山東統(tǒng)一銀座數(shù)據(jù)倉(cāng)庫(kù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來，各類企業(yè)隨著業(yè)務(wù)的飛速發(fā)展，運(yùn)營(yíng)過程中積累了大量的歷史數(shù)據(jù)。原業(yè)務(wù)系統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)和傳統(tǒng)的數(shù)據(jù)分析手段只能提供的簡(jiǎn)單查詢和報(bào)表，不能獲得數(shù)據(jù)的內(nèi)在關(guān)系和隱含的信息。而零售行業(yè)內(nèi)，連鎖性質(zhì)的公司因行業(yè)和業(yè)務(wù)形式的特點(diǎn)在市場(chǎng)快速推廣中，有效分析數(shù)據(jù)已成為企業(yè)拓展業(yè)務(wù)的依據(jù)。因此，如何對(duì)積累的這些歷史數(shù)據(jù)進(jìn)行有效的分析，發(fā)現(xiàn)商機(jī)，用以指導(dǎo)經(jīng)營(yíng)決策，已成為企業(yè)在同行業(yè)競(jìng)爭(zhēng)中制勝的關(guān)鍵。
　　 數(shù)據(jù)倉(cāng)庫(kù)(Data Warehous

2、e，DW)、聯(lián)機(jī)分析處理(On-Line AnalyticalProcessing，OLAP)、數(shù)據(jù)挖掘(Data Mining，DM)技術(shù)的發(fā)展為解決這一問題提供了有效途徑。但目前將數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的應(yīng)用在零售業(yè)領(lǐng)域較少取得系統(tǒng)性的研究成果和成功的實(shí)施案例。在此背景之下，本文調(diào)查研究零售連鎖業(yè)的業(yè)務(wù)運(yùn)營(yíng)情況并分析掌握數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)分析技術(shù)的基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)一個(gè)基于數(shù)據(jù)倉(cāng)庫(kù)的情報(bào)分析系統(tǒng)。論文主要進(jìn)行了如下工作。
　　 ⑴介紹了系

3、統(tǒng)開發(fā)背景，以目前數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的發(fā)展和商業(yè)應(yīng)用展開，從成果面闡述系統(tǒng)建立能夠?yàn)闃I(yè)務(wù)面解決的問題。
　　 ⑵在零售連鎖行業(yè)業(yè)務(wù)的運(yùn)營(yíng)情況進(jìn)行調(diào)研的基礎(chǔ)上，總結(jié)零售連鎖行業(yè)業(yè)務(wù)的運(yùn)營(yíng)特點(diǎn)和主要業(yè)務(wù)流程，這是設(shè)計(jì)實(shí)現(xiàn)經(jīng)營(yíng)分析系統(tǒng)的業(yè)務(wù)基礎(chǔ)。分析研究了數(shù)據(jù)倉(cāng)庫(kù)的相關(guān)技術(shù)，包括數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)基礎(chǔ)、聯(lián)機(jī)分析處理(OLAP)技術(shù)和數(shù)據(jù)挖掘技術(shù)，這是設(shè)計(jì)實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)分析系統(tǒng)的技術(shù)基礎(chǔ)。
　　 ⑶詳細(xì)闡述了基于數(shù)據(jù)倉(cāng)庫(kù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，

4、這部分是全文的重點(diǎn)。在這部分首先設(shè)計(jì)了數(shù)據(jù)倉(cāng)庫(kù)分析系統(tǒng)的總體技術(shù)方案，然后從數(shù)據(jù)存儲(chǔ)層、數(shù)據(jù)獲取層和數(shù)據(jù)訪問層三方面描述了具體方案的設(shè)計(jì)和實(shí)現(xiàn)過程。數(shù)據(jù)存儲(chǔ)層采用面向主題的數(shù)據(jù)倉(cāng)庫(kù)技術(shù)來組織存儲(chǔ)數(shù)據(jù)，結(jié)合對(duì)零售連鎖行業(yè)業(yè)務(wù)經(jīng)營(yíng)狀況的分析理解，設(shè)計(jì)了數(shù)據(jù)倉(cāng)庫(kù)概念模型的實(shí)體關(guān)系圖、邏輯模型的星型模型圖、物理模型詳細(xì)設(shè)計(jì)的事實(shí)表、維表的表結(jié)構(gòu)及總體關(guān)系圖。在數(shù)據(jù)獲取層根據(jù)數(shù)據(jù)源的特點(diǎn)及數(shù)據(jù)倉(cāng)庫(kù)模型設(shè)計(jì)的數(shù)據(jù)抽取、轉(zhuǎn)換、加載(Extractio

5、n-Transformation-Loading，ETL)方案，制定了數(shù)據(jù)的抽取轉(zhuǎn)換策略，實(shí)現(xiàn)了數(shù)據(jù)的抽取轉(zhuǎn)換和加載。數(shù)據(jù)訪問層采用了多維分析(OLAP)和數(shù)據(jù)挖掘(DM)兩種分析形式。多維分析部分設(shè)計(jì)了多維OLAP型(Muiltdimension OLAP，MOLAP)的技術(shù)方案，根據(jù)用戶需求，設(shè)計(jì)、構(gòu)建各個(gè)分析主題的多維立方體模型，并生成、發(fā)布多維立方體。數(shù)據(jù)挖掘部分設(shè)計(jì)實(shí)現(xiàn)了時(shí)段銷售預(yù)測(cè)、商品類型消費(fèi)預(yù)測(cè)、顧客年齡層消費(fèi)額度銷售分