课程文献中心 更多>>

关键词： 双一流   数据仓库   商务智能   实验室建设  

摘要： 分析了双一流高校及大数据战略发展背景下的教学科研需求、产学研需求、实践学习需求,提出了商科高校建设商务智能分析实验室的必要性。从不同角度分析了实验室建设的目标,以人才培养为基础,提出实验室建设架构方案。该方案主要以数据源中心、ETL处理平台、ETL管理服务、数据仓库、BI应用五个层次模式组成,着重分析了实验室的服务内容和优势,为双一流商科类高校建设提供有力支持。

关键词： 统一社会信用代码   数据仓库   ETL   数据清洗  

摘要： 数据仓库技术是提高统一社会信用代码数据仓库数据质量重要的技术手段,而ETL技术则是构建数据仓库的重要环节。本文在分析统一社会信用代码数据特点的基础上,结合ETL技术,设计了3个数据清洗子模型,提出符合广西统一社会信用代码数据清洗系统的ETL框架模型,为后续大数据清洗技术的研究提供有益的参考。

关键词： 数据仓库技术   管理信息系统   建设原则  

摘要： 随着信息技术普及,促进了医院信息化改革。医院在应用信息技术过程中,通过构建管理信息系统,能够提升医院信息管理有效性,在区域范围内及时进行信息共享,减少内部管理耗能,优化管理效果。数据仓库技术是管理信息系统建设核心技术,直接关系到系统安全性。文章将从数据仓库技术概述、数据仓储数据特征、数据仓库技术应用原则、数据仓库技术应用措施、数据仓库安全性维护五个方面进行分析,旨在促进医院信息化发展。

关键词： 机器学习   数据仓库   数据资产   信息系统   云计算   大数据   运维管理   基础设施  

摘要： 近年来,大数据、云计算和机器学习等技术突飞猛进并且在金融科技领域得到广泛应用。银行业信息系统基础设施运维管理逐步智能化,各项指标时间序列数据得以采集存储,并形成结构化、规模化的数据仓库。如何对这些数据进行挖掘分析产生有助于决策的模型而发挥出数据资产的价值效应,已成为行业内关注研究的重点。

摘要： High-throughput sequencing is a powerful technique for addressing biological questions. Grabseqs streamlines access to publicly available metagenomic data by providing a single, easy-to-use interface to download data and metadata from multiple repositories, including the Sequence Read Archive, the Metagenomics Rapid Annotation through Subsystems Technology server and iMicrobe. Users can download data and metadata in a standardized format from any number of samples or projects from a given repository with a single grabseqs command.

关键词： 数据仓库技术   燃气企业  

摘要： 数据仓库技术应用到燃气行业,大大促进了燃气行业的发展。在燃气行业中有着海量的数据需要进行统一和分析,从而挖掘出数据潜在的规律和现象,从而更好地为燃气行业服务。本文在此基础上主要探索了数据仓库技术在燃气企业的应用情况,从而更好促进燃气企业的健康发展。

关键词： 数据集成服务   平台搭建   临床信息   数据仓库技术   调阅系统  

摘要： 目的以患者为中心维度,实现在一个应用平台快速便捷地调阅患者相关当前和历史诊疗数据。方法基于数据集成技术,对临床基础数据进行标准化、结构化表达、组织和存储,为应用程序提供统一、完整的数据视图,并进行可视化展示。结果使用基于数据仓库技术的临床信息调研系统后,信息调阅效率显著提升(时间节约115 s/人),带教人数增加(从480人到620人),患者满意度提高(从80%到93%)。结论该系统的研发与应用有效提高了医务人员调阅患者信息的便捷性和速度,提升了临床诊疗和办公效率,有利于改善医疗服务质量。

关键词： 数据仓库   数据分析   维度模型   雪花模型  

摘要： 为满足高校对各业务系统所有产生的操作型数据进行集成、统计和分析需求,需应用数据仓库技术,完成业务系统数据的采集与治理工作,为上层应用提供规范、有效的数据服务。基于此,文章结合高校业务数据的特点和实际应用需求,给出了高校数据仓库平台的架构设计,针对高校数据分析需求多变、统计复杂的特点,文章设计了集中抽取、分区治理、多维建模的建设方案,着重分析了主题数据区的维度模型构建方法,设计了教师基础数据星型模型和学生学籍数据雪花模型。最后给出了数据清洗策略,为高校数据仓库的建设提供了参考和借鉴。

关键词： 大数据   云平台   深度学习   预测模型   数据仓库  

摘要： 近年来,随着云计算、大数据等技术的迅猛发展,如何快速、有效地从纷繁复杂的数据中获取有价值的信息成为当前大数据应用的关键问题。为此,对基于大数据云平台的深度学习预测模型进行研究,以对未来序列数据走势进行有效预测。首先对几种基于深度学习的长短序列预测模型进行对比分析,分析其与传统预测模型的区别及优势,提出一种加入dropout的轻量级GRU预测模型。采用代表性天气数据作为实验对象,实验结果表明,该方法的实验预测指标MAE(平均绝对误差)的平均值相比传统预测方法有所提高,从而有效验证了轻量级GRU预测方法的正确性与有效性。