随着商业活动变得日益复杂,企业竞争愈演愈烈,企业需要得到更多信息进行战略决策以提高竞爭力。20世纪90年代,数据库技术不断深入和发展,数据仓库、联机分析处理(OLAP)和数据挖掘技术的概念相继提出,并得到了广泛深入的研究与应用,它们在不同程度和领域中提供一些复杂的聚集、分析、数据预测等特性支持决策,对辅助企业的决策具有重要的作用。OLAP技术和数据挖掘技术都是在数据仓库技术上的重要应用,在数据分析决策上有着各自的优势。但从OLAP技术和数据挖掘本身的特点来说,OLAP更多依靠的是用户输入问题和假设,这样会限制了问题的假设的范围,从而影响最终的结论。而数据挖掘技术不能在多维度多层次对原有数据展开验证性的数据分析,导致数据挖掘的发现模式不合理,数据预测准确度不够,且由于挖掘过程是自动的,导致搜索空间太大,生成过多的可能无意义的模式。可见,两者在数据分析上都存在一定的局限性。为了解决在数据仓库中上述两种技术的不足与各自的局限性,加拿大Simon Fraser大学的韩佳伟教授提出了联机分析挖掘技术(OLAM)。OLAM技术是OLAP技术和数据挖掘技术相结合的产物,它兼有联机分析处理技术的多维分析的在线性、灵活性,以及数据挖掘技术对数据处理的深入性,在商业领域的应用上比OLAP和数据挖掘都更具有优势,是数据仓库应用工具未来发展的方向。就OLAM发展现状来说,很多理论和产品都是在原有OLAP功能基础上通过添加数据挖掘功能实现的技术,使得两者集成度不够,OLAM的特点不能充分被发挥。尽管有一些相关方面的研究和讨论,但是目前为止还没有一个广为接受的OLAM数据模型。本文在影响域和旋转模式的基础上,提出了一种扩展的旋转模型,该模型可以解决目前OLAM中OLAP和数据挖掘结合不紧密、集成度不高的问题,使OLAP和数据挖掘在统一的框架下工作,更好的与OLAM技术架构相匹配。本文首先在深入研究了OLAM技术及其相关技术理论的基础上,分析了OLAM技术在应用中相对于其他技术存在的优势,同时也指出了OLAM技术发展中存在的问题--OLAP和数据挖掘的集成度不高。针对此问题,本文在多维数据建模的基础上,以影响域和旋转模式概念为理论基础,提出了与OLAM技术架构相匹配的数据模型,即扩展的旋转模型。并以某钼业公司为背景,选取了该公司的销售情况(以下简称钼销售)为数据分析的主题,建立OLAM多维数据模型。最后,将OLAM技术应用到钼销售的多维数据分析中,利用MicrosoftAnalysis 2005、Visual Studio 2005等工具建立OLAM系统。通过具体的应用,验证了OLAM数据模型和OLAM技术在钼销售信息化建设管理中的有效性和可行性,对提高多维数据分析的效率和质量,为企业信息化决策提供帮助。