数据仓库在现代企业中的应用
现代商业管理中的“数据仓库”运用
数据仓库可以协助企业达成阻挠竞争者 的目标。当企业的资料来 连锁制 、特许 制等 。业态 ，是指由零售商品、环境 ，服务等要素 源．同时包含本身与竞争者的客户时 ，才能够掌握客户与 自己及 组合 的经营形态 ，如超市 、百货店．便利店等 。业制与业态搭配 竞争者产品的关系 ．这不但可 以降低竞争者 的销售效果 ，甚至可 起来就构成零售经营方式 。不 同的业制或相同业制搭配 不同的业 以转变竞争者 的客户。 （） ２企业战略策划 ： 使用数据仓库技术能够更加了解自己与竞 态 ，产 生不同的经营方式 。 业 制体 现零 售经营 中的产权 关系 。如 连锁 制体 现 多个 零售
业 销售与客户、以及经营状况 。 在清醒地 了解本身状况 与竞争态势 等 。由于产 权关 系的重要 性 ， 制的 问题 是零 售经营方式 的核
后 ，更能策划未来的发展战略
心 问题 。
２ 在接触 客户 的特性方面 ，数据仓库可能达 成下列 目标
业态是零售经营方式的外部形态 ．是零售商用以组合经营要素
新方 案。６ 更容 易量化 营销 结果 。 ７ 改善产 品 管理 、销售通 体现零售经营方式的市场功能 。业态 的问题是经营方式 的功能设 《） 《）
路 、营销传 播活动 ．提 供更好 的 联结 。 ８ 数 据仓 库能在 任何 计 问 题 。 《）
时点 下 ，提 供 客户相 关 的信 息 ．因此 能够 改善 客户 服务 的质
维普资讯
经 营 管 理
王 代 商业 管理 【 的 ¨ 据仓 库＂运 用 见 ｌ 】 数
一苏 啸 ［ 摘 陈永秀 江西萍 乡高等专科学校 要】准确、及时地进行 经营决策是现 代商业适应市场竞争的需要 。本文提 出了数据 仓库技 术进行现代 商业管理 的功效，介 绍 了现代 商业 中各种业制和业态 的特点 ，及在不同业制和 业态商业企业管理 中数据 仓库技术 的运 用。
数据仓库在现代企业中的应用
析处理 ）ＭＯＬ Ｐ 多维在线分析处理 ） ＨＯＬ Ｐ 混合型线上 、 Ａ（ 和 Ａ（ 分析 处理 ） ＲＯＬ 。 ＡＰ基本数据和聚合数据均存放在 Ｒ ＭＳ ＤＢ 之 中； ＭＯＬ Ｐ基 本 数据 和 聚 合数 据 均 存 放 于 多维 数 据 库 中 ； Ａ ＨＯＬ Ｐ基本数据存放 于 ＲＤＢ 之 中， Ａ ＭＳ 聚合数据存放于多维数
ＯＬ Ｐ服 务器 Ａ
的 作 用 ，给 出 了在 企 业 中建 立 数 据 仓 库 的 方 法 和 实施 步 骤 ， 同
时介 绍 了 市场 上 一 些 成 熟 的数 据 仓 库 解 决 方 案 。
前端工具
【 关键词 】 数 据库 数据仓库 联机分析 企业数据仓库 的建设 ， 是以现有企业业 务系统和 大量业务 数据 的积累为基础 的。数据仓库 不是静态的概念 ， 只有把 信息
一
曰 曰 日
凰 查 工 询具
Ｊ ■■ ■ Ｉ
ｊ 报表 具 工
分析工具 数据挖掘工具
数据源
Ｊ■■● ｌ
凰 …． ．
数据集市
； Ａ ＯＬ Ｐ服务器
、
图 １ 数 据 仓 库 系 统 体 系 结 构
１ 什 么是 数据仓库 。数据仓库 的概念 由美国著名工程学家 、
段 ，利 用 当前 的 数 据 库技 术 并 不 能 充 分 发 挥 这 些数 据 的 作 用 本 文 介 绍 了数 据 仓 库技 术 ． 析 了数 据 仓 库 技 术 对 于现 代 企 业 分
数据仓库技术在交通运输中的应用案例分析(二)
数据仓库技术在交通运输中的应用案例分析随着科技的快速发展和信息时代的到来，数据已经成为了现代社会中一项重要的资源。
在各行各业中，人们开始意识到数据的重要性，并开始积极采集和分析数据，以便更好地了解业务状况、优化运营和做出决策。
其中，数据仓库技术在交通运输行业中的应用成为了一个热门话题。
一、数据仓库技术概述数据仓库技术是指将各种不同的数据源集成到一个统一的平台上，并对这些数据进行提炼、清洗和整合，以便进行数据分析和决策支持的一种技术。
通过数据仓库技术，企业可以更好地管理和分析大量、复杂的数据，从而为业务决策提供支持。
二、交通运输中的数据仓库应用1. 航空公司航空公司是一个典型的需要海量数据管理和分析的行业。
通过搭建数据仓库，航空公司可以将各个环节的数据集中起来，例如机场运营数据、航班动态数据、销售数据等。
这样一来，航空公司可以更好地进行业务分析，例如分析航班延误率、客流量等信息，以便优化运营和决策航班调度。
2. 公交公司公交公司也是一个非常适用数据仓库技术的行业。
通过搭建数据仓库，公交公司可以将各路线的票务数据、车辆信息数据、乘客调查数据等进行整合和分析。
这样一来，公交公司可以更好地了解各个路线的客流情况、交通拥堵情况等，以便合理优化调度方案，提高公交运营效率。
3. 物流公司物流公司需要处理大量的运输数据，包括货物运输轨迹、物流链路的信息等。
通过建立数据仓库，物流公司可以将这些各个环节产生的数据统一管理，并进行数据分析，以便优化运输路径、提高物流效率。
例如，物流公司可以通过数据仓库技术来分析货物的运输时间、运输成本等信息，以便选择最优化的运输路径，提高服务水平。
4. 出租车公司出租车公司需要处理大量的计费数据、车辆定位数据等。
通过建立数据仓库，出租车公司可以将这些数据进行整合和分析，例如分析客流量、热门上车点等信息，以便调配出租车资源、提高服务质量。
同时，数据仓库还可以帮助出租车公司分析司机的工作表现和收入情况，优化工作安排和薪酬体系。
数据仓库技术的常见应用场景分析(六)
数据仓库技术是一种用于存储、管理和分析大量数据的解决方案，可以帮助企业提高数据处理和决策能力。
它的应用场景广泛，包括企业智能分析、客户关系管理、市场调研等等。
本文将从几个常见的应用场景入手，分析数据仓库技术在其中的具体应用。
一、企业智能分析企业在日常运营过程中产生大量的数据，包括销售数据、财务数据、日志数据等等。
通过建立数据仓库，可以将这些分散的数据统一存储起来，并进行多维度分析。
比如，企业可以通过数据仓库来了解销售情况，包括不同产品的销售情况、销售额的变化趋势、销售渠道的效果等等。
同时，数据仓库还可以对企业的财务状况进行分析，包括成本支出、利润变化等。
通过对数据仓库中的数据进行深入分析，企业可以及时发现问题，制定相应的调整策略，提升企业的竞争力。
二、客户关系管理客户关系管理是企业一项重要的工作，通过建立数据仓库，可以更好地进行客户管理。
数据仓库可以集成来自不同渠道的客户数据，包括购买记录、交流记录、投诉记录等等。
通过对这些数据的分析，企业可以深入了解客户的需求和偏好，为客户提供更加个性化的服务。
比如，通过数据仓库可以实现客户画像分析，根据客户的特征和购买行为进行分类，以便更好地制定营销策略。
同时，数据仓库还可以帮助企业进行客户满意度调查，及时发现客户的不满意和需求，提升客户满意度。
三、市场调研市场调研是企业制定营销策略和决策的重要依据，数据仓库可以为市场调研提供有力支持。
通过数据仓库可以集成企业内部和外部的各种数据，包括供应链数据、竞争对手数据、消费者行为数据等等。
通过对这些数据的分析，可以对市场进行更加全面和准确的了解。
比如，通过数据仓库可以对市场进行细分和定位，找出目标市场和目标客户。
同时，数据仓库还可以进行市场预测和趋势分析，帮助企业预测市场变化，并做出相应的调整。
四、供应链管理供应链管理是现代企业不可或缺的一项工作，数据仓库可以为供应链管理提供强大的支持。
通过数据仓库，企业可以对供应链中的各个环节进行监控和分析。
数据仓库与数据挖掘的应用案例分析
数据仓库与数据挖掘的应用案例分析随着信息化时代的到来，数据已经成为企业管理和决策的重要资源。
数据的采集、存储、管理和分析对于企业的发展至关重要，因此数据仓库和数据挖掘成为了企业管理中不可或缺的一部分。
本篇文章将从实际应用的角度，分析数据仓库和数据挖掘在企业管理中的应用案例，并对相应的应用过程进行深入剖析。
一、企业数据仓库的建设随着企业规模的扩大，企业的数据量也越来越大，如何高效地管理企业的数据，使企业管理者更好地利用数据进行决策已成为现代企业面临的重要问题。
在这个背景下，企业数据仓库应运而生。
企业数据仓库是一个按照主题组织的、集成的、非易失性的、随时间变化而更新的数据集合，用于支持企业管理决策。
建设企业数据仓库，首先需要确定数据仓库的目标、内容、结构和技术等方面的问题。
下面，以某电商企业的数据仓库建设为例，进行具体分析。
1. 确定数据仓库的目标该电商企业定位在提供高品质的商品和服务上，因此数据仓库的主要目标是为企业领导层提供决策支持服务，使企业能够更好地了解市场变化、用户需求、商品销售情况等，从而制定更加精准的市场营销策略和商品运营方案。
2. 确定数据仓库的内容该企业的数据仓库包括以下内容：（1）用户数据：包括用户的基本信息、购买记录、心理特征等方面的数据。
（2）商品数据：包括商品的基本信息、销售记录、库存等方面的数据。
（3）营销数据：包括销售额、订单量、优惠券使用情况、促销活动效果等方面的数据。
（4）财务数据：包括收入、成本、盈利等方面的数据。
3. 确定数据仓库的结构该企业数据仓库的结构采用星型或雪花型的结构，以主题为中心，将不同的数据源集成在一起，数据仓库中的不同表之间通过主键和外键进行关联。
4. 确定数据仓库的技术方案该企业采用的数据仓库技术方案包括ETL工具、数据清洗工具、数据集成工具、数据质量管理工具等。
在数据仓库的建设过程中，需要对数据进行清洗、转换和整合等处理，以保证数据的一致性和准确性。
探索数据库技术在现代企业中的运用
探索数据库技术在现代企业中的运用【摘要】现代企业面临着巨大的数据管理挑战，数据库技术在企业生产运营、决策分析、客户关系管理、安全保障以及发展策略制定中发挥着重要作用。
数据库技术能够帮助企业快速高效地管理海量数据，提升数据处理效率和精准度，为企业决策和运营提供可靠支持。
通过实时分析和挖掘数据，企业可以更好地理解市场和客户需求，优化产品和服务，提升竞争力。
数据库技术还能够保障企业数据的安全性和完整性，防范数据泄露和损坏的风险。
在制定发展策略时，数据库技术可以帮助企业快速获取各种数据，进行科学分析和预测，为企业发展提供数据支持和指导。
数据库技术在现代企业中的应用不可或缺，未来的发展趋势将更加智能化和个性化，数据库技术将继续对企业发展起到重要的帮助作用。
【关键词】关键词：数据库技术、现代企业、数据管理、生产运营、决策分析、客户关系管理、安全保障、发展策略制定、重要性、发展趋势、帮助1. 引言1.1 现代企业的数据管理挑战现代企业面临着日益增长的数据量、多样化的数据类型和快速变化的业务环境，这给数据管理带来了巨大挑战。
随着企业规模的扩大和业务范围的增加，传统的数据管理方法已经无法满足企业对数据的高效管理和分析需求。
数据的泄漏和安全风险也成为企业面临的重要问题。
现代企业需要面对的数据管理挑战包括数据质量不高、数据获取困难、数据处理效率低下、数据安全风险等诸多方面。
2. 正文2.1 数据库技术在企业生产运营中的应用企业生产运营是企业最核心的业务活动之一，数据库技术在这方面的应用显得尤为重要。
现代企业通常会建立起一套完善的生产运营管理系统，其中数据库技术扮演着重要的角色。
数据库技术能够有效地存储和管理大量的生产数据，包括生产计划、订单信息、库存情况等等。
通过数据库系统的高效管理，企业能够及时了解生产情况、预测和分析生产需求，从而做出更加科学合理的生产安排，提高生产效率和产品质量。
数据库技术还能够实现生产数据的实时监控和分析。
智能仓储管理技术应用案例分享
智能仓储管理技术应用案例分享第一章智能仓储管理概述 (2)1.1 智能仓储的定义与发展 (2)1.2 智能仓储管理技术的应用价值 (2)第二章仓储管理系统（WMS）的应用 (3)2.1 系统架构与功能模块 (3)2.2 系统实施与优化 (3)2.3 实施效果分析 (4)第三章自动化立体仓库的应用 (4)3.1 自动化立体仓库的构成与特点 (4)3.1.1 构成 (4)3.1.2 特点 (5)3.2 系统集成与设备选型 (5)3.2.1 系统集成 (5)3.2.2 设备选型 (5)3.3 应用案例解析 (5)第四章无人搬运车（AGV）的应用 (6)4.1 AGV的技术原理与分类 (6)4.2 AGV的调度策略与路径规划 (6)4.3 应用案例分享 (7)第五章仓储物联网技术的应用 (7)5.1 物联网技术在仓储中的应用场景 (7)5.2 关键技术解析 (8)5.3 实施步骤与效果评估 (8)第六章仓储大数据分析的应用 (9)6.1 大数据分析在仓储管理中的作用 (9)6.2 数据采集与处理 (9)6.3 分析结果应用与优化 (10)第七章人工智能在仓储管理中的应用 (10)7.1 人工智能技术概述 (10)7.2 人工智能在仓储管理中的应用案例 (10)7.2.1 智能仓储 (10)7.2.2 人工智能辅助库存管理 (11)7.2.3 人工智能优化仓储布局 (11)7.3 未来发展趋势 (11)第八章仓储安全管理技术的应用 (11)8.1 安全管理技术的种类与特点 (11)8.1.1 种类 (12)8.1.2 特点 (12)8.2 实施策略与方法 (12)8.2.1 实施策略 (12)8.2.2 实施方法 (12)8.3 应用案例分析 (13)第九章仓储节能减排技术的应用 (13)9.1 节能减排技术在仓储中的应用 (13)9.2 实施措施与效果评估 (14)9.3 案例分享 (14)第十章智能仓储管理技术的综合应用 (14)10.1 综合应用案例介绍 (14)10.2 集成创新与优势分析 (15)10.3 未来发展趋势与展望 (15)第一章智能仓储管理概述1.1 智能仓储的定义与发展智能仓储，顾名思义，是指通过应用现代信息技术，对仓库进行智能化管理和运营的一种新型仓储模式。
数据仓库技术的常见应用场景分析(八)
数据仓库技术的常见应用场景分析数据仓库技术作为一种用于存储和分析大规模数据的技术，已经在现代企业的决策和战略规划中发挥着重要的作用。
它通过将来自不同系统的数据整合并进行加工处理，提供了一种便捷的数据分析工具。
本文将分析数据仓库技术在商业、市场营销、金融和医疗等领域的常见应用场景。
一、商业领域在商业领域，数据仓库技术被广泛应用于企业决策和业务分析中。
例如，在销售分析领域，数据仓库可以帮助企业将来自各个销售渠道的数据进行整合，分析销售趋势、产品需求和用户喜好等信息，以便企业进行更准确的市场推广和产品定位。
此外，数据仓库还可以用于分析客户行为，了解客户的购买偏好和消费习惯，以便企业制定精准的客户关系管理战略。
二、市场营销领域在市场营销领域，数据仓库技术可以帮助企业进行市场细分、市场预测和营销策略制定。
通过整合来自市场调研、网络媒体和社交媒体等渠道的数据，数据仓库可以为企业提供详尽的市场分析报告，帮助企业了解市场的发展趋势和竞争对手的动态，从而制定更具竞争力的营销策略。
此外，数据仓库还可以通过分析用户行为和用户偏好，为企业提供个性化的推销方案，提高用户的响应率和满意度。
三、金融领域在金融领域，数据仓库技术被广泛应用于风险管理和金融分析中。
通过整合来自不同金融市场和金融机构的数据，数据仓库可以帮助金融机构进行风险评估和风险管理，及时发现潜在的风险因素，并制定相应的对策。
此外，数据仓库还可以为金融机构提供实时的市场分析报告和投资建议，帮助机构制定科学的投资决策和风险控制策略。
四、医疗领域在医疗领域，数据仓库技术可以帮助医疗机构进行医疗资源管理和疾病诊断。
通过整合来自不同医疗系统的病历数据、医疗影像数据和生命体征数据，数据仓库可以为医疗机构提供全面的患者档案，并进行大规模的数据分析，发现潜在的疾病风险和关联因素。
此外，数据仓库还可以帮助医疗机构进行医疗资源的合理分配，提高医疗服务的效率和质量。
综上所述，数据仓库技术在商业、市场营销、金融和医疗等领域的应用场景非常广泛。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据仓库在现代企业中的应用【摘要】当今世界,随着科学技术的发展,数据的迅速增长,信息量的急剧增加,给人类提出了一个亟待解决的课题,即如何有效地使用这些数据。
目前还处于数据丰富而知识贫乏阶段,利用当前的数据库技术并不能充分发挥这些数据的作用。
本文介绍了数据仓库技术,分析了数据仓库技术对于现代企业的作用,给出了在企业中建立数据仓库的方法和实施步骤,同时介绍了市场上一些成熟的数据仓库解决方案。
【关键词】数据库数据仓库联机分析企业数据仓库的建设,是以现有企业业务系统和大量业务数据的积累为基础的。
数据仓库不是静态的概念,只有把信息及时交给需要这些信息的使用者,供他们做出改善其业务经营的决策,信息才能发挥作用,信息才有意义。
而把信息加以整理归纳和重组,并及时提供给相应的管理决策人员,是数据仓库的根本任务。
因此,从产业界的角度看,数据仓库建设是一个巨大的工程。
一、对数据仓库的简介1、什么是数据仓库。
数据仓库的概念由美国著名工程学家W·H·lnmon博士于90年代在《建立数据仓库》一书中提出:“数据仓库(Data Warehouse)是一个面向主题的、集成的、稳定的、包含历史数据的数据集合,它用于支持经营管理中的决策制定过程。
”主题是指用户使用数据仓库进行决策时所关心的重点方面;面向主题是指数据仓库内的信息是按主题进行组织的,为按主题进行决策的过程提供信息;集成是指数据仓库中的信息不是从各个业务处理系统中简单抽取出来的,而是经过系统加工、汇总和整理,保证数据仓库内的信息是关于整个企业的全局信息;稳定是指一旦某个数据进入数据仓库以后,一般情况下将被长期保留,也就是数据仓库中一般有大量的插入和查询操作,但修改和删除操作很少;包含历史数据是指数据仓库内的信息并不只是关于企业当时或某一时点的信息,而是系统记录了企业从过去某一时点到目前各个阶段的信息,通过这些信息可以对企业的发展历程和未来趋势做定量分析和预测。
作为一个系统,数据仓库至少包含三个基本功能部分。
第一,数据获取。
它负责从外部数据源获取数据,包括从各现行系统获取当前细节数据和从其他存储介质获取早期细节数据,数据被区分出来后,进行拷贝或格式转换等处理,准备载入仓库;第二,数据存储与管理。
这部分负责仓库内部的维护和管理,提供的服务包括数据存储的组织、数据的维护、数据的分发、仓库的例行维护等;第三,信息访问。
信息访问部分属于数据仓库的前端,面向不同种类的最终用户,主要由桌面系统的各种工具组成。
数据仓库的最终用户在这里提取信息、分析数据集、实施决策等。
进行信息访问的软件工具主要是查询生成工具、多维分析工具和数据采掘工具等。
2、数据仓库的体系结构。
整个数据仓库系统是一个包含四个层次的体系结构,具体如图1所示。
(1)数据源。
是数据仓库系统的基础,是整个系统的数据源泉。
通常包括企业内部信息和外部信息。
内部信息包括存放于RDBMS中的各种业务处理数据和各类文档数据。
外部信息包括各类法律法规、市场信息和竞争对手的信息等等。
(2)数据的存储与管理。
是整个数据仓库系统的核心。
数据仓库的真正关键是数据的存储和管理。
数据仓库的组织管理方式决定了它有别于传统数据库,同时也决定了其对外部数据的表现形式。
要决定采用什么产品和技术来建立数据仓库的核心,则需要从数据仓库的技术特点着手分析。
针对现有各业务系统的数据,进行抽取、清理,并有效集成,按照主题进行组织。
数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库(通常称为数据集市)。
(3)OLAP(联机分析处理)服务器。
对需要分析的数据进行有效集成,按多维模型予以组织,以便进行多角度、多层次的分析,并发现趋势。
其具体实现可以分为:ROLAP(关系型在线分析处理)、MOLAP(多维在线分析处理)和HOLAP(混合型线上分析处理)。
ROLAP基本数据和聚合数据均存放在RDBMS之中;MOLAP 基本数据和聚合数据均存放于多维数据库中;HOLAP基本数据存放于RDBMS之中,聚合数据存放于多维数据库中。
(4)前端工具。
主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具、以数据挖掘及各种基于数据仓库或数据集市为基础的应用开发工具。
其中数据分析工具主要针对OLAP服务器,报表工具、数据挖掘工具主要针对数据仓库。
二、数据仓库在企业中的应用1、数据仓库在企业中的作用。
数据仓库在企业中主要有三方面的作用:首先,数据仓库提供了标准的报表和图表功能,其中的数据来源于不同的多个事务处理系统,因此,数据仓库的报表和图表是关于整个企业集成信息的报表和图表;其次,数据仓库支持多维分析,多维分析是通过把一个实体的多项重要的属性定义为多个维度,使用户能方便地汇总数据集,简化了数据的分析处理逻辑,并能对不同维度值的数据进行比较,而维度则表示了对信息的不同理解角度。
应用多维分析可以在一个查询中对不同阶段的数据进行纵向或横向比较,这在决策过程中非常有用;第三,数据仓库是数据挖掘技术的关键基础,数据挖掘技术要在已有数据中识别数据的模式,以帮助用户理解现有的信息,并在已有信息的基础上,对未来的状况作出预测。
在数据仓库的基础上进行数据挖掘,就可以针对整个企业的状况和未来发展做出较完整、合理、准确的分析和预测。
对数据仓库中信息的使用,不同层次的用户有不同的使用风格。
比如:主管信息系统(EIS):提供界面丰富,定制容易的决策分析,主要适合企业的高层决策者使用。
联机分析处理(OLAP):灵活丰富的多维分析与查询,可以从不同的角度去分析企业的运作情况,并对未来进行预测。
主要适合于企业的中层领导和业务分析人员。
信息查询(Ad Hoc Query):提供从多个角度的灵活查询,适合于业务分析人员。
灵活报表(Reporting):提供灵活报表的设计,适合于制作报表的人员。
2、现代企业建立数据仓库的需求。
信息作为现代企业的宝贵资源,占据着越来越重要的地位,已经成为现代企业科学管理的基础、正确决策的前提和有效调控的手段。
能否拥有及时、准确、全面的信息已经成为衡量一个企业是否具有发展潜力的重要指标。
经过多年的努力,目前大多数企业根据自己的业务特点和办公需要,建立了一大批各自的业务处理系统和企业办公自动化系统,积累了大量的业务数据。
这些业务信息系统为提高企业的工作效率,减少重复性的工作起到了积极的作用,为企业的发展做出了巨大贡献。
目前,企业信息化建设呈现出“数据集中化、业务综合化、管理扁平化、决策科学化”的发展趋势。
面对激烈的市场竞争,许多大型企业纷纷实施“以客户为中心、以服务求发展”的经营策略。
如何优化客户关系,增强企业的竞争优势已经成为现代企业关注的焦点。
现有的应用系统往往以“产品”为中心,以“单据(票证)”处理为基础,是面向联机事务处理(Online Transaction Processing,简称OLTP)的系统,而以客户为中心的经营管理模式要求对现有业务系统的数据进行有效的集成并加以重组,建立面向联机分析处理(Online Analysis Processing,简称OLAP)的系统。
通过分析客户的行为,掌握不同类型客户的特征,进而为客户提供更加优质的服务,尤其是个性化的服务,同时全面掌握并理解、分析企业业务的发生情况,充分发挥企业现已积累的数据,为各级管理人员提供科学化管理和决策的有力依据,以提高企业的经营业绩,保证利润的持续增长。
3、现代企业建立数据仓库的步骤。
数据仓库系统是一种解决问题的过程,而不是一个可以买到的现成产品。
不同企业会有不同的数据仓库。
企业人员往往不懂如何建立和利用数据仓库,发挥其决策支持的作用,而数据仓库公司人员又不懂业务,不知道建立哪些决策主题,从数据源中抽取哪些数据。
这需要双方互相沟通,共同协商开发数据仓库,因此是一个不断往复前进的过程。
其过程包括以下几步。
(1)启动工程。
建立开发数据仓库工程的目标及制定工程计划。
(2)建立技术环境。
选择实现数据仓库的软硬件资源。
(3)确定主题进行数据建模。
根据决策需求确定主题,选择数据源,对数据仓库的数据组织进行逻辑结构设计。
(4)设计数据仓库中的数据库。
(5)数据转换程序。
实现从源系统中抽取数据、清理数据、一致性格式化数据、综合数据、装载数据等过程的设计和编码。
(6)管理元数据;定义元数据。
(7)开发用户决策的数据分析工具。
(8)管理数据仓库环境。
三、几种数据仓库的解决方案数据仓库的市场巨大,数据仓库产品很多,其中比较有代表性的产品有:Business Objects和Sybase、Platinum Technology等解决方案。
1、Business Objects。
这是集查询、报表和OLAP技术为一身的智能决策支持系统,它使用独特的“语义层”技术和“动态微立方”技术来表示数据库中的多维数据,具有较好的查询和报表功能,提供钻取(Drill)等多维分析技术,支持多种平台和多种数据库,同时它还支持Internet/Intranet,可以通过www进行查询、报表和分析决策。
2、Sybase的数据仓库解决方案Quickstart DataMart,包括Sybase Caleton PASSPOR、Brio Query、Conos Powerplay等一系列软件。
支持DB2、MS、VSAM、Sybase、Oracle、Informix等关系型数据库,还有文本格式的数据。
它能够同时处理几十个即席查询,其Bit Wise技术和垂直数据存储技术使系统只访问特定的少量数据,使得查询速度比传统的关系型数据库管理系统快100倍。
3、Platinum technology,公司的数据仓库解决方案。
它能够为企业提供完整、一致的数据,以保持商业决策的及时、正确性。
Platinum technology的数据仓库解决方案包括数据抽取和提炼、数据分布、源数据管理、数据存取和分析(OLAP、EIS、报表)、保险、销售和营销决策支持等几个方面。
它提供的数据仓库工具包括异构数据库之间数据双向复制的应用系统开发工具Inforump和功能强大灵活的关系型OLAP工具InfoBeacon等;提供的数据仓库前端业务智能解决方案工具包括使用户能够快速建立和使用的图形化企业信息系统应用的基于Windows的查询和报表工具Forest&Tress,可以利用多个大型数据库在桌面机或服务器上生成报表的企业级报表工具InfoReports,使用户在服务器上生成在用户端制作的企业报表工具InfoReports Server。
这些工具使用户不需编程即可查询关系数据库、数据仓库或数据文件的数据,具有很强的实用性。
【参考文献】[1] 刘军、叶钒:基于数据仓库和数据挖掘的应用研究[J].福建电脑,2007(3).[2] 林璇、冯健文:数据仓库分析工具及发展研究[J].平顶山工学院学报,2005(4).[3] 陈燕:数据仓库的设计与实现[D].中国优秀博硕士学位论文全文数据库(博士),2000.(责任编辑:李文斐)。