系统中的交易数据为研究对象,构建了雪花模型的校园一卡通数据仓库架构,从数据仓库中集成的数据出发,构建了面向分析的多维数据模型,通过对其中的数据进行聚类分析,为高校领导决策提供了有用的参考信息。     

决策支持系统中OLAP的设计与实现

目的设计和实现对数据仓库中的信息进行决策分析的OLAP。方法以零售企业销售预测为切入点,研究决策支持系统中OLAP的设计。结果建立了用来进行OLAP分析的多维数据集,并对多维数据集中的数据用切片、切块、钻取和旋转等方式进行分析,用MDX多维查询语言对多维数据集中的数据进行复杂查询,提出了对OLAP分析数据展现的3种解决方案。结论在研究决策支持系统中OLAP的基础上,建立和实现了对数据仓库进行决策分析的OLAP。     

数据仓库在决策支持系统中的应用

综合应用数据仓库技术与联机分析处理技术开发了外资管理决策支持系统，提出了该数据仓库系统的实现方案和架构，并阐述了实现前台分析应用与OLAP服务集成的关键技术，即如何访问数据立方体中多维数据和如何管理元数据以控制OLAP服务，另外，从效率和灵活性两个角度给出了基于数据库和基本数据仓库分析的性能比较。     

多维数据建模的设计方法

多维数据的建模是企业使用数据仓库的关键技术之一,传统的数据模型（如实体模型和关系模型）不能有效地表示数据仓库中的数据结构和语义,也难以支持OLAP应用.本文提出了多维数据建模的一种优化方法变粒度建模,并介绍用Essbase开发工具实现多维数据建模的过程.通过实验表明,该优化方法能有效提高OLAP响应速度和数据仓库性能.     

数据仓库的多维数据分析器设计与实现

实现多维数据分析是数据仓库系统需要具备的一个主要功能，它接受用户的多维数据查询请求，生成多维数据集，为建立数据挖掘模型提供基础效果。本文讨论了基于Microsoft SQL Server2000的多维数据分析器的实现。简要介绍了多维数据分析的基本原理，并在DSO、ADO／MD及MDX（多维数据表达式）等技术的基础上，构造了一个多维数据分析器。最后，给出了多维分析器的实现实例。     

基于CRM的汽车客户行为预测研究

为解决汽车客户购买行为预测问题,以便有效估测市场走向,在客户关系管理(CRM:Customer Relationship Management)理论分析的基础上,采用16例汽车客户的购买信息作为样本数据并对其进行数据清理、转换、归纳,以SQL Server建立汽车市场营销分析的数据仓库,作为整个分析预测过程的输入,采用改进的ID3决策树模型和关联规则模型进行数据挖掘,得出汽车客户行为的预测知识.通过实验对比,验证了预测结果的有效性.     

企业CRM系统中联机分析挖掘的应用与实现

OLAP与数据挖掘工具由于内在技术以及适用范围的不同,在决策分析中必须协调使用才能发挥最佳的作用。本文提出基于Agent的OLAM(OLAP Mining)模型,将数据挖掘和OLAP技术结合在一个统一的框架之中。提出广义数据空间的概念,使得数据挖掘能够在数据库或数据仓库的不同部位或不同的抽象级别上,对数字数据或者文本数据进行挖掘,加强了决策分析的功能和灵活性。最后,把基于Agent的OLAM模型应用于构建智能CRM,此模型把Agent本身的特点自然地引入到数据挖掘过程中,使数据挖掘系统具有了自治性、自动反应性、交互性、适应环境性等智能特点,有助于在大型数据库和数据仓库中交互式地挖掘多层次多维的知识和联系。     

基于科技数据库的数据挖掘与决策支持——以珠海市生产力促进中心万方数据库数据统计实例分析为例

数据挖掘是数据管理最为核心的关键步骤,是在数据海洋中经过对数据的捕捞、提取和分析,使数据变为可用知识的过程,逐渐改变数据丰富但信息贫乏的现象。介绍了多维联机分析系统模型的建立,阐述了科技数据仓库模型的数据提取与分析,提出了数据库使用数据的测算和分析及决策支持。