数据仓库技术论文

导语：数据仓库技术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。

摘要：随着计算机科学技术的发展，数据库技术已经日益成熟，与此同时，数据仓库技术也在飞速发展，它已被应用于企业管理、决策支持、市场分析等多个方面。本文首先介绍了数据仓库技术，之后介绍了数据仓库技术在商场（超市）中的应用。

关键字：数据仓库商场（超市）计算机

一、前言

随着计算机技术的发展，越来越多的企业逐渐建立了各种各样的应用子系统，如销售系统、库存系统、财务系统、人事系统等。它们能够较好地满足企业OLTP(OnlineTransactionProcessing，联机事务处理)的应用需求。

但随着市场竞争的日益激烈，企业需要利用现有的数据，进行分析和推理，为企业的决策提供依据。当这种分析处理只涉及到很少的数据库表时是可行的。当数据量迅速地增长而且查询要求不断复杂化时，这种建立在OLTP基础上的DSS就不能很好地满足决策的需求。另外从大量的历史数据中获取信息，要求系统保存大量的历史数据。如果系统在进行事务处理时还要进行复杂的分析处理。这样对于频繁操作性处理的数据库系统而言，将会不堪重负。因此，需要重新组织数据，使其使于进行复杂分析。为适应这一需求，应运而生的就是数据仓库技术。

商场（超市）关系到大众生活水平的提高，它为大众生活提供了便利，同时由于商场（超市）货物、员工的复杂性，使得市场、人事管理、物品供需关系、设备管理显得更为复杂，所以商场（超市）更应该象其他企业一样，应用数据仓库技术完善自己的市场、管理、供需关系等等。

二、数据仓库技术概述

1.数据仓库的概念

“数据仓库是一个用以更好地支持企业或组织的决策分析处理的、面向主题的、集成的、不可更新的、随时间不断变化的数据集合”。面向主题、集成性、不可更新和随时间变化性是其基本特征。可以说，数据仓库是一种解决问题的方案，是用来更好地提取和管理并最终利用信息资源的办法。“它以传统的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和提取信息的有效手段，以人工智能技术作为挖掘知识和发现规律的科学途径”。数据仓库主要是面向联机分析处理和决策分析的，而不面向事务处理。数据仓库将信息按主题形式加以组织，来揭示信息的内在联系和事物的规律及事物之间的联系。对原有数据库系统中的数据进行重新组织、按需求综合以后，就得到数据仓库中数据。因此，数据仓库中的数据是高度集成的，反映的是一段相当长的时间内历史数据的内容，是不同时点的数据库快照的集合。数据仓库中的数据是不可更新的，就应用而言，却并非其中的数据一成不变，恰恰相反，数据仓库中的数据由于不断增加新的数据内容，定期刷新和添加，并剔除已经过时的数据内容，所以说，其数据内容是随时间而不断变化的。

2.数据仓库中数据的组织结构

数据仓库中的数据可分为两类，(1)按照数据的综合程度(称之为粒度)分为四个等级：早期细节级、当前细节级、轻度综合级、高度综合级。“元数据经过综合后，首先进入当前细节级，并根据具体需要进行进一步的综合从而进入轻度综合级乃至高度综合级，老化的数据将进入早期细节级”。(2)元数据(metadata)是“关于数据的数据”，它能有效地管理数据仓库，对元数据可从构建时间元数据、使用元数据、控制元数据三个角度分类分析。数据仓库中的数据就是通过粒度划分和分割进行有效地存储的。

3.相关的信息开发工具

要满足用户全面、系统、多层次信息需求的目标，必须借助于数据仓库并建立数据仓库系统才能实现。“数据仓库系统是以数据仓库为基础，通过查询工具和分析工具，完成对信息的提取，满足用户的各种需求”。因此，进行复杂数据分析、提供管理决策还必须引入相应的数据仓库工具层。“数据仓库系统是多种技术的综合体，由数据仓库、数据仓库管理系统、数据仓库工具三个部分组成”。数据仓库工具层包括：多维分析工具、数据挖掘工具以及可视化工具。多维分析工具主要指联机分析处理(OLAP，On-lineAnalyticalProcessing)，“OLAP是针对特定问题的联机数据访问和分析”。目前，这类产品己经有很多了，如BrioQuery，GQL，Impromptu，PowerPlay，Commander，InformationAdvantage等等。数据挖掘(DM，DataMining)是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析原有数据，做出归纳型的推理，从中挖掘出潜在的信息用于决策。

三、数据仓库技术在商场（超市）中的应用

1.设备管理

数据仓库化是商场（超市）范围内数据的处理过程它将商场（超市）内分散的原始操作数据和来自外部的数据汇集和整理在一起，为商场（超市）提供完整、及时、准确和明了的决策信息，有效地服务于商场（超市）的全方位决策。作为一个决策支持环境，DW(DataWarhouse)收集存储了各种不同数据源中的数据。通过数据的组织给决策支持者提供分布在整个商场（超市）内部跨平台的数据。在对设备管理数据仓库的开发过程中，首先根据商场（超市）对设备管理的具体要求和设想，确定数据仓库开发的目标，规划系统的数据范围和功能制定工作计划；然后分阶段建立元数据模型，主题区数据模型，开发数据仓库逻辑模型；再根据逻辑模型设计多维数据结构维表，在对源数据进行分析的基础上，用数据转换程序(DTS)将其转入数据仓库中，最后是对数据仓库的使用和维护，添删数据，扩展功能等。

2.财务决策支持

典型的财务决策问题有：投资决策、筹资决策、成本决策、销售决策等。

财务决策支持系统需要的信息是通过日常业务数据所体现的整体趋势，或随时间变化而表现出来的变化趋势，必须对业务数据进行分类、析取、归纳、加工等处理才能得到这些信息。对数据信息的这些要求决定了财务决策支持系统的数据库有别于普通的业务数据库，因此，必须为企业建立数据仓库以适应决策支持系统的要求。

财务决策支持系统具有三个功能：决策、管理和核算。核算，即会计功能。在会计层，它完成会计原始数据的收集、记帐、算帐和报帐的业务处理后输出会计信息，同时将会计基础信息传输到管理层。管理，即管理信息功能。在管理层，进行会计基础信息的分析，并将分析结果输出的同时，再送给决策层。决策，即根据会计分析信息和其它管理信息进行预测、判断和决策，然后将决策方案下达到管理层。在管理层进行指标分解，编制财务计划，再下达到核算层，并对核算层的执行过程进行控制。

3.管理决策支持

在商场（超市）管理决策支持系统的构架方案中，OLTP应用系统中的数据库，可分为不同的类型，它是DSS的数据来源。大量不同事务的、可靠的、历史性的数据是建立DW的基础。OLTP从DW中的可集成数据出发，构建面向分析的多维数据模型，自动地发现数据中的潜在模式，并以这些模式为基础自动做出预测。DM中挖掘的知识可以直接用于指导OLAP的分析处理，而OLAP分析得出的新知识又可以补充到系统的知识库中。传统的DSS往往独立地设计并实现，将数据库、模型库和知识库，缺乏内在的统一性。而数据仓库、联机分析和数据挖掘组成的新的DSS，将三库有力地结合在一个多维的数据库中，利用多维分析工具，通过可视化工具将分析结果呈现给用户。

4.其他应用

4.1提高市场竞争力，提升客户服务水平。通过建立数据仓库，为客户资料的统计分析提供基本的信息源和辅助工具，已成为各个企业包括商场提高市场竞争能力和客户服务水平的关键。

4.2提高管理水平，降低成本，提高效率。随着市场经济竞争的发展和反垄断经营的推进，商场（超市）逐渐向规模化、集约化方向发展，各个公司迫切要求提高其自身的管理水平。数据仓库的建立可使企业更

加及时、准确地掌握自身的经营状况、资金情况、利润情况、客户群分布等重要信息。

虽然数据仓库技术在各个行业包括商场（超市）中的应用已日渐成熟，但作为商场（超市）不必要模仿其他行业，应该根据自己行业的特点有针对性地应用数据仓库技术，凸显自己的行业优势。

参考文献：

吴峨，即建军.财务管理决策支持系统的研究。信息系统工程，1995

孙林，张培衢.财务数据仓库系统的分析设计与实现。河南师范大学学报（自然科学版）.2000

李海刚.基于数据仓库的数据挖掘及其在决策系统中的应用[J].现代计算机.2001

李德勇.基于证券交易数据的数据仓库的建立及运用[J].电脑与信息技术，2001

李静.创建企业级数据仓库的关键技术[J].计算机应用研究.2002