构筑七层结构的数据仓库

数据仓库是一个面向主题的、集成的、随时变化的数据集合,它支持管理部门的决策过程。广义而言,数据仓库是一个数据库,它与组织机构的操作数据库分别维护。数据仓库系统将各种应用集成在一起,为统一的历史数据分析提供坚实的平台,对信息处理提供支持。 数据仓库涉及的主要技术包括异种数据提取、数据清洗、数据变换、数据归约、数据立方体、在线分析及模式可视化。 数据仓库的数据模型与操作数据库的数据模型     

决策支持技术的发展及其体系结构研究

本文介绍了决策支持系统、数据仓库、数据挖掘技术的总体研究情况,包括其定义、基本框架、研究进展,并对OLAP技术和数据挖掘技术作了比较。结合当前数据仓库和数据挖掘技术的发展,本文从决策支持系统的建立和决策支持空间两方面,探讨了它们对决策支持系统的支持作用。     

数据仓库、OLAP和数据挖掘的比较分析

为了从丰富的数据中提取所需的信息,数据仓库、OLAP和数据挖掘应运而生。本文介绍了这三种技术的基本概念,分析了OLAP和数据挖掘的关系以及它们与数据仓库之间的关系,并介绍了在实际应用中三者是如何融合为一体来辅助决策的。     

OLAP技术在电力上市公司财务分析中的应用研究

作为一种新型的决策支持技术,联机分析处理(On-Line Analytical Processing,OLAP)技术在财会领域的应用也越来越广泛。本文以财务报表数据仓库及其多维分析模型构建为基础,将OLAP技术应用于电力上市公司的财务分析,通过切片、切块、旋转、钻取等方法,对财务数据进行深入分析,以满足管理者利用财务信息进行决策的需要。     

数据仓库技术在医疗保险管理中的应用研究

随着医疗保险业务处理系统的建立和运行，医疗保险信息数据量越来越大，信息数据源越来越多。管理者迫切需要根据医疗保险当前和历史数据做出判断和决策，以及时准确地把握基金运行的脉搏。数据仓库技术无疑将改变传统管理信息系统的不足。本文对数据仓库技术、OLAP和数据挖掘技术在医疗保险信息系统中决策支持的应用进行研究，设计了基于数据仓库技术的医疗保险信息系统的体系结构、技术实现、建设步骤和主要功能。     

数据仓库技术在工程建设项目管理中的应用

数据仓库和OLAP(联机分析)为科学的决策与管理提供了全新的技术支持，其技术已经广泛应用于银行、证券、税务、保险、客户服务及营销、商业零售等行业。但在工程建设项目管理中，数据仓库技术还没有得到广泛应用。本文结合工程建设项目决策和管理的特点，谈一谈数据仓库在项目管理中的应用。     

基于ANN的数据挖掘及其在银行中的应用

银行数据仓库的建成,必然面临如何在上面建立应用进行数据综合利用和深度挖掘的问题,目前各数据仓库厂商提供数据仓库的同时提供OLAP分析软件,这种类型的软件能对数据仓库已有的数据进行统计和分析,得出某种结果。但要找出数据中的潜在规律,做出某种预测,却是力所不能及。这样的工作只有数据挖掘（DataMining）工具才能完成。数据挖掘是一种决策支持过程,它主要基于人工智能、机器学习、统计学等技术,高度自动化地分析银行原有的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测客户的行为,帮助企业的决策者调整市场策略、减少风险、做出正确的决策。而当前真正成熟和能够投入实际应用的数据挖掘工具并不是很多。因此,设计一个适合我国金融业的数据挖掘工具显得非常必要。     

银行业数据仓库构建策略

随着人工智能和数据库技术的发展，建立以数据仓库为基础的银行智能系统，采用联机分析处理(OLAP)或数据挖掘(Data Mining)方法，把银行历史上积累的大量数据转换成可靠、有用的知识，在银行经营决策支持方面发挥了重要作用。数据仓库在银行业的应用领域非常广泛，例如银行主业中的存     

基于数据仓库技术的税收分析系统研究

数据仓库技术能够帮助工作人员在底层数据库中的数据中找到规律,从而为税务单位管理层决策带来数据支持.本文通过构建税务数据仓库来对税收分析系统进行研究,希望具有借鉴意义.     

构建数据仓库系统的技术分析

随着计算机技术的成熟和并行数据库的发展，面对急剧膨胀的信息量，信息处理技术的发展趋势是：从大量的事务型数据库中抽取数据，并将其清理、转换为新的存储格式，即为决策目标把数据聚合在一种特殊的格式中。这种支持决策的、特殊的数据存储即被称为数据仓库。数据仓库技术可以有效地帮助组织从海量数据中淘金，为管理人员提供科学的决策支持，协助进行有效组织管理，控制运营风险，创造利润。为此，国内外许多行业和部门都在紧锣密鼓地建设自己的数据仓库。本文研讨构建数据仓库系统的关键技术，旨在为搭建数据仓库系统平台做探索性研究…     

数据仓库应用及未来发展

人们对信息技术广泛应用的过程中所形成的大量电了化数据的分析需求导致了数据仓库的产牛。从技术角度描绘，数据仓库是一种对历史数据进行有效整合，并面向业务分析主题而建设的海量数据存储。它集成了分布在组织中不同系统中的商业数据，为决策者提供各种类型、有效的数据分析，起到决策支持作用，是一系列技术工具和数据管理机制的统称。     

银行业建立数据仓库的方法和可能存在的问题

随着金融电子化事业的发展,传统的银行手工操作业务大都由计算机系统所替代,但这些联机事务处理(OLTP)系统已不能满足银行业更深层次的需求,特别是银行决策支持的需求,而数据仓库及与之相关的联机分析处理(OLAP)、数据采掘等技术和工具,为银行业的管理决策提供了崭新的技术支持。利用数据仓库的强大功能,可以将正在运行的各自独立的多个数据源进行统一的组织,形成一个集成化的存储结构,为银行的决策分析服务。同时通过先进的信息加工、分析、处理软件,可以更好地防范银行业的经营风险,开拓新的金融服务市场,获取更大的经济效益。     

用数据仓库技术构建客户信息管理系统

论述了用数据仓库技术,通过对城市综合网大量历史数据的处理,构建客户信息管理系统,支持银行决策。     

利用商业智能提升营销管理水准

商业智能（BI，Business Intelligence）的概念最早是由美国的Gartner Group于1996年提出的，其定义为：由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的用以帮助企业决策的技术及其应用。从信息技术层面看，BI包括数据仓库（DW，Data Warehousing）、联机分析处理（OLAP，On—line Analytical Processing）、数据挖掘（DM，Data Mining）等在内的用于统计和分析商业数据的先进的信息技术。     

构建数据仓库系统的技术分析

随着计算机技术的成熟和并行数据库的发展,面对急剧膨胀的信息量,信息处理技术的发展趋势是:从大量的事务型数据库中抽取数据,并将其清理、转换为新的存储格式,即为决策目标把数据聚合在一种特殊的格式中。这种支持决策的特殊数据存储即被称为数据仓库。由于数据仓库技术可以有效地帮助组织从海量数据中淘金,为管理人员提供     

Delphi中数据仓库应用模块的设置和调用

一、引言随着数据库厂商推出自己的数据仓库软件,很多企业或单位建立了自己的数据仓库。数据仓库已经成为仅次于 Internet 之后的又一技术热点。建立数据仓库的目的是为决策提供支持和服务,数据仓库是面向复杂的数据分析以提供决策支持的过程。在这个过程中,使用数据仓库主要有两种     

信息技术在全球银行业的应用(四)数据仓库系统与数据仓库工具

一、数据仓库与数据仓库系统 数据仓库的概念是为企业能有效地管理和利用多年来积累下来的各种历史数据和统计信息,服务于决策支持背景下提出来的.数据仓库为不同来源的数据提供了一致的数据视图.     

银行数据仓库的规划与设计

数据仓库技术是最近几年才逐渐流行起来的一门新兴技术,数据仓库技术的目标是达到有效的决策支持。银行足数据、信息最丰富集中的行业,尤其是实行"实名制"以后,确保了用户信息的真实性,提高了信息价值。随着银行商业化管理步伐的加快,同业竞争日趋激烈,以及面对入世的压力,银行越来越感到信息技术的重要性,对智能决策系统的需求日益强烈。一、系统规划数据仓库的目的是实现 IT 技术与业务需求的良     

数据库技术的应用

在上一讲中，我们把数据仓库定义为一个面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合，它用于对管理决策过程的支持。该我表明数据仓库不是取代数据库，而是建立在一个较全面和完善的信息应用基础之上，用于支持高层决策分析。也就是说，数据仓库技术的应用与发展是在顺应管理、决策支持等需求的驱动下产生和发展起来的。目前，数据仓库技术主要应用于以下两个领域中并取得了较大的发展。     

我国商业银行数据仓库建设的现实选择

数据仓库的基本理论著名的数据仓库专家W.H.Inmon在其著作《BuildingtheDataWarehouse》一书中对数据仓库的定义是:数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。对于数据仓库的概念可以从两个层次予以理解,首先,数据仓库用于支持决策,是对各类数据的组合分析和再加工,它不同于企业现有的操作型数据库;其次,数据仓库是对多个异构数据源的有效集成,集成后按照主题进行重组,并包含历史数据,而且存放在数据仓库中的数据一般不再修改。