基于数据挖掘的OLAP分析技术及应用

数据仓库是一种新兴的数据管理和分析技术 ,他的应用非常广泛。本文详细论述了如何组织数据仓库中的数据 ,指出了 OL AP分析技术的重要性 ,并给出了决策系统分析示例 ,最后运用多维查询语言 (MDX)

数据仓库与OLAP技术

由于企业决策支持的需要 ,数据仓库及其相关的技术如OLAP、数据挖掘已经越来越受到人们的重视。该文对数据仓库的整体结构进行了简单的描述 ,具体介绍了当前流行的几种OLAP技术 。

数据仓库和OLAP在配变通信系统中的应用

对数据仓库和OLAP在配变通信系统中的应用进行了研究,对系统中数据仓库和联机分析处理的开发过程进行了分析和探讨,论述了星型模型的设计,以达到使系统不仅是一个管理工具还是一个决策支持工具的目的。

基于数据仓库的决策支持系统的构建

提出了一个决策支持系统框架;在此框架基础上具体构建了一个通用的基于数据仓库的决策支持系统,并着重介绍了数据仓库的构建、数据仓库的增量更新、决策支持系统的构建以及决策支持系统的数据显示;最后结合实例介绍了该系统的具体应用。

基于数据仓库、数据挖掘技术的电子政务建设

介绍了数据仓库、数据挖掘、联机分析处理。

一个数据共享系统的实现

针对一个真实的医疗信息数据共享系统的需求,结合用户需求和数据特点确定数据仓库的主题,采用了数据采集、数据抽取、联机分析处理等技术,并且通过MQ技术实现了数据交换机制,具体的实施则是通过结合一些开源工具的有效使用,最终建立了一套架构先进、功能完善的业务数据共享信息平台.

开放式数据挖掘系统模型

目前国内已经出现了少量的数据挖掘相关产品。国内数据挖掘软件无论从数量还是质量上比较 ,都与国外软件存在着较大的差距。随着数据仓库技术的普及 ,数据挖掘应用的需求越来越强烈 ,如何缩短这种差距 ,研发数据挖掘软件产品成为国内业界的一个重要问题。通过引用目前国际通用数据挖掘标准技术来构建开放式的数据挖掘系统模型 ,该系统模型从可扩展性、可重用性。

商业智能及其在电力营销中的应用设计

商业智能是决策支持系统发展的新阶段。讨论了商业智能的概念和核心技术,包括数据仓库、联机分析处理和数据挖掘,并根据电力行业信息化的现状探讨了商业智能在电力营销工作中的应用和实施。电力行业商业智能可提高电力企业的风险控制能力和经营决策能力,具有广阔的应用前景。

数据仓库与数据挖掘

分析了数据仓库的基本特征，介绍了一种设计数据仓库的参照结构，讨论了数据仓库中的数据挖掘技术，比较了数据仓库技术的几种典型应用。

基于数据仓库的校园管理与决策支持系统的设计

结合学校管理的一些特性 ,将数据仓库和数据挖掘的技术引入学校信息管理与决策支持系统中 ,分析了在校园事务管理内设计和实现数据仓库的具体问题 ,给出了一个系统实现的设计思路。

数据仓库及联机分析处理

主要介绍数据仓库基本特征、体系结构、CLDS设计方法，以及基于数据仓库的OLAP的ROLAP和MOLAP两种方法。

对象关系型数据仓库中的多维数据表示

文章论述了对象关系型数据仓库环境下多维数据的物理存储模式、多维数据定义语言的设计与实现。在多维数据的物理表示方面,对象关系技术使得数据仓库设计不再局限于星型模式或雪花模式;多维数据定义语言的设计考虑多维逻辑结构到对象关系数据仓库环境中多种不同存储模式的映射。

客户智能:客户关系管理(CRM)的内核

提出了以客户智能(CustomerIntelligence,CI)为中心的CRM框架,该框架以商业智能提供的决策支持工具为技术支撑,围绕整个过程为CRM构建一个具有可操作性的科学的信息结构。

变压器状态检修数据OLAM系统设计研究

随着电力信息化工程的开展,电力变压器状态检修数据由分散的海量数据变成易于查询的有用信息成为日益重要的研究课题。本文首先对OLAM技术的概念和技术要点作了描述;接着介绍了OLAM技术在变压器状态检修数据仓库中的应用,对该OLAM系统中使用的数据挖掘算法进行了分析。

基于点击流数据仓库的用户行为分析

点击流数据揭示了网上消费者在网上的冲浪行为,这些数据记录了用户的行为信息。如何从海量日志数据中自动、智能地抽取隐藏于其中的知识,这是本文要研究的问题。介绍一种利用SQL Server 2005构建Web日志数据仓库的方案,先对点击流数据进行收集、预处理,并加载到数据仓库,然后通过Analysis Services深入分析网站用户的消费行为、兴趣偏好,挖掘有趣模式,获取更多有指导意义的商业信息。

基于影响空间的多维对象代数结构

介绍了OLAP模型,OLAP数据采掘的体系结构,指出它与决策支持系统之间的关系.描述了多维对象代数结构的基本概念及所涉及的计算.最后讨论了cube与影响域之间的联系与区别.

数据挖掘概念及国内外现状

随着信息技术的高速发展,人们积累的数据量急剧增长,如何从海量的数据中提取有用的知识成为当务之急。数据挖掘就是为顺应这种需要应运而生发展起来的数据处理技术。其主要任务是关联分析、分类、预测时序模式和偏差分析等。是知识发现(knowledge discovery in database)的关键步骤。数据挖掘技术是人们长期对数据库技术进行研究和开发的结果。起初各种商业数据是存储在计算机的数据库中的,然后发展到可对数据库进行查询和访问,进而发展到对数据库的即时遍历。数据挖掘使数据库技术进入了一个更高级的阶段,它不仅能对过去的数据进行查询和遍历,并且能够找出过去数据之间的潜在联系,从而促进信息的传递。

五矿集团进出口数据仓库的构建研究

数据仓库是实现企业分析决策的有效技术。文章从数据仓库设计原则出发,首先使用PowerDesigner构建了业务模型;然后设计了一套通用性、可扩展性较强的ETL(Extract、Transform、Load)工具,对数据进行全面的抽取、转换、清洗和装载处理;最后通过设计BusinessObjects的语义层对数据进行分析和展现,从而实现了对五矿进出口数据仓库构建。

数据仓库技术以及在证券业应用展望

首先简要介绍了数据仓库技术,并对其功能和组成进行了描述;然后讲述了证券业的特点及数据仓库在其中的应用前景,最后得出结论:数据仓库技术在证券业有很广阔的应用前景。

基于数据仓库的后勤保障决策支持系统的实现

本文在分析了数据仓库技术、联机事物分析处理技术、数据挖掘技术后,提出了综合利用三种技术来解决将管理信息系统(MIS)提高为决策支持系统(DSS)的实现方案并给出了我们的一个实现实例。