数据库技术在事务处理方面获得了巨大的成功,但是面对日益增长的庞大数据,对数据的分析处理一直不能令人满意,尤其当以业务处理为主的OLTP应用与以分析处理为主的DSS应用共存同一个数据库系统中,这两种类型的处理发生了明显的冲突.因为事务处理和分析处理具有本质的不同,直接使用事务处理环境来支持DSS是不切实际的.致力于决策支持的数据分析处理,要求数据大量、正确、可靠、完整及聚集程度高.目前的事务处理系统虽然积累了大量的细节数据,却因为规范化的限制,不具备以上分析处理的能力.数据仓库的目标就是在一个企业内将正确的信息发送给正确的个人,同时给企业提供一个可靠的、一致的数据分析环境,是一个动态的过程.全德房地产信息管理系统,经过多年的信息收集,积累了大量的房地产各个方面的业务数据,完全可以为房地产开发商提供一个决策支持的数据环境.因此,该论文以构建一个房地产数据仓库实例为基础,运用数据仓库和数据挖掘技术,为决策人员创建描述性的和预测性的数据分析模型,进行了有意义的理论与实践相结合的探索研究.该文首先对数据仓库理论作了全面的分析,尤其是对数据仓库的结构和数据挖掘基础算法进行了深入细致的研究.然后重点讨论了数据分析系统基于J2EE构架的应用体系结构,以及采用了基于组件的算法描述方法详细分析了最小二乘法拟合的回归预测模型.随后以全德房地产数据分析为例,讨论了数据仓库的设计过程及数据挖掘技术在房地产数据分析的应用,提出了一种中间件式的数据增量更新算法来解决目前数据仓库增量更新任务.最后重点讨论多评估点方法在房地产开发投资评估上的应用及属性分析和回归模式相结合的新的回归预测方法建立租金预测模型,并给出了系统优化方案和实验结果.