数据仓库教学管理系统论文

导语：数据仓库教学管理系统论文一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

一、数据仓库概述

数据仓库的概念最早是由WH.Inmon提出来的，在他的著作《建立数据仓库》中是这样定义的：数据仓库是一个面向主题的、集成的、想对稳定的、随时间变化的数据集合。数据仓库是在传统数据库基础上建立起来的，但是与传统数据库又有所区别，传统的数据库是单一的数据资源，即以数据库为中心，进行联机事务处理（OLTP，ONLineTransactionProcessing)，数据库技术的主要任务存储数据，对存储的数据进行查询和修改等操作。而数据仓库是将各业务系统数据抽取出来，按照决策分析型数据要求对数据进行清理转换重新组织，建立分析处理环境，然后采用联机分析（OLAP)技术或者数据挖掘技术处理进行数据分析，挖掘出潜在的有价值的信息，供用户参考决策。

二、高校教学管理数据仓库教学管理系统的设计

1.体系结构设计

数据仓库是基于传统数据库积累的数据和其它渠道收集的各种数据信息搭建起来的面向联机分析处理（OLAP，ONLineAnalyticalprocessing)的分析型信息集合，总体结构为三个层次：（源数据）数据处理、数据存储、数据分析。高校教学管理系统数据仓库包括数据源、数据处理，数据存储和数据分析四个部分。数据源：主要来自数字化校园管理平台，涵盖高校各信息系统，教务管理、学籍管理、招生就业管理以及其他信息系统等的数据。数据处理：包括数据抽取、清理、转换和集成。首先从数据源中抽取数据，存储到临时数据表中，然后对抽取的数据进行清洗和转换，通过清洗去除决策分析无用的数据信息，通过转换使数据标准一致，将转换清理后的数据集成装入到数据仓库中。数据存储：各信息系统的数据与数据仓库系统的数据是相互独立的，因此各信息系统数据的变化不会自动更新数据仓库的数据，我们需要在设定数据同步存储机制，才能实现更新数据融入数据仓库存储。数据分析：数据抽取、清理、转换、存储到数据仓库系统以后，我们需要通过各种技术，如联机分析（OLAP）技术、数据挖掘（DM）技术、商业智能（BI）技术等形成统计分析报表供用户查看并做出相应的决策。

2.主题划分

数据仓库的重要特点是面向主题。当数据围绕主题域来组织时，决策分析者将能很明确地找到自己感兴趣的东西。建立数据仓库首先要根据用户的需要进行主题划分，然后根据主题建立数据仓库模型，通过ETL工具从数据源抽取数据到数据仓库，最后采用联机分析（OLAP）技术或数据挖掘（DM）技术对数据进行分析挖掘，根据分析及挖掘结果做出相应的决策。根据教学管理系统的应用需求,在高校教学管理新系统中，组织层领导最关注的教学质量，所以系统确定的主题主要包括：包含学生、教师、课程、教学质量等几个方面。

3.数据仓库模型设计

数据仓库模型比较常用的有两种：星型和雪花型两种。星型是由一个事实表和多个维度表进行关联，具有统计分析和查询速度快特点，所以在教学管理信息系统中采我们采用星型模型。下面以教学质量主题为例说明数据仓库模型的设计。维表我们设计为时间表、学生成绩表、学生就业情况表、学生奖惩表、学生学习情况、教师教学水平表，事实表由就业率、等级及数量、学生获奖等级及数量等构成。

4.联机分析（OLAP）

联机分析（OLAP）是针对某一个具体主题，采用联机分析术（OLAP）或数据挖掘（DM）技术对数据仓库中的信息进行统计分析。联机分析包括多维数据分析方法，大体上可分为切块、旋转、钻取。所谓的旋转就是交换维度的位置关系，以便于决策人员可以不同角度得到多维数据，获取有价值的信息。通过联机分析技术的旋转方法我们可以很容易的发现教学管理系统教学质量问题，如教学计划不合理、有些教师水平有待提高等，通过钻取可以更深入的分析出教学计划不合理的各种因素。

三、结束语

目前绝大部分高校都运行着多个信息系统，如学籍管理、就业招生、教务管理等，各系统包含大量历史信息和当前信息。这些数据如实的反映了高校过去和现在的运行状况，但是这些信息因为信息量大并且存在“信息孤岛”问题，并没有体现它潜在的价值，本文提出了基于数据仓库的教学管理系统，将这些信息整合到数据仓库系统中，并借助于联机分析（OLAP）技术和数据挖掘（DM）技术进行数据分析并发现隐藏在这些海量数据中的关联规律，提供给学校领导层进行决策，对于提高高校管理水平和教学质量具有重要的意义。

作者:何隽杰单位:同济大学