基于数据仓库的分析决策系统住院病人费用

介绍了数据仓库的特点和体系结构的同时，对数据仓库技术在医院信息系统中的应用进行了研究，以Oracle Warehouse Builder作为构建数据仓库的技术平台，用Discoverer作为对数据仓库进行联机分析的工具，给出了一个应用于医院住院病人费用分析的数据仓库实例。该实例支持海量数据的深加工和再利用，解决了数据仓库构建、数据分析、客户端程序设计等技术问题，为支持医院管理者的分析决策做出了积极探索。     

基于HIS的医院数据仓库设计与实现

随着数字化医院建设的发展,医院信息系统得到了广泛应用.如何对医院信息系统产生海量数据进行科学的分析处理以便为决策者提供决策支持已经成为医疗领域面临的新课题.对医疗领域的数据仓库和联机分析处理的部分设计开发过程和关键技术进行了研究,提出采用需求驱动和数据驱动相结合的设计方法,对医院信息系统中数据进行提取、建模,并建立多维数据集.最后,设计并实现了一个医院数据仓库实例.     

基于数据仓库的网络流量OLAP设计与实现

数据仓库是分析历史的、大批量数据的热门技术.通过介绍数据仓库和OLAP有关概念,并以具体网络流量主题分析为例,阐述如何构建数据仓库,并进行OLAP分析,以进行决策支持.     

数据仓库的体系结构及其技术的探讨

探讨了数据仓库的体系结构及其相关技术,同时对数据仓库中的数据转换、数据仓库的决策支持、多维分析和基于数据仓库的数据挖掘技术进行了分析。     

铁路运输统计分析系统的设计与实现

建立基于数据仓库及OLAP分析服务技术的铁路运输统计分析系统可以更有效地实现跨平台数据集中、以及铁路运输统计信息分析决策支持,是铁路信息化建设的重要组成部分.本分析系统将不同时期的各种运输统计系统,自1998年南昌局建局后独立统计以来的数据做为源数据,通过提取、转化和加载完成数据清洗,转化为有效、完整、可用的数据仓库中的数据,为铁路运输生产的分析决策提供数据支持.采用Sybase IQ数据仓库,选择MicrosoftAnalysis Manager作为OLAP分析服务,生成多维数据集,通过Excel数据透视表作为前端展示工具,建成铁路运输统计分析系统,辅助企业运输生产决策.     

基于数据仓库的医疗数据可视化系统的设计与实现

本文以病人费用分析为例,基于数据仓库技术,研究了抽取和整合医院使用的事务处理型系统中的数据,并设计面向医院管理者的数据可视化系统的相关工作,以便充分利用医院日益增加的数据为医院管理者提供决策支持,也为医疗数据行业的工作者提供一些简单的参考。     

基于数据仓库住院信息采集分析系统设计

通过分析现阶段的医院病案管理模式和数据仓库的特点,提出了基于数据仓库技术,构建住院病人信息采集分析系统的设计方案,并根据医院医疗管理信息的需求给出系统的总体结构、数据仓库的模型、数据转换和数据分析处理方法,并探讨了分布式数据仓库的设计和实现.     

数据仓库在口岸物流中的应用

随着信息技术的发展,口岸物流活动中积累的信息量正以指数级增长,到目前已经积累了海量数据,但这些数据存在数据库中对决策支持作用很小,以数据分析支持口岸决策提高口岸工作效率已成为迫切需要。为满足上述要求,首次将数据仓库技术应用于口岸物流,并详细介绍了口岸物流数据仓库的体系结构,口岸数据仓库的维度建模方法,并用Oracle强大的前端展示工具实现OLAP分析、定制报表等,为用户提供决策支持。通过数据仓库在口岸物流中的实际应用证实了数据仓库能很好地应用于口岸物流,对于提高口岸物流效率,降低运营成本具有积极意义。     

基于数据仓库的决策支持系统的设计与实现

在大型企业中,随着财务信息化建设的发展,积累了大量的财务数据.讨论了如何利用这些数据快速而正确地支持决策.在对数据仓库技术和决策支持系统研究的基础上,提出并实现了一种基于数据仓库技术的决策支持系统(DSS),内容包括系统体系结构、数据仓库模型,联机分析处理(OLAP)策略以及基于门户技术的个性化展示方式,并时系统的关键技术进行了阐述.该系统实现了将企业所掌握的数据转换为信息,进而转换成知识,提高企业决策能力,决策效率、决策准确性.     

数据仓库技术在医院病情诊疗分析中的应用研究

分析了病案统计分析系统的现状及存在的不足.为了使病案得到充分的有效的利用,提出了将数据仓库技术应用其中的方法.以病情诊疗分析为主题,介绍了此方法的原理及主要功能,给出方法实现的具体步骤,对方法的关键部分进行了详细的解释说明.其核心思想是通过数据仓库来清洗纷繁芜杂的数据,然后利用联机分析系统独特的多维方式对数据进行分析,使用户从不同的维了解历史及现状,最后利用数据挖掘工具自动地挖掘潜在的模式,找到正确的决策.     

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。     

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。     

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。