金融审计OLAP模型技术分析与设计

本文结合审计机构进行金融审计的实际需要,在银行的贷款业务数据库系统上建立数据仓库,采用OLAP技术对银行不良贷款问题进行分析,为审计机构提供了一个有效可行的计算机辅助审计方案。

数据仓库的多维数据模型研究

作为数据仓库设计的核心和基础,数据模型的研究直接影响到决策支持技术的发展。该文首先在对OLAP的需要分析基础上,提出了研究数据模型应该满足的六点约束,并分析了现有模型的优缺点。然后,针对这六点约束,引进分维函数建立多维模型视图,利用聚集偏序集族定义维的结构,提出了一种多维数据模型,并给出了以OLAP操作为核心的操作代数。

中小企业CRM系统的OLAP设计与实现

根据中小企业CRM发展需求，构建了OLAP分析模型，为企业提供决策支持。

医院经营管理中收入多维分析模型的设计

医院MIS系统运行产生大量的OLTP生产数据,如何对产生的大量数据进行有效地利用,进行OLAP分析是医院经营管理中不可回避的问题.本文运用OLAP技术对医院的这些历史数据进行整合,定义与经营活动分析相关的主题,建立OLAP多维分析模型,找出最本质的东西和内在联系的规律性,指导医院进行经营管理、经营决策.

数据模型及其发展历程

数据库是数据管理的技术,是计算机学科的重要分支.经过近半个世纪的发展,数据库技术形成了坚实的理论基础、成熟的商业产品和广泛的应用领域.数据模型描述了数据库中数据的存储方式和操作方式.从数据组织形式,可以将数据模型分为结构化模型、半结构化模型、OLAP分析模型和大数据模型.20世纪60年代中后期到90年代初,结构化模型最早被提出,其主要包括层次模型、网状模型、关系模型和面向对象模型等.20世纪90年代末期,随着互联网应用和科学计算等复杂应用的快速发展,开始出现半结构化模型,包括XML模型、JSON模型和图模型等.21世纪,随着电子商务、商业智能等应用的不断发展,数据分析模型成为研究热点,主要包括关系型ROLAP和多维型MOLAP.2010年以来,随着大数据工业应用的快速发展,以NoSQL和NewSQL数据库系统为代表的大数据模型成为新的研究热点对上述数据模型进行了综述,并选取每个模型的典型数据库系统进行了性能的分析.

基于JSON文档结构的工业大数据多维分析方法

在智能生产制造过程中,工业数据存在复杂的关联关系和多源异构特性,不断增长的工业大数据使得数据分析与挖掘异常复杂,而传统的基于数据仓库或关系型数据库的工业数据分析方法数据处理不灵活、分析查询效率低。提出了基于JSON文档结构的工业大数据联机分析处理(OLAP)模型架构,使用Key-Value数据的JSON文档结构灵活定义工业数据结构,将维度信息中的表结构转换为基于JSON的文档结构,将事实包含的维度信息通过嵌套文档的方式保存。通过构建分析目标为根节点的文档树,基于Elasticsearch平台储存文档结构树并建立倒排索引,将查询与分析操作转变为文档内容的遍历与查询,使用倒排索引的方法提高数据分析查询的效率。设计了自定义配置检索条件与查询语句的智能解析引擎,实现了工业数据多维分析可视化图表的智能生成。

一种基于客户感知的派单规则优化方法

在移动互联网时代,业务的用户体验和用户的客户感知,对业务的持续上架和市场的拓展,具有举足轻重的影响。早期,网管侧的告警工单管理,主要是针对设备的故障,而针对用户感知的性能派单管理,明显滞后,这给设备的隐患定位带来了困难。基于此,文章提出了一种基于客户感知的派单规则优化方法。该方法将BP神经网络模型、OLAP多维数据汇聚方法和"六大类"故障处理方法融为一体,可高效解决网络问题,有效改善客户感知。

数据仓库技术在电信企业经济活动分析中的应用

电信企业在生产经营活动中,由业务支撑系统产生了大量异构信息数据.本文运用数据仓库技术对电信企业的这些历史数据进行整合,定义与经济活动分析相关的主题,对不同类型的数据源采用不同的抽取加载策略,建立OLAP多维分析模型,找出最本质的东西和内在联系的规律性,指导企业进行经济管理、经营决策,从而提高企业经济效益,提升企业的市场竞争力.

OLAP技术在电信经营管理中的应用

数据仓库技术已经在电信企业生产经营管理中得到广泛的应用,该技术对电信企业每天产生的大量的业务支撑数据及外部数据进行整合,对不同类型的数据源采用不同的抽取加载策略。本文运用OLAP技术对这些加载到数据仓库中的数据进行分析利用,建立OLAP多维分析模型,找出最本质的东西和内在联系的规律性,指导企业进行经营决策管理,提高企业经济效益,提升企业的市场竞争力。