数据分析与数据采掘系统的构件技术的研究与应用

研究了基于数据仓库系统之上的数据采掘系统的构件技术,提出了建立数据采掘系统原型系统的技术方法,并将其应用到大庆油田数据采掘系统的应用中,效果良好.     

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。     

面向对象技术在构建数据仓库中的应用研究

为了利用数据仓库技术实现对经济指标数据的有效管理,提出了基于面向对象技术构建数据仓库的一种解决方案。在构建过程中,根据经济指标数据管理需求和数据仓库特点,确定了系统所面对的各种对象以及它们之间的关系,设计了数据仓库结构模型,应用Visual C .NET实现了数据仓库管理系统,并通过ADO(Active Data Object)和OLE(Object Link Embedded)等面向对象技术完成了数据仓库访问和异构系统数据集成,从而使经济指标数据仓库(EIDW:Economic Indicators Data Warehouse)可作为后台数据环境应用于经济动态分析、预测和监测的决策支持系统中。     

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。     

数据仓库数据加载技术

数据仓库中的数据不是传统数据库中数据的简单堆积，其数据的组织必须方便基于数据仓库基础之上的数据挖掘和商业智能工作，为决策者提供访问、分析及共享信息的能力，从而发挥数据仓库的真正功效。成功构造一个数据仓库的关键在于自始至终理解用户需要，紧紧围绕用户目标这一主题进行数据的搜集和存储。首先分析数据仓库的特点及拥有的数据类别及组成，重点介绍如何从现有数据库中有效地将数据引导至数据仓库的方法和策略，具体给出了数据仓库中5种不同类别数据的加载方法。     

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。     

谈谈数据仓库及数据挖掘工具

本文从数据仓库的组成入手,系统的分析了数据仓库的整个体系结构;着重地介绍了在数据仓库的设计过程中必须注意三个关键的问题:选择数据仓库的目标数据库、数据抽取和转换工具及前端数据访问和分析工具。     

教育考试数据仓库设计及构建

指出了建立教育考试数据仓库的必要性,并在讨论数据仓库理论的基础上,分析了北京教育考试院业务的现状和业务数据的特点,结合决策分析等的实际需求,设计了教育考试数据仓库系统架构,包括4个层次:业务数据层、数据仓库层、DS操作层和应用展现层;确定了教育考试数据仓库主题;设计了数据仓库的数据模型.     

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。     

数据物化策略研究

提高OLAP的响应速度和减少数据仓库中的数据存储量进行查询优化是数据仓库研究的核心问题。本文根据多维数据仓库的结构特点在满足OLAP需求下提出了一种视图物化的策图和分介质、变粒度存储策略,提高了OLAP响应速度。减少了数据仓库中的数据存储量。     

数据仓库和数据挖掘技术在CRM中的应用研究

介绍了数据仓库与数据挖掘的概念,具体对数据仓库与数据挖掘在客户生命周期中发现新客户、挖掘现有客户价值以及保持老客户3个不同阶段的应用进行了分析.     

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。     

数据挖掘和数据仓库及其在电信业中的应用

介绍了数据挖掘和数据仓库技术的类型、结构和方法,并探讨了它们在电信业中的应用,最后对数据挖掘和数据仓库在我国的发展提出了建议。     

基于数据仓库的决策支持系统框架研究

提出了在数据仓库基础上建立决策支持系统（ＤＳＳ）的体系框架,主要由模型库、方法库,知识库和数据仓库及其相应的管理系统以及数据挖掘单元和问题处理单元几部分组成。阐述了各部分的功能,相互关系,论述了基于数据仓库ＤＳＳ的优点,为知识的智能获取提供了新的手段。     

数据仓库中关联规则的元规则制导挖掘改进策略

许多数据仓库和数据挖掘的理论都曾说明元规则是一个非常重要的概念 ,也有一些研究提到元规则 ,但却很少利用元规则来进行数据仓库的关联规则的挖掘。本文针对在元规则制导下的数据仓库关联规则挖掘 ,提出一种简单的、充分利用元规则的、类Apriori和类决策树方法的实现策略 ,减少了查询数据仓库的次数 ,使数据挖掘过程中的存储结构简单 ,形成了快速查询。     

基于数据仓库与数据挖掘的会计信息系统的构建

指出事件驱动体系结构能够采集企业业务事件的全息数据,把数据集成在数据仓库里,有助于数据挖掘满足高层战略决策的要求.建立了基于数据仓库与数据挖掘的会计信息系统的实现模型,提出了基于事件驱动体系结构的财务会计子系统的开发思路以及管理会计子系统中数据挖掘的实现过程.     

基于物流成本主题域数据仓库的DSS开发

基于物流成本主题域数据仓库的DSS的研究,在我国尚属一个新的研究课题。在基于物流成本主题域的数据仓库的设计上,采用了星型模型,即一个以物流成本事实表为中心,若干维度表环绕四周的数据仓库模型。在数据挖掘部分,首先对数据进行了聚集,然后使用关联规则挖掘技术,从不同维度对物流成本库中的纪录进行资料挖掘。     

数据挖掘在税收分析中的应用

税收分析是税收管理的眼睛，对及时准确地发现问题、解决问题，加强税源管理和征收管理起着重要的导向作用。本文提出将数据挖掘技术应用于税收分析，将数据仓库中大量的业务数据转化为有用的知识，为决策者提供有效的信息。本文介绍了数据挖掘的主要功能，分析了税收数据挖掘过程，并简要介绍数据挖掘在税收分析中的应用。     

数据挖掘在税收分析中的应用

税收分析是税收管理的眼睛,对及时准确地发现问题、解决问题,加强税源管理和征收管理起着重要的导向作用。本文提出将数据挖掘技术应用于税收分析,将数据仓库中大量的业务数据转化为有用的知识,为决策者提供有效的信息。本文介绍了数据挖掘的主要功能,分析了税收数据挖掘过程,并简要介绍数据挖掘在税收分析中的应用。