基于供应链数据仓库的OLAP数据挖掘

现代企业的竞争已经转变为供应链之间的竞争，供应链管理是经济全球化发展的产物。在供应链系统的数据库或数据仓库之中存储了大量的数据，如果在供应链数据仓库的基础之上开发OLAP数据挖掘系统，可以使供应链数据仓库更好地适应物流企业决策的需求。文中介绍了基于供应链数据仓库的OLAP数据挖掘应用技术，最后给出了应用实例，并讨论供应链数据仓库的OLPA数据挖掘系统的工作模式及其今后的研究方向。     

基于供应链数据仓库的OLAP数据挖掘

在供应链数据仓库的基础之上开发OLAP数据挖掘系统,可以使供应链数据仓库更好地适应物流企业决策的需求。OLAP系统不仅具有极高的灵活性,而且能够协助用户发现期望获取的知识和部分未知的有用信息。本文将介绍基于供应链数据仓库的OLAP数据挖掘应用技术,并讨论OLAP数据挖掘系统的工作模式。     

数据仓库技术在物流企业中的应用

数据仓库是信息管理和分析应用的有效平台。该文针对物流运输企业现状,引入了数据仓库技术,应用OLAP工具对物流配送调运模型处理后的数据进行分析,并将数据仓库融入集成供应链中。     

连锁销售数据仓库系统的构建技术的研究

数据仓库是在数据库基础上发展起来的，主要用于OLAP和数据挖掘，使企业和用户可方便地从大量隐藏的数据中抽取出潜在的、有价值的信息。文章首先提出了数据仓库系统的体系结构，然后创建了连锁销售数据仓库，实现了系统功能模块的设计与开发，最后对该系统的应用前景进行了展望。     

OLAP数据挖掘引擎算法的设计与实现

基于OLAP的数据挖掘，是数据挖掘的一个新的发展方向。对于如何把OLAP(联机分析处理技术)和DM(数据挖掘)统一起来，从而在数据库或数据仓库的不同层次进行挖掘，提出了OLAP数据挖掘系统的结构。通过研究数据挖掘方法和OLAP操作的特点，以及数据立方的构建和物化，对传统的DM算法进行了改进，设计并实现了更能适应OLAP数据挖掘引擎的算法。     

基于数据仓库的OLAP技术的研究

随着数据处理技术在企业的成功应用,企业积累了大量的生产、科研和业务数据,为了解决企业决策人员面对浩瀚如烟的数据却很难及时获得决策支持信息的问题,许多企业已构建了数据仓库,并且通过使用联机分析处理OLAP技术可以使决策人员从数据仓库中获取有用信息。本文介绍了数据仓库技术和OLAP的基本概念,分析阐述了基于数据仓库的OLAP的三种存储机制,及联机分析处理OLAP在数据仓库应用中的作用。重点研究了基于关系型数据库的ROLAP(RelationalOLAP)技术,主要介绍了ROLAP的特点,ROLAP的两种模型:雪花模型与星型模型,以及OLAP的多维分析技术。     

基于数据仓库三层架构的决策支持系统应用研究

数据仓库与联机分析处理(OLAP)技术已成为企业决策支持系统的关键.探讨了基于数据源、数据仓库及OLAP应用三层架构的决策支持系统的体系结构,并结合具体实例给出了系统设计和实现过程.     

基于数据仓库的OLAP技术的研究

随着数据处理技术在企业的成功应用，企业积累了大量的生产、科研和业务数据．为了解决企业决策人员面对浩瀚如烟的数据却很难及时获得决策支持信息的问题，许多企业已构建了数据仓库．并且通过使用联机分析处理OLAP技术可以使决策人员从数据仓库中获取有用信息本文介绍了数据仓库技术和OLAP的基本概念．分析阐述了基于数据仓库的OLAP的三种存储机制，及联机分析处理OLAP在数据仓库应用中的作用。重点研究了基于关系型数据库的ROLAP(Relational OLAP)技术，主要介绍了ROLAP的特点，ROLAP的两种模型。雪花模型与星型模型．以及OLAP的多维分析技术。     

OLAP技术在银行信贷管理系统中的应用

在以数据仓库为理论基础,利用联机分析处理(OLAP)技术进行数据分析的方法逐渐成熟的情况下,本系统利用IBM的OLAP系统套件为工具,基于银行的信贷管理业务系统,建立了相应的数据仓库,在OLAP中构造了贷款主题和五级分类主题的模型,在此基础上对相应的指标进行了分析和挖掘,实现了OLAP在信贷管理分析上的初步应用。     

基于OLAM的决策支持系统

随着数据仓库技术的发展和完善，其应用日趋广泛。同时企业对数据仓库的OLAP功能提出更高和更复杂的要求。联机分析挖掘(Online Analysis Minjng，OLAM)技术集成了OLAP技术和数据挖掘技术，实现了二者的优势互补，为基于数据仓库的应用系统提供更加完善和强大的决策支持功能。本文简单介绍了OLAM及基于OLAM的决策支持系统(OLAM—Based DSS)框架及系统设计中的若干问题。     

数据仓库的填充与访问

数据仓库是连接底层数据源与上层应用的枢纽。该文介绍了数据仓库的填充(与数据源的连接)和数据仓库的访问(与应用界面的连接)技术,包括与数据库数据源和非数据库数据源的连接以及采用组件工具访问数据仓库的方式和实现方法。     

平行数据:从大数据到数据智能*

为了解决实际问题,大数据分析处理系统需要获取数据,然而实际场景中收集到的实际数据通常不完备.另外,大多数问题的解决方案通常是由问题引导或者仅仅进行数据分析,运行参数调整和设定带有较大的盲目性,难以达到应用的智能性.为此,文中提出平行数据的概念和框架,根据实际数据经计算实验产生真正的虚拟大数据,结合默顿定律,以期待的解决方案与问题进行广义对偶,引导大数据聚焦到实际问题.实际数据与虚拟数据动态互动,平行演化,形成一个虚实相生、数据动态变化的过程,最终使数据具备智能,进而解决未知的问题.平行数据不但是一种数据表示形式,更是一种数据演化机制与方式,其特色是虚实互动,所有数据的动力学轨迹构成了数据动力学系统.平行数据为数据处理、表示、挖掘和应用提供了一个新的范式.     

数据处理中的数据交换问题

为有效地解决实际问题,可能要使不同语言进行混合编程,这样就涉及到数据的传递和不同类型的数据文件之间的转换,这里讨论几种常用数据交换问题。     

基于数据抽取器实现数据挖掘

通过定义ＳＯＬ数据挖掘抽取器,设计了数据挖掘算法和数据库管理系统的接口的框架体系。并通过一个常用的数据挖掘算法简单贝叶斯算法说明了这种标准的ＳＯＬ数据挖掘抽取器的适用性。     

数据仓库和数据挖掘

Making a business decision using data from severaldifferent enterprise databases can be complicated. Data warehousesconsolidate data into a central repository and give you the OLAP toolsnecessary to retrieve data pertinent to the solution.DefinitionA data warehouse is used to consolidate this data into a central storeand to arrange it to make analysis easier, which means the data is lessnormalized than your traditional application database. Data is typicallytransferred in batch to the centra…     

数据仓库中的数据提取

数据仓库的思想和工具在企业中得到了越来越广泛的体现和应用,在当前典型的数据仓库应用中,数据仓库的填充或者说数据的提取,转换和加载是设计人员遇到的最大挑战之一,预计在数据仓库的设计过程中,80％的努力都将用于此过程。该文从工程角度介绍了数据提取、转换和加载的过程和实现方式,并介绍了4种可灵活应用的数据提取方法。     

数据转换过程的串行化方法

随着数据仓库和数据集成的发展,数据清洗的工作越来越多,用户在进行数据清洗时需要对数据的内容进行多次处理。在设计清洗的建模过程中,用户可能对同一个数据进行多次的清洗和转换处理,由于步骤多,用户往往不知道清洗和转换步骤出现错误。该文对前述问题进行论述,并针对这种清洗和转换处理中的赋值冲突和范围冲突提出解决方法。     

数据仓库中数据质量控制研究

随着数据仓库的深入应用,数据质量问题成为关系到数据仓库建设成败和数据能否有效应用的重要关键问题。该文首先讨论数据仓库环境下存在的数据质量问题以及保证数据质量的重要性,然后提出数据质量的度量和评价指标,最后给出了数据仓库实施和运行过程中数据质量控制的数据质量成熟度模型和保证仓库数据质量的方法。     

面向客户数据仓库的数据集成方法

数据集成问题是建立数据仓库过程中的重要问题之一，而客户资料又是其中最难以集成的数据，对于该问题目前还没有一个很好的解决方法。我们总结在实际实践中取得的经验，提出了一套切实可行的解决方案，同时兼顾了集成效率和准确率两方面因素，实际应用效果比较理想。     

数据仓库中的数据集成转换

本文首先提出了数据仓库中数据集成的一个总体框架，然后列举了在数据转换中可能遇到的主要问题，最后根据这些转换规则，给出了一种描述性脚本语言来描述这些规则，继而给相应的处理模块解析处理。