网络会议平台数据分析系统的设计与实现

提出了网络会议平台数据分析系统,对业务平台数据库中的生产数据设计数据仓库并进行分析处理,并最终以Web形式展现作为背景,实现了数据仓库、OLAP技术的应用.该系统采用开源软件开发,可为企业节省大量资金,且能为市场部门提供准确、快速、直观的经营数据分析.     

浅谈数据仓库与OLAP技术

随着数据库应用技术的发展,数据仓库、OLAP技术已成为近年来数据库界研究的热点。数据仓库是提取、转换、整合来自不同数据源的数据场所,是决策支持系统（DSS）的核心部分,是信息处理的基础。在数据仓库基础上建立起来的联机分析处理（OLAP）,能为决策人提供合理全面的决策支持、数据分析和战略制定。本文主要介绍了数据仓库和OLAP技术的基本概念,多维数据模型及OLAP技术未来的发展趋势。     

电信业务数据仓库平台中接口的设计与ETL开发

针对当前电信业务中各业务系统的数据库之间没有很好地连接而形成信息孤岛的问题,利用数据仓库这一新型的数据组织及存储方法,对电信业务进行有效的数据分析和企业决策.针对业务数据,构建数据仓库平台,对功能框架和软件进行部署.通过接口设计对数据进行必要的规范和组织,依据该规范和约定进行环境配置,将预处理后的数据经DI Designer加载到数据库中,通过ETL(Extraction Transformation Loading)完成数据获取、存储及访问.该平台的建立能对各生产系统的数据加以统一,为前台的展示开发提供强有力的后台支持,便于决策层对企业发展状况更为准确的把握.     

基于数据挖掘的白酒企业决策支持系统研究

以数据仓库,联机分析处理(OLAP)和数据挖掘技术构建白酒企业决策支持系统.系统通过数据仓库对来自不同数据源、历史的数据进行存储;采用联机分析处理技术对数据仓库中的数据进行多角度、多层次等分析;通过数据挖掘,从数据仓库中识别和提取隐含的知识,为企业决策人员提供强有力的决策辅助支持.     

基于数据仓库的联机分析处理

随着信息技术的发展,数据形成了海量式的增长,为了分析数据、提取决策信息,数据仓库技术飞速发展,为了充分利用数据仓库中的数据、满足决策需要,数据仓库工具应运而生。联机分析处理（0n—line Analytical Processing OLAP）是数据仓库中一个最典型的应用,它把数据的组织由二维平面结构扩充到多维空间结构,并提供了多维数据分析方法。     

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．     

数据仓库技术在石化行业中的应用

随着企业从目前的粗放式经营向集约化经营转变,应运而生了数据仓库技术。本文以石化企业数据仓库技术的实施过程为例,介绍了数据仓库、联机分析处理(OLAP)、数据挖掘(DW)的概念和技术,阐述了该技术在石化行业实施过程中的应用平台、业务分析、实现功能等。     

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。     

数据仓库的数据采集与建模问题研究

本文讨论了建设大型数据仓库系统中的关键问题,对源数据的抽取、转换与加载和数据仓库建模问题进行了比较深入的分析.应用数据仓库技术,可以改善企业决策支持模式,提高企业参与国际市场的竞争能力.     

数据仓库在通信企业经营分析系统中的应用

针对国内通信企业在经营分析中的数据处理需求,提出了数据仓库技术在国内通信行业的应用前景。详细介绍了该数据仓库的特点和体系结构,并就数据库设计、OLAP（联机分析处理）以及数据分析方法进行了探讨。     

汽车销售分析与预测系统的设计与开发

市场分析和预测现在已成为了企业重要的决策依据和手段，而有效地存储和利用已有的销售数据是进行分析和预测的基础。数据仓库和联机分析技术提供了强大的数据存储和数据集成的功能，分析预测等数学方法提供了一系列的数据统计分析工具。将信息技术和数学方法结合起来应用于销售数据的分析与预测领域，提出了一个基于数据仓库决策支持应用子系统的设计和实施方案，展示出构建数据仓库技术平台和OLAP多维数据的过程，并介绍了分析和预测中所采用的统计预测方法，体现了先进的信息技术与决策科学的良好结合。     

一种医药制造企业的数据分析与决策支持方法

数据分析和决策支持是现代企业信息化的重要组成.该文提出一种医药制适企业的数据分析和决策支持设计方案,实现多维数据仓库基础上的高效分析,继而进行分级决策支持.     

一种面向医药制造业的数据整合和信息服务平台设计

本文提出一种针对医药制造企业的数据整合和信息服务平台设计方案,引入面向服务的SOA架构,致力于为医药制造企业打造＂数据实时采集整合、工作流引导数据仓库构建、多源数据挖掘、智能决策支持＂的信息服务平台。     

数据仓库与数据集市

当今,越来越多的企业和商业机构需要准确把握信息确定战略,而新一代数据仓库和数据集市技术就为数据收集、整合、挖掘提供了卓有成效的解决方案。从数据仓库和数据集市的概念入手,介绍了数据仓库和数据集市的特点、体系结构、构件、评价指标及其应用。     

基于数据仓库的网球比赛决策支持系统的研究与设计

本文介绍了基于数据仓库技术和数据挖掘技术构建的网球赛场的决策支持系统的研究与设计。该系统在对原有的数据源进行分析和重新组织的基础上,通过建立数据仓库来存储各种来自异质的信息源的数据,利用联机分析处理实现多维数据分析,然后通过数据挖掘技术从数据仓库中获得新的知识,以丰富决策支持系统的知识库。在系统的实现过程中,采用了ORACLE商务智能解决方案实现网球技术指标管理和预测的科学化,并说明OLAP数据仓库能够为网球比赛训练决策人员提供有效的决策信息     

数据仓库与数据挖掘在成人高校教学管理系统中的应用

成人高等教育是高等教育的重要组成部分,当今社会各成人高校面临的竞争日益激烈,为了增强竞争力,管理者需要将海量数据转换成有价值的信息和知识来辅助教育决策。基于这种需求,本文针对性地提出了将数据仓库和数据挖掘技术应用于成人高校管理系统中的设想。通过对历史数据的抽取、转换、清洗和加载等工作,将各个信息系统中的不同数据整合到同一数据库中,在整合数据库的基础上形成数据仓库,能够对各个信息管理系统历史数据进行全面性的查询、分析、统计,为管理人员的决策提供支持。     

基于数据仓库技术设计与实现的企业设备管理系统

比较了操作数据库系统与数据仓库的区别,提出了企业设备管理系统数据仓库的体系结构,建立了企业设备管理系统数据仓库的星型模型和逻辑模型,并设计了数据装载接口,实现了数据导人和导出、数据分析、数据分类、聚类、关联分析等功能,不仅提高了企业生产率,而且还能为企业节省大量资金,使设备管理工作更容易进行和组织。     

供电企业信息整合框架的设计与分析

分析了供电企业信息化建设的现状及存在问题,针对企业体制多样性、管理差异性和业务需求复杂性等诸多难点,基于数据仓库理论、企业门户技术和多种开发工具,提出了供电企业信息整合框架的设计方案.方案以"平台+组件"的开发思路为指导进行构建整合框架,在业务应用层这个层面建立企业门户,在技术支撑层和业务组件层具体实现多个服务和组件,如数据服务、日志服务等,并利用这些构件和服务进行构件组装和定制化开发,构建应用集成模块和数据整合模块,着重于企业门户的统一展现与数据整合,从而逐步实现一体化信息整合的总体目标.     

内存数据仓库集群技术研究

随着硬件的集成度不断提高,多核处理器和大内存成为当前主流的计算平台,内存计算也成为新兴的高性能数据分析平台.内存数据仓库集群技术面向高性能分析计算,是实现大数据实时分析的基础平台.本文概括地介绍了中国人民大学高性能数据库团队在内存数据仓库集群技术方面的研究工作,包括:以列分布和列计算服务为中心的ScaMMDB内存数据仓库集群,以水平分片、并行计算为中心的ScaMMDBⅡ和reverse-star schema分布、集群向量计算为特征的MiNT-OLAP Cluster等技术的研究发展过程.分析了内存数据仓库集群技术的关键问题及技术挑战,并针对新的内存数据仓库集群应用需求展望未来技术的发展.     

科技创新大数据清洗框架研究

河北省科技创新大数据公共平台是以海量数据资源为基础,基于数据仓库与数据挖掘技术构建,面向管理部门开展决策服务,面向社会公众开展信息服务的网络信息平台。但是,在构建数据仓库的过程中,存在各种各样的数据质量问题,最终产生各种错误的分析结果,所以,在进入数据仓库前,必须对数据进行清洗,从而保证进入数据仓库的数据质量。根据河北省科技攻关项目科技大数据标准化处理与应用系统,提出科技创新大数据清洗框架,在框架的基础上,定义清洗规则,改进清洗算法,在真实数据集上进行实验,解决了进入数据仓库的数据质量问题,从而保证了数据在数据仓库中的一致性和正确性,为后期的分析和处理提供了坚实的数据基础。