一直以来,如何提高项目的成功率被各行各业所关注,因此,项目管理也逐步地成为了一门独立的管理学科。然而,再浩大的工程最终是需要使用工具来完成的,而什么工具才能帮助项目管理提高项目的成功率?近年来,数据仓库(Data Warehouse,简称:DW)、联机分析(Online Analytical Processing,简称:OLAP)以及数据挖掘(Data Mining,简称:DM)已经在许多商业环境分析中发挥了出色的效用。数据仓库作为数据的集散地被广泛使用,有效利用这份庞大的资源体成为当前各项研究的重点课题。本文以项目管理知识体系(Project Management Bode of Knowledge,简称PMBOK[1])为背景,对项目管理进行了的描述,除将管理过程中的9大管理领域、软件项目管理活动节点以及节点上的产物详细描述之外,还结合现实项目信息,利用数据仓库存储信息,开发数据挖掘工具寻找项目中的知识——项目的意见。作者借鉴了企业资源管理系统(Enterprise Resource Planning,简称:ERP)中物料清单(Bill of Material,简称:BOM)、工作中心(Workcentre)和工艺单(Routing)的概念建立项目管理数据仓库,从候选方案中选择最佳项目管理信息资源结构的组织方式,并建立项目管理信息仓库。之后,从累积多年的项目信息中筛选、转化、加载具有代表价值的数据导入数据仓库,且形成一套完成的ETL独立工具——SSIS_DM。建立信息数据仓库后,研究重点进入对数据挖掘算法的研究。在文本意见挖掘的思路基础上研究并发展适合项目意见挖掘的算法,通过计算获得软件项目过程节点产物中的关键词及其极性,帮助抽取项目观念,即:SO-PAV算法(Project Artifact Valence,简称:SO-PAV)。其中,对于特征选择函数的比较与选择都经过了慎重地考虑,并使用事实数据加以实验说明。另外,第六章开篇部分的挖掘引擎图详细地描述了挖掘工具的工作原理、相关算法以及结果判断,直至预测分析。考虑到系统代码的标准统一性、规范性以及可扩展性,本项目相关的系统开发工作主要使用的实验开发工具是SQL SERVER 2005,.net framework的语言体系架构,外部数据源来自于ACCESS,PROJECT,EXCEL等等工具。本研究意图开立结合项目管理与数据挖掘的研究。在无论是经济危机笼罩的当下,还是经济复苏的未来,此类研究都必将是极其重要的。