数据仓库技术及其在商业领域中的应用

《数据仓库技术及其在商业领域中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、首都经济贸易大学硕士学位论文数据仓库技术及其在商业领域中的应用姓名：张鸿坡申请学位级别：硕士专业：信息经济指导教师：黄叔武19990301内容提要火-一_-勺鑫文从数据仓库产生的背景出发，系统阐述了数据仓库的概念，比较了数据仓库和其他系统的区别和联系;本文对数据仓库系统各个组成部分进行了详细地介绍，其中包括数据变换、数据仓库的三级模型和数据分析工具。最后，通过设计商业领域的数据仓库这个实例，进一步介绍了数据仓库的设计及对数据的分析丫本文详细介绍了数据仓库系统中应用到的各种先进技术，例如多维数据库和OLAP。在关系数据库存储和查询中，用到了先进

2、的SybaseIQ技术，在分析工具中，用到了B.O.软件进行设计分析。【关键词’:数据仓库OLAP气多维数据库ABSTRACTWiththedevelopmentofcomputersystem,moreandmoreenterprisehopethatthecomputersystemshouldsupportnotonlythedailywork,butalsotheanalysisanddecisionfunctions.Furthermore,thedatawasaccumulatedandhowtousesovolumesofdat

3、aisadifficultmater.Sothedatawarehousewasputforward.Thedatawarehouseisnotaproductionbutaproject.Itsfoundationistraditionaldatabase.Thedatawarehouseusestatisticsandanalysismethodtoabstractavailabledataanduseartificialintelligenceasthemethodofdatamining.Itisacomprehensivetechn

4、ology.Inthisarticle,weintroducetheconceptofdatawarehouse,thediffidencebetweendatawarehouseandtheothersystem.Then,weintroducethesystemstructureofdatawarehouse,especiallythenewesttechnology.Atlast,weadoptthistechnologyinthecommercialdomain.[KeyWords]:datawarehouseOLAPdimensio

5、nMultidimensionDatabase引言随着社会经济的发展，计算机在日常业务处理中产生了大量的数据，面对“堆积如山”的数据集合，无论在时间意义上还是在空间意义上，传统的数据分析手段是难以应付的;人们也希望计算机系统能够对这些历史数据进行分析，以对本部门的发展提供决策支持。在这种情况下，兴起了数据仓库技术。数据仓库以传统的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和提取信息的有效方法，以人工智能技术作为挖掘知识和发现规律的科学途径。因此，它是诸多学科相互结合、综合应用的技术。本文介绍数据仓库的概念，着重介绍

6、了数据仓库系统的体系结构，特别是介绍了一些先进的技术，最后，将数据仓库技术应用到了商业领域中。目前，数据仓库技术紧跟Internet，成为信息社会中获得企业竞争优势的又一关键。美国MetaGroup市场调查机构的资料表明，在(幸福》杂志所列的全球2000家大公司中，己有90%将Internet网络和数据仓库列入其企业计划，而且己有很多企业为使自己在竞争中处于优势而率先采用了这两项技术。我国对这一领域的研究起步较晚，但随着我国经济的发展，这一技术必将在我国得到更广泛的应用。__数据仓库技术及其在商业领域的应用一数据仓库概述数据仓库产生的背景在现

7、代社会，计算机技术已得到了广泛的应用，许多企业和部门都建立了自己的计算机系统。这些系统的应用，确实提高了企业和部门的工作效率，产生了巨大的经济效益，不仅促进了企业的发展，而且促进了整个社会经济的发展。但企业的日常业务产生积累了大量的数据，这些数据在提供给企业所需的报表之后，大部分都被闲置起来。这些闲置起来的数据，或者留在业务数据库中，或者放置在其它介质(如流带、光盘)中，要查询这些历史数据是费时费力的事情。面对“堆积如山”的数据集合，无论在时间意义上还是在空间意义上，传统的数据分析手段是难以应付的。人们无法理解并有效使用这些数据，由此导致越来

8、越严重的“数据灾难”，这就迫使决策者不得不采用两种对策:其一是“穷于应付”，另一是“置之不理”。事实上，无论哪种对策都是出于一种“无奈”，在需要对大量数据分析之后才