一、基于OLAP与DM一体化思想的数据建模技术的研究(论文文献综述)
于瀚程[1](2019)在《基于Spark和Kylin的搜索广告商业数据OLAP系统的设计与实现》文中进行了进一步梳理OLAP系统是一种海量数据查询需求场景中的解决方案,被广泛应用在销售、市场、统计等领域,为企业决策提供支持。如今,数据仓库和多维分析等技术已经逐渐成为行业主流的OLAP解决思路。在数据计算方面,Spark是相对成熟,应用广泛的大数据计算引擎,Kylin是一种集成性的OLAP的解决方案,通过预计算生成数据立方体以提供超高速的查询服务。本文在对数据进行定义、分析和整理的基础上,进行清洗、转化和建模,构建数据仓库,设计数据立方体,同时对系统进行了需求分析、概要设计,并详细介绍了系统的实现。使用该系统,用户可以通过选择查询维度创建任务,也可以通过编写SQL语句创建任务,从不同角度观察访问量、点击通过率、收入等业务指标。系统还提供了用户权限配置的功能和任务队列管理的功能。本系统的特点在于多计算引擎下的任务的调度,以及兼具并发性、扩展性和高效率的架构设计。技术方面,系统使用Hive作为数据仓库,使用Spark和Kylin作为计算引擎,并支持引擎的自动切换和扩展。使用Golang和Scala作为主要开发语言。总体架构方面,系统采用三端分离的架构方式,即前端负责用户交互和信息展示;后端负责权限管理和任务管理;数据端负责任务调度和集群资源交互,各个端之间通过API和消息队列进行通信。另外,系统使用Google Protocol Buffer编码任务消息以实现高效率和跨语言一致性,采用Actor模型开发任务调度功能来实现容错性和并发性。在实际的测试和使用中,对于常用的查询任务,系统可在秒速级别提供结果,并具有相当高的可用性。
刘强[2](2018)在《电子化加油数据仓库的建立及其数据挖掘的研究》文中认为随着市场竞争环境的不断加剧,以及消费者权益意识的日益增强,导致企业管理者在做重大的决策时,需要考虑到更多的类型、更复杂的因素和条件。因此,开发高信息化程度的决策支持系统对于管理者来说是相当迫切的。这将对实现如市场营销策略等业务的快速决策、减少人为的限制、个人的认知极限、削减费用、信息与质量支持、企业内部的业务流程重组以及员工个性化授权等需求是十分有帮助的。这些将使得信息资源更加有效的被利用,增强决策者决策的针对性和提高决策者对市场的掌控能力。在石油销售行业,随着近年来汽车数量的不断增加,成品油销售的需求也因此在不断增长,加油站的站点和服务已不能满足这些需求,同时原有的经营分析系统也逐渐对现有市场的需求出现了难以处理的瓶颈。本文主要针对延长石油销售公司的原有石油销售系统存在的问题,比如系统查询性能低下,无法实现多维度的查询统计等;客户预期合作结果无法计算衡量;缺少对数据自身进行分析和深入挖掘方面的决策支持等问题,主要完成了以下的工作:1.通过对数据仓库(Data Ware)、联机分析处理(On Line Analysis Processing,OLAP)和数据挖掘(Data Mining,DM)等关键技术熟练掌握的基础上,调研分析了延长石油销售公司原有的成品油销售系统,以及关于客户预期合作新业务扩展的需求,以石油的销售定单和销售详细内容实体信息为主,客户维度、时间维度、销售公司维度、调运维度和油品维度为辅,对电子化石油销售数据仓库进行了概念、逻辑和物理上的设计与实现;2.在上述建立的电子化加油数据仓库的基础上,本文给出了石油销售决策支持系统的用例图和系统总体框架图,实现了多维数据集的设计与创建,并对其进行了包括以石油销量分析为主的OLAP相关的操作与结果展示;3.利用ID3算法建立数据挖掘的决策树模型,并用其对石油销售的客户合作度进行预测分析,预测分析出的结果能够很好的辅助管理层拟定更合理、有针对性的客户销售策略。
余燕[3](2018)在《基于商业智能(BI)的管理会计信息系统构建的研究》文中进行了进一步梳理管理会计主要为企业内部经营管理服务,随着市场竞争加剧,不断出现新的管理会计方法,如平衡计分卡、全面风险管理等。这些新的范畴对管理会计信息系统的实施提出了挑战,因为其所需要的数据远远超过基于财务会计原理设计的会计信息系统的范围。随着信息技术的发展,云计算、大数据、AI、BI等技术为重构管理会计信息系统提供了新思路。BI的先进之处就在于它能够灵活地建模、有效地处理大量数据,快速地向管理者提供有效的信息。本文系统地论述了基于BI的管理会计信息系统的构建。文章首先对BI核心技术进行了详细的介绍,DW技术能够实现数据统一管理,OLAP和DM技术可以对数据背后隐藏的信息进行详细分析。接着文章从广义的管理会计角度出发,认为智能化的管理会计信息系统的构建应当遵循系统化、信息共享、先进技术等原则,结合BI技术,勾勒出了管理会计信息系统的整体框架:在管理会计信息系统整合平台基础上,对应基础财务管理和监督职能构建会计分析管理系统,对应风险管控职能构建风险管理信息系统,对应价值创造管理职能构建绩效管理信息系统和会计决策支持系统,各子系统各司其职又相互联系。文章最后还以宝钢金属公司将BI技术融入管理会计信息系统为例,说明了智能化的管理会计信息系统能够有效提升企业管理水平。
李丁一[4](2017)在《石油化工销售运营分析系统的设计及实现》文中提出论文首先说明石油化工销售运营分析系统(CNPC petrochemical sales operation analysis system,在论文中简称CPSOAS)是中国石油天然气股份有限公司在石油化工自动化监控和经营管理流程自动化后,为提高精细管理和科学决策水平而开发的应用系统。论文介绍了CPSOAS依赖的支撑技术与相关创新。支撑技术包括数据仓库、OLAP、ETL技术,以及现代数据库技术中的数据库集群、数据库链、流复制等技术;创新则体现在选择了ROLAP方式的基础上,制定了适用的维度粒度的分析设计策略、明确了选定维度和确定度量的过程,特别提出了一种拓展的雪花模型(也可在星型模型上拓展)。论文描述了CPSOAS的设计与实现的技术特征。说明了系统总体框架设计、系统的主要业务功能、系统数据仓库的设计;论述了三维数据架构模型基础上的数据部署拓扑架构、数据的主题划分、数据分区存储;介绍了系统详细设计,尤其是多维分析和关键指标预警;并对非功能需求从性能效率、兼容性、易用性、可靠性、安全性、可维护性、可移植性七个方面进行了说明。论文分析了CPSOAS的运行状况与应用效果。通过总体效果分析说明了解决的关键业务问题和研发过程特征,介绍了系统服务端主要数据库服务器的运行实例和系统的前端展现实例,从实际工作流程出发,描述了通过预警功能发现问题、通过专家库功能找到合适专家、通过多维分析功能持续关注、在月度总结时根据报告采取必要的管理措施的全过程。目前,CPSOAS已经投产有1年时间,运行稳定,达到了预期的目标。在系统建设时对数据模型进行了研究,提出了拓展的雪花模型(或星型模型),并对其加以设计与实现,在ETL效率、查询响应时间和设备成本、运维管理方面取得良好的平衡。CPSOAS的建设符合中石油的信息化建设的可持续发展策略,完成了中石油十二五信息化建设规划的目标,为建设同类系统提供了范本、积累了经验。
王宇斌[5](2017)在《烟草销售物流中的联机分析技术应用》文中提出伴随信息技术与网络技术的高速发展,烟草公司对于信息化的需求也日益呈现多样化的趋势。另一方面,企业在生产经营过程中积累了海量用户基本信息数据、交易数据、库存数据等,并逐步开始通过数据库技术对积累的数据进行应用,但是大部分企业只是对现有数据做了一些简单的、局部的和浅层次的查询,并不能在更大深度上对现有的数据进行挖掘分析,无法有效利用已有数据进行相关分析,得到有利于公司发展的结论。联机分析技术(OLAP)是一种能有效挖掘数据特点,可以很好的对企业各类数据进行管理,还可以借助数据挖掘技术、数据分析技术来对企业经营情况进行预测,进而为企业管理人员提供决策依据。当前,OLAP技术被广泛应用到企业日常管理之中,其分析结果逐步成为企业管理人员决策依据的重要来源。本文总结了目前国内外OLAP技术的发展和技术特点,分析了与OLAP相关的数据仓库技术、多维分析理论等,以某烟草公司的具体销售现状为研究对象,对其进行了市场销售管理流程分析,开展该公司销售物流联机技术系统设计与实现工作。以软件工程为指导,首先进行了针对该公司销售现状的业务需求分析,完成了该公司销售物流OLAP系统的总体框架设计,在此基础上进行了数据源设计、OLAP设计、数据仓库模型设计、数据分析模型和数据类型分析模型设计。在前端通过应用上钻、下钻、旋转和切片等OLAP技术操作完成了系统各功能模块的设计,实现了在多维分析上灵活实现复杂图标的功能,并进行了系统测试工作。本文对合理有效地利用公司已有数据资源,开展服务于公司销售以及物流的数据分析、报告制作具有重要的意义,利用数据分析的结果服务于公司销售业务,提高公司业绩。
赵晶晶[6](2009)在《联机分析挖掘(OLAM)技术构架下扩展的旋转模型研究》文中研究指明随着商业活动变得日益复杂,企业竞争愈演愈烈,企业需要得到更多信息进行战略决策以提高竞争力。20世纪90年代,数据库技术不断深入和发展,数据仓库、联机分析处理(OLAP)和数据挖掘技术的概念相继提出,并得到了广泛深入的研究与应用,它们在不同程度和领域中提供一些复杂的聚集、分析、数据预测等特性支持决策,对辅助企业的决策具有重要的作用。OLAP技术和数据挖掘技术都是在数据仓库技术上的重要应用,在数据分析决策上有着各自的优势。但从OLAP技术和数据挖掘本身的特点来说,OLAP更多依靠的是用户输入问题和假设,这样会限制了问题的假设的范围,从而影响最终的结论。而数据挖掘技术不能在多维度多层次对原有数据展开验证性的数据分析,导致数据挖掘的发现模式不合理,数据预测准确度不够,且由于挖掘过程是自动的,导致搜索空间太大,生成过多的可能无意义的模式。可见,两者在数据分析上都存在一定的局限性。为了解决在数据仓库中上述两种技术的不足与各自的局限性,加拿大Simon Fraser大学的韩佳伟教授提出了联机分析挖掘技术(OLAM)。OLAM技术是OLAP技术和数据挖掘技术相结合的产物,它兼有联机分析处理技术的多维分析的在线性、灵活性,以及数据挖掘技术对数据处理的深入性,在商业领域的应用上比OLAP和数据挖掘都更具有优势,是数据仓库应用工具未来发展的方向。就OLAM发展现状来说,很多理论和产品都是在原有OLAP功能基础上通过添加数据挖掘功能实现的技术,使得两者集成度不够,OLAM的特点不能充分被发挥。尽管有一些相关方面的研究和讨论,但是目前为止还没有一个广为接受的OLAM数据模型。本文在影响域和旋转模式的基础上,提出了一种扩展的旋转模型,该模型可以解决目前OLAM中OLAP和数据挖掘结合不紧密、集成度不高的问题,使OLAP和数据挖掘在统一的框架下工作,更好的与OLAM技术架构相匹配。本文首先在深入研究了OLAM技术及其相关技术理论的基础上,分析了OLAM技术在应用中相对于其他技术存在的优势,同时也指出了OLAM技术发展中存在的问题--OLAP和数据挖掘的集成度不高。针对此问题,本文在多维数据建模的基础上,以影响域和旋转模式概念为理论基础,提出了与OLAM技术架构相匹配的数据模型,即扩展的旋转模型。并以某钼业公司为背景,选取了该公司的销售情况(以下简称钼销售)为数据分析的主题,建立OLAM多维数据模型。最后,将OLAM技术应用到钼销售的多维数据分析中,利用MicrosoftAnalysis 2005、Visual Studio 2005等工具建立OLAM系统。通过具体的应用,验证了OLAM数据模型和OLAM技术在钼销售信息化建设管理中的有效性和可行性,对提高多维数据分析的效率和质量,为企业信息化决策提供帮助。
黄小华[7](2007)在《基于数据仓库的税务风险预警系统设计与实现》文中提出近年来,国家税务部门为了不断适应税务管理新形势的要求,逐步开始采用事前预警机制来加强税务风险防范,减少偷骗税对社会经济发展的影响。为了实现税务风险预警机制,建立风险预警信息系统是十分必要的。本文课题运用数据仓库、OLAP(联机分析处理)多种技术方法开发与实现税务风险预警系统,其主要任务为:一、建立地市级的业务数据仓库,把目前各个应用系统中的异构信息资源进行整合和重新规划,建立综合征管、防伪税控、稽核系统、出口退税、海关票据等信息系统的数据共享平台;二、在已建立的数据仓库基础之上,面向不同的业务主题,建立业务及征管信息分析应用,从而得到有价值的税务预警信息,为国家税务部门提供有效的分析决策和支持。此系统有着广泛的应用领域,在电信、烟草、电力和其它大中型企业中有很好的开发借鉴价值。本文介绍了税务风险预警系统的设计与实现过程,详细阐述了课题涉及的软件开发技术,对税务仓库平台进行了设计,给出了系统实现方案。本文最后还展示了基于数据仓库的税务风险预警系统实现结果,并提出课题的下一步工作方向。
郭加树[8](2007)在《空间数据仓的构建及应用》文中认为现行的石油勘探开发专业数据库管理模式,特别是数据中心管理模式实现了数据的集成共享及数据与应用的分离,但没有解决好数据的分析问题,即空间数据的挖掘问题。本文在分析油气勘探开发业务需求及数据特点的基础上,总结吸纳了数据仓库、三维地质建模、三维GIS、油气勘探开发数据管理技术等技术方法,针对地学数据集成分析问题及空间数据的多尺度性,提出了适合地学数据分析与挖掘的空间数据仓逻辑模型,研究了空间数据仓物理模型及基于该模型的空间OLAP(联机分析与处理)方法。1)基于数据仓库多维分析概念提出了基于空间数据仓的勘探开发数据多维分析理论及空间数据仓的构建模式。2)空间数据仓的研究必须解决空间数据的多尺度问题,已有的多维模型并没有考虑空间以及空间的尺度问题,因此没有尺度空间上的分析、处理和表达能力,不适合空间多维数据集模型。为此,本文将空间的尺度问题与维度进行统一考虑,即尺度也是一种维度,维度也可以看作一种广义上的尺度,提出了基于尺度概念的空间数据仓多维数据集逻辑模型及多尺度下空间聚合的模式。3)为了更好的实现地学空间的多维表达,建立满足地学分析的事实关系,本文提出了以数据的空间关系为依据建立事实表-空间事实表,即建立以空间事实为核心,地学属性为维度的星型或雪花型多维空间数据仓模型。4)提出了表达空间多尺度的八叉树细分体元模型,实现了对地质体与地质场的多尺度表达与空间集成,实现了空间事实的构建,分析了地学分析中常用的维度及以体元为基础的空间事实与维度的关系,以十进制Morton码为基础建立了多级体元编码实现了空间与属性的关联,以空间关系构建起了对象之间联系(维度间的联系),为数据的多维分析奠定了基础。5)研究了基于空间多维模型的邻域分析、空间剖切与虚拟钻取等空间分析方法,距离、体积、表面积等空间度量以及数据集切片、基于空间事实表的数据集细化、OLAP等多维数据分析方法。6)基于以上理论建立了空间数据仓原型,并对东营凹陷地质-地球物理数据进行了空间数据仓建模,说明了方法的有效性和实用性。
夏军[9](2007)在《基于联机分析处理技术的销售管理系统的研究与开发》文中进行了进一步梳理在服装行业日益激烈的竞争过程中,我国的服装企业面临着如何有效地整合产业链上的各类信息,将业务流程电子化,以实现供应链的快速反应的问题。随着企业规模的不断扩大,市场竞争的不断加剧,企业的运营层如何把正确的信息、在正确的时机、提供给相应的决策层,以及决策层如何及时准确地获得必要的决策参考信息等问题将成为一个紧迫而复杂的课题。随着信息技术的高速发展和企业界需求的多样化、复杂化,数据仓库技术应运而生。数据仓库提供了一个数据平台,在此基础上可以进行强有力的数据分析、数据挖掘和报表处理,以支持管理决策。虽然很多公司相继推出了数据仓库产品,但对数据仓库技术的研究仍然方兴未艾。数据仓库的建设不是一个简单的技术问题,而是一项复杂的系统工程。联机分析处理是数据仓库的一个最典型的应用。它能将数据仓库中的数据按照不同的粒度进行聚合和预计算,从而在用户面前展现多维数据视图。同时,联机分析处理还提供了较直观的多维分析操作,包括切片、切块、上卷、下钻和旋转等,使用户能多角度、多层次地观察数据仓库中的数据。首先,本文利用实际研究与理论归纳相结合的手段,对论文的研究背景进行阐述,总结了国内外的研究现状,探讨了研究的目的和实际意义。之后,通过综合国内外学者的研究成果,对数据仓库和OLAP技术的理论原理进行全面地分析,并研究了数据仓库、OLAP和数据挖掘三者之间的关系。进而在理论研究的基础之上,结合服装行业的背景和我国某服装企业销售业务的具体需求分析,提出了基于联机分析处理技术的销售管理系统的总体解决方案,该解决方案分为两大主要部分,一部分是销售管理系统(OLTP系统),另一部分是在此系统基础之上,运用数据仓库技术将数据库中的数据通过转换、加载与清洗到销售OLAP分析数据仓库中,而开发的销售OLAP分析系统。并构建了解决方案的总体结构以保证系统的设计方案具备较高的实用价值和技术可行性。然后,通过对销售管理系统的功能结构和数据库的分析与设计,利用Visual Basic.Net与SQL Server2000开发实现所有功能模块。并在所开发的销售管理系统的基础上设计和建立了数据仓库和OLAP模型。最后,通过对OLAP前端应用程序开发方法的研究,用ASP结合MDX和ADO MD开发并实现了基于Web的销售OLAP分析系统,结合该系统运行效果的分析说明了系统的有效性和现实意义。本论文的主要贡献在于结合我国服装行业某龙头企业销售业务的具体需求,研究了数据仓库和联机分析处理技术在销售管理系统中的应用原理;建立了数据仓库三级模型和四个主题的多维分析模型;提出了基于联机分析处理技术的销售管理系统整体解决方案;最后开发实现了相应的原型系统。为企业进行销售与营销决策提供了支持,辅助决策者快速制定正确的销售策略,尤其是全面提高了服装企业销售与营销的决策水平和市场竞争能力。本研究成果对在我国服装行业乃至其他行业中实施数据仓库的解决方案有一定的实际参考价值,可显着地提高企业的经济效益和科学决策水平。
彭巧珍[10](2005)在《数据仓库、OLAP和DM技术研究及其在DSS中的应用》文中认为自从20世纪70年代决策支持系统的概念被首次提出以来,它不断地吸收各种新技术而得以发展。传统DSS极大地推动了计算机辅助决策的发展。但是,由于它基于业务系统数据库从而缺乏统一、充足的数据源支持,这严重影响了DSS的发展。90年代中期出现了三项决策支持新技术:数据仓库、联机分析处理和数据挖掘,它们的结合形成了DSS发展的最新形式——综合决策支持系统。 社会保险是国家长治久安的大计,它关系到每个职工的生、老、病、死。随着我国政府对社保改革力度和支持力度的加大,各省都相继建立了符合本省需要的管理信息系统,并积累了大量的业务数据。然而,决策支持系统在社会保险领域的应用还刚刚起步,社保DSS具有广阔的发展前景。 本文对社保DSS的构建进行了深入研究。首先,介绍了综合决策支持系统的优越性;深刻分析了数据仓库、OLAP和DM技术的原理和三者之间内在的联系性。然后,以江西省重点科技项目“社会保险辅助决策系统”为应用实例,介绍了基于DW的DSS体系结构;确定了社保DSS的DW平台以及OLAP和DM工具;给出了社保DSS数据仓库的详细设计,在此基础上介绍了DW数据的提取、转换和装载过程,给出了DW中相应事实表和维表数据的装载脚本;提出了基于数据仓库,综合应用OLAP和DM技术的社保DSS的总体设计方案,为决策支持系统在社会保险领域的应用做出了有益的探索。
二、基于OLAP与DM一体化思想的数据建模技术的研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于OLAP与DM一体化思想的数据建模技术的研究(论文提纲范文)
(1)基于Spark和Kylin的搜索广告商业数据OLAP系统的设计与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 项目背景及意义 |
1.2 数据仓库与OLAP应用现状 |
1.3 关键技术综述 |
1.3.1 Hadoop平台与Spark引擎 |
1.3.2 Kylin与多维数据立方体 |
1.3.3 Protocol Buffer |
1.3.4 Actor模型 |
1.4 论文研究内容与结构 |
1.5 本章小结 |
2 系统需求分析 |
2.1 搜索广告商业数据概述 |
2.1.1 商业模式概述 |
2.1.2 常用数据指标 |
2.2 系统用例分析 |
2.2.1 权限管理功能 |
2.2.2 查询创建功能 |
2.2.3 任务管理功能 |
2.2.4 任务调度功能 |
2.2.5 任务计算功能 |
2.2.6 数据服务功能 |
2.3 系统数据需求 |
2.3.1 查询维度和度量设计 |
2.3.2 数据建设目标 |
2.4 非功能性需求 |
2.5 本章小结 |
3 数据仓库设计 |
3.1 理论与技术研究 |
3.1.1 维度建模理论 |
3.1.2 分层数据仓库 |
3.2 系统数据仓库建设 |
3.2.1 数据仓库分层设计 |
3.2.2 事实表优化设计 |
3.2.3 数据仓库DW层建模 |
3.3 本章小结 |
4 数据立方体设计 |
4.1 理论与技术研究 |
4.1.1 逐层立方体构建算法 |
4.1.2 快速立方体构建算法 |
4.1.3 立方体生成树优化 |
4.2 系统数据立方体建设 |
4.2.1 维度计算支持 |
4.2.2 数据立方体创建 |
4.3 本章小结 |
5 系统概要设计 |
5.1 系统技术路线 |
5.2 系统总体架构设计 |
5.3 系统后端概要设计 |
5.3.1 架构设计 |
5.3.2 接口设计 |
5.3.3 SQL生成概要设计 |
5.4 系统数据端概要设计 |
5.4.1 架构设计 |
5.4.2 接口设计 |
5.4.3 计算流程设计 |
5.5 系统数据库设计 |
5.6 本章小结 |
6 系统详细设计与实现 |
6.1 权限控制模块设计与实现 |
6.1.1 Casbin权限管理配置 |
6.1.2 类设计与判断逻辑 |
6.2 查询创建模块设计与实现 |
6.2.1 创建查询任务 |
6.2.2 维度查询SQL生成 |
6.2.3 查询引擎选择 |
6.2.4 QueryInfo Protocol Buffer设计 |
6.2.5 类设计与执行逻辑 |
6.3 任务管理模块设计与实现 |
6.3.1 任务队列查看 |
6.3.2 任务队列操作 |
6.3.3 类设计与执行逻辑 |
6.4 任务调度模块设计与实现 |
6.4.1 Actors设计 |
6.4.2 任务调度流程 |
6.4.3 引擎降级流程 |
6.4.4 模块类设计 |
6.5 任务计算模块设计与实现 |
6.5.1 任务计算分析 |
6.5.2 使用Kylin计算 |
6.5.3 使用Spark计算 |
6.5.4 引擎的扩展 |
6.5.5 模块类设计 |
6.6 数据服务模块设计与实现 |
6.6.1 数据仓库元数据获取 |
6.6.2 结果数据获取 |
6.6.3 模块类设计 |
6.7 本章小结 |
7 系统验证 |
7.1 系统功能验证 |
7.2 系统性能验证 |
7.3 本章小结 |
8 结论 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(2)电子化加油数据仓库的建立及其数据挖掘的研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景 |
1.2 课题研究目的与意义 |
1.3 国内外研究现状 |
1.3.1 决策支持系统的发展 |
1.3.2 数据仓库的现状 |
1.4 研究的主要内容 |
1.5 论文结构安排 |
2 数据仓库与数据挖掘关键技术 |
2.1 数据仓库 |
2.1.1 数据仓库的概念和特点 |
2.1.2 数据仓库和数据库的区别 |
2.1.3 数据仓库的关键问题 |
2.1.4 数据仓库体系结构 |
2.2 数据挖掘技术DM |
2.2.1 数据挖掘的概念 |
2.2.2 数据挖掘的方法 |
2.2.3 数据挖掘的结构 |
2.3 联机处理分析OLAP |
2.4 OLAP、数据仓库及数据挖掘之间的关系 |
2.5 本章小结 |
3 电子化加油数据仓库与决策支持系统设计 |
3.1 电子化加油数据仓库的需求分析 |
3.1.1 原有成品油销售系统调研 |
3.1.2 电子化加油数据仓库的需求分析与决策主题的选取 |
3.2 石油销售决策支持系统的总体设计 |
3.2.1 系统的体系结构设计 |
3.2.2 石油销售决策支持系统用例分析 |
3.2.3 石油销售决策支持系统总体设计 |
3.3 电子化加油数据仓库的设计与实现 |
3.3.1 数据仓库的概念模型设计 |
3.3.2 数据仓库的逻辑模型设计 |
3.3.3 数据仓库物理模型的建立 |
3.3.4 事实表和维度表的详细设计 |
3.3.5 数据抽取、转换和装载 |
3.4 数据仓库的OLAP操作与结果展示 |
3.4.1 OLAP的建立 |
3.4.2 OLAP查询部署 |
3.4.3 OLAP部分查询结果演示 |
3.5 本章小结 |
4 决策树算法在客户合作度预测分析中的应用 |
4.1 决策树算法 |
4.1.1 决策树算法介绍 |
4.1.2 ID3决策树算法 |
4.2 基于ID3算法的客户合作度预测分析 |
4.2.1 数据准备和预处理 |
4.2.2 决策树的构造 |
4.2.3 客户合作度预测与结果展示 |
4.3 本章小结 |
5 总结 |
参考文献 |
致谢 |
(3)基于商业智能(BI)的管理会计信息系统构建的研究(论文提纲范文)
摘要 |
abstract |
1 引言 |
1.1 研究背景 |
1.2 研究意义 |
1.3 文献综述 |
1.3.1 商业智能综述 |
1.3.2 管理会计信息系统综述 |
1.3.3 商业智能在管理会计中的应用 |
1.4 创新点 |
2 商业智能的关键技术 |
2.1 数据仓库技术 |
2.1.1 数据仓库的定义 |
2.1.2 数据仓库的建模 |
2.1.3 ETL |
2.2 联机分析处理技术 |
2.2.1 OLAP与OLTP |
2.2.2 OLAP操作 |
2.3 数据挖掘技术 |
3 智能化管理会计信息系统四大子系统的构建设想 |
3.1 设计目标 |
3.2 设计原则 |
3.3 设计的可行性分析 |
3.3.1 技术上的可行性分析 |
3.3.2 经济效益上的可行性分析 |
3.4 四大子系统的提出 |
3.5 智能化管理会计信息系统的整体架构 |
4 基于BI的管理会计信息系统的构建 |
4.1 会计分析管理系统 |
4.1.1 会计分析管理系统概述 |
4.1.2 会计分析管理系统设计 |
4.2 风险管理信息系统 |
4.2.1 风险管理信息系统概述 |
4.2.2 风险管理信息系统设计 |
4.3 绩效管理信息系统 |
4.3.1 绩效管理信息系统概述 |
4.3.2 绩效管理信息系统设计 |
4.4 会计决策支持系统 |
4.4.1 会计决策支持系统概述 |
4.4.2 会计决策支持系统设计 |
4.5 管理会计信息系统整合各子系统 |
5 宝钢金属案例分析 |
5.1 宝钢金属背景介绍 |
5.2 宝钢金属运用BI的背景 |
5.3 BI在宝钢金属会计系统中的应用 |
5.3.1 应用过程 |
5.3.2 基于BI的绩效管理体系 |
5.3.3 宝钢金属实施BI后的效果 |
5.4 启示 |
6 总结 |
参考文献 |
致谢 |
(4)石油化工销售运营分析系统的设计及实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.1.1 研究背景 |
1.1.2 系统建设的意义 |
1.2 课题的研究现状及进展 |
1.2.1 石油化工销售 |
1.2.2 商业智能 |
1.3 本文主要研究内容 |
1.3.1 建立数据模型 |
1.3.2 构建数据仓库 |
1.3.3 开发应用系统 |
1.4 本文组织结构 |
第二章 关键技术分析 |
2.1 数据仓库技术 |
2.1.1 数据仓库的定义与特征 |
2.1.2 数据仓库中的数据组织 |
2.1.3 数据仓库体系结构与实现策略 |
2.2 联机分析处理技术 |
2.2.1 联机分析处理发展与技术实现 |
2.2.2 联机分析处理的特征 |
2.2.3 OLAP分析展现设计 |
2.3 数据建模 |
2.3.1 维度 |
2.3.2 度量 |
2.3.3 维度建模 |
2.3.4 创新采用拓展雪花模型 |
2.4 ETL技术 |
2.5 数据库技术 |
2.5.1 数据库集群 |
2.5.2 数据库链 |
2.5.3 流复制 |
2.6 小结 |
第三章 石油化工销售运营分析系统需求分析 |
3.1 功能性需求 |
3.1.1 业务功能需求 |
3.1.2 管理功能需求 |
3.2 非功能性需求 |
3.3 小结 |
第四章 石油化工销售运营分析系统设计及实现 |
4.1 系统的总体框架设计 |
4.2 系统的数据架构设计 |
4.2.1 数据部署拓扑架构 |
4.2.2 数据分层架构 |
4.3 系统的详细设计 |
4.3.1 多维分析详细设计 |
4.3.2 关键指标预警详细设计 |
4.4 系统的实现 |
4.4.1 数据模型的实现 |
4.4.2 数据抽取的实现 |
4.4.3 数据同步的实现 |
4.4.4 ETL过程的实现 |
4.4.5 数据一致性的实现 |
4.5 小结 |
第五章 系统应用及效果分析 |
5.1 系统应用背景 |
5.2 系统的部署及应用 |
5.2.1 系统的部署 |
5.2.2 系统的应用展现 |
5.3 应用效果分析 |
5.3.1 预警提示 |
5.3.2 咨询专家 |
5.3.3 持续关注 |
5.3.4 月度总结 |
5.3.5 效果分析 |
5.4 小结 |
第六章 结论与展望 |
6.1 研究总结 |
6.2 研究展望 |
参考文献 |
致谢 |
个人简历、在学期间发表的论文与研究成果 |
(5)烟草销售物流中的联机分析技术应用(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.2 研究现状与存在的问题 |
1.2.1 OLAP技术运用现状 |
1.2.2 存在的问题 |
1.3 技术路线 |
1.3.1 市场销售管理流程分析 |
1.3.2 烟草销售物流模型设计 |
1.3.3 OLAP销售分析设计 |
1.4 研究内容与取得成果 |
1.4.1 本文所做的工作 |
1.4.2 本文创新点 |
1.5 论文框架结构 |
2 相关关键技术 |
2.1 数据仓库基本理论 |
2.1.1 数据仓库定义与特点 |
2.1.2 数据仓库体系结构 |
2.1.3 Cognos基本概念 |
2.2 OLAP基本理论 |
2.2.1 OLAP的概念与准则 |
2.2.2 维的概念 |
2.2.3 OLAP的分析方法 |
2.2.4 OLAP应用于营销分析原则 |
2.3 平衡计分卡理论 |
2.3.1 平衡计分卡的概述 |
2.3.2 平衡计分卡的作用 |
2.3.3 平衡计分卡的特点 |
2.4 灰色预测模型理论 |
2.4.1 马尔科夫过程和马尔科夫链 |
2.4.2 灰色马尔科夫链模型以及存在的不足之处 |
2.5 本章小结 |
3 系统分析与设计 |
3.1 需求分析与总体架构设计 |
3.1.1 信息管理与数据分析需求 |
3.1.2 数据预处理 |
3.1.3 总体架构设计 |
3.2 业务流程分析和数据建模 |
3.2.1 业务流程分析 |
3.2.1.1 采购与合同管理业务 |
3.2.1.2 仓库管理与物流配送业务 |
3.2.1.3 销售管理业务 |
3.2.1.4 配送业务 |
3.2.2 数据建模 |
3.2.2.1 模型搭建 |
3.2.2.2 数据仓库模型设计 |
3.3 数据分析和模型设计 |
3.3.1 数据分析模型设计 |
3.3.2 平衡计分卡 |
3.4 灰色马尔科夫模型 |
3.5 本章小结 |
4 系统实现与应用 |
4.1 OLAP系统客户端实现 |
4.2 系统功能的实现 |
4.2.1 数据库的抽取与访问 |
4.2.2 DSO实现多维数据库的聚集 |
4.2.3 利用OWC技术实现数据透视 |
4.4 联机分析展示效果 |
4.4.1 OLAP数据指标展现方案 |
4.4.2 OLAP销售地图展示效果 |
4.5 OLAP历史数据分析 |
4.5.1 OLAP销售趋势分析 |
4.5.2 OLAP销售量同比分析 |
4.5.3 OLAP销售关联分析 |
4.5.4 OLAP实时数据分析 |
4.5.6 OLAP卷烟品牌分析 |
4.6 OLAP综合分析 |
4.6.1 波士顿矩阵分析 |
4.6.2 平衡计分卡分析 |
4.7 本章小结 |
5 系统测试 |
5.1 测试目标 |
5.2 测试原则 |
5.3 数据质量的验证 |
5.4 结果评价 |
5.5 本章小节 |
6 结论 |
6.1 本文小结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(6)联机分析挖掘(OLAM)技术构架下扩展的旋转模型研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究内容 |
1.4 组织结构 |
第2章 OLAM相关技术研究 |
2.1 多维数据模型 |
2.2 OLAP和数据挖掘 |
2.3 OLAM技术 |
2.4 小结 |
第3章 扩展的旋转模型研究 |
3.1 已有的相关工作 |
3.2 影响域和旋转模式 |
3.3 扩展的旋转模型 |
3.4 扩展的旋转模型的实现 |
3.5 扩展的旋转模型的应用 |
3.6 小结 |
第4章 OLAM系统设计与实现 |
4.1 OLAM系统工具的选取 |
4.2 系统设计与实现 |
4.3 小结 |
第5章 验证与分析 |
5.1 数据分析结果验证 |
5.2 数据挖掘结果验证 |
5.3 对比分析 |
5.4 小结 |
第6章 总结和展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
在读期间发表的论文及参加的科研项目 |
(7)基于数据仓库的税务风险预警系统设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第一章 引言 |
1.1 项目背景与意义 |
1.2 税务风险预警系统现状与发展趋势 |
1.2.1 税务风险预警系统研究现状 |
1.2.2 税务风险预警系统发展趋势 |
1.3 本课题的主要研究内容 |
1.4 论文内容的组织 |
第二章 预警信息系统的相关技术 |
2.1 数据仓库 |
2.1.1 数据仓库概念与特性 |
2.1.2 数据仓库的数据组织和体系结构 |
2.2 OLAP 技术 |
2.2.1 OLAP 的概念和特征 |
2.2.2 OLAP 与多维分析 |
2.2.3 OLAP 的存储机制 |
2.3 数据挖掘 |
2.3.1 数据挖掘的任务和方法 |
2.3.2 关联规则 |
2.3.3 决策树 |
2.4 本章小结 |
第三章 基于数据仓库的税务风险预警系统分析 |
3.1 税务系统对建立数据仓库和OLAP 的需求 |
3.2 系统目标 |
3.3 税务业务架构 |
3.4 系统功能需求分析 |
3.5 系统非功能性需求 |
3.6 本章小结 |
第四章 基于数据仓库的税务风险预警系统设计 |
4.1 系统总体结构设计 |
4.2 系统应用架构 |
4.3 系统体系结构 |
4.4 数据集成 |
4.4.1 应用数据整合 |
4.4.2 历史数据迁移 |
4.5 数据仓库平台设计 |
4.5.1 税务预警数据仓库平台的设计 |
4.5.2 数据仓库的模型设计 |
4.5.3 数据仓库建模 |
4.6 税务预警数据仓库的ETL 设计 |
4.6.1 ETL 的设计 |
4.6.2 数据抽取实施 |
4.6.3 抽取频度 |
4.6.4 数据平台业务 |
4.6.5 与生产系统的数据同步 |
4.7 风险预警模型的建立 |
4.7.1 风险算法模型的选择 |
4.7.2 指标模型关系的确定 |
4.8 本章小结 |
第五章 基于数据仓库的税务预警系统实现 |
5.1 系统环境 |
5.1.1 开发与运行环境 |
5.1.2 软件硬件资源 |
5.2 系统实现主要界面 |
5.3 系统安全性考虑 |
5.3.1 数据安全 |
5.3.2 数据备份与恢复 |
5.4 系统测试 |
5.4.1 测试范围 |
5.4.2 系统功能测试 |
5.4.3 系统性能测试 |
5.5 测试结论 |
5.5.1 缺陷总分布 |
5.5.2 不同缺陷类型分布 |
5.5.3 不同级别的缺陷分布 |
5.6 本章小结 |
第六章 结论及展望 |
6.1 实现结果及评价 |
6.2 结论 |
6.3 下一步工作的方向 |
致谢 |
参考文献 |
(8)空间数据仓的构建及应用(论文提纲范文)
中文摘要 |
英文摘要 |
创新点摘要 |
第1章 引言 |
1.1 论文的研究背景与选题依据 |
1.2 三维地质建模与三维 GIS 研究现状 |
1.2.1 三维地质模型的研究现状 |
1.2.2 三维 GIS 研究现状 |
1.2.3 地质构造三维模型构建的典型方法 |
1.3 空间数据仓研究现状 |
1.4 课题研究的目标、研究内容及关键问题 |
1.4.1 研究目标 |
1.4.2 主要研究内容 |
1.4.3 关键问题 |
1.5 论文工作情况 |
第2章 空间数据仓的石油勘探应用模式探讨 |
2.1 空间数据仓简介 |
2.1.1 空间数据仓库的基本概念 |
2.1.2 空间数据仓的构成 |
2.1.3 空间数据仓的基本特点 |
2.2 石油勘探开发业务及数据需求分析 |
2.2.1 石油勘探开发数据特点分析 |
2.2.2 分析解释评价中常用的图件的特点及数据来源分析 |
2.2.3 石油勘探各阶段业务流程分析总结 |
2.2.4 油气勘探开发中的数据管理技术 |
2.3 面向石油勘探开发的数据仓技术及关键问题 |
2.3.1 石油勘探开发中空间数据仓应用的必要性 |
2.3.2 基于空间数据仓的数据管理构架 |
2.3.3 空间数据仓的构建步骤 |
2.3.4 空间数据仓的应用模式 |
2.3.5 空间数据仓的构建模式 |
2.3.6 与其他数据管理模式的关系 |
2.3.7 空间数据仓构建所面对的关键问题 |
2.4 小结 |
第3章 基于尺度的空间数据仓逻辑模型 |
3.1 地学空间与地学信息空间 |
3.1.1 地学空间及其特征 |
3.1.2 地学空间实体 |
3.1.3 地学信息空间 |
3.1.4 从地学空间到地学信息空间 |
3.1.5 地学信息空间表达 |
3.2 广义尺度下的地学空间数据及其特征 |
3.2.1 广义尺度概念 |
3.2.2 广义尺度的内容构成 |
3.2.3 地学空间数据表达 |
3.2.4 地学空间数据的基本特征 |
3.3 基于尺度的空间数据仓模型 |
3.3.1 空间多维模式 |
3.3.2 基于尺度的空间多维数据集 |
3.3.3 空间度量的多尺度聚合 |
3.4 小结 |
第4章 基于尺度的空间数据仓物理模型 |
4.1 适于油气勘探分析评价的多维数据集模型 |
4.2 多尺度的空间事实表达 |
4.2.1 地学空间多尺度表达的要求 |
4.2.2 地质体的空间多尺度划分 |
4.2.3 地质场空间多尺度划分 |
4.2.4 基于体元的多尺度地学空间模型 |
4.3 多维分析中的地学维度建模 |
4.3.1 多维分析中常用的地学维度 |
4.3.2 基于体元关联的地学属性组织 |
4.4 地学对象的离散化(体元化) |
4.4.1 地学空间的空间域定义 |
4.4.2 地学空间离散化(体元化) |
4.4.3 基于地学空间划分的地学对象的离散化(体元化) |
4.5 小结 |
第5章 基于空间数据仓的数据分析 |
5.1 基于空间多维数据集的地学空间分析 |
5.1.1 基于空间多维数据集的空间邻域分析 |
5.1.2 基于空间多维数据集的空间剖切及钻取分析 |
5.1.3 地学分析中常见的空间度量 |
5.2 基于空间多维数据集的多维分析 |
5.2.1 数据集切片 |
5.2.2 基于空间事实表的数据集细化 |
5.2.3 数据集多维查询 |
5.2.4 基于多维数据集的联机分析(OLAP) |
5.3 小结 |
第6章 空间数据仓原型的设计实现 |
6.1 原型系统的设计目标与技术难点 |
6.2 原型系统的设计 |
6.2.1 原型系统的构架 |
6.2.2 原型系统的功能模块 |
6.3 技术难点解决方案 |
6.4 软件平台及参考的计算机软件标准 |
6.5 原型系统简介 |
6.6 小结 |
第7章 东营凹陷区域数据的空间数据仓建模 |
7.1 东营凹陷勘探数据基本情况 |
7.2 多尺度空间多维数据集的构建 |
7.3 基于空间多维数据集的分析 |
7.3.1 数据集多维查询分析 |
7.3.2 空间联机分析(空间 OLAP) |
7.4 小结 |
第8章 结论与建议 |
8.1 主要研究工作及创新性成果 |
8.2 下一步研究的建议 |
参考文献 |
致谢 |
个人简历、在学期间的研究成果 |
(9)基于联机分析处理技术的销售管理系统的研究与开发(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外的研究现状 |
1.3 研究的目的和意义 |
1.4 论文的主要工作 |
1.4.1 研究内容 |
1.4.2 论文创新点 |
1.5 论文的组织结构 |
第2章 数据仓库与 OLAP 技术理论研究 |
2.1 数据仓库技术 |
2.1.1 数据仓库的概念和特征 |
2.1.2 数据仓库中的数据组织 |
2.1.3 数据仓库的体系结构 |
2.1.4 数据仓库系统的分析方法 |
2.2 OLAP 技术 |
2.2.1 OLAP 的概念和特征 |
2.2.2 OLAP 的多维数据概念 |
2.2.3 OLAP 多维分析操作 |
2.2.4 OLAP 多维数据结构 |
2.2.5 OLAP 数据组织方式 |
2.2.6 OLAP 体系结构 |
2.2.7 OLAP 与 OLTP 的比较 |
2.3 数据仓库、OLAP 和数据挖掘的关系 |
2.3.1 OLAP 和数据挖掘的关系 |
2.3.2 OLAP 和数据仓库的关系 |
2.4 OLAP 解决方案 |
2.4.1 Microsoft 的 OLAP 解决方案 |
2.4.2 Hyperion 的 OLAP 解决方案 |
2.4.3 Oracle 的 OLAP 解决方案 |
2.4.4 SAS 的 OLAP 解决方案 |
2.5 本章小结 |
第3章 基于 OLAP 的销售管理系统的总体解决方案 |
3.1 服装行业背景 |
3.2 XY 公司情况介绍 |
3.2.1 信息化优势 |
3.2.2 存在不足 |
3.3 需求分析 |
3.4 数据仓库的实施策略 |
3.5 总体方案设计 |
3.5.1 系统建设目标 |
3.5.2 系统建设原则 |
3.5.3 系统总体结构 |
3.6 解决方案选择 |
3.7 本章小结 |
第4章 销售管理系统的设计与开发 |
4.1 系统分析 |
4.1.1 系统开发目标 |
4.1.2 业务与数据流程分析 |
4.2 系统功能结构设计 |
4.3 系统数据库设计 |
4.4 各模块实施与运行 |
4.5 本章小结 |
第5章 销售管理系统数据仓库和 OLAP 模型的建立 |
5.1 数据仓库设计 |
5.1.1 数据仓库设计的步骤 |
5.1.2 数据仓库企业模型的建立 |
5.1.3 概念数据模型(CDM)的设计 |
5.1.4 逻辑数据模型(LDM)的设计 |
5.1.5 物理数据模型(PDM)的设计 |
5.1.6 元数据管理 |
5.2 OLAP 模型设计 |
5.2.1 销售分析主题的模型设计 |
5.2.2 顾客分析主题的模型设计 |
5.2.3 发货分析主题的模型设计 |
5.2.4 应收帐款分析主题的模型设计 |
5.3 本章小结 |
第6章 OLAP 系统前端应用开发 |
6.1 数据透视表服务 |
6.2 前端应用程序开发 |
6.2.1 多维表达式 MDX |
6.2.2 编程接口 ADO MD |
6.2.3 基于 WEB 的数据展现的实现 |
6.3 系统分析实例与应用效果 |
6.3.1 销售分析 |
6.3.2 顾客分析 |
6.3.3 发货分析 |
6.3.4 应收账款分析 |
6.4 本章小结 |
结论 |
总结 |
未来研究方向 |
参考文献 |
附录 |
附录1 销售管理系统数据库表结构 |
附录2 数据仓库中各事实表与维度表结构 |
攻读学位期间发表的学术论文 |
致谢 |
(10)数据仓库、OLAP和DM技术研究及其在DSS中的应用(论文提纲范文)
第一章 绪论 |
1.1 课题来源 |
1.2 选题依据和意义 |
1.3 社保领域计算机应用发展情况 |
1.4 论文的研究内容和创新点 |
1.5 论文的组织结构 |
第二章 决策支持系统(DSS) |
2.1 DSS的产生 |
2.2 DSS的定义 |
2.3 DSS的体系结构 |
2.4 DSS的研究现状 |
2.5 DSS的发展趋势 |
第三章 数据仓库(DW) |
3.1 DW的产生 |
3.2 DW的定义 |
3.3 DW的体系结构 |
3.4 DW的设计 |
3.4.1 DW设计方法概述 |
3.4.2 DW创建的基本步骤 |
3.4.3 DW的逻辑设计 |
3.4.4 DW的物理设计 |
第四章 联机分析处理(OLAP)和数据挖掘(DM) |
4.1 OLAP技术概述 |
4.1.1 OLAP的产生 |
4.1.2 OLAP的定义 |
4.1.3 OLAP的体系结构 |
4.1.4 OLAP的分类 |
4.1.5 OLAP与DW的关系 |
4.2 DM技术概述 |
4.2.1 DM的产生 |
4.2.2 DM的定义 |
4.2.3 DM的体系结构 |
4.2.4 DM的分类 |
4.2.5 DM与DW的关系 |
4.3 OLAP与DM的区别和联系 |
第五章 DW、OLAP和DM技术在社保DSS中的应用 |
5.1 基于DW的DSS体系结构 |
5.2 数据仓库平台以及OLAP和DM工具的选择 |
5.3 省社保业务系统分析 |
5.4 省社保DSS的需求分析 |
5.5 省社保DSS的数据仓库设计 |
5.5.1 数据仓库的逻辑设计 |
5.5.2 数据仓库的物理设计 |
5.6 数据仓库数据的提取、转换和装载 |
5.7 省社保DSS的应用程序开发 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
四、基于OLAP与DM一体化思想的数据建模技术的研究(论文参考文献)
- [1]基于Spark和Kylin的搜索广告商业数据OLAP系统的设计与实现[D]. 于瀚程. 北京交通大学, 2019(01)
- [2]电子化加油数据仓库的建立及其数据挖掘的研究[D]. 刘强. 西安工程大学, 2018(02)
- [3]基于商业智能(BI)的管理会计信息系统构建的研究[D]. 余燕. 苏州大学, 2018(01)
- [4]石油化工销售运营分析系统的设计及实现[D]. 李丁一. 中国科学院大学(中国科学院工程管理与信息技术学院), 2017(04)
- [5]烟草销售物流中的联机分析技术应用[D]. 王宇斌. 上海交通大学, 2017(02)
- [6]联机分析挖掘(OLAM)技术构架下扩展的旋转模型研究[D]. 赵晶晶. 西南大学, 2009(10)
- [7]基于数据仓库的税务风险预警系统设计与实现[D]. 黄小华. 电子科技大学, 2007(04)
- [8]空间数据仓的构建及应用[D]. 郭加树. 中国石油大学, 2007(03)
- [9]基于联机分析处理技术的销售管理系统的研究与开发[D]. 夏军. 东华大学, 2007(10)
- [10]数据仓库、OLAP和DM技术研究及其在DSS中的应用[D]. 彭巧珍. 南昌大学, 2005(04)