前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇數(shù)據(jù)倉庫范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

數(shù)據(jù)倉庫范文第1篇

【關(guān)鍵詞】數(shù)據(jù)倉庫；可變性；決策；技術(shù)；發(fā)展

中圖分類號： C37 文獻(xiàn)標(biāo)識碼： A 文章編號：

一、前言

隨著計算機科學(xué)與技術(shù)的飛速發(fā)展，數(shù)據(jù)庫、計算機網(wǎng)絡(luò)和自動控制系統(tǒng)等被廣泛用于企業(yè)管理、政府辦公、科學(xué)研究和工程開發(fā)等領(lǐng)域，產(chǎn)生的數(shù)據(jù)量急劇增加，海量數(shù)據(jù)層出不窮。為了處理數(shù)目巨大的數(shù)據(jù)，數(shù)據(jù)倉庫應(yīng)運而生。數(shù)據(jù)倉庫的應(yīng)用也十分廣泛，并在不斷的發(fā)展。

二、目前國內(nèi)外發(fā)展現(xiàn)狀

在數(shù)據(jù)庫技術(shù)的當(dāng)前及未來發(fā)展里程中，數(shù)據(jù)倉庫以及基于此技術(shù)的商業(yè)智能無疑將是大勢所趨。IBM的實驗室在這方面進(jìn)行了10多年的研究，并將研究成果發(fā)展成為商用產(chǎn)品。除了用于OLAP(聯(lián)機分析處理)的后臺服務(wù)器DB20LAPServer外。IBM還提供了一系列相關(guān)的產(chǎn)品：包括前端工具，形成一整套解決方案。其它數(shù)據(jù)庫廠商在數(shù)據(jù)倉庫領(lǐng)域也毫不示弱方法各有不同。Informix也是類似，在其動態(tài)服務(wù)器IDS(Informix Dynamic Server)中提供一系列相關(guān)選件，如高級決策支持選件Advanced Decision Support Option，OLAP選件擴(kuò)展并行選件Extended Parallel Option等，并認(rèn)為這種體系結(jié)構(gòu)嚴(yán)謹(jǐn)，管理方便，索引機制完善，并行處理的效率更高。其中數(shù)據(jù)倉庫和數(shù)據(jù)庫查詢的SQL語句的一致使用戶開發(fā)更加簡便：而微軟則是在其SQIServer7．0中集成了代號為Plato柏拉圖的OLAP服務(wù)器，與上述公司不同的是，Sybase提供了專門的服務(wù)器0LAP Sybase lQ，并將與數(shù)據(jù)倉庫相關(guān)工具打包成Warehouse Studio。

從中國的數(shù)據(jù)庫市場來看，大部分?jǐn)?shù)據(jù)庫系統(tǒng)的建立是用來進(jìn)行傳統(tǒng)的OLTP業(yè)務(wù)。也有一些企業(yè)建立了數(shù)據(jù)倉庫系統(tǒng)，但真正發(fā)揮效用的卻不多見。和TCP／IP,SMTP)Java等相比。尚不存在可靠的、完善的、被廣泛接受的數(shù)據(jù)倉庫標(biāo)準(zhǔn)，影響了數(shù)據(jù)倉項目的實施。

三、數(shù)據(jù)倉庫的相關(guān)技術(shù)

1、異種數(shù)據(jù)源集成

企業(yè)在進(jìn)行經(jīng)營分析與決策支持系統(tǒng)建設(shè)時必須將遺留系統(tǒng)(Legacy System)進(jìn)行高效全面地集成，由于遺留系統(tǒng)是在企業(yè)發(fā)展的不同時期建設(shè)的往往缺乏全局的規(guī)劃，所以常表現(xiàn)為不同的操作系統(tǒng)平臺、不同的數(shù)據(jù)庫平臺、不同的網(wǎng)絡(luò)通信機制等等，形成了所謂的“信息孤島”。

數(shù)據(jù)源分為在線數(shù)據(jù)源和離線數(shù)據(jù)源，在線數(shù)據(jù)源是指允許在線抽取的業(yè)務(wù)數(shù)據(jù)源，如營業(yè)數(shù)據(jù)，離線數(shù)據(jù)源是指不允許直接在線抽取的數(shù)據(jù)源，如計費詳單數(shù)據(jù)，采用以脫機平面文件數(shù)據(jù)的格式以FTP方式集成進(jìn)本系統(tǒng)。

2、ODS層的設(shè)計

操作數(shù)據(jù)存儲ODS(Operation Data Storage)是一個集成了來自不同數(shù)據(jù)庫數(shù)據(jù)的環(huán)境。其目的是為終端用戶提供一致的企業(yè)數(shù)據(jù)集成視圖。它可以幫助用戶輕松應(yīng)對跨多個商業(yè)功能的操作挑戰(zhàn)。它是面向主題的、集成的、實時的數(shù)據(jù)存儲。

3、TL過程的設(shè)計

數(shù)據(jù)抽取、轉(zhuǎn)換和加載，是數(shù)據(jù)倉庫實現(xiàn)過程中，進(jìn)行數(shù)據(jù)由數(shù)據(jù)源系統(tǒng)向數(shù)據(jù)倉庫加載的主要方法，整個數(shù)據(jù)處理過程如下：數(shù)據(jù)抽?。簭臄?shù)據(jù)源系統(tǒng)抽取數(shù)據(jù)倉庫系統(tǒng)需要的數(shù)據(jù)。數(shù)據(jù)抽取采用統(tǒng)一的接1：3，可以從數(shù)據(jù)庫抽取數(shù)據(jù)，也可以從文件抽取，對于不同數(shù)據(jù)平臺、不同的源數(shù)據(jù)形式、不同性能要求的業(yè)務(wù)系統(tǒng)以及不同數(shù)據(jù)量的源數(shù)據(jù)，可能采用的接口方式不同；數(shù)據(jù)轉(zhuǎn)換：數(shù)據(jù)轉(zhuǎn)換是指對抽取的源數(shù)據(jù)根據(jù)數(shù)據(jù)倉庫系統(tǒng)模型的要求，進(jìn)行數(shù)據(jù)的轉(zhuǎn)換、清洗、拆分、匯總等處理，保證來自不同系統(tǒng)、不同格式的數(shù)據(jù)和信息模型的一致性和完整性，并按要求裝入數(shù)據(jù)倉庫；數(shù)據(jù)加載：數(shù)據(jù)加載就是將轉(zhuǎn)換后的數(shù)據(jù)加載到數(shù)據(jù)倉庫系統(tǒng)中。數(shù)據(jù)加載采用數(shù)據(jù)加載工具，也可以采用API編程進(jìn)行數(shù)據(jù)加載。

四、數(shù)據(jù)倉庫可變性

數(shù)據(jù)倉庫不是—個靜止不變的產(chǎn)品，而是一個動態(tài)的，不停變化的過程。這個過程為全企業(yè)的管理系統(tǒng)奠定信息基礎(chǔ)。該系統(tǒng)可用來測算利潤、管理和分析風(fēng)險、進(jìn)行市場分析、幫助規(guī)劃和加強客戶服務(wù)計劃及市場推進(jìn)計劃。與現(xiàn)買現(xiàn)裝的產(chǎn)品不同，成功的數(shù)據(jù)倉庫實際上是一個過程。它要求公司仔細(xì)分析本公司的基本原則，決定需要哪些運作數(shù)據(jù)和外部數(shù)據(jù)源，然后利用一種嚴(yán)密的方法把所有的數(shù)據(jù)集中起來，再變換成有用的信息。

數(shù)據(jù)倉庫過程一旦開始實施，就沒有終結(jié)的時候。它的可用性和中肯性在極大程度上來自于其信息的新鮮性。因此，公司必須不斷對它進(jìn)行更新，饋入新的統(tǒng)計信息和新的事務(wù)檔案。

五、數(shù)據(jù)倉庫的在企業(yè)決策中的重要性

數(shù)據(jù)倉庫直接影響事關(guān)公司命運的決策。數(shù)據(jù)倉庫是一種數(shù)據(jù)集成戰(zhàn)略，目的是促進(jìn)最終用戶利用企業(yè)數(shù)據(jù)，同時保護(hù)公司的數(shù)據(jù)財富（關(guān)鍵任務(wù)的可操作數(shù)據(jù)）安全性和完整性。只要安排妥當(dāng)，數(shù)據(jù)倉庫就能發(fā)揮它的重要作用，即人們可以很快地作出決策。因此，數(shù)據(jù)倉庫是實施公司戰(zhàn)略的一種技術(shù)手段。

一般來說，構(gòu)筑數(shù)據(jù)倉庫是一個頻繁的查閱過程，它可分為若干階段，其中包括需求分析、數(shù)據(jù)倉庫的設(shè)計、操作數(shù)據(jù)的提取、不相容數(shù)據(jù)的集成，數(shù)據(jù)倉庫的裝填、最終交付用戶使用。在后續(xù)期內(nèi)，還應(yīng)該對數(shù)據(jù)倉庫作定期更新。

六、數(shù)據(jù)庫發(fā)展前景與展望

1、智能化

計算機科學(xué)主要目標(biāo)是使計算機與人的界面盡量靠近人這邊。因此。要盡量提高計算機的智能水平。智能化是計算機科學(xué)各個分支的研究前沿。在數(shù)據(jù)庫方面，智能化的工作是將人工智能技術(shù)與數(shù)據(jù)庫技術(shù)相結(jié)合，即演繹數(shù)據(jù)庫知識庫研究。目前的主要困難在于遞歸查詢處理無法取得滿意的性能，硬件技術(shù)的革命(大內(nèi)存、并行機、高速存取的外存儲器)將是提高知識庫查詢效率的重要因素。

2、多媒體

多媒體數(shù)據(jù)處理的困難很多，即使是一般的復(fù)雜對象目前也還不能很好地處理。多媒體數(shù)據(jù)的建模、存儲和多媒體數(shù)據(jù)庫的查詢及查詢處理等都是需要我們研究解決的內(nèi)容。

3、網(wǎng)絡(luò)化

信息分布方面主要是分布式數(shù)據(jù)庫系統(tǒng)的研究。分布式數(shù)據(jù)庫從20世紀(jì)70年代開始研究，但是一直沒有出現(xiàn)商品化的分布式數(shù)據(jù)庫系統(tǒng)，這說明了它的難度。當(dāng)前比較好的具有數(shù)據(jù)分布特征的數(shù)據(jù)庫管理系統(tǒng)是Client／Server體系結(jié)構(gòu)的系統(tǒng)如：SYBASE，ORACLE7等)。但新的計算機應(yīng)用又對它提出了新的要求，智能化、新型事務(wù)模型、多媒體數(shù)據(jù)的處理、高速信息通訊、數(shù)據(jù)源的高度透明性等將是新型的分布式數(shù)據(jù)庫系統(tǒng)的重要研究內(nèi)容。

4、與軟件工程的結(jié)合

到目前為止，數(shù)據(jù)庫設(shè)計與應(yīng)用程序設(shè)計是分離的。并且在具體的應(yīng)用系統(tǒng)開發(fā)中。往往由2個小組各行其事。其后果是一方面的優(yōu)良設(shè)計不得不放棄，導(dǎo)致系統(tǒng)性能低下或用戶要求無法滿足。面向?qū)ο蠹夹g(shù)是二者結(jié)合的有效手段。但是，良好地結(jié)合還需要很長時間的努力。處理的數(shù)據(jù)越來越龐大、計算機網(wǎng)絡(luò)越來越復(fù)雜、系統(tǒng)的智能水平越來越高是計算機系統(tǒng)發(fā)展的總趨勢。因此，未來的信息管理系統(tǒng)的特征將是處理復(fù)雜對象、分布、智能。在復(fù)雜對象處理方面，面向?qū)ο髷?shù)據(jù)庫、多媒體數(shù)據(jù)庫將會由于廣泛的應(yīng)用背景和強大系統(tǒng)實驗而迅速發(fā)展。在數(shù)據(jù)分布方面，客戶服務(wù)器數(shù)據(jù)庫系統(tǒng)將快速發(fā)展，并在應(yīng)用上取得良好效果。在智能化方面。數(shù)據(jù)庫和人工智能將在各自的領(lǐng)域不斷發(fā)展、不斷取得新的成果。

七、結(jié)束語

目前數(shù)據(jù)倉庫技術(shù)仍處于不斷發(fā)展，并在實際應(yīng)用中發(fā)揮了巨大的作用。為了更好的使用數(shù)據(jù)倉庫技術(shù)，讓其造福實際工作，應(yīng)該全面認(rèn)識數(shù)據(jù)倉庫，并在實踐中不斷的發(fā)展完善數(shù)據(jù)倉庫。

參考文獻(xiàn)

[1]徐潔磐．?dāng)?shù)據(jù)倉庫[M].機械工業(yè)出版社,2007．

數(shù)據(jù)倉庫范文第2篇

關(guān)鍵詞：數(shù)據(jù)倉庫；數(shù)據(jù)挖掘；決策樹

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：16727800（2013）002009904

0 引言

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘是近年來剛剛興起并逐步發(fā)展起來的一門新興交叉學(xué)科，它把對數(shù)據(jù)的應(yīng)用從低層次的簡單查詢，提升到從數(shù)據(jù)中挖掘知識，并提供決策支持。此門學(xué)科涉及到許多領(lǐng)域的知識，包括數(shù)據(jù)庫技術(shù)、人工智能技術(shù)、數(shù)理統(tǒng)計、可視化技術(shù)、并行計算、機器學(xué)習(xí)等，匯集了多門學(xué)科的知識并在綜合運用這些學(xué)科知識的基礎(chǔ)上產(chǎn)生出新的知識和方法。此門學(xué)科的應(yīng)用主要在于構(gòu)建企業(yè)的決策支持系統(tǒng)，此系統(tǒng)正是目前幫助企業(yè)提高自身競爭力的重要手段。

在數(shù)據(jù)倉庫與數(shù)據(jù)挖掘?qū)W科中涉及了許多概念、設(shè)計方法及諸多挖掘算法，本文將就其中的一些內(nèi)容結(jié)合SQL Server Analysis Service應(yīng)用實例加以闡述與說明，以加深對理論的理解，并逐步掌握此門學(xué)科所提供的更多技術(shù)。

總體來講，構(gòu)建一個企業(yè)的決策支持系統(tǒng)主要有兩個階段，第一個階段是創(chuàng)建企業(yè)的數(shù)據(jù)倉庫，第二個階段是在數(shù)據(jù)倉庫的基礎(chǔ)上進(jìn)行數(shù)據(jù)挖掘。這兩個階段的工作相輔相成，數(shù)據(jù)倉庫是基礎(chǔ)，數(shù)據(jù)挖掘是在數(shù)據(jù)倉庫之上的高層應(yīng)用，兩者需要整體規(guī)劃、分步實施。下面分別就這兩部分內(nèi)容結(jié)合實例加以闡述。

1 數(shù)據(jù)倉庫的規(guī)劃與設(shè)計

數(shù)據(jù)倉庫是一個面向主題的、集成的，時變的、非易失的數(shù)據(jù)集合，支持部門管理的決策過程，數(shù)據(jù)中的每一個數(shù)據(jù)單元在實踐上都是和某個時刻相關(guān)的。數(shù)據(jù)倉庫也被看作是某個組織的數(shù)據(jù)存儲庫，用于支持戰(zhàn)略決策。數(shù)據(jù)倉庫的功能是以集成的方式存儲整個組織的歷史數(shù)據(jù)，這些數(shù)據(jù)會影響到這個組織和企業(yè)的多個方面。數(shù)據(jù)倉庫的特點是：數(shù)據(jù)常常來自于多個數(shù)據(jù)源；其存放模式一致；駐留在單個站點；數(shù)據(jù)已經(jīng)清理、變換、集成與裝載并定期刷新；數(shù)據(jù)量巨大。

數(shù)據(jù)倉庫構(gòu)建方法同一般數(shù)據(jù)庫構(gòu)建方法最大的不同在于數(shù)據(jù)倉庫的需求分析是從用戶的決策問題入手，其目的是直接針對問題的主題，而一般數(shù)據(jù)庫系統(tǒng)是以事務(wù)處理為出發(fā)點。下面結(jié)合具體實例說明數(shù)據(jù)倉庫的設(shè)計步驟。

1.1 確定用戶需求，為數(shù)據(jù)倉庫中存儲的數(shù)據(jù)建立模型

通過數(shù)據(jù)模型得到企業(yè)完整而清晰的描述信息。數(shù)據(jù)模型是面向主題建立的，同時又為多個面向應(yīng)用的數(shù)據(jù)源的集成提供了統(tǒng)一的標(biāo)準(zhǔn)。

例如：FoodMart是一家大型的連鎖店，在美國、墨西哥和加拿大有銷售業(yè)務(wù)。市場部想要按產(chǎn)品和顧客分析1998年進(jìn)行的所有銷售業(yè)務(wù)數(shù)據(jù)。該公司現(xiàn)在急需進(jìn)行銷售方面的數(shù)據(jù)分析，以找到一些潛在規(guī)律來促進(jìn)銷售業(yè)務(wù)的進(jìn)一步拓展從而擴(kuò)大銷售渠道、加大銷售量、提高銷售利潤、增強公司競爭力。該連鎖店銷售的產(chǎn)品總體上被分為若干個大類，細(xì)節(jié)上分為若干個小類；客戶廣泛分布于不同地區(qū)、不同國家。該連鎖店在銷售信息管理系統(tǒng)中長期保存并不斷更新著產(chǎn)品、產(chǎn)品分類、商店、銷售、促銷、客戶等記錄表，依次為：產(chǎn)品表（PRODUCT）、產(chǎn)品分類表（PRODUCT_CLASS）、商店表（STOR）、1998年銷售記錄表（Sales_fact_1998）、促銷表（PROMOTION）、客戶表（CUSTOMER）等。

FoodMart連鎖店保存并不斷更新的數(shù)據(jù)庫是事務(wù)處理型數(shù)據(jù)庫，其結(jié)構(gòu)是面向應(yīng)用而設(shè)計的。要進(jìn)行數(shù)據(jù)挖掘就必須建立面向主題的數(shù)據(jù)倉庫，為了進(jìn)行1998年銷售方面的數(shù)據(jù)挖掘，要設(shè)計的數(shù)據(jù)倉庫必須以1998年銷售數(shù)據(jù)為主題，輔之以日期、產(chǎn)品、產(chǎn)品分類、商店、促銷、客戶等其它數(shù)據(jù)信息。具體來講，即創(chuàng)建以1998年銷售為主題的數(shù)據(jù)倉庫，采用星型/雪花模式構(gòu)建事實表。

1.2 分析數(shù)據(jù)源，完成數(shù)據(jù)倉庫的設(shè)計工作

基于用戶的需求，著重于1998年銷售主題，開發(fā)數(shù)據(jù)倉庫中數(shù)據(jù)的物理存儲結(jié)構(gòu)，即設(shè)計多維數(shù)據(jù)結(jié)構(gòu)的事實表和維表。1998年銷售事實表包含5個維表和3個度量。這5個維表分別是日期、客戶、產(chǎn)品、促銷和商店維表，3個度量分別為銷售金額、倉儲成本、銷售單位?？紤]到將來要根據(jù)顧客的年收入情況進(jìn)行顧客會員卡種類方面的數(shù)據(jù)分析，另外增加了年收入維度（yearly income，取自于customer表）。為便于分析挖掘出有關(guān)時間因素的信息，特增加了時間表time。

1.3 生成物理的數(shù)據(jù)倉庫，并從各種源系統(tǒng)中獲取數(shù)據(jù)裝入數(shù)據(jù)倉庫中 在SQL Server Analysis Service manager中建立物理的數(shù)據(jù)倉庫可以通過ODBC數(shù)據(jù)源方式指定原有數(shù)據(jù)庫，再通過Microsoft OLE DB Provider for ODBC進(jìn)行連接的方式完成原有數(shù)據(jù)庫到數(shù)據(jù)倉庫的映射。運用SQL Server Analysis Service manager提供的功能建立數(shù)據(jù)倉庫的多維數(shù)據(jù)集，指定此數(shù)據(jù)倉庫的度量值與維度，至此數(shù)據(jù)倉庫建立完畢。其中緯度與度量值如圖2所示。

2 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘（Data Mining）又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database， KDD），就是從大量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。簡言之，數(shù)據(jù)挖掘就是從海量數(shù)據(jù)中提取隱含在其中的有用信息和知識的過程。數(shù)據(jù)挖掘可以幫助企業(yè)對數(shù)據(jù)進(jìn)行微觀、中觀乃至宏觀的統(tǒng)計、分析、綜合和推理，從而利用已有數(shù)據(jù)預(yù)測未來，幫助企業(yè)贏得競爭優(yōu)勢。數(shù)據(jù)挖掘的方法是建立在聯(lián)機分析處理 （On Line Analytical Processing，OLAP）的環(huán)境基礎(chǔ)之上的。OLAP技術(shù)使數(shù)據(jù)倉庫能夠快速響應(yīng)重復(fù)而復(fù)雜的分析查詢，從而使數(shù)據(jù)倉庫能有效地用于聯(lián)機分析。OLAP 的多維數(shù)據(jù)模型和數(shù)據(jù)聚合技術(shù)可以組織并匯總大量的數(shù)據(jù)，以便能夠利用聯(lián)機分析和圖形工具迅速對數(shù)據(jù)進(jìn)行評估。當(dāng)分析人員搜尋答案或試探可能性時，在得到對歷史數(shù)據(jù)查詢的回答后，經(jīng)常需要進(jìn)行進(jìn)一步查詢。OLAP系統(tǒng)可以快速靈活地為分析人員提供實時支持。

數(shù)據(jù)挖掘工作是在完備地建立了數(shù)據(jù)庫、數(shù)據(jù)倉庫等數(shù)據(jù)集的基礎(chǔ)上進(jìn)行的，典型的數(shù)據(jù)挖掘系統(tǒng)結(jié)構(gòu)如圖3所示。

整個數(shù)據(jù)挖掘過程主要可分幾個階段，依次為：問題定義、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘以及結(jié)果的解釋和評估。

2.1 問題定義

問題定義就是要清晰地定義出業(yè)務(wù)問題，確定數(shù)據(jù)挖掘的目的。對于FoodMart連鎖店來說，它的問題定義就是：FoodMart連鎖店的市場部想增加客戶滿意度和客戶保有率，于是實行了創(chuàng)造性的方法以達(dá)到這些目標(biāo)。

其方法之一是對會員卡方案重新進(jìn)行定義，以便更好地為客戶提供服務(wù)并且使所提供的服務(wù)能夠更加密切地滿足客戶的期望。

為了重新定義會員卡方案，市場部想分析當(dāng)前銷售事務(wù)并找出客戶人口統(tǒng)計信息（婚姻狀況、年收入、在家子女?dāng)?shù)等等）和所申請卡之間的模式，然后根據(jù)這些信息和申請會員卡的客戶的特征重新定義會員卡。

2.2 數(shù)據(jù)預(yù)處理

最初為數(shù)據(jù)挖掘所準(zhǔn)備的所有原始數(shù)據(jù)集通常都很大，它們當(dāng)中存在許多臟數(shù)據(jù)。造成臟數(shù)據(jù)的原因主要源自于收集與傳送過程的錯誤、濫用縮寫詞以及不同的慣用語、重復(fù)記錄、數(shù)據(jù)輸入錯誤、拼寫變化、不同的計量單位、過時的編碼、集成時的空值與丟失值以及不同的數(shù)據(jù)源等。臟數(shù)據(jù)主要有以下一些表現(xiàn)形式：

（1）數(shù)據(jù)不完整。表現(xiàn)為：感興趣的屬性缺值；缺乏感興趣的屬性；僅包含聚集數(shù)據(jù)等。例如：CUSTOMER表中的LNAME=“”

（2）數(shù)據(jù)噪聲。即包含錯誤的屬性值或存在偏離期望的孤立點值。一個屬性的值與事實完全不吻合的情況，例如：CUSTOMER表中的在家子女?dāng)?shù)num_children_at_home=200

（3）數(shù)據(jù)不一致。數(shù)據(jù)不一致表現(xiàn)為多種情況，比如：同樣的屬性在不同的結(jié)構(gòu)里使用不同的名字，例如：name、xm；不同數(shù)據(jù)使用的計量單位不同，例如：100（美元）、100（美分）；數(shù)據(jù)不允許為空的地方數(shù)據(jù)為空等。

如果在臟數(shù)據(jù)上進(jìn)行數(shù)據(jù)挖掘?qū)⒑芸赡軐?dǎo)致錯誤的判斷甚至完全相反的分析結(jié)果，也就是說，沒有高質(zhì)量的數(shù)據(jù)就沒有高質(zhì)量的挖掘結(jié)果。由于決策質(zhì)量依賴于數(shù)據(jù)質(zhì)量，因此需要在數(shù)據(jù)挖掘之前進(jìn)行數(shù)據(jù)預(yù)處理，以保證數(shù)據(jù)倉庫內(nèi)包含的是高質(zhì)量的、一致的數(shù)據(jù)。所謂數(shù)據(jù)預(yù)處理其實就是對數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行提取、清理、轉(zhuǎn)換，從而保證數(shù)據(jù)的高質(zhì)量，具體來講包括以下幾種操作：

（1）數(shù)據(jù)清理（data cleaning）。就是去掉數(shù)據(jù)中的噪聲，糾正不一致；填寫空缺值，平滑噪聲數(shù)據(jù)，識別、刪除孤立點。例如：將CUSTOMER表中的在家子女?dāng)?shù)num_children_at_home=200的記錄值刪除掉或填入平均值1。

（2）數(shù)據(jù)集成（data integration）。將多個數(shù)據(jù)源中的數(shù)據(jù)合并存放在一個統(tǒng)一的數(shù)據(jù)存儲（如數(shù)據(jù)倉庫、數(shù)據(jù)庫等）中，數(shù)據(jù)源可以是多個數(shù)據(jù)庫、數(shù)據(jù)立方體或一般的數(shù)據(jù)文件。

（3）數(shù)據(jù)變換（data transformation）。即數(shù)據(jù)的標(biāo)準(zhǔn)化與聚集，將數(shù)據(jù)變換成適于挖掘的形式。例如：屬性數(shù)據(jù)可以規(guī)范化，使得它們可以落入某個小區(qū)間。

（4）數(shù)據(jù)歸約（data reduction）。數(shù)據(jù)歸約技術(shù)可以用來得到數(shù)據(jù)集的歸約表示，它接近于保持原數(shù)據(jù)的完整性，但數(shù)據(jù)量比原數(shù)據(jù)小得多。與非歸約數(shù)據(jù)相比，在歸約的數(shù)據(jù)上進(jìn)行挖掘，所需的時間和內(nèi)存資源更少，挖掘?qū)⒏行?，并產(chǎn)生相同或幾乎相同的分析結(jié)果。數(shù)據(jù)歸約主要通過數(shù)據(jù)聚集（如建立數(shù)據(jù)立方體）、維歸約（如刪除不相關(guān)特性）、數(shù)據(jù)壓縮（如最短編碼）、數(shù)字歸約（用較短的表示替換數(shù)據(jù)）、概化（去掉不用的屬性）等方法完成。例如，對于FoodMart連鎖店的數(shù)據(jù)挖掘來講，CUSTOMER表中的address1、address2、address3、 address4這4個屬性與挖掘目標(biāo)無關(guān)，所以可以將它們刪除掉以節(jié)省空間和時間。

2.3 選擇挖掘模型，進(jìn)行數(shù)據(jù)挖掘

根據(jù)數(shù)據(jù)挖掘的目標(biāo)和數(shù)據(jù)的特征，選擇合適的挖掘模型，在凈化和轉(zhuǎn)換過的數(shù)據(jù)集上進(jìn)行數(shù)據(jù)挖掘。

FoodMart連鎖店的工作設(shè)想是：對會員卡方案重新進(jìn)行定義，以便更好地為客戶提供服務(wù)并且使所提供的服務(wù)能夠更加密切地滿足客戶的期望。市場部想分析當(dāng)前銷售事務(wù)并找出客戶人口統(tǒng)計信息（婚姻狀況、年收入、在家子女?dāng)?shù)等）和所申請卡之間的模式，然后根據(jù)這些信息和申請會員卡的客戶的特征重新定義會員卡。

對于這個工作預(yù)期，決定采用決策樹的數(shù)據(jù)挖掘方法進(jìn)行客戶群的分析。所謂決策樹，就是在對數(shù)據(jù)進(jìn)行決策分類時利用樹的結(jié)構(gòu)將數(shù)據(jù)記錄進(jìn)行分類，其中樹的一個葉結(jié)點就代表符合某個條件的屬性集，根據(jù)屬性的不同取值建立決策樹的各個分支，隨后遞歸地構(gòu)造每個子節(jié)點的子樹。由于決策樹結(jié)構(gòu)簡單便于人們認(rèn)識與理解，以及決策樹不需要額外的數(shù)據(jù)訓(xùn)練，因此，決策樹是數(shù)據(jù)挖掘中常用的一種分類方法。

本實例采用“Microsoft 決策樹”算法在客戶群中找出會員卡選擇模式。按照以下步驟完成“決策樹”挖掘模型：

（1）將要挖掘的維度（事例維度）設(shè)置為客戶；

（2）將 Member_Card 成員的屬性設(shè)置為數(shù)據(jù)挖掘算法識別模式時要使用的信息；

（3）選擇人口統(tǒng)計特征列表（婚姻狀況、年收入、在家子女?dāng)?shù)和教育程度），算法將據(jù)此確定模式；

（4）處理訓(xùn)練模型，瀏覽決策樹視圖并從中讀取模式。

經(jīng)過處理后，挖掘模型瀏覽器展現(xiàn)出一棵深度為3、寬度為8的決策樹，此瀏覽器將根據(jù)用戶對樹中不同分支節(jié)點的選擇顯示出相應(yīng)的統(tǒng)計信息。

例如，選擇根節(jié)點“全部”顧客的方框后顯示信息如圖4所示。

在圖中可以看到數(shù)據(jù)挖掘的結(jié)果：將客戶按照年收入的不同分為8個區(qū)段（類），涉及的客戶總數(shù)為7 632人，通過直方圖可以直觀地看到辦理金、銀、銅、普通卡的比例。

選擇年收入在$30K-$50K的范圍框后，挖掘模型瀏覽器的顯示信息如圖5所示。

年收入在此范圍內(nèi)的客戶共計1 362人，其中辦理金、銀、銅、普通卡的數(shù)量和比例通過合計及直方圖可以一目了然。

其它選項依此類推。

對年收入在$150K以上的范圍節(jié)點進(jìn)行進(jìn)一步分級（顯示其子節(jié)點），選擇已婚節(jié)點后顯示信息如圖6所示。

其它選項依此類推。

2.4 解釋模型結(jié)果分析

針對FoodMart商店的舉措，對挖掘模型瀏覽器的顯示結(jié)果進(jìn)行研讀后得出這樣的結(jié)論：年收入越高的顧客辦理金卡、銀卡的比例越高，收入越低的顧客辦理普通卡和銅卡的比例越高。在高收入的顧客中，已婚者辦理金卡的比例最高，單身者辦理銀卡的比例最高。在較低收入的顧客中，在家子女的人數(shù)少于兩人的辦理銅卡的比例較高，多于兩人的辦理金卡的比例較高。具體數(shù)據(jù)值及比例值可以從挖掘模型瀏覽器中得到。市場部將根據(jù)這些模式設(shè)計新的會員卡，使其適應(yīng)申請各類會員卡的客戶類型。

3 結(jié)語

企業(yè)要建立自己的決策支持系統(tǒng)就必然要應(yīng)用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘技術(shù)，企業(yè)應(yīng)根據(jù)自身要求合理建立特定主題的數(shù)據(jù)倉庫，在此基礎(chǔ)上還要結(jié)合實際問題選擇相應(yīng)的挖掘模型，從而得到最有價值的挖掘分析結(jié)果，以利于企業(yè)的經(jīng)營發(fā)展。

參考文獻(xiàn)：

數(shù)據(jù)倉庫范文第3篇

【關(guān)鍵詞】數(shù)據(jù)倉庫 數(shù)據(jù)挖掘 技術(shù) 應(yīng)用

信息時代背景下，傳統(tǒng)數(shù)據(jù)庫主要是面向事務(wù)并存儲在線交易的數(shù)據(jù)信息，但是無法為人們找到信息中隱藏的重要內(nèi)容。因此社會發(fā)展新形勢下，數(shù)據(jù)倉庫與挖掘技術(shù)應(yīng)運而生，并成為企業(yè)現(xiàn)代化發(fā)展的重要應(yīng)用技術(shù)，不僅能夠提高數(shù)據(jù)信息管理能力，還能夠促進(jìn)企業(yè)發(fā)展。因此加強對該課題的研究具有積極意義。

1 數(shù)據(jù)倉庫及數(shù)據(jù)挖掘技術(shù)概念

所謂數(shù)據(jù)倉庫技術(shù)設(shè)計靈感來自于傳統(tǒng)數(shù)據(jù)庫技術(shù)，其主要是在計算機中實現(xiàn)數(shù)據(jù)存儲的一種技術(shù)。但是相比較傳統(tǒng)數(shù)據(jù)庫，二者存在本質(zhì)上的差別。數(shù)據(jù)倉庫的出現(xiàn)并未取代傳統(tǒng)數(shù)據(jù)庫，二者共存在信息時代，且發(fā)揮自身獨特的優(yōu)勢。數(shù)據(jù)庫主要存儲在線交易數(shù)據(jù)，且盡量避免冗余，通常采取符合范式規(guī)則設(shè)計；而數(shù)據(jù)倉庫在設(shè)計過程中有意引入冗余，采取反范式方式實現(xiàn)設(shè)計目標(biāo)。

而數(shù)據(jù)挖掘技術(shù)是在數(shù)據(jù)集合基礎(chǔ)之上，從中抽取隱藏在數(shù)據(jù)當(dāng)中的有用信息的非平凡過程。這些信息表現(xiàn)形式呈現(xiàn)多樣化，如概念、規(guī)則等。它在具體應(yīng)用過程中，不僅能夠幫助決策者分析歷史與當(dāng)前數(shù)據(jù)信息，還具有預(yù)見作用。就本質(zhì)上來看，數(shù)據(jù)挖掘過程也是知識發(fā)現(xiàn)的過程。數(shù)據(jù)挖掘技術(shù)是多個學(xué)科綜合的結(jié)果，對此其融合了多項技術(shù)功能，如聚類、分類及預(yù)測等，且這些功能并非獨立存在，而是存在相互依存關(guān)系。

2 數(shù)據(jù)倉庫與挖掘技術(shù)的應(yīng)用

2.1 數(shù)據(jù)倉庫技術(shù)的應(yīng)用

作為信息提供平臺，其從業(yè)務(wù)處理系統(tǒng)中獲得數(shù)據(jù)，并以星型與雪花模型實現(xiàn)對數(shù)據(jù)的有效組織。一般情況下，它具體應(yīng)用主要表現(xiàn)在四個方面：

2.1.1 抽取數(shù)據(jù)信息

數(shù)據(jù)倉庫具有獨立性，在應(yīng)用中需要從事務(wù)處理系統(tǒng)、外部數(shù)據(jù)源等介質(zhì)當(dāng)中獲取數(shù)據(jù)，并設(shè)置定時抽取，但需要合理控制操作時間、順序等，以提高數(shù)據(jù)信息有效性。

2.1.2 存儲和管理數(shù)據(jù)

作為數(shù)據(jù)倉庫的關(guān)鍵，數(shù)據(jù)存儲及管理模式直接決定其自身特性。因此該方面工作需要從技術(shù)特點入手，并積極解決對各項業(yè)務(wù)并行處理、查詢優(yōu)化等問題。

2.1.3 表現(xiàn)數(shù)據(jù)

數(shù)據(jù)表現(xiàn)作為數(shù)據(jù)倉庫的開端，集中在多位分析、數(shù)理統(tǒng)計等多個方面。其中多維分析是數(shù)據(jù)倉庫的核心，也是具體表現(xiàn)形式，而通過數(shù)據(jù)統(tǒng)計能夠幫助企業(yè)抓住機遇，實現(xiàn)經(jīng)濟(jì)效益最大化目標(biāo)。

2.1.4 技術(shù)咨詢

數(shù)據(jù)倉庫的出現(xiàn)及應(yīng)用并不簡單，其是一個系統(tǒng)性的解決方案和工程。實施數(shù)據(jù)倉庫時，技術(shù)咨詢服務(wù)十分重要，是一個必不可少的部分，對此在應(yīng)用中，應(yīng)加強對技術(shù)咨詢的關(guān)注力度。

2.2 數(shù)據(jù)挖掘技術(shù)在各領(lǐng)域中的應(yīng)用

不同于傳統(tǒng)時代，社會各領(lǐng)域在參與激烈的市場競爭過程中，充分認(rèn)識到數(shù)據(jù)對自身長遠(yuǎn)發(fā)展戰(zhàn)略實現(xiàn)的重要性。因此數(shù)據(jù)挖掘技術(shù)在當(dāng)前各行業(yè)發(fā)展中隨處可見。

2.2.1 應(yīng)用于醫(yī)學(xué)方面，提高診斷準(zhǔn)確率

眾所周知，人體奧秘?zé)o窮無盡，遺傳密碼、人類疾病等方面都蘊含了海量數(shù)據(jù)信息。而傳統(tǒng)研究模式，單純依靠人工無法真正探索真正的秘密。而利用數(shù)據(jù)挖掘技術(shù)能夠有效解決這些問題，給醫(yī)療工作者帶來了極大的便利。同時，醫(yī)療體制改革背景下，醫(yī)院內(nèi)部醫(yī)療器具的管理、病人檔案資料整理等方面同樣涉及數(shù)據(jù)，引進(jìn)數(shù)據(jù)挖掘技術(shù)，能夠深入分析疾病之間的聯(lián)系及規(guī)律，幫助醫(yī)生診斷和治療，以達(dá)到診斷事半功倍的目標(biāo)，且為保障人類健康等提供強大的技術(shù)支持。

2.2.2 應(yīng)用于金融方面，提高工作有效性

銀行及金融機構(gòu)中涉及儲蓄、信貸等大量數(shù)據(jù)信息。利用數(shù)據(jù)挖掘技術(shù)管理和應(yīng)用這些數(shù)據(jù)信息，能夠幫助金融機構(gòu)更好地適應(yīng)互聯(lián)網(wǎng)金融時代的發(fā)展趨勢。提高金融數(shù)據(jù)完整、可靠性，為金融決策提供科學(xué)依據(jù)。金融市場變幻莫測，要想在競爭中提升自身核心競爭力，需要對數(shù)據(jù)進(jìn)行多維分析和研究。在應(yīng)用中，特別是針對偵破洗黑錢等犯罪活動，可以采取孤立點分析等工具進(jìn)行分析，為相關(guān)工作有序開展奠定堅實的基礎(chǔ)。

2.2.3 應(yīng)用于高校日常管理方面，實現(xiàn)高校信息化建設(shè)

當(dāng)前，針對高校中存在的貧困大學(xué)生而言，受到自身家庭等因素的影響，他們學(xué)業(yè)與生活存在很多困難。而高校給予了貧困生很多幫助。對此將數(shù)據(jù)挖掘技術(shù)引入到貧困生管理工作中，能夠?qū)⑿?nèi)貧困生群體作為主要研究對象，采集和存儲在校生生活、學(xué)習(xí)等多方面信息，然后構(gòu)建貧困生認(rèn)定模型，并將此作為基礎(chǔ)進(jìn)行查詢和統(tǒng)計，為貧困生針對管理工作提供技術(shù)支持，從而提高高校學(xué)生管理實務(wù)效率，促進(jìn)高校和諧、有序發(fā)展。

2.2.4 應(yīng)用于電信方面，實現(xiàn)經(jīng)濟(jì)效益最大化目標(biāo)

現(xiàn)代社會發(fā)展趨勢下，電信產(chǎn)業(yè)已經(jīng)不僅限于傳統(tǒng)意義上的電話服務(wù)提供商、而將語言、電話等有機整合成為一項數(shù)據(jù)通信綜合業(yè)務(wù)。電信網(wǎng)、因特網(wǎng)等網(wǎng)絡(luò)融合已經(jīng)成為必然趨勢，并將成為未來發(fā)展的主要方向。在大融合影響下，數(shù)據(jù)挖掘技術(shù)應(yīng)用能夠幫助運營商業(yè)務(wù)運作，如利用多維分析電信數(shù)據(jù)；或者采取聚類等方法查找異常狀態(tài)及盜用模式等，不斷提高數(shù)據(jù)資源利用率，更為深入地了解用戶行為，促進(jìn)電信業(yè)務(wù)的推廣及應(yīng)用，從而實現(xiàn)經(jīng)濟(jì)效益最大化目標(biāo)。

3 結(jié)論

根據(jù)上文所述，數(shù)據(jù)倉庫與挖掘技術(shù)作為一項新型技術(shù)，在促進(jìn)相關(guān)產(chǎn)業(yè)發(fā)展等方面占據(jù)十分重要的位置。因此在具體應(yīng)用中，除了要積極明確數(shù)據(jù)倉庫與傳統(tǒng)數(shù)據(jù)庫之間的差別之外，還應(yīng)切實結(jié)合實際情況，積極引入數(shù)據(jù)挖掘技術(shù)，充分挖掘和探索數(shù)據(jù)信息中的重要內(nèi)容，為制定科學(xué)決策提供支持，同時還應(yīng)加大對技術(shù)的深度研究，不斷提高技術(shù)應(yīng)用水平，從而為用戶帶來更大的利益。

參考文獻(xiàn)

[1]陳宏.淺談數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)及應(yīng)用[J].科技廣場，2011，09：90-93.

[2]崔愿星.淺析數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的應(yīng)用[J].內(nèi)江科技，2014，01：141-142.

[3]王慧.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在醫(yī)院信息系統(tǒng)中的應(yīng)用[J].電腦開發(fā)與應(yīng)用，2014，01：76-78.

[4]靳鑫.淺析數(shù)據(jù)倉庫和數(shù)據(jù)挖掘[J].中國新通信，2012，11：29-31.

數(shù)據(jù)倉庫范文第4篇

【關(guān)鍵詞】 會計軟件;數(shù)據(jù)接口標(biāo)準(zhǔn);數(shù)據(jù)倉庫;數(shù)據(jù)模型

隨著會計信息化的發(fā)展,我國的會計軟件種類也越來越多,但是往往都自成體系,采用的數(shù)據(jù)庫平臺和數(shù)據(jù)結(jié)構(gòu)也就大不相同。由此使得不同的會計軟件之間,以及會計軟件與會計數(shù)據(jù)相關(guān)的業(yè)務(wù)軟件之間的數(shù)據(jù)交換,形成了一定的障礙。2004年9月20日,GB/T19581―2004《信息技術(shù)會計核算軟件數(shù)據(jù)接口》國家標(biāo)準(zhǔn)的頒布,在很大程度上解決了會計軟件之間數(shù)據(jù)交換的障礙。只要符合會計數(shù)據(jù)接口標(biāo)準(zhǔn)要求,實現(xiàn)會計信息化的單位就很容易將歷年的會計數(shù)據(jù)導(dǎo)出,通過建立數(shù)據(jù)倉庫,并利用會計核算軟件對數(shù)據(jù)倉庫的數(shù)據(jù)進(jìn)行相關(guān)的財務(wù)分析和決策。同時利用數(shù)據(jù)倉庫對繁多的會計數(shù)據(jù)進(jìn)行管理,不僅將提高會計數(shù)據(jù)利用率,通過利用數(shù)據(jù)倉庫進(jìn)行財務(wù)分析,還可以提高管理決策的質(zhì)量。

一、會計核算軟件標(biāo)準(zhǔn)數(shù)據(jù)接口基本內(nèi)容

由于目前財務(wù)軟件的平臺復(fù)雜多樣,而這些軟件之間的數(shù)據(jù)沒有一個統(tǒng)一的數(shù)據(jù)規(guī)范,造成不同財務(wù)軟件之間數(shù)據(jù)交流相當(dāng)困難。GB/T19581―2004《信息技術(shù)會計核算軟件數(shù)據(jù)接口》的頒布主要是對國內(nèi)所有正在使用的會計核算軟件(包括含會計核算功能的會計信息系統(tǒng)、管理信息系統(tǒng)等)規(guī)定統(tǒng)一的數(shù)據(jù)輸出的內(nèi)容和格式。會計核算軟件數(shù)據(jù)接口分兩個部分,一部分是規(guī)定其內(nèi)容,包括電子賬簿、會計科目、科目余額、記賬憑證、報表等;另一部分規(guī)定其輸出的格式要求,包括文本文件的輸出方式和XML 文件的輸出方式,并要求以一定期間為單位導(dǎo)出會計核算數(shù)據(jù)。

二、數(shù)據(jù)倉庫與接口標(biāo)準(zhǔn)之間的關(guān)系

William H. Inmon 在1993年寫的《Building the Data Warehouse》論著中,將數(shù)據(jù)倉庫定義為:“一個面向主題的、集成的、隨時間變化的、非易失性數(shù)據(jù)的集合,用于支持管理層的決策過程”。由定義可知,數(shù)據(jù)倉庫的主要特征為:面向主題性、數(shù)據(jù)的集成性、穩(wěn)定性、時變性。通過數(shù)據(jù)倉庫,不同層次的管理人員可以進(jìn)行各種管理決策的分析。數(shù)據(jù)倉庫中存放的是數(shù)據(jù)的歷史值,并且是靜態(tài)的歷史數(shù)據(jù),可以定期添加,具有低訪問率,高訪問量的特點。而這些數(shù)據(jù)都來源于其他不同的數(shù)據(jù)庫。

目前的多數(shù)財務(wù)軟件在數(shù)據(jù)庫的選用、數(shù)據(jù)庫的格式上大不相同,導(dǎo)致各財務(wù)軟件之間不能互相交換數(shù)據(jù),也給審計軟件導(dǎo)入財務(wù)軟件的數(shù)據(jù)帶來了一定的困難。而以往數(shù)據(jù)倉庫在財務(wù)上的應(yīng)用,基本上都是面向單個企業(yè)的單獨開發(fā)。GB/T19581―2004《信息技術(shù)會計核算軟件數(shù)據(jù)接口》的頒布,在很大程度上解決了這種障礙。按照會計核算軟件數(shù)據(jù)接口標(biāo)準(zhǔn)的數(shù)據(jù)結(jié)構(gòu)和內(nèi)容,建立一個標(biāo)準(zhǔn)數(shù)據(jù)庫即數(shù)據(jù)倉庫,從而企業(yè)可以根據(jù)會計數(shù)據(jù)接口標(biāo)準(zhǔn)要求,將原數(shù)據(jù)庫中的數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)規(guī)定的格式,并可以通過數(shù)據(jù)倉庫將符合要求的會計數(shù)據(jù)從會計核算軟件導(dǎo)入或?qū)С?從而實現(xiàn)對數(shù)據(jù)倉庫進(jìn)行相關(guān)的財務(wù)分析及決策。

三、數(shù)據(jù)倉庫的模型設(shè)計

數(shù)據(jù)倉庫創(chuàng)建之前首先要根據(jù)需求明確所構(gòu)建內(nèi)容的主題域。在根據(jù)需求分析確定主題域后,就可以通過建立數(shù)據(jù)模型對數(shù)據(jù)倉庫進(jìn)行描述。模型是對現(xiàn)實世界進(jìn)行的抽象描述,在信息管理中要實現(xiàn)對信息的管理與分析,就要依靠數(shù)據(jù)模型將現(xiàn)實世界的事物轉(zhuǎn)換為信息世界的數(shù)據(jù)。創(chuàng)建數(shù)據(jù)倉庫所采用的模型主要有概念模型、邏輯模型、物理模型。

(一)主題域的確定

數(shù)據(jù)倉庫設(shè)計的關(guān)鍵是主題域的確定,整個數(shù)據(jù)倉庫的數(shù)據(jù)都是圍繞主題和軟件標(biāo)準(zhǔn)數(shù)據(jù)接口而組織的,主要用于對企業(yè)的財務(wù)進(jìn)行分析。根據(jù)數(shù)據(jù)接口標(biāo)準(zhǔn)規(guī)定的數(shù)據(jù)文件,主題可以分為以下幾類:

資產(chǎn)負(fù)債表主題:主要分析企業(yè)某一特定日期內(nèi)的財務(wù)狀況,還可以進(jìn)一步細(xì)化分為資產(chǎn)主題,負(fù)債主題,所有者權(quán)益主題;

現(xiàn)金流量表主題:分析企業(yè)在一定會計期間現(xiàn)金及現(xiàn)金等價物的流入和流出情況;

利潤表主題:用于分析企業(yè)在一定會計期間的經(jīng)營成果;

所有者權(quán)益變動表主題:分析企業(yè)一定時期所有者權(quán)益變動的情況;

財務(wù)分析指標(biāo)主題:通過以上主題來分析企業(yè)一定時期的營運能力、償債能力、獲利能力及發(fā)展能力等。

(二)概念模型設(shè)計

星型模型和雪花型模型是概念模型設(shè)計常使用的兩種模型。雪花型模型是對星型模型的擴(kuò)展,適用于具有復(fù)雜結(jié)構(gòu)數(shù)據(jù)倉庫的應(yīng)用,星型模型是最常使用的模型。模型設(shè)計主要用于設(shè)置事實表與維表之間的連接,使每個維表通過主鍵與外鍵連接,進(jìn)而實現(xiàn)與事實表的連接。概念模型的設(shè)計就是要根據(jù)需求,確定業(yè)務(wù)中的指標(biāo)實體和維實體,以及在實體間建立聯(lián)系,概念模型設(shè)計后可以在一些開發(fā)工具中,利用一些技術(shù)功能直接轉(zhuǎn)換為物理模型,再生成數(shù)據(jù)庫,從而節(jié)約了時間并提高了效率。

(三)邏輯模型設(shè)計

通常在概念模型設(shè)計好后,還要依靠邏輯模型來實現(xiàn)概念模型到物理模型的轉(zhuǎn)換。由于目前數(shù)據(jù)庫都建立在關(guān)系數(shù)據(jù)庫基礎(chǔ)上,所以所采用的邏輯模型主要是關(guān)系模型。會計核算軟件數(shù)據(jù)接口標(biāo)準(zhǔn)對所涉及的數(shù)據(jù)元素規(guī)定了統(tǒng)一的格式,在建立的邏輯模型中,要根據(jù)數(shù)據(jù)接口的規(guī)定對數(shù)據(jù)的字段進(jìn)行格式描述。邏輯模型設(shè)計主要包括事實表,維表設(shè)計以及粒度的劃分。

(1)事實表。直接反映了數(shù)據(jù)倉庫中應(yīng)用的主題,是星型結(jié)構(gòu)中最主要的表,包含了數(shù)據(jù)倉庫中最主要的信息,如資產(chǎn)負(fù)債表、現(xiàn)金流量表、利潤表、所有者權(quán)益變動表、財務(wù)分析表。而數(shù)據(jù)倉庫的數(shù)據(jù)都是來自于不同數(shù)據(jù)接口的數(shù)據(jù)庫,在進(jìn)行數(shù)據(jù)倉庫的邏輯模型設(shè)計時,還要確定各表中的數(shù)據(jù)元素即字段與數(shù)據(jù)源的邏輯關(guān)系,以便核算軟件按照接口標(biāo)準(zhǔn)要求輸出文件。其中的對應(yīng)關(guān)系可以歸納為:第一種是數(shù)據(jù)元素和數(shù)據(jù)源的一一對應(yīng),即可以在核算軟件中找到與數(shù)據(jù)元素直接對應(yīng)的表與字段;第二種是數(shù)據(jù)元素需數(shù)據(jù)源通過計算得到,即必須對數(shù)據(jù)源進(jìn)行計算處理才能滿足標(biāo)準(zhǔn)規(guī)定的數(shù)據(jù)元素的需要;最后一種對應(yīng)關(guān)系是依據(jù)邏輯判斷非源于特定數(shù)據(jù)源的數(shù)據(jù)。數(shù)據(jù)源的確定和對應(yīng)關(guān)系是會計軟件輸出符合標(biāo)準(zhǔn)數(shù)據(jù)的邏輯基礎(chǔ)。因為過于龐大的事實表在表的處理、備份和恢復(fù)、用戶的查詢等方面需要較長的時間,在設(shè)計時要注意使事實表盡可能地小。

(2)維表。主要用來描述事實表,與事實表有著非常重要的關(guān)系,在事實表中大多數(shù)屬性都要依賴于維表,維表的主鍵組成了事實表的外鍵,每個維表都通過主鍵與事實表的外鍵連接,實現(xiàn)數(shù)據(jù)庫快速查詢。維表的屬性也要根據(jù)接口標(biāo)準(zhǔn)規(guī)定進(jìn)行規(guī)范定義。維表也會影響企業(yè)決策的因素,如不同企業(yè)、日期、指標(biāo)類別都是影響企業(yè)決策的因素,通過這些因素決策者可以按照不同企業(yè)不同日期不同指標(biāo)類別進(jìn)行決策分析。根據(jù)事實表設(shè)計的維表有會計期間維表、報表編碼維表、日期維表、企業(yè)維表等。

(3)粒度的劃分。粒度是指數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)的細(xì)化或綜合程度的級別。通過粒度的劃分,決定了數(shù)據(jù)倉庫是采用單一粒度還是多重粒度,以及粒度的劃分層次。粒度級越低,細(xì)化程度越高;相反,粒度級越高,細(xì)化程度越低。粒度的劃分直接影響到數(shù)據(jù)倉庫中的數(shù)據(jù)量和信息查詢,以及進(jìn)一步進(jìn)行OLAP(聯(lián)機分析處理)和數(shù)據(jù)挖掘的效果。如果主題的數(shù)據(jù)量、信息量較多,對主題數(shù)據(jù)分析細(xì)化程度要求較高,就要根據(jù)用戶對數(shù)據(jù)倉庫應(yīng)用的需求,采用多重粒度進(jìn)行數(shù)據(jù)劃分。用低粒度即細(xì)化到月的數(shù)據(jù),保存近期的會計報表及財務(wù)分析指標(biāo)數(shù)據(jù),對時間較遠(yuǎn)的會計報表及財務(wù)分析指標(biāo)數(shù)據(jù)的保存用粒度較大即細(xì)化到年的數(shù)據(jù)。這樣既可以對財務(wù)近況進(jìn)行細(xì)節(jié)分析,又可以利用粒度較大的數(shù)據(jù)對財務(wù)趨勢進(jìn)行分析;否則采用單一粒度進(jìn)行劃分。

(四)物理模型設(shè)計

邏輯模型在物理系統(tǒng)中的體現(xiàn)模式,需要通過數(shù)據(jù)倉庫的物理模型設(shè)計來實現(xiàn)。包括邏輯模型中的各種實體表的具體化,包括表的數(shù)據(jù)結(jié)構(gòu)類型、索引策略、數(shù)據(jù)存放位置及數(shù)據(jù)存儲分配等。會計軟件數(shù)據(jù)接口標(biāo)準(zhǔn)中所要求的數(shù)據(jù)接口輸出數(shù)據(jù),包含接口標(biāo)準(zhǔn)要求的16個數(shù)據(jù)文件和1個格式說明文件,每個文件的文件名都進(jìn)行了嚴(yán)格的規(guī)定。同時在標(biāo)準(zhǔn)中對16個數(shù)據(jù)文件的81個數(shù)據(jù)元素也進(jìn)行了嚴(yán)格定義,首先,在物理模型設(shè)計中表的數(shù)據(jù)結(jié)構(gòu)應(yīng)根據(jù)接口標(biāo)準(zhǔn)要求,對數(shù)據(jù)的格式及內(nèi)容進(jìn)行統(tǒng)一的定義規(guī)范,如表的字段標(biāo)識符要采用三位數(shù)字進(jìn)行標(biāo)記,字段的類型長度最多為5位可變長字符。只要會計軟件的數(shù)據(jù)倉庫的數(shù)據(jù)接口符合接口標(biāo)準(zhǔn),就可以實現(xiàn)輸出符合標(biāo)準(zhǔn)的數(shù)據(jù)。其次,由于數(shù)據(jù)倉庫的數(shù)據(jù)量很大,通過索引的創(chuàng)建可以提高數(shù)據(jù)存取的效率,通常按事實表的主鍵和外鍵來建立索引。在數(shù)據(jù)倉庫中首先需要為事實表設(shè)置索引,在為事實表的主鍵聲明約束時,應(yīng)該按照這些列的聲明次序創(chuàng)建一個惟一的索引。而對于使用頻率較高的外鍵,應(yīng)置于主鍵索引的前面,以提高查詢效率。

數(shù)據(jù)倉庫中的數(shù)據(jù)可以通過數(shù)據(jù)庫訪問接口,將源數(shù)據(jù)庫中的數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)格式的數(shù)據(jù)導(dǎo)入。其中數(shù)據(jù)的存儲通常按數(shù)據(jù)的重要性、使用頻率以及對響應(yīng)時間的要求進(jìn)行分類,并將不同類型的數(shù)據(jù)分別存儲在不同的存儲設(shè)備中,其中重要性高、經(jīng)常存取并對響應(yīng)時間要求高的數(shù)據(jù)存放在高速存儲設(shè)備上,而存取頻率低或?qū)Υ嫒№憫?yīng)時間要求低的數(shù)據(jù)則可以存放在低速存儲設(shè)備上。

四、數(shù)據(jù)倉庫的創(chuàng)建

通過對數(shù)據(jù)倉庫中的事實表、維表的邏輯模型設(shè)計,同時根據(jù)在物理模型中對各種表的存儲區(qū)間、方式的處理,在數(shù)據(jù)倉庫的實施過程,采用適當(dāng)?shù)臄?shù)據(jù)倉庫創(chuàng)建工具,就可以創(chuàng)建數(shù)據(jù)倉庫。目前用于創(chuàng)建數(shù)據(jù)庫的工具主要有SQL Server、Oracle10i、Sybase等。數(shù)據(jù)倉庫的創(chuàng)建可以根據(jù)具體情況選擇適合的開發(fā)工具。

五、數(shù)據(jù)的采集及轉(zhuǎn)換

數(shù)據(jù)倉庫的物理模型設(shè)計完成后,就要根據(jù)會計核算軟件數(shù)據(jù)接口標(biāo)準(zhǔn),來完成數(shù)據(jù)倉庫結(jié)構(gòu)的建立,實現(xiàn)數(shù)據(jù)倉庫和元數(shù)據(jù)庫的創(chuàng)建,然后就可以對數(shù)據(jù)倉庫進(jìn)行數(shù)據(jù)的加載。元數(shù)據(jù)庫是數(shù)據(jù)倉庫的靈魂,沒有元數(shù)據(jù)庫,用戶就無法對數(shù)據(jù)倉庫的數(shù)據(jù)進(jìn)行良好的定義、組織和管理。數(shù)據(jù)的采集及轉(zhuǎn)換是建立數(shù)據(jù)倉庫中最重要的處理過程之一,這一過程實際上是要把來自不同的操作性數(shù)據(jù)源、不同的數(shù)據(jù)進(jìn)行集成,將非標(biāo)準(zhǔn)的數(shù)據(jù)轉(zhuǎn)化為在一定程度上的標(biāo)準(zhǔn)化的數(shù)據(jù)。采集之前首先需要對數(shù)據(jù)進(jìn)行預(yù)處理,即進(jìn)行準(zhǔn)備工作包括清空工作區(qū)、準(zhǔn)備區(qū)。由于數(shù)據(jù)倉庫中的數(shù)據(jù)來源十分復(fù)雜,這些數(shù)據(jù)在進(jìn)入數(shù)據(jù)倉庫之前常常需要在準(zhǔn)備區(qū)對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,即將不同數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)進(jìn)行統(tǒng)一處理,如源數(shù)據(jù)庫中的數(shù)據(jù)類型與長度和標(biāo)準(zhǔn)規(guī)定的有所差別,就需要進(jìn)行數(shù)據(jù)的類型轉(zhuǎn)換、長度的截取等工作。數(shù)據(jù)的采集可以通過數(shù)據(jù)庫接口訪問源數(shù)據(jù)庫,將數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)格式數(shù)據(jù)存入數(shù)據(jù)倉庫,同時為了確保數(shù)據(jù)倉庫中數(shù)據(jù)質(zhì)量,還要對數(shù)據(jù)進(jìn)行必要的清理即篩選工作。數(shù)據(jù)的清理工作必須嚴(yán)格依據(jù)元數(shù)據(jù)的定義進(jìn)行,數(shù)據(jù)清理結(jié)束就可以將經(jīng)過凈化和轉(zhuǎn)換的數(shù)據(jù)加載到數(shù)據(jù)倉庫事實表中。實現(xiàn)的工具主要有SQL Sever、Oracle等。對數(shù)據(jù)提取以后,同樣也可以利用SQL語言實現(xiàn)對數(shù)據(jù)的加載。

六、數(shù)據(jù)倉庫的使用

在會計數(shù)據(jù)標(biāo)準(zhǔn)接口中,已經(jīng)將會計科目、會計憑證、會計賬簿、會計報表等中的數(shù)據(jù)納入,并進(jìn)行了統(tǒng)一規(guī)范。因此可以通過標(biāo)準(zhǔn)數(shù)據(jù)接口將每年的會計數(shù)據(jù)保存到數(shù)據(jù)倉庫。按照會計數(shù)據(jù)接口標(biāo)準(zhǔn)要求,將會計數(shù)據(jù)倉庫中的歷年數(shù)據(jù)輸入到會計核算軟件中,并利用會計核算軟件對其進(jìn)行相關(guān)的財務(wù)分析、經(jīng)濟(jì)前景預(yù)測,以幫助管理者為企業(yè)的將來做出正確的決策。隨著數(shù)據(jù)接口標(biāo)準(zhǔn)的推廣實施,基于會計核算軟件數(shù)據(jù)接口的數(shù)據(jù)分析技術(shù)和方法會越來越多,并且應(yīng)用范圍也會越來越廣泛。

【參考文獻(xiàn)】

[1] 會計核算軟件數(shù)據(jù)標(biāo)準(zhǔn)接口國家標(biāo)準(zhǔn)實施指南編委會.GB/T 19581―2004《信息技術(shù)會計核算軟件數(shù)據(jù)標(biāo)準(zhǔn)接口》實施指南[S].北京:中國標(biāo)準(zhǔn)出版社,2005.

數(shù)據(jù)倉庫范文第5篇

1煙草營銷管理系統(tǒng)數(shù)據(jù)倉庫體系結(jié)構(gòu)

數(shù)據(jù)獲取層：負(fù)責(zé)數(shù)據(jù)的收集。數(shù)據(jù)源可以是業(yè)務(wù)處理系統(tǒng)中獲取的數(shù)據(jù)，如訂單信息、客戶基本信息、計劃信息、價格信息、產(chǎn)品信息等，也可以是其他外部數(shù)據(jù)源。

數(shù)據(jù)存儲和管理層：負(fù)責(zé)數(shù)據(jù)的抽取、清理、轉(zhuǎn)換和加載，存儲加工處理后的面向主題的綜合性數(shù)據(jù)。業(yè)務(wù)數(shù)據(jù)往往被存放在缺乏統(tǒng)一設(shè)計和管理的異構(gòu)環(huán)境中，所以當(dāng)數(shù)據(jù)來自多個數(shù)據(jù)源時，可能會出現(xiàn)不一致的數(shù)據(jù)定義、不同的數(shù)據(jù)編碼、同一個數(shù)據(jù)中不一致的條目值等問題。即使數(shù)據(jù)來自單一的數(shù)據(jù)源，也可能存在數(shù)據(jù)的完整性問題。為了獲得有效數(shù)據(jù)，必須對抽取的數(shù)據(jù)進(jìn)行不同程度的整合和清理，數(shù)據(jù)的清理必須嚴(yán)格按元數(shù)據(jù)的定義進(jìn)行。數(shù)據(jù)清理完成后還需要做一些數(shù)據(jù)轉(zhuǎn)換工作，例如，客戶收入需要按照數(shù)值范圍分高、中、低檔。所選擇的數(shù)據(jù)表達(dá)方式會影響數(shù)據(jù)挖掘的結(jié)果。最后將經(jīng)過清理和轉(zhuǎn)換的數(shù)據(jù)加載到合適的數(shù)據(jù)倉庫事實表中，同時更新元數(shù)據(jù)倉庫中的元數(shù)據(jù)，以反映剛完成的數(shù)據(jù)加載活動。

數(shù)據(jù)展現(xiàn)層：將查詢、報表生成和分析集成在的客戶模塊中，實現(xiàn)數(shù)據(jù)查詢、OLAP分析和數(shù)據(jù)挖掘結(jié)果的展現(xiàn)。

2煙草營銷管理系統(tǒng)功能

利用數(shù)據(jù)倉庫技術(shù)建立煙草行業(yè)數(shù)據(jù)中心，可以將分散在不同的部門或不同的應(yīng)用系統(tǒng)中的大量數(shù)據(jù)進(jìn)行集成和統(tǒng)一管理，使系統(tǒng)具有數(shù)據(jù)存儲功能，為數(shù)據(jù)的分析奠定基礎(chǔ)。綜合運用報表、查詢、OLAP分析、統(tǒng)計學(xué)、數(shù)據(jù)挖掘等技術(shù)，使系統(tǒng)具有強大的數(shù)據(jù)查詢功能，同時建立了方便快捷、靈活的決策分析系統(tǒng)，它包括以下分析子系統(tǒng)：

①銷售業(yè)務(wù)分析子系統(tǒng)。通過數(shù)據(jù)統(tǒng)計工具，查詢和分析商品購進(jìn)、訂單采集、訂單配送、商品庫存等信息，分析訂單采集和執(zhí)行的效率。對各個營銷區(qū)域零售戶的銷售數(shù)量、銷售額、產(chǎn)品結(jié)構(gòu)、贏利狀況等指標(biāo)進(jìn)行定期縱向和橫向比較，以便及時發(fā)現(xiàn)市場變化的特征，并進(jìn)行分析及評估，以對下階段的營銷工作進(jìn)行調(diào)整。

②市場分析子系統(tǒng)。通過對市場容量、市場需求、卷煙供應(yīng)情況、未來的價格走勢以及消費者的偏好和購買模式的分析，為制定采購計劃和銷售計劃提供參考依據(jù)。

③客戶分析子系統(tǒng)。通過對零售客戶的增減、經(jīng)營變化、類別變動、經(jīng)營者的個人情況等分析，進(jìn)行零售客戶分類評價，整合客戶資源，以便調(diào)整服務(wù)內(nèi)容，提高服務(wù)水平。

④品牌分析子系統(tǒng)。對卷煙品牌的銷售現(xiàn)狀、市場的接受程度、發(fā)展的趨勢、推廣的策略等進(jìn)行分析。

⑤采購分析子系統(tǒng)。分析營銷部提供的零售客戶需求信息、銷售實績和銷售趨勢、零售客戶變化趨勢等，以市場為導(dǎo)向、以消費者需求為中心選擇卷煙產(chǎn)品，為采購計劃的制定提供依據(jù)。

⑥庫存分析子系統(tǒng)。對庫存卷煙從時間、地域、廠家、品牌、類別、批次等多個角度進(jìn)行分析，提供卷煙的庫存上下限、最佳庫存量、庫存周期、庫存成本、合理的庫房位置和卷煙存放、到期卷煙預(yù)警等信息。

⑦財務(wù)分析子系統(tǒng)。對行業(yè)的經(jīng)濟(jì)運行狀況進(jìn)行統(tǒng)計分析，為領(lǐng)導(dǎo)決策提供參考。

這些子系統(tǒng)提供豐富、深入、詳盡、有價值的決策信息，為企業(yè)決策提供強有力的支持，從而提高企業(yè)決策的質(zhì)量和效率。

3聯(lián)機分析處理（OLAP）在煙草營銷中的應(yīng)用

OLAP是介于客戶與數(shù)據(jù)倉庫之間的數(shù)據(jù)分析處理系統(tǒng)，它對以多維形式組織起來的數(shù)據(jù)采取切片、切塊、旋轉(zhuǎn)、鉆取等操作，使用戶能從多個角度、多個側(cè)面地觀察數(shù)據(jù)倉庫中的數(shù)據(jù)，如按產(chǎn)品維度、時間維度和地區(qū)維度等。同時可使用聯(lián)機分析和可視化工具對這些數(shù)據(jù)迅速地進(jìn)行評價，從而深入地了解包含在數(shù)據(jù)中的信息和內(nèi)涵。OLAP一般采取由數(shù)據(jù)倉庫、OLAP服務(wù)器與客戶端組成的三層客戶/服務(wù)器體系結(jié)構(gòu)，其中OLAP服務(wù)器從數(shù)據(jù)倉庫或數(shù)據(jù)集市中獲取數(shù)據(jù)，根據(jù)客戶的需要對多維數(shù)據(jù)集進(jìn)行分析，且將分析的結(jié)果以可視化的方式傳遞給客戶端。

在煙草營銷系統(tǒng)中，根據(jù)各省、市、縣卷煙銷售公司和煙廠的歷史銷售數(shù)據(jù)，可對煙草系統(tǒng)的財務(wù)、客戶、專賣、銷售、庫存、網(wǎng)點建設(shè)等幾個主題進(jìn)行不同角度的分析，并將結(jié)果以報表或圖形等形式展現(xiàn)給用戶。例如，卷煙銷售多維數(shù)據(jù)集按品牌切片操作，便可得到關(guān)于某種品牌在不同地區(qū)、不同時間中的銷售情況。

4數(shù)據(jù)挖掘在煙草營銷中的應(yīng)用

數(shù)據(jù)挖掘是一個從大量數(shù)據(jù)中挖掘出未知的、有價值的知識或信息的過程，這些知識表示為概念、規(guī)則、規(guī)律和模式等形式，對預(yù)測趨勢和決策行為起著重要的作用。

數(shù)據(jù)挖掘為煙草營銷提供的主要決策功能有：對決策主題進(jìn)行分析、挖掘，從大量數(shù)據(jù)或選定樣本中尋找預(yù)測性信息、發(fā)現(xiàn)變量之間的關(guān)聯(lián)、共性和差異性，實現(xiàn)銷售預(yù)測、庫存決策分析、購進(jìn)決策分析、銷售或庫存異動分析、品牌分析、財務(wù)狀況分析、供應(yīng)商分析、客戶分析、專賣狀況分析以及各種指標(biāo)的結(jié)構(gòu)分析、趨勢分析、相關(guān)性分析、波動分析等，并建立預(yù)警機制。