课程文献中心 更多>>

关键词： 数据挖掘   报表分析   数据仓库   业务规则   决策支持过程   数据价值   长安   汽车  

摘要： 做好数据挖掘,不是简单地停留在报表分析和展示层面,更需要得到诸多方面的支持。成功进行数据挖掘中最重要的因素是了解数据挖掘,这并不是一项单一的工作,它包含了在整合流程中的一系列活动。数据挖掘是一种决策支持过程数据挖掘,是一种决策支持过程,主要基于AI、机器学习、统计学等技术,利用各种分析工具,CIO可从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中高度自动化提取隐含在其中

关键词： 数据仓库   数据中心   ETL   元数据   CWM  

摘要： 随着数据仓库应用的不断推广,构建数据仓库的各种工具也不断涌现出来。为了支持整个数据仓库环境中各部分之间的无缝集成,这些工具需要彼此协作,使数据流能在各个工作环节中畅通流动。同时尽量保证信息的完整性和正确性,为此,数据仓库中的元数据必须有统一良好的定义。 ETL在数据仓库和商业智能中都是重要的组成部分,而且ETL的开发在整个数据仓库项目开发周期中也是比较耗时的部分。在数据仓库开发过程中,开发人员通常更关注业务元数据和技术元数据,却忽视了ETL元数据的管理,导致ETL开发周期的延长。目前,元数据管理结构有两种：一种是集中式的元数据管理结构,即整个系统只有一个元数据仓储,所有工具和数据仓库直接从这个中心元数据仓储中获取元数据信息,这种结构只适合于中小规模的企业。对于大型企业中数据环境较为复杂的应用场景,集中管理几乎不可能。另一种是分散式的元数据管理结构,这种结构建立了若干个分布的、相对自治的元数据仓储,分别处理某个单一领域的元数据,而全局元数据则由元数据管理系统来管理。这种分散式结构虽然分散管理元数据,但在共享元数据部分由于要从不同元数据库中得到元数据,并且不同的元数据库有可能使用不同的元数据定义形式,所以仍然要解决元数据异构的问题。而且这些分布的、自治的元数据库间的集成不可避免地要用到元数据交换协议,因此也延长了开发周期。 公共仓库元模型(CWM)是一种基于UML设计的,用于建立公共仓库的元模型,并且是面向对象的模型。本文对CWM进行了深入研究,运用该模型对ETL元数据建模,将对象模型映射到关系模型,并建立相应的元数据库,最后将设计的元数据库应用到浦东数据中心数据管理子系统。通过对ETL元数据的有效管理,可以更加直观地将ETL数据源、转换规则以及映射关系反映给ETL工程师,便于ETL的开发和ETL元数据的维护。 文章首先介绍了元数据、ETL和ETL元数据等相关概念,深入研究了CWM模型的整体架构、设计原则、各组成包的功能以及包之间的关系,重点分析了CWM中与ETL相关的包。然后,利用CWM中的相关包设计了面向对象的ETL元数据模型,并将其转化成关系模型即ETL元数据的ER图以及关系型的ETL元数据库。最后,将设计应用到浦东数据中心项目。

关键词： 硬盘   缺陷   修复  

摘要： 今年的峰会以"数据价值,极致演绎"为主题,吸引了大中华区及全球通信、金融、制造、运输、交通、能源、零售、电子商务等行业的领导厂商,以及Teradata天睿公司的合作伙伴和公司的高层主管超过500人集聚一堂,交流数据仓库和企业分析领域新的发展动态。

关键词： 经分系统   数据质量   数据仓库   元数据  

摘要： 中国移动通信集团自2003年开始在全国逐步建设省级经营分析系统(以下简称为省级经营分析系统),经过多年发展,已初步建立了数据质量管理机制,有效保障了经营分析系统的数据质量。随着省级经营分析系统价值的不断显现和稳步提升,以及IT系统安全管理、风险内部控制等重大管理举措的实施,省公司对经营分析系统如何保障数据质量提出了更高要求。本文根据中国移动经营分析系统数据质量控制要求和自己多年的工作经验和在数据质量控制管理过程中的实践经验,结合中国移动省级经营分析系统数据质量管理系统业务技术规范,探讨在数据质量控制过程中的若干技术实践问题和管理实践问题,并结合实践过程,对中国移动省级经营分析系统数据质量管理系统业务技术规范(v2.0)提出几点建议,尤其重点强调了数据源管理和需求管理对保障数据质量的重要意义和现实作用;本文提出数据质量与投资效益的内在联系,首次明确提出数据质量控制方面的效能管理。 论文在经分系统数据质量管理规范提出的六大要素的基础上,提出“数据关联性”分析指标;在数据质量问题梳理中,对规范中理出的四大问题中的管理问题,做了适当的调整、补充、完善;本文论述的数据质量控制方法也适用于运营商其他的IT系统的数据质量管理过程,比如目前正在建设中的数据业务系统综合分析系统、运维管理系统、综合资源管理系统,各个系统的侧重点不同,运用的控制方法中的侧重点也不一样;像在综合资源管理系统中,数据源的管理过程将是该系统数据质量控制的非常重要的组成部分。

关键词： 数据仓库   数据挖掘   联机分析处理   聚类分析  

摘要： 由于计算机数据采集工具及关系数据库技术的应用,目前各个行业都存储了大量的数据。传统的数据分析手段难以应付大量的数据,从而越来越多的企业意识到,要想在竞争中获胜,获得更大的收益,必须利用数据仓库、网络等计算机技术,深层次地分析、挖掘当前和历史的数据,以及相关的环境数据,自动快速地得到其中有用的决策信息,为企业提供快速、准确的决策支持,由此产生了从大量数据库中挖掘令人关注的信息的巨大需求。 OLAP技术与数据挖掘是决策支持系统实施的两种方法。本文将两种技术融合于人人乐超市管理系统之中,以提高系统的工作效率。 本文首先介绍了论文的研究背景和数据挖掘中聚类分析的发展现状。然后从系统需求分析出发,完成了人人乐超市数据仓库的设计和系统中销售管理OLAP立方体的构建,采用数据仓库技术中的星型模型进行多维数据建模,建立了销售信息的相关表格：销售事实表、时间维度表、厂商维度表、商品维度表、部门维度表,根据所建的不同维表搭建查询条件,对事实表的事实搜索查询结果。 最后通过对系统从用户和功能两个角度对超市管理系统的需求进行了详细的分析,同时将系统分为系统设置信息管理和商品销售信息管理两部分。系统设置信息管理：包括商品分类管理、厂家管理、商品管理、部门管理、管理员管理。商品销售信息管理：包括商品出售管理、今日销售事实管理、历史销售事实管理、商品销售日汇总。在历史销售事实中可根据销售的时间或时间段、销售的厂家、商品的各分类来查询以往所有销售出去的商品。利用SQL Server 2005进行后台数据库的设计与实现,使用***开发工具对系统操作界面进行设计与实现。

关键词： 数据仓库   客户信用   模糊层次分析法  

摘要： 高质量的数据是商业银行正确评估客户信用质量的基础。本文尝试利用模糊数学的原理与方法,建立多层次数据质量模糊综合评价模型,评价贷款客户数据库中的数据质量。本方法对于商业银行客户信用评价体系的建立和实施,具有重要的现实意义。

关键词： 数据仓库   多维分析   商务智能   层次结构  

摘要： 高校学生成绩管理系统存储了大量的学生成绩信息,有效的对这些数据进行分析对学校教学管理具有重要意义.针对这个问题,本文选择采用数据仓库技术构建学生成绩的多维分析模型,使用Microsoft商务智能平台填充数据,实现学生成绩的分析.

关键词： 政府采购   政府采购资金   数据挖掘   数据仓库  

摘要： 随着政府采购规模的逐年增长、采购范围的逐渐扩大、政府采购管理系统中积累了大量的、有价值的、暂时未发现其价值的数据,这些数据不仅占据了大量的存储空间,而且得到有效利用或实现其价值的数据较少。数据仓库技术和数据挖掘技术的出现,使得“政府采购数据爆炸但知识缺乏”的问题迎刃而解。数据仓库技术可以抽取不同政府采购管理系统的历史数据,并对其进行转换和加载,最后集成政府采购数据仓库。 数据挖掘技术对政府采购数据仓库的数据进行挖掘分析,并从中提取有价值的信息,为政府采购管理部门的监督管理提供有效的依据。本研究首先介绍数据仓库、数据挖掘有关的工具、相关技术和方法。其次结合政府采购的分析需求,构建政府采购数据仓库。然后基于构建的政府采购数据仓库,创建政府采购数据集市、选择数据挖掘算法、设计数据挖掘模型,对政府采购进行数据挖掘分析。本文主要研究成果有以下五个方面: 1.通过对政府采购业务系统数据的抽取、转换、加载,根据概念模型、逻辑模型、物理模型的设计,创建一个集成政府采购资金信息与业务信息的数据仓库,为数据挖掘分析提供了有效的数据支撑。 2.采用聚类算法对政府采购申请中具有相似特征的属性进行分类,找出政府采购申请中采购目录、商品属性（节能、节水、环保等）、采购金额等相关属性之间存在的规律,为判断政府采购是否发挥了财政资金支出的导向作用提供数据依据。 3.通过决策树算法建立若干个分类规则集合的模型,为合理地下达政府采购的采购组织形式、采购方式、采购代理机构等提供有效的依据和技术支持,从而规范管理政府采购。 4.针对政府采购逐年的采购数据,通过时序算法预测政府采购规模。以时间为主线,从采购单位、采购目录、采购方式等多个视角对政府采购规模进行分析,有利于下一年政府采购资金支出的管理,同时也能较精细的安排政府采购预算。 5.针对政府采购活动中与供应商有关的信息,通过关联规则算法挖掘找出供应商与其他采购参与者之间的关联关系。为政府采购反腐倡廉、打击商业贿赂行为提供了重要依据。 数据仓库和数据挖掘技术的不断成熟和广泛应用,为政府采购数据仓库的创建和资金使用数据挖掘分析奠定了基础,本文为政府采购资金使用数据挖掘研究掀起探索。

关键词： 决策支持系统   数据仓库   数据挖掘   联机分析处理  

摘要： 随着日常生活水平的提高,人们对医疗卫生部门服务效率的要求越来越高。沈阳作为大型现代化城市,医疗资源丰富,但是现有的医疗服务水平无法满足人们日益增长的医疗需求。不同地区之间、城乡之间的医疗资源分布差别较大。医疗机构重复设置、职能交叉、医疗卫生技术人员队伍素质参差不齐、人民群众“看病难、看病贵”问题突出。事实上,出现这些问题的根本原因在于医疗资源结构的不科学和部署分配的不合理。 为了解决这些问题,本文基于数据仓库(DW)、联机分析处理(OLAP)和数据挖掘(DM)等技术提出了一种新颖的医疗资源管理决策支持系统。医疗资源管理决策支持系统通过建立数据仓库存储各种异质多模的动态信息源数据,利用联机分析处理技术实现多维数据分析,然后通过数据挖掘技术从数据仓库中获得新的医疗资源规划知识,反馈并丰富了决策支持系统的知识库,形成了闭环的智能系统。 在系统的设计与实现过程中,基于C/S+B/S技术平台架构,采用Oracle 10g的OWB数据仓库构建环境、OLAP服务和基于自适应贝叶斯网络(ABN)的ODM数据挖掘技术,实现了数据仓库、数据挖掘和应用程序三者的紧密耦合,因此大大提高了数据挖掘的效率。基于.net技术,把数据仓库、联机分析处理和数据挖掘三者无缝结合,构建了一种新型的医疗资源管理决策支持系统。系统由医疗资源数据仓库、数据挖掘模块、联机分析模块和规划生成系统四部分构成。系统从医疗信息管理系统数据库等内部、本地外部及远程外部数据源中采集到有意义的数据后,根据所定义的元数据对数据按主题进行转换及清理,然后存储至数据仓库,使得联机分析处理模块和数据挖掘模块可以通过数据共用接口实现对数据的调度,有效地对数据进行检索、查询和操作处理。 本系统所实现的分析、优化、预测功能,将为决策部门提供最佳优化方案和决策信息,并能有效减少决策中的失误。从而提高地区卫生行政管理部门决策的科学化水平,提高对城市医疗资源规划、建设和管理的科学性,并在改善城市卫生管理,提高医疗资源利用率、缓解医患矛盾等方面产生巨大的社会效益。

关键词： 列式数据库   企业   用户   企业管理   数据仓库   索引项   特征项  

摘要： 全球著名数据仓库、大数据分析和整合营销管理解决方案的厂商天睿公司(Teradata)日前在上海宣布推出Teradata列式数据库。它充分整合了列式与行式的表,将灵活性、性能与压缩性提升到更高水平,这是数据库技术的一大变革和进步。Teradata列式数据库的运行速度更