本文關(guān)鍵詞：企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫維度模型的研究，由筆耕文化傳播整理發(fā)布。

企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫維度模型的研究

     目前，隨著科學(xué)技術(shù)的進(jìn)步和數(shù)據(jù)規(guī)模的擴(kuò)大，在對數(shù)據(jù)本身進(jìn)行操作的前提下，僅靠人力做出分析和決策已無法適應(yīng)時(shí)代的發(fā)展和要求，而通過科學(xué)高效、快速全面的數(shù)據(jù)分析去獲得更大的經(jīng)濟(jì)效益成為不可阻擋的潮流和趨勢。由此看來，構(gòu)建數(shù)據(jù)倉庫不僅是一種必然，而且有取代數(shù)據(jù)庫成為數(shù)據(jù)處理的主要工具的發(fā)展態(tài)勢。正是基于對海量的數(shù)據(jù)進(jìn)行科學(xué)分析、處理和預(yù)測的能力，沃爾瑪超市的老板才發(fā)現(xiàn)“啤酒與尿布”這兩種毫無聯(lián)系的商品竟存在某種微妙的關(guān)系，于是將這兩種商品放在一起，結(jié)果啤酒的銷售量大大增加，由此可見數(shù)據(jù)倉庫在數(shù)據(jù)分析中的巨大作用。

    企業(yè)在產(chǎn)品的采購、運(yùn)輸、生產(chǎn)、管理、銷售、服務(wù)和回收過程中必然積累大量數(shù)據(jù)，并且數(shù)據(jù)以指數(shù)級增長，在此種情況下，企業(yè)迫切地需要根據(jù)自身需求對海量數(shù)據(jù)進(jìn)行高效、精確、科學(xué)地分析，運(yùn)用數(shù)據(jù)挖掘算法，挖掘出對企業(yè)發(fā)展起關(guān)鍵作用的信息，進(jìn)而全面了解和掌握企業(yè)的經(jīng)營狀況和外部環(huán)境，并做出科學(xué)的預(yù)測和決斷，以獲得最大的經(jīng)濟(jì)效益。本文正是選取科學(xué)合理的企業(yè)經(jīng)濟(jì)效益評價(jià)指標(biāo)，設(shè)計(jì)出企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的維度模型，以對后期的企業(yè)管理提供有效的決策支持。

    1 數(shù)據(jù)倉庫基本理論

    1.1 基本概念

    近年來隨著利用數(shù)據(jù)支持決策分析的強(qiáng)烈需求和數(shù)據(jù)庫管理及應(yīng)用技術(shù)的廣泛應(yīng)用，數(shù)據(jù)倉庫應(yīng)運(yùn)而生，它是一種基于數(shù)據(jù)庫技術(shù)的的處理海量數(shù)據(jù)和信息的綜合性前沿技術(shù)；在信息時(shí)代數(shù)據(jù)規(guī)模不斷擴(kuò)大的情況下，數(shù)據(jù)倉庫將在數(shù)據(jù)庫領(lǐng)域占據(jù)重要位置，并將成為下一代應(yīng)用系統(tǒng)的重要組成部分。關(guān)于數(shù)據(jù)倉庫的概念，最具代表性的是數(shù)據(jù)倉庫之父W.H.Inmon在20世紀(jì)90年代提出的觀點(diǎn)：數(shù)據(jù)倉庫（Data Warehouse）是一個(gè)面向主題的（Subject Oriented）、集成的（Integrated）、非易失的（Non Volatile）、隨時(shí)間不斷變化的（Time Variant）數(shù)據(jù)集合，主要用于對企業(yè)管理進(jìn)行決策、分析、評估和預(yù)測。

    1.2 維度建模

    維度建模是應(yīng)用于數(shù)據(jù)倉庫的一種邏輯設(shè)計(jì)方案，其基本思想是以某種數(shù)據(jù)立方體的形式表示大部分與業(yè)務(wù)有關(guān)的數(shù)據(jù)，各種測度值包含在這種數(shù)據(jù)立方體的各個(gè)單元格中，其中數(shù)據(jù)維度通過立方體的邊定義和說明。將其中的維度表和事實(shí)表這兩個(gè)組塊融合到一起，就構(gòu)成了數(shù)據(jù)倉庫的基本維度模型。維度建模的優(yōu)點(diǎn)如下：

    （1）維度模型是可預(yù)測的標(biāo)準(zhǔn)框架。

    （2）用戶行為不可預(yù)知的變化因星型模型的可預(yù)測標(biāo)準(zhǔn)框架而弱化。

    （3）良好的擴(kuò)展性，可將不可預(yù)測的新的設(shè)計(jì)決策以及數(shù)據(jù)源容納進(jìn)來。

    （4）業(yè)務(wù)環(huán)境中常見的建模情況可以通過維度模型中諸多的標(biāo)準(zhǔn)方案處理。

    （5）越來越多的管理實(shí)用程序及軟件使維度模型可以用于諸多聚集的管理決策和使用過程。

    2 數(shù)據(jù)倉庫的維度模型分析

    2.1 企業(yè)經(jīng)濟(jì)效益評價(jià)指標(biāo)體系

    企業(yè)經(jīng)濟(jì)效益是企業(yè)的生存和發(fā)展的關(guān)鍵，通過科學(xué)控制和決策，對企業(yè)的整個(gè)生命周期過程進(jìn)行成本和收益的分配、分析以及決策，構(gòu)建優(yōu)化的企業(yè)經(jīng)濟(jì)效益評價(jià)模型，對企業(yè)生命周期過程中的業(yè)務(wù)流、資金流和分配流及周轉(zhuǎn)流進(jìn)行分析，依據(jù)企業(yè)經(jīng)濟(jì)效益的五性分析法，，選擇合理的經(jīng)濟(jì)效益評價(jià)指標(biāo)，構(gòu)建企業(yè)經(jīng)濟(jì)效益評價(jià)指標(biāo)體系，如圖1所示。

   

    圖1 企業(yè)經(jīng)濟(jì)效益評價(jià)指標(biāo)體系

    2.2 企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的體系結(jié)構(gòu)

    作為一種系統(tǒng)集成方案，數(shù)據(jù)倉庫的主要工作是融合和集成處理數(shù)據(jù)所需的工具，以完成數(shù)據(jù)抽�。‥xtract）、轉(zhuǎn)換（Transform）以及加載（Load）、OLAP分析與數(shù)據(jù)挖掘（DM）等過程，操作環(huán)境層、數(shù)據(jù)倉庫層以及業(yè)務(wù)層構(gòu)成了典型的數(shù)據(jù)倉庫體系結(jié)構(gòu)。

    企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的一般體系結(jié)構(gòu)如圖2所示，其中操作環(huán)境層是企業(yè)外部數(shù)據(jù)源以及所使用操作型數(shù)據(jù)庫的數(shù)據(jù)記錄，進(jìn)行數(shù)據(jù)預(yù)處理后，利用Microsoft SQL Server 2005將外部數(shù)據(jù)源及操作型數(shù)據(jù)集成到數(shù)據(jù)倉庫中，生成數(shù)據(jù)倉庫層，在數(shù)據(jù)倉庫層中，根據(jù)企業(yè)經(jīng)濟(jì)效益指標(biāo)評價(jià)體系構(gòu)建企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的維度模型，進(jìn)而上升到業(yè)務(wù)層階段，可以進(jìn)行業(yè)務(wù)的即席查詢，或者借助OLAP和數(shù)據(jù)挖掘工具對企業(yè)經(jīng)濟(jì)效益進(jìn)行高效分析和挖掘，為后期的企業(yè)管理提供科學(xué)的參考建議和決策支持。

 

   

    圖2 數(shù)據(jù)倉庫的體系結(jié)構(gòu)

    2.3 企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的星型模型

    維度建模技術(shù)幾乎被應(yīng)用在所有業(yè)務(wù)領(lǐng)域中，數(shù)據(jù)倉庫設(shè)計(jì)中最常用的數(shù)據(jù)模型是星型模型和雪花模型。在構(gòu)建企業(yè)經(jīng)濟(jì)效益評價(jià)指標(biāo)體系的基礎(chǔ)上，結(jié)合企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的體系結(jié)構(gòu)，根據(jù)以下四步維度設(shè)計(jì)方法，設(shè)計(jì)企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的維度模型。

    （1）選取要建模的業(yè)務(wù)處理過程。通過對可用數(shù)據(jù)以及業(yè)務(wù)需求的理解對建模過程中的業(yè)務(wù)處理內(nèi)容進(jìn)行確定，是機(jī)構(gòu)中進(jìn)行的一種自然業(yè)務(wù)活動(dòng)，在企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的維度建模中，就是要選擇企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫維度建模的主題域。

    （2）定義粒度。即確切解釋各個(gè)事實(shí)表行的實(shí)際內(nèi)容，并規(guī)定與度量值相聯(lián)系的所有細(xì)節(jié)應(yīng)達(dá)到的詳細(xì)程度，即對企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫中業(yè)務(wù)事實(shí)表所包含的相關(guān)信息給出詳細(xì)的解釋。

    （3）選好維度。粒度定義后，維度也隨之確定，在企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的維度模型中，給出了時(shí)間維、企業(yè)維、產(chǎn)品維及地區(qū)維，隨著其他相應(yīng)屬性的確定而使維度表更加充實(shí)、豐滿。

    （4）確定事實(shí)。即確定要對業(yè)務(wù)處理過程的那些數(shù)字型事實(shí)進(jìn)行評測，在企業(yè)經(jīng)濟(jì)效益業(yè)務(wù)事實(shí)中，根據(jù)企業(yè)經(jīng)濟(jì)效益指標(biāo)評價(jià)體系，對生產(chǎn)性、成長性、流動(dòng)性、安全性和收益性5個(gè)方面的指標(biāo)進(jìn)行分析，并且這5個(gè)方面的指標(biāo)在維度表中都有良好的可加性。

    根據(jù)維度建模的步驟，將企業(yè)經(jīng)濟(jì)效益業(yè)務(wù)分析信息作為事實(shí)表，將時(shí)間、企業(yè)、產(chǎn)品和地區(qū)作為維度表，采用星型模式建立企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的維度模型，如圖3所示。在該模型中，時(shí)間維度表的待定屬性中，可設(shè)置年份、季度、月份等信息，企業(yè)維度表的待定屬性中，可設(shè)置企業(yè)名稱、企業(yè)代碼、企業(yè)性質(zhì)、企業(yè)地址等基本信息，產(chǎn)品維度的待定屬性中，可設(shè)置產(chǎn)品名稱、生產(chǎn)部門、產(chǎn)品描述等基本信息，使維度模型更加完善。

   

    圖3 企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的星型模型

    3 總結(jié)和展望

    維度建模是數(shù)據(jù)倉庫設(shè)計(jì)的重要環(huán)節(jié)和關(guān)鍵步驟之一，本文正是基于數(shù)據(jù)倉庫理論和技術(shù)，在構(gòu)建經(jīng)濟(jì)效益評價(jià)指標(biāo)體系的基礎(chǔ)上，設(shè)計(jì)企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的體系結(jié)構(gòu)，建立企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫的維度模型，為企業(yè)實(shí)現(xiàn)更大經(jīng)濟(jì)效益提供指導(dǎo)，為后期的企業(yè)管理提供科學(xué)的決策支持。本文從企業(yè)經(jīng)濟(jì)效益的5個(gè)方面選取指標(biāo)，構(gòu)建了科學(xué)的經(jīng)濟(jì)效益評價(jià)指標(biāo)體系，并將其集成到數(shù)據(jù)倉庫的維度模型中，在后續(xù)的數(shù)據(jù)倉庫分析、數(shù)據(jù)挖掘以及企業(yè)的管理決策中，將對企業(yè)的經(jīng)濟(jì)效益進(jìn)行更具科學(xué)性和合理性的評估和預(yù)測。

相關(guān)文章 關(guān)鍵詞：企業(yè),經(jīng)濟(jì)效益,數(shù)據(jù)倉庫,維度模型

責(zé)任編輯：sunny

  本文關(guān)鍵詞：企業(yè)經(jīng)濟(jì)效益數(shù)據(jù)倉庫維度模型的研究，由筆耕文化傳播整理發(fā)布。

本文編號：121900