论文部分内容阅读
【摘要】信息化管理已经成为现代企业经营管理的主要模式，且待分析和待计算的数据量不断增长，面临着数据种类多、业务关联复杂、信息变化频率大等问题的困扰。本文针对这种情况，提出采用数据仓库技术来构建企业信息化的管理系统，以便对企业各部门的业务数据进行整合与分析，成为企业管理与投资决策客观依据。
【关键词】企业管理；数据仓库；数据集市
1.引言
随着市场竞争的不断加剧，各个企业都在致力于采用信息化的管理方式来提高本企业的运行效率，从而增强核心竞争力，信息化管理系统的引入使得企业从以往粗放式的管理模式逐渐朝着精细化、快捷化方向发展，与此同时带来的是信息处理需求的不断上升；另一方面，由于各种商务行为无论从数量上还是从规模上都在日益增长，企业间的业务交流越来越广泛，导致数据源和数据种类日益复杂，迫使企业必须寻求更高集成度的信息处理方案，帮助企业在海量的数据中迅速搜寻到有价值的信息。在这种需求下，数据仓库技术得到了有利的推广和使用，成为了各个企业决策支持系统运行的主要平台，而其中最重要的应用就是实现跨平台联机分析处理（Online Analytieal Proeessing，OLAP）。
2.数据仓库技术特征
数据仓库的特征可以归纳为以下三个方面[1]：
（1）面向主题组织：与面向实体间逻辑关系的传统数据库不同的是，数据仓库是面向主题组织的。前者只能解决同一数据库内的不同数据之间的逻辑关系，并在有限的范围内完成数据分析、查询等操作，在这种情况下想要得到精确且全面的分析结论是非常困难的；而数据仓库面向主题组织，从根本上解决了这一问题，在对数据进行有效存储的时候就已经完成了数据分类的操作，并在多个数据库内形成了统一的分类索引，即不同的主题。通过对主题的操作，就可轻松的实现多个数据库的联立查询和分析，其结论的全面性得到了良好的保障。
（2）集成性：数据仓库以主题为数据存储的单位，而每个主题内的数据则分别从不同的数据源提取而来，从而在某一主题内形成了相关数据的高度集成性。为了解决多来源数据之间可能存在的数据矛盾与冲突的情况，因此在数据采集过程中必须经过相关的预处理，通过数据粒度的细化与综合，确保数据的正确性。
（3）时效性：由于企业数据的不断积累，系统分析与处理的数据对象日益增大，而大量的历史数据的有效性会逐渐消退，最终退化成影响分析结论客观性的不良信息，因此，对于数据时效性的研究一直是数据仓库领域研究的重点。目前最主流的解决方案是为不同时期的数据设定不同的权值，权值的高低由数据的类型和存在时间等多种因素综合判断，尽可能的保证被引用的数据都具有时效性。
3.数据仓库主要应用方案
目前数据仓库技术在现代企业信息化管理领域已逐渐形成共识，其解决方案也逐渐的实现的标准化，这对跨平台、跨地区的数据通信具有非常重要的促进作用。即先通过数据综合分析将数据有计划的放到数据仓库中对应的主题领域内，然后通过前台接口与用户进行交互，提供各种数据处理服务，甚至可实现一定程度的智能化分析。目前使用最多前台接口为联机分析处理（OLAP）和数据挖掘（DM）。
3.1联机分析处理OLAP
顾名思义，OLAP主要解决的是多系统连接与控制的问题，使得多个数据库形成有机整体，共同完成用户提出的商业信息的处理需求，其最大的功能在于对多维结构数据的处理上，它可对不同数据库内的数据进行分门别类的筛选与引用，同时根据预设的条件将权值赋给不同时期、不同类型的数据，在此基础上实现数据的分析与汇总，实现数据精炼的效果。同时根据用户提出的不同需求，采用不同的展示方式，将数据呈现给企业决策者，如常见的各类趋势图、指标图、各类账目分析表。
3.2数据挖掘
数据挖掘技术是近些年来发展较快的信息处理技术，其特点是利用分类、关联性分析、序列分析、群集分析、机器学习以及融合一些人工智能算法，来对庞大的海量数据进行处理，提取出有价值的信息[2]。在数据仓库平台中，数据挖掘技术往往用来对大量的历史数据进行快速的处理，尤其对于一些不易察觉的数据间存在的逻辑关系进行提炼，从而有效的减少系统的计算量，尽可能的消除冗余的无效数据，压缩计算对象的体积，在此技术上再通过OLAP完成跨平台的联机分析就可达到事半功倍的效果。
3.3数据集市
数据集市本质上也是数据仓库的一种，只不过它是某个部门或某个重要业务的具体应用，包括该部门或该项目在一定时期内的数据累积。若每个部门或每个项目都有属于自己的数据集市，那么将这些数据集市组合起来，就成为了该企业的数据仓库系统，因此，可以将数据集市看成是数据仓库的一部分，或者是一个小型的数据仓库。系统结构如图1所示。
4.结束语
数据仓库在企业中已经广泛应用，大量的使用经验证明，为企业建立符合自身经营特点的数据仓库，可以帮助企业决策层更全面的了解自身的经营状态，更深入的分析大量的业务数据所隐藏的指导意义，从而可以更有效的利用企业资源，更科学的进行管理决策，从而在竞争中挣得先机。随着大数据的逐渐兴起，数据仓库的发展必将迎来一个新的高峰。
参考文献
[1]夏火松.数据仓库与数据挖掘技术[M].第1版 北京：科学出版社，2004
[2]高洪深.决策支持系统（DSS）理论方法案例[M].第3版 北京：清华大学出版社，2000
【关键词】企业管理；数据仓库；数据集市
1.引言
随着市场竞争的不断加剧，各个企业都在致力于采用信息化的管理方式来提高本企业的运行效率，从而增强核心竞争力，信息化管理系统的引入使得企业从以往粗放式的管理模式逐渐朝着精细化、快捷化方向发展，与此同时带来的是信息处理需求的不断上升；另一方面，由于各种商务行为无论从数量上还是从规模上都在日益增长，企业间的业务交流越来越广泛，导致数据源和数据种类日益复杂，迫使企业必须寻求更高集成度的信息处理方案，帮助企业在海量的数据中迅速搜寻到有价值的信息。在这种需求下，数据仓库技术得到了有利的推广和使用，成为了各个企业决策支持系统运行的主要平台，而其中最重要的应用就是实现跨平台联机分析处理（Online Analytieal Proeessing，OLAP）。
2.数据仓库技术特征
数据仓库的特征可以归纳为以下三个方面[1]：
（1）面向主题组织：与面向实体间逻辑关系的传统数据库不同的是，数据仓库是面向主题组织的。前者只能解决同一数据库内的不同数据之间的逻辑关系，并在有限的范围内完成数据分析、查询等操作，在这种情况下想要得到精确且全面的分析结论是非常困难的；而数据仓库面向主题组织，从根本上解决了这一问题，在对数据进行有效存储的时候就已经完成了数据分类的操作，并在多个数据库内形成了统一的分类索引，即不同的主题。通过对主题的操作，就可轻松的实现多个数据库的联立查询和分析，其结论的全面性得到了良好的保障。
（2）集成性：数据仓库以主题为数据存储的单位，而每个主题内的数据则分别从不同的数据源提取而来，从而在某一主题内形成了相关数据的高度集成性。为了解决多来源数据之间可能存在的数据矛盾与冲突的情况，因此在数据采集过程中必须经过相关的预处理，通过数据粒度的细化与综合，确保数据的正确性。
（3）时效性：由于企业数据的不断积累，系统分析与处理的数据对象日益增大，而大量的历史数据的有效性会逐渐消退，最终退化成影响分析结论客观性的不良信息，因此，对于数据时效性的研究一直是数据仓库领域研究的重点。目前最主流的解决方案是为不同时期的数据设定不同的权值，权值的高低由数据的类型和存在时间等多种因素综合判断，尽可能的保证被引用的数据都具有时效性。
3.数据仓库主要应用方案
目前数据仓库技术在现代企业信息化管理领域已逐渐形成共识，其解决方案也逐渐的实现的标准化，这对跨平台、跨地区的数据通信具有非常重要的促进作用。即先通过数据综合分析将数据有计划的放到数据仓库中对应的主题领域内，然后通过前台接口与用户进行交互，提供各种数据处理服务，甚至可实现一定程度的智能化分析。目前使用最多前台接口为联机分析处理（OLAP）和数据挖掘（DM）。
3.1联机分析处理OLAP
顾名思义，OLAP主要解决的是多系统连接与控制的问题，使得多个数据库形成有机整体，共同完成用户提出的商业信息的处理需求，其最大的功能在于对多维结构数据的处理上，它可对不同数据库内的数据进行分门别类的筛选与引用，同时根据预设的条件将权值赋给不同时期、不同类型的数据，在此基础上实现数据的分析与汇总，实现数据精炼的效果。同时根据用户提出的不同需求，采用不同的展示方式，将数据呈现给企业决策者，如常见的各类趋势图、指标图、各类账目分析表。
3.2数据挖掘
数据挖掘技术是近些年来发展较快的信息处理技术，其特点是利用分类、关联性分析、序列分析、群集分析、机器学习以及融合一些人工智能算法，来对庞大的海量数据进行处理，提取出有价值的信息[2]。在数据仓库平台中，数据挖掘技术往往用来对大量的历史数据进行快速的处理，尤其对于一些不易察觉的数据间存在的逻辑关系进行提炼，从而有效的减少系统的计算量，尽可能的消除冗余的无效数据，压缩计算对象的体积，在此技术上再通过OLAP完成跨平台的联机分析就可达到事半功倍的效果。
3.3数据集市
数据集市本质上也是数据仓库的一种，只不过它是某个部门或某个重要业务的具体应用，包括该部门或该项目在一定时期内的数据累积。若每个部门或每个项目都有属于自己的数据集市，那么将这些数据集市组合起来，就成为了该企业的数据仓库系统，因此，可以将数据集市看成是数据仓库的一部分，或者是一个小型的数据仓库。系统结构如图1所示。
4.结束语
数据仓库在企业中已经广泛应用，大量的使用经验证明，为企业建立符合自身经营特点的数据仓库，可以帮助企业决策层更全面的了解自身的经营状态，更深入的分析大量的业务数据所隐藏的指导意义，从而可以更有效的利用企业资源，更科学的进行管理决策，从而在竞争中挣得先机。随着大数据的逐渐兴起，数据仓库的发展必将迎来一个新的高峰。
参考文献
[1]夏火松.数据仓库与数据挖掘技术[M].第1版 北京：科学出版社，2004
[2]高洪深.决策支持系统（DSS）理论方法案例[M].第3版 北京：清华大学出版社，2000