医院数据仓库数据模型设计

数据模型设计是数据仓库建设的核心,提出一种医院数据仓库数据模型的设计方法。以某一三甲医院的HIS数据为背景,采用数据驱动的手段,结合医院的需求,提出了医院数据仓库的三层数据模型,概念模型、逻辑模型、物理模型,并完整地给出了每个模型的具体的设计和主要内容。设计并实现了医院数据仓库的数据模型,并结合医院具体的数据给出了相应的实例。此医院数据仓库的三层数据模型易于理解和实现,为医院数据仓库设计最终完成提供了基础。     

医院数据仓库数据模型设计

数据模型设计是数据仓库建设的核心,提出一种医院数据仓库数据模型的设计方法.以某一三甲医院的HIS数据为背景,采用数据驱动的手段,结合医院的需求,提出了医院数据仓库的三层数据模型,概念模型、逻辑模型、物理模型,并完整地给出了每个模型的具体的设计和主要内容.设计并实现了医院数据仓库的数据模型,并结合医院具体的数据给出了相应的实例.此医院数据仓库的三层数据模型易于理解和实现,为医院数据仓库设计最终完成提供了基础.     

创建企业级数据仓库的关键技术

论述了企业创建数据仓库的必要性、数据仓库的价值和应用,以及创建的关键技术,逻辑数据模型、物理数据模型设计、定义记录系统及与数据仓库接口等。最后论述创建的工具。     

基于银行系统应用的ETL技术的探讨

介绍运用数据仓库的几个关键特性和ETL技术，构建银行系统数据仓库的过程。并提出了在构建过程中对处理阶段的划分方法和一些处理方式，以便当数据模型变动时，避免大规模修改仓库的构建。     

基于XML技术的数据仓库多维数据模型

本文介绍了一种基于关系数据库、利用 XML技术实现多维数据模型方法 .首先讨论了在关系数据库之上构建数据仓库的系统结构 ,利用面向对象的技术构建一个逻辑多维数据模型 ,通过 XML 文档保存多维数据模型的元数据 .配合数据仓库的数据抽取工具、汇总工具可以实现数据仓库的基本功能 .对于实现关系数据库之上 OL AP和数据挖掘有一定的参考价值 .     

基于XML数据立方的面向对象扩展

本文是对基于XML的数据立方数据模型的面向对象的实现，通过对数据仓库技术，面向对象技术和XML技术的结合的探讨，扩展了XML Schema，从而为基于WEB数据仓库的应用提供了一种新的表示和实现方法，解决了数据仓库中模式演化所带来的重组问题，通过与面向对象技术的结合使用，把数据仓库变成为数据立方和OLAP方法的仓库，这种数据仓库的实现方案，保证了数据仓库系统的稳定性，灵活性和可扩展性，适应了新一代WEB应用的需要。     

数据仓库中OLAP的实现技术

本文介绍了数据仓库和联机分析处理的概念，分析阐述了基于数据仓库的OLAP的三种存储机制、实施框架、数据操纵机制和索引机制。及多维数据模型上的OLAP的实现技术。     

以E-R模型为基础构造数据仓库的概念模型

建立数据模型是构造数据仓库的重要步骤之一,多维数据模型是数据仓库设计中广泛采用的概念模型。该文提出了利用操作型数据库系统中已存在的E-R模型,把E-R模型转换变形为属性树,从而建立数据仓库的多维数据模型的方法。使用这一方法可以对已存在的数据库系统的信息资源进行二次利用,有助于对现存信息系统的深入理解和认识,减少必不可少的信息系统调研所耗费的时间,加速构造数据仓库的进程。     

数据仓库方法论

数据仓库是面向主题的、集成的、非易失的且随时间变化的数据集合，本文简要讨论有关数据仓库的主要设计技术与管理技术，包括数据模型，元数据，粒度，数据分割，数据集成以及分布式数据仓库等。     

一种基于Java语言的分布式对象处理框架

本文用Java语言为数据仓库设计了一个程序框架,并且用HORB分布式对象系统建立一个信息层,把应用在数据仓库和本地主机间作合理地分配,使数据仓库对象得到一个动态的、可扩展的分布式环境。文中还给出了数据仓库存储池的数据模型,最后给出了浏览数据仓库条目的方法。     

数据建模在数据仓库建设中的应用

数据仓库是国土资源决策支持系统建设中的核心内容,是决策支持系统处理的基础。建立数据仓库的目的,是把国土资源的内部数据和外部数据进行有效的集成,为各级决策领导、各级管理人员和业务分析人员使用。作者重点从数据仓库模型设计要点、国土资源一体化数据仓库整体模型架构、数据仓库模型设计规范三方面进行了详细设计。     

应用扩展元数据库方式解决数据仓库质量问题

数据仓库中数据的质量如何是直接关系到数据仓库系统成功与否的关键。扩展元数据库方式是解决数据仓库质量问题的有效方法。文章首先介绍了扩展元数据库,质量维度及质量模型,然后讲述了如何提高数据仓库中的数据质量,从而作为系统质量分析和质量驱动设计的基础。     

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。     

数据清理中几种解决数据冲突的方法

建立数据挖掘模型的基石是数据仓库,数据仓库的质量直接影响到数据挖掘模型的建立与执行效率,并有可能影响到数据挖掘模型的最终结果的准确度。数据清理就是发现数据中的错误和不一致并加以消除,以提高数据的质量,使得数据挖掘模型建立的过程更加快捷和简便,挖掘出来的模式和规则也就更加有效和适用。     

基于POSC平台的油气勘探数据仓库及数据挖掘

根据POSC软件集成平台技术建立油气勘探数据仓库，并对基于油气勘探数据仓库的数据挖掘技术进行讨论。介绍了系统的总体结构，基于Epicentre的多维数据模型，数据完整性和一致性，探讨了数据挖掘技术在油气勘探中的一些应用。     

基于政务数据仓库的数据集成及关键技术

政府机关网络中的数据集成是进行数据挖掘的准备阶段，这一阶段需要以行政决策为依据来抽取和集成数据并导入数据仓库。文章根据政府机关网络中已有数据的特点和数据挖掘过程中对数据的要求，详细讨论了构建数据集成的对象模型的方法、运用元数据库来实现致务数据仓库的数据集成的途径、使用对象模型来实施异构数据集成的关键技术。     

对于数据仓库和数据挖掘的理解

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供更好的决策支持和服务,同时促进数据仓库技术的发展。主要介绍这两者的概念、应用,以及它们之间的关系。     

基于数据仓库的网络通信业务数据分析

本文在数据仓库技术的基础上,将数据分析功能应用于网络通信的业务数据处理中,详细介绍了通信业务利用数据仓库技术,来建设业务数据分析系统的总体设计框架、技术思路和解决方法等,采用了HOLAP混合型的数据仓库结构设计,大大地节省了存储空间,提高分析效率。同时实现数据分析系统的信息发布功能,对于系统数据分析的结果进行处理与发布。课题的研究将有效促进我国网络通信企业的竞争能力,并形成数据系统化的市场竞争模式。     

对于数据仓库和数据挖掘的理解

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供更好的决策支持和服务,同时促进数据仓库技术的发展。主要介绍这两者的概念、应用,以及它们之间的关系。     

ECAS数据仓库中数据集成的相关问题

数据仓库越来越广泛地应用于企业决策分析 ,从传统的操作型数据库集成数据是创建数据仓库必不可少的一步。结合宝钢能源部能源分析及成本分析系统 (ECAS)数据仓库 ,介绍了建立数据仓库时从不同的数据源抽取数据、清洗数据的相关问题。