[摘要] 现有第三方物流企业的信息管理系统普遍采用传统的关系型数据库，随着大量关系数据的聚集，借助关系模型分析数据已明显不足。提出一种基于数据仓库技术的解决方案，遵循维度建模方法建立了一个运输为主题的多维数据模型,并采用网络环境下的B/S模式展示其结果。系统在某物流企业中实际应用，取得了良好效果。
　　[关键词] 第三方物流 网络环境 数据仓库 数据分析
　　
　　一、数据仓库的设计
　　数据仓库是一个面向主题的、集成的、非易失的、随时间变化的用来支持管理人员决策的数据集合。数据仓库建立的过程实际上是从传统的以数据为中心的操作性系统结构转移到以数据仓库为中心的体系结构的过程。
　　1.数据仓库体系结构。创建数据仓库是在原有的数据库基础上进行的，要分析原有的数据库系统中所有数据，在原有系统基础上建立新的数据仓库，再选定主题，进行统计分析和数据挖掘。数据仓库体系结构如图1所示。
　　数据仓库的主要数据来源于原有的各种关系型数据库，首先从原始数据库中提取相关数据，然后进行数据的清洗和转换，进入到数据仓库中存储，数据仓库中的数据是各个系统的原始数据，保证了数据仓库的最小粒度数据，有利于数据挖掘的应用。在数据仓库的基础上，分别进行数据分析，并以报表的形式展示给相关授权者使用，以辅助决策。
　　2.业务建模。以为运输为主题，进行业务流程分析，在分析已有数据库表结构的基础上，说明表之间的关系，从而为数据仓库的实现打下基础。图2表述了运输业务流程图。
　　3.数据仓库主题设计。主题是指用户使用数据仓库进行决策时所关心的重点方面。数据仓库中的数据是按照一定的主题域进行组织的。根据第三方物流企业的需求特点，提出运输、仓储和财务三个主题。其中以运输为核心的主题设计，通过对运输中相关数据的分析，可以得到相应主题的分析结果，这些数据信息有助于做出决策。
　　二、数据仓库系统实现
　　第三方物流数据仓库设计时采用星型模型来表示多维概念模型，该模型包括一个事实表，每一个事实表的每一个维度都有一个维表。事实表的每一个元组都包含有指向各个维表的外键和一些相应的测量数据。在实际的设计中，根据运输主题、仓储主题和财务主题的需要，建立事实表和维度表。然后，从各数据源中抽取数据，集成到数据仓库中。本文仅以运输主题为例，讲解事实表的设计、维度表的设计和以借阅事实表为中心的数据仓库模型。
　　1.事实表的设计。事实表是星型模型的核心，内容可以分为两部分：键和详细指标。事实表通过键将各维度表组织起来，共同满足用户的查询需求，根据不同主题设定的逻辑模型，可有不同的事实表。在第三方物流数据仓库的设计中，对运输事实的描述构成了数据仓库的事实表，它包括的数据是从联机事务处理系统中获得的真实信息，面向不同的主题需建立不同的事实表，其中核心主题运输的事实表包括：客户维、货物维、日期标识、合同维、车辆维等。
　　2.维度表的设计。所谓维就是分析问题的角度，不同的决策人员会从不同的角度看待数据。运输数据是多维的，对不同的决策要求，可以通过选取不同的维度来导航到相应的目的。
　　3.以运输事实表为中心的数据仓库模型。“维表—事实表”构成的星型模型。维表和事实表关联起来可使数据仓库的复杂查询直接通过各维的层次比较、上钻及下钻等操作完成。维表和事实表的关联是通过维度的键值来实现的，中间是事实表，周围是维度表，星型图建模技术可以为数据仓库建立完善的模型。图3描述了以运输事实表为中心的星型数据模型。
　　三、第三方物流数据仓库的数据分析
　　根据前面的数据仓库设计的需求分析,以及用户对数据的处理需求，在已经创建的以事实表和维表为基础的,建立一个能够满足用户对数据的各种分析统计要求的统计体系,其中以维表为统计纵横坐标,以事实作为统计数据来源。
　　在第三方物流数据仓库中，对数据仓库统计分析的数据展现使用了目前市场主流开发工具Visual Studio .NET 2003，并采用B/S模式来构架整个展现系统，这样系统对客户端的要求,以及对系统的维护性和数据的安全性，都可以达到用户的要求。
　　现阶段随着物流信息化管理水平的不断提高，海量历史数据已经成为物流企业重要的经济资源。本文针对目前第三方物流企业信息化建设中存在的主要问题，提出一种基于数据仓库技术的解决方案，并遵循维度建模方法建立了一个运输主题的多维数据模型，可以方便地从大量繁杂的数据中提炼出真正有价值的信息和知识，帮助决策者进行决策。
　　参考文献:
　　[1]苏新宁杨建林:数据仓库和数据挖掘[M].北京:清华大学出版社,2005