一、基于数据仓库的OLAP在DSS中的应用研究(论文文献综述)
陈锦青[1](2014)在《基于数据挖掘的最低生活保障决策支持系统研究》文中指出随着民政各级救助业务运作的规范化及操作成熟性的提高,多年来民政部门积累了大量的最低生活保障原始数据。然而各个救助业务数据都是针对不同业务目标,相对独立地存放于各级数据库中,彼此间信息无法实现共享,从而导致民政部门决策分析人员无法从中提炼出有价值的信息。因此如何对这些异构、异协议的数据进行有效的采集、处理和使用成为目前民政部门亟待解决的一个重大难题。数据仓库和数据挖掘技术是近几年兴起的有关数据库和人工智能的新技术,它可以通过对大量数据进行聚类、分类及关联规则挖掘等操作,从多方位、多角度地分析统计数据,发现数据内在的联系和规律。因此将数据挖掘技术、数据仓库技术与民政部门最低生活保障决策分析相结合是一个势在必行的趋势。本文将数据仓库技术、联机分析处理技术和数据挖掘技术相结合,构建了基于数据挖掘的最低生活保障决策支持系统。首先,论文在简述决策支持系统、数据仓库技术、联机分析处理技术和数据挖掘技术的基础上,以某省最低生活保障信息系统为研究对象,结合笔者一年多在某省民政厅调研实习的成果,分析了目前最低生活保障决策支持的现状及存在问题,确定了该DSS的各大功能需求和系统建设的性能要求。其次,按照DSS的功能要求完成最低生活保障决策支持系统总体设计,包括数据仓库、联机分析处理模块、数据挖掘模块及前端界面层。其中,数据挖掘模型设计是本文重点探讨的部分。笔者构建了救助金需求预测模型和低保支出影响指标评价模型。在救助金需求预测模型中,基于ARIMA算法具备准确提取时间序列回归关系的能力对小波神经网络模型预测结果进行误差修正,从而确保WNN能以更大精度逼近实际救助金需求。而在低保支出影响指标评价模型中,先利用GA优化的神经网络算法确定评价指标权重,消除主观定权的影响,确保权值的有效性和实用性,然后再对属性赋权后的矩阵进行FCM聚类分析。最后,基于J2EE的分布式计算技术构建开发平台,采用多层架构的B/S模式完成决策支持系统的实现工作。通过该DSS系统的应用,民政各级分析人员可以随时、随地、方便、有效地从各种角度进行多维分析、智能查询和深层挖掘等操作,提高了办公效率和决策水平。另外,通过实证研究,结果表明本文改进的数据挖掘算法提高了预测的精度和聚类的有效性。
何志军[2](2009)在《成本控制决策支持系统的应用研究》文中研究指明目前,国内制造型企业面临着越来越大的竞争压力,不仅面临着国内其他企业的挑战,还有来自国外企业的威胁,市场竞争日益激烈。为占领市场,企业需要不断开发生产性能更高,价格更低的适合市场需求的新产品;企业要想获得更多的利润,就需要在扩大市场份额的同时,不断地降低产品成本。随着计算机应用和信息化的普及,企业产生了大量的、不断增长的历史数据,包括大量的企业内部数据,如企业的生产数据、财务数据、销售数据、人力资源数据等,以及企业的外部数据。企业只有对大量的历史和现实数据进行分析,才能做出正确的决策、发现新市场,降低生产成本、销售和管理成本,提高利润。为实现这一目标,本文针对我国机械制造业的成本问题,根据现代成本控制的特点,围绕事先成本控制、事中控制、成本分析和成本降低环节进行功能设计;将计算机技术与会计相结合,引入数据仓库技术,构建一个制造企业数据仓库体系结构,对数据仓库系统中的联机分析处理和数据挖掘技术等应用方面进行研究;将数据仓库技术与决策支持系统结合在一起,为决策支持提供海量的综合、历史数据,为决策支持系统建立良好的数据基础,通过基于数据仓库的决策分析系统为企业提供多角度、多层次的企业信息分析的有效方法;最后结合某制造型企业,实现企业数据仓库,并将其应用于成本控制决策支持系统。
胡伟[3](2008)在《基于数据仓库的决策支持系统的设计与实现》文中研究指明国家和各个地方的政府部门经过多年的信息建设,积累了大量的各行各业的数据,但是数据零散,集中整合度低,不能适应数据分析和决策的需要,随着电子政务信息化建设的进一步深入和数据仓库(DW)技术的迅猛发展,将数据仓库技术运用到政府部门工作中用以数据分析和支持政府决策,提高工作的效率和质量己成为现实的需要。本文首先介绍了课题的研究背景、当前电子政务信息化水平、政府信息集中整合利用的状况,接着对数据仓库的基本概念、数据组织结构以及数据仓库的设计方法与步骤进行详细研究。然后重点研究了在政府决策支持系统(DSS)中创建数据仓库的方法,根据实际情况,并以当前流行的Oracle 10g数据库为平台,提出了面向各项经济指标为主题的数据仓库的设计方案:第一步是根据业务需求以及政府数据的特殊层次结构,进行数据仓库的模型设计;第二步结合Oracle Warehouse Builder(OWB)工具分别论述时间戳和触发器两种方式的增量数据抽取、转换、装载(ETL)过程,将源数据按照数据仓库模型整合到数据仓库中,并针对数据仓库的删除操作,提出一种增量ETL过程中对删除数据实现装载的设计方案;第三步利用Oracle OLAP Analytic Workspace(AW)对数据仓库中的数据进行多维数据分析,并以报表和图表的方式进行展现;最后,为满足政府DSS中对数据综合分析的需求,提出了一种数据仓库报表生成方法,实现多主题数据的即席查询展现,在一定程度上解决了Oracle前端展现工具无法跨事实表抽取数据并展现的问题。
高巍[4](2007)在《县级供电企业营销辅助决策系统研究》文中研究指明本文在研究决策支持系统基本理论的基础上,利用数据仓库、OLAP技术和数据挖掘技术,在供电企业已有的管理信息系统基础上建立了一个高效、实用的电力营销辅助决策系统。文中研究了县级供电企业营销辅助决策系统的建立,并根据供电企业MIS系统提供的营销、生产等数据,采用Microsoft Analysis Services进行数据仓库构建,建立了营销辅助决策数据仓库。运用OLAP技术,提供数据多维分析服务,通过切片、钻取和旋转等分析方法,多角度、多层次地分析数据仓库中的数据。本文首先简要介绍了决策支持系统的基本理论,提出了课题背景、意义以及研究内容。其次,阐述了数据仓库、联机分析处理(OLAP)、数据挖掘以及MS Analysis Services的相关理论与技术。然后,根据决策支持系统的需要,进行了电力营销辅助决策系统总体结构的研究,完成电力营销辅助决策系统的总体设计。最后,文章结合电力营销系统的实际需求,详细讨论了如何构建一个电力辅助决策系统,并根据电力行业的实际情况,提出了构建电力营销数据仓库的方法,进行了数据仓库的建立,并在此基础上进行了多维数据分析处理,以满足辅助决策的需要。文中所讨论的系统分数据仓库、数据分析、用户界面以及系统管理四大部分。数据仓库系统整合现有相关业务系统的数据,可以从多角度、多层次地分析数据仓库中的数据,能显着地提高数据分析、统计、报表定制等方面的效率和精确度,能够基本满足电力企业营销数据分析的需要。系统能够为历史数据建立一个适用的营销数据仓库,可以从中提取出有用的数据信息,为供电公司管理与决策提供科学依据,对于电力信息化建设有非常重要的意义。
肖荣荣[5](2007)在《高校图书馆决策支持系统研究》文中研究表明高校图书馆不断加快信息资源建设以及数据库技术和管理信息系统的广泛应用,数据量急剧增大,数据的迅速增加与数据分析方法的滞后之间的矛盾越来越突出。基于数据仓库的决策支持系统通过建立数据仓库及进行OLAP分析能够有效地解决现有庞大数据与数据分析之间的矛盾,将数据仓库和OLAP联机分析技术应用于高校图书馆决策中,可以为图书馆的应用决策开辟新的途径,从而发挥信息资源的最大价值。本文根据图书馆现有数据及业务流程的特点,提出了建立基于数据仓库的高校图书馆DSS的新思路,全面研究了高校图书馆数据仓库设计的方法与过程以及高校图书馆OLAP模型的建立与分析方法。初步建立了数据仓库,数据质量得到了有效控制;构建了适合高校图书馆的OLAP模型,并对现有数据资源进行了多维分析。
夏军[6](2007)在《基于联机分析处理技术的销售管理系统的研究与开发》文中研究表明在服装行业日益激烈的竞争过程中,我国的服装企业面临着如何有效地整合产业链上的各类信息,将业务流程电子化,以实现供应链的快速反应的问题。随着企业规模的不断扩大,市场竞争的不断加剧,企业的运营层如何把正确的信息、在正确的时机、提供给相应的决策层,以及决策层如何及时准确地获得必要的决策参考信息等问题将成为一个紧迫而复杂的课题。随着信息技术的高速发展和企业界需求的多样化、复杂化,数据仓库技术应运而生。数据仓库提供了一个数据平台,在此基础上可以进行强有力的数据分析、数据挖掘和报表处理,以支持管理决策。虽然很多公司相继推出了数据仓库产品,但对数据仓库技术的研究仍然方兴未艾。数据仓库的建设不是一个简单的技术问题,而是一项复杂的系统工程。联机分析处理是数据仓库的一个最典型的应用。它能将数据仓库中的数据按照不同的粒度进行聚合和预计算,从而在用户面前展现多维数据视图。同时,联机分析处理还提供了较直观的多维分析操作,包括切片、切块、上卷、下钻和旋转等,使用户能多角度、多层次地观察数据仓库中的数据。首先,本文利用实际研究与理论归纳相结合的手段,对论文的研究背景进行阐述,总结了国内外的研究现状,探讨了研究的目的和实际意义。之后,通过综合国内外学者的研究成果,对数据仓库和OLAP技术的理论原理进行全面地分析,并研究了数据仓库、OLAP和数据挖掘三者之间的关系。进而在理论研究的基础之上,结合服装行业的背景和我国某服装企业销售业务的具体需求分析,提出了基于联机分析处理技术的销售管理系统的总体解决方案,该解决方案分为两大主要部分,一部分是销售管理系统(OLTP系统),另一部分是在此系统基础之上,运用数据仓库技术将数据库中的数据通过转换、加载与清洗到销售OLAP分析数据仓库中,而开发的销售OLAP分析系统。并构建了解决方案的总体结构以保证系统的设计方案具备较高的实用价值和技术可行性。然后,通过对销售管理系统的功能结构和数据库的分析与设计,利用Visual Basic.Net与SQL Server2000开发实现所有功能模块。并在所开发的销售管理系统的基础上设计和建立了数据仓库和OLAP模型。最后,通过对OLAP前端应用程序开发方法的研究,用ASP结合MDX和ADO MD开发并实现了基于Web的销售OLAP分析系统,结合该系统运行效果的分析说明了系统的有效性和现实意义。本论文的主要贡献在于结合我国服装行业某龙头企业销售业务的具体需求,研究了数据仓库和联机分析处理技术在销售管理系统中的应用原理;建立了数据仓库三级模型和四个主题的多维分析模型;提出了基于联机分析处理技术的销售管理系统整体解决方案;最后开发实现了相应的原型系统。为企业进行销售与营销决策提供了支持,辅助决策者快速制定正确的销售策略,尤其是全面提高了服装企业销售与营销的决策水平和市场竞争能力。本研究成果对在我国服装行业乃至其他行业中实施数据仓库的解决方案有一定的实际参考价值,可显着地提高企业的经济效益和科学决策水平。
姜南[7](2006)在《决策支持系统在企业管理中的应用研究》文中进行了进一步梳理决策支持系统(Decision Support Systems)作为一种新兴的信息技术,能够为企业提供各种决策信息以及许多商业问题的解决方案,从而减轻了管理者从事低层次信息处理和分析的负担,使得他们专注于最需要决策智慧和经验的工作,因此提高了决策的质量和效率。目前在国内,DSS在企业中的开发与应用尚处于初级阶段。由于决策是一项复杂的管理活动,对从管理决策层面上如何开展DSS的设计和实现,研究还不够深入。 本课题通过对近年来DSS研究的理论成果与应用的研究,分析了目前企业DSS开发和应用的现状,以及企业在DSS开发应用中存在的问题和不足,从理论和方法上对企业管理工作如何建立和运用DSS提供相应的对策与建议。本文的主要工作以及创新之处主要在以下几点: 1、从管理学的角度分析了决策支持系统的作用、特点和应用原则。这是探讨企业DSS开发应用的基础,文中从DSS的一般理论、管理的决策理论、控制理论等方面对DSS的研究开发进行了深入剖析,分析了DSS在目标确立、功能设计、评价指标、决策方法、应用实现等方面的特点,通过分析当前企业在建立DSS中遇到的关键问题,研究了DSS开发和设计的基本方法。 2、研究了DSS开发的关键环节,并提出了一些有针对性的解决办法。本文结合DSS与MIS、EIS等系统的关系,对建立DSS的关键环节,如开发目标、功能设计、评价指标的分析研究,对我国企业在今后的DSS设计开发都有较好的参考价值。 3、本文针对DSS的四大主要部件进行了较深入的研究,提出了一些用于DSS部件设计的方法,为企业建立DSS提供参考。在模型管理系统中,本文结合运筹学中的动态规划原理,研究了利用动态规划方法构建决策模型的一般方法,可以用于解决企业在多阶段决策过程遇到的部分问题。在用户交互子系统中,本文利用反馈控制原理在决策中的作用,研究了一个便于用户与DSS交互的反馈决策模型。在知识管理系统方面,本文研究了一种基于知识规则推理的方法,并用C语
彭巧珍[8](2005)在《数据仓库、OLAP和DM技术研究及其在DSS中的应用》文中认为自从20世纪70年代决策支持系统的概念被首次提出以来,它不断地吸收各种新技术而得以发展。传统DSS极大地推动了计算机辅助决策的发展。但是,由于它基于业务系统数据库从而缺乏统一、充足的数据源支持,这严重影响了DSS的发展。90年代中期出现了三项决策支持新技术:数据仓库、联机分析处理和数据挖掘,它们的结合形成了DSS发展的最新形式——综合决策支持系统。 社会保险是国家长治久安的大计,它关系到每个职工的生、老、病、死。随着我国政府对社保改革力度和支持力度的加大,各省都相继建立了符合本省需要的管理信息系统,并积累了大量的业务数据。然而,决策支持系统在社会保险领域的应用还刚刚起步,社保DSS具有广阔的发展前景。 本文对社保DSS的构建进行了深入研究。首先,介绍了综合决策支持系统的优越性;深刻分析了数据仓库、OLAP和DM技术的原理和三者之间内在的联系性。然后,以江西省重点科技项目“社会保险辅助决策系统”为应用实例,介绍了基于DW的DSS体系结构;确定了社保DSS的DW平台以及OLAP和DM工具;给出了社保DSS数据仓库的详细设计,在此基础上介绍了DW数据的提取、转换和装载过程,给出了DW中相应事实表和维表数据的装载脚本;提出了基于数据仓库,综合应用OLAP和DM技术的社保DSS的总体设计方案,为决策支持系统在社会保险领域的应用做出了有益的探索。
邵国晨[9](2005)在《基于数据挖掘的决策支持系统及应用研究》文中认为尽管DSS在国内已有长足发展,但在理论、实践的很多方面仍然存在不少问题。如DSS应用的特点是多层次,小规模;总体上发展较缓慢,软件制作周期长,生产率低,质量难以保证,开发与应用联系不紧密;企业级DSS应用开发成功案例较少,尤其在制造业更为鲜见,笔者对煤机企业的实地考察充分说明了这一点;基于数据挖掘等新技术的企业级决策支持系统仍处于初步开发阶段,有许多问题需要进一步解决。本文在系统研究上述问题的基础上,探讨了DSS(决策支持系统)理论的发展过程;叙述了DSS 系统的开发历程;对DSS 的应用状况进行了概括总结;在分析其利弊的前提下,对DSS 的应用前景进行了展望。本文全面研究、分析了张煤机的企业现状、计算机软硬件配置情况及管理工作需要等因素,有针对性地提出了基于张煤机现状的DSS 设计方案,并采用适当方法对其进行了实体设计,应用效果良好。同时也积累了宝贵的系统开发经验。在本文的撰写及DSS 系统实际开发过程中,作者的主要创新点包括: 对OLAM 的涵义提出了新的理解,即OLAM 是OLAP 和DM 发展的交汇点,OLAM 与OLAP 和DM 的关系是包含关系而不是并列关系,“M”是OLAM 系统的核心和目的所在。提出了基于C/S 和B/S 的OLAM 混合结构,不仅优点突出,而且兼顾信息安全性、隐私性等要求。将Matlab 作为基于Web 应用的挖掘工具引入决策支持系统之中,增强了Web 的功能,并初步实现了数据挖掘源数据的可视化。将OLAM 应用到了企业级决策支持系统之中。在企业DSS 的开发、应用过程中,许多有效的数学模型被采用,如时间序列分析方法、模糊数学理论、神经网络模型等,并取得了显着效果。如构建虚拟订单与顾客模糊需求的互动机制模型以挖掘客户需求,为生产经营提供决策依据,具有突出的创新特色;在企业主要经济指标的预测、分析中,采用多种数学预测模型进行对比分析,并充分考虑企业专家经验,使计划安排在参考预测结果的基础上能够贴近实际情况,可信度较高;采用模糊神经
把振华[10](2005)在《基于数据仓库的银行中间业务DSS设计与实现》文中进行了进一步梳理数据仓库概念自1992 年被提出之后,人们对大型数据库系统的研究、管理、维护等方面就不断进行完善。但是数据仓库迄今没有严格的数学理论基础和成熟的模式,其更倾向于工程应用。数据仓库的精髓在于针对联机分析处理(OLAP)提出了一种综合的解决方案,随着电子化建设加快,拥有大型数据的企业如银行、电信、邮政等对于决策支持系统(DSS)的需求逐渐多了起来。但由于已有系统基本上都是基于联机事务处理(OLTP)的,功能有限。与之相比,数据仓库却能够实现快速数据查询,帮助企业挖掘其传统系统中潜在的无法被直接利用的信息。本文阐述了基于数据仓库的决策支持系统的基本概念和特点,分析其组成部分和开发过程。并紧密结合某商业银行的中间业务,设计和实现了基于数据仓库的决策支持系统(IB-DSS)。着重探讨了基于数据仓库的银行中间业务决策支持系统的设计过程,给出从构建数据仓库到数据展现较详细的设计过程;并对IB-DSS系统在Oracle数据仓库平台下进行实现;最终给出系统实现后的数据展现和OLAP分析。本文的研究结果说明:基于数据仓库的DSS 在商业银行信息化建设中是有实际意义的,可行的,对银行决策具有一定的支持作用,为建立商业银行的其它业务决策支持系统提出了可供借鉴的整套方案。
二、基于数据仓库的OLAP在DSS中的应用研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于数据仓库的OLAP在DSS中的应用研究(论文提纲范文)
(1)基于数据挖掘的最低生活保障决策支持系统研究(论文提纲范文)
摘要 |
Abstract |
第—章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文研究目标、内容和创新点 |
1.3.1 研究目标 |
1.3.2 研究内容 |
1.3.3 论文创新点 |
第二章 理论基础 |
2.1 决策支持系统概述 |
2.1.1 决策支持系统的定义 |
2.1.2 决策支持系统体系结构 |
2.2 数据仓库 |
2.2.1 数据仓库的结构 |
2.2.2 数据仓库系统 |
2.3 联机分析处理(OLAP) |
2.4 数据挖掘 |
2.4.1 数据挖掘的定义 |
2.4.2 数据挖掘的过程 |
2.4.3 数据挖掘任务 |
2.4.4 相关算法和技术 |
2.5 本章小结 |
第三章 最低生活保障DSS的需求分析 |
3.1 最低生活保障决策支持现状分析 |
3.1.1 决策支持数据来源 |
3.1.2 决策统计的结构及流程 |
3.1.3 决策支持存在的问题 |
3.2 功能需求分析 |
3.3 性能需求分析 |
3.4 本章小结 |
第四章 基于数据挖掘的最低生活保障DSS的设计 |
4.1 系统总体设计 |
4.2 数据仓库设计 |
4.2.1 数据建模 |
4.2.2 ETL设计 |
4.3 联机分析处理设计 |
4.4 数据挖掘模型的构建 |
4.4.1 救助金需求预测模型 |
4.4.2 低保支出影响指标评价模型 |
4.5 前端界面层设计 |
4.6 本章小结 |
第五章 基于数据挖掘的最低生活保障DSS的实现与应用 |
5.1 系统开发平台与技术路线 |
5.2 数据仓库的开发 |
5.2.1 建立数据源 |
5.2.2 ETL方案的实现 |
5.3 多维分析主题展示 |
5.3.1 OLAP的功能 |
5.3.2 OLAP主题应用 |
5.4 数据挖掘模型在DSS中的应用 |
5.4.1 救助金需求预测模型 |
5.4.2 低保支出影响指标评价模型 |
5.4.3 数据挖掘模型应用效果分析 |
5.5 本章小结 |
结论与展望 |
参考文献 |
致谢 |
个人简历及科研成果 |
(2)成本控制决策支持系统的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.3 文献综述 |
1.3.1 成本控制管理研究综述 |
1.3.2 现代成本管理系统的发展趋势 |
1.3.3 数据仓库研究综述和发展趋势 |
1.4 论文的结构框架 |
第二章 相关技术基础 |
2.1 数据仓库技术 |
2.1.1 数据仓库的定义及主要特点 |
2.1.2 数据仓库中数据的组织与维护 |
2.1.3 数据仓库中数据的维护 |
2.1.4 数据仓库系统的体系结构 |
2.2 决策支持系统 |
2.2.1 决策支持系统的定义及主要特点 |
2.2.2 决策支持系统的基本模式 |
2.2.3 决策支持系统的基本结构 |
2.3 联机分析处理技术 |
2.3.1 OLAP的概念与基本特性 |
2.3.2 OLAP多维数据模型及其数据库模式 |
2.3.3 OLAP多维分析操作 |
2.4 数据挖掘技术 |
2.4.1 数据挖掘概念 |
2.4.2 数据挖掘理论基础 |
2.4.3 数据挖掘主要方法 |
第三章 成本控制决策支持系统的理论框架探讨 |
3.1 成本控制与成本控制决策支持系统 |
3.1.1 成本控制的概念与内容 |
3.1.2 成本控制系统与成本控制决策支持系统 |
3.1.3 传统成本管理系统的局限性 |
3.1.4 成本控制决策支持系统的特点 |
3.2 支持成本控制与决策的成本管理方法 |
3.2.1 强化成本管理基础 |
3.2.2 引入战略成本管理的思想和方法 |
3.3 基于数据仓库的CCDSS理论框架 |
3.3.1 CCDSS系统设计总目标 |
3.3.2 成本控制决策支持系统的设计思想 |
3.3.3 CCDSS的基本结构框架 |
3.4 系统建设的关键技术 |
3.4.1 成本基础数据库的构建 |
3.4.2 成本数据仓库的建立 |
3.4.3 OLAP多维数据库的建立 |
第四章 成本控制决策支持系统的设计 |
4.1 系统建设需求概要 |
4.1.1 CCDSS设计具体目标 |
4.1.2 CCDSS主要需求 |
4.2 系统总体结构 |
4.2.1 CCDSS功能体系结构 |
4.2.2 系统数据仓库的体系结构 |
4.3 主要数据库的模式设计 |
4.3.1 数据仓库中的元数据 |
4.3.2 成本知识库设计 |
4.3.3 数据仓库的模型设计 |
4.3.4 CCDSS模型库的设计 |
第五章 成本控制决策支持系统的开发 |
5.1 数据仓库的物理实现 |
5.1.1 创建数据准备区 |
5.1.2 数据抽取和转换 |
5.1.3 创建数据仓库 |
5.2 OLAP多维分析应用及实现 |
5.2.1 OLAP多维分析的创建过程 |
5.2.2 SQL Server OLAP的分析应用 |
结束语 |
参考文献 |
附录1 |
附录2 |
致谢 |
攻读学位期间主要的研究成果 |
(3)基于数据仓库的决策支持系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题的背景意义 |
1.2 国内外的研究现状 |
1.3 本文主要工作 |
第2章 DSS中的数据仓库 |
2.1 数据仓库的特征 |
2.2 数据仓库的结构 |
2.2.1 数据仓库的数据结构 |
2.2.2 数据仓库的数据组织方式 |
2.2.3 数据仓库的体系结构 |
2.3 数据仓库的设计步骤 |
2.4 DSS中数据仓库的模型设计 |
2.4.1 数据仓库的维度建模设计 |
2.4.2 数据仓库的数据模型 |
第3章 联机分析处理OLAP技术 |
3.1 OLAP的基本概念与特性 |
3.2 OLAP的多维数据分析 |
3.3 数据仓库和OLAP的关系 |
第4章 基于DW的某省政府DSS的设计与实现 |
4.1 需求分析 |
4.2 数据仓库的设计和实施 |
4.2.1 主题的维度建模 |
4.2.2 数据的ETL设计 |
4.3 OLAP分析在DSS中的实现 |
4.4 多主题数据的分析展现 |
4.4.1 元数据的设计 |
4.4.2 即席查询 |
4.4.3 数据聚集问题的关键技术点 |
第5章 总结和展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读硕士期间发表的论文 |
(4)县级供电企业营销辅助决策系统研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 决策支持系统 |
1.1.1 决策支持系统概述 |
1.1.2 决策支持系统的基本组成 |
1.1.3 DSS 的体系结构与特点 |
1.2 国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.2.3 电力营销决策支持系统发展情况 |
1.3 课题的内容 |
1.3.1 课题研究的背景及意义 |
1.3.2 论文的主要工作 |
2 营销辅助决策系统所用的关键理论与技术 |
2.1 数据仓库 |
2.1.1 数据仓库技术概述 |
2.1.2 数据仓库的体系结构 |
2.1.3 数据仓库的开发过程 |
2.2 OLAP 技术 |
2.2.1 OLAP 技术概述 |
2.2.2 OLAP 与多维数据分析 |
2.2.3 Microsoft Analysis Services 简介 |
2.3 数据挖掘技术 |
2.3.1 数据挖掘概述 |
2.3.2 数据挖掘过程 |
2.3.3 数据挖掘算法 |
3 县级供电企业辅助决策系统设计 |
3.1 系统设计的目标 |
3.2 系统总体设计思想 |
3.3 系统设计主要内容 |
3.4 系统结构 |
3.4.1 电力营销数据仓库 |
3.4.2 辅助决策数据分析模块 |
3.4.3 用户界面及系统管理 |
4 辅助决策系统的实现 |
4.1 辅助决策系统总体结构的设计 |
4.2 数据仓库的设计与实现 |
4.2.1 电力营销数据仓库的开发 |
4.2.2 数据仓库的数据建模 |
4.2.3 元数据 |
4.2.4 数据抽取 |
4.2.5 结果展示 |
4.3 辅助决策数据分析的实现 |
4.3.1 辅助决策功能 |
4.3.2 多维数据分析 |
5 结论 |
参考文献 |
致谢 |
攻读学位期间发表的论文和参加科研情况 |
(5)高校图书馆决策支持系统研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
第一节 本课题的选题背景、目的和意义 |
第二节 国内外研究现状分析 |
第三节 本文研究思路和论文结构 |
第二章 基本理论和相关技术 |
第一节 决策支持系统(DSS) |
一、决策的含义、特点及类型 |
二、决策支持 |
三、决策支持系统(DSS) |
四、决策支持系统的体系结构 |
第二节 数据仓库 |
一、数据仓库的概念 |
二、数据仓库的特征 |
三、数据仓库的体系结构 |
第三节 OLAP技术 |
一、OLAP定义与特征 |
二、OLAP的数据组织方式 |
三、OLAP与OLTP的关系与比较 |
第三章 高校图书馆DSS构建分析 |
第一节 高校图书馆决策活动分析 |
一、资源采购 |
二、改善图书流通流程 |
三、开发深层信息服务 |
第二节 高校图书馆数据组织特点分析 |
一、数据管理困难 |
二、数据来源复杂 |
三、数据量巨大,增长快 |
四、数据关系复杂 |
第三节 高校图书馆DSS开发方法 |
一、传统DSS开发方法 |
二、数据驱动DSS开发方法 |
三、高校图书馆DSS开发方法 |
第四章 数据仓库设计与实现 |
第一节 数据仓库设计方法 |
一、数据仓库设计与数据库设计的区别 |
二、数据仓库设计方法 |
第二节 数据仓库的设计 |
一、概念模型设计 |
二、逻辑模型设计 |
三、物理模型设计 |
第三节 图书馆数据仓库的实现 |
一、ETL方法 |
二、ETL设计与实现 |
第五章 高校图书馆DSS的OLAP分析 |
第一节 OLAP建模 |
一、维层次关系分析 |
二、维的分类 |
三、星型结构数据模型 |
四、雪花型结构数据模型 |
第二节 OLAP基本动作分析 |
一、数据切片 |
二、数据切块 |
三、数据钻取 |
四、数据聚合 |
五、数据旋转 |
第六章 高校图书馆DSS的应用及评价 |
第一节 系统应用 |
第二节 系统测试及评价 |
结论 |
参考文献 |
致谢 |
攻读学位期间发表的论文 |
(6)基于联机分析处理技术的销售管理系统的研究与开发(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 国内外的研究现状 |
1.3 研究的目的和意义 |
1.4 论文的主要工作 |
1.4.1 研究内容 |
1.4.2 论文创新点 |
1.5 论文的组织结构 |
第2章 数据仓库与 OLAP 技术理论研究 |
2.1 数据仓库技术 |
2.1.1 数据仓库的概念和特征 |
2.1.2 数据仓库中的数据组织 |
2.1.3 数据仓库的体系结构 |
2.1.4 数据仓库系统的分析方法 |
2.2 OLAP 技术 |
2.2.1 OLAP 的概念和特征 |
2.2.2 OLAP 的多维数据概念 |
2.2.3 OLAP 多维分析操作 |
2.2.4 OLAP 多维数据结构 |
2.2.5 OLAP 数据组织方式 |
2.2.6 OLAP 体系结构 |
2.2.7 OLAP 与 OLTP 的比较 |
2.3 数据仓库、OLAP 和数据挖掘的关系 |
2.3.1 OLAP 和数据挖掘的关系 |
2.3.2 OLAP 和数据仓库的关系 |
2.4 OLAP 解决方案 |
2.4.1 Microsoft 的 OLAP 解决方案 |
2.4.2 Hyperion 的 OLAP 解决方案 |
2.4.3 Oracle 的 OLAP 解决方案 |
2.4.4 SAS 的 OLAP 解决方案 |
2.5 本章小结 |
第3章 基于 OLAP 的销售管理系统的总体解决方案 |
3.1 服装行业背景 |
3.2 XY 公司情况介绍 |
3.2.1 信息化优势 |
3.2.2 存在不足 |
3.3 需求分析 |
3.4 数据仓库的实施策略 |
3.5 总体方案设计 |
3.5.1 系统建设目标 |
3.5.2 系统建设原则 |
3.5.3 系统总体结构 |
3.6 解决方案选择 |
3.7 本章小结 |
第4章 销售管理系统的设计与开发 |
4.1 系统分析 |
4.1.1 系统开发目标 |
4.1.2 业务与数据流程分析 |
4.2 系统功能结构设计 |
4.3 系统数据库设计 |
4.4 各模块实施与运行 |
4.5 本章小结 |
第5章 销售管理系统数据仓库和 OLAP 模型的建立 |
5.1 数据仓库设计 |
5.1.1 数据仓库设计的步骤 |
5.1.2 数据仓库企业模型的建立 |
5.1.3 概念数据模型(CDM)的设计 |
5.1.4 逻辑数据模型(LDM)的设计 |
5.1.5 物理数据模型(PDM)的设计 |
5.1.6 元数据管理 |
5.2 OLAP 模型设计 |
5.2.1 销售分析主题的模型设计 |
5.2.2 顾客分析主题的模型设计 |
5.2.3 发货分析主题的模型设计 |
5.2.4 应收帐款分析主题的模型设计 |
5.3 本章小结 |
第6章 OLAP 系统前端应用开发 |
6.1 数据透视表服务 |
6.2 前端应用程序开发 |
6.2.1 多维表达式 MDX |
6.2.2 编程接口 ADO MD |
6.2.3 基于 WEB 的数据展现的实现 |
6.3 系统分析实例与应用效果 |
6.3.1 销售分析 |
6.3.2 顾客分析 |
6.3.3 发货分析 |
6.3.4 应收账款分析 |
6.4 本章小结 |
结论 |
总结 |
未来研究方向 |
参考文献 |
附录 |
附录1 销售管理系统数据库表结构 |
附录2 数据仓库中各事实表与维度表结构 |
攻读学位期间发表的学术论文 |
致谢 |
(7)决策支持系统在企业管理中的应用研究(论文提纲范文)
0 前言 |
0.1 研究背景和目的 |
0.2 文献综述 |
0.3 研究方法 |
0.4 文章结构 |
0.5 本文的创新之处 |
1 决策支持系统概述 |
1.1 决策支持系统(DSS)的发展演变 |
1.2 DSS的研究现状 |
1.2.1 决策模型研究 |
1.2.2 专用DSS及DSS生成工具研究 |
1.2.3 DSS系统结构的研究 |
1.2.4 决策风格研究 |
1.3 DSS的发展趋势 |
1.3.1 群决策支持系统(GDSS) |
1.3.2 分布式决策支持系统(DDSS) |
1.3.3 智能决策支持系统(IDSS) |
1.3.4 决策支持中心(DSC) |
1.3.5 综合决策支持系统(SDSS) |
2 DSS在企业管理中的应用现状及遇到的关键问题 |
2.1 现代企业管理决策的核心是对信息的决策 |
2.1.1 信息反馈是真正的管理活动 |
2.1.2 企业的管理控制活动 |
2.1.3 信息的决策支持作用 |
2.2 现代企业决策面临的挑战 |
2.2.1 决策质量的要求更高 |
2.2.2 决策时要考虑的因素更复杂 |
2.2.3 决策速度要求更快 |
2.2.4 决策失败的代价更高 |
2.3 目前DSS在企业管理中的运用情况 |
2.4 当前企业在建立决策支持系统中遇到的关键问题 |
2.4.1 决策支持与数据管理系统 |
2.4.2 模型、方法和知识管理系统 |
2.4.3 用户交互环境 |
3 基于企业DSS体系设计的应用研究 |
3.1 现代企业对决策支持系统的需求 |
3.2 DSS与MIS、EIS等系统的关系 |
3.2.1 面向的对象不同 |
3.2.2 对数据集成应用不同 |
3.2.3 数据集成的方法和构架不尽相同 |
3.2.4 对决策支持的程度不同 |
3.3 DSS开发中的目标选择与建立 |
3.3.1 DSS目标的选择 |
3.3.2 DSS目标的建立 |
3.4 DSS的功能设计与分析 |
3.4.1 功能设计 |
3.4.2 功能分析 |
3.5 DSS评价指标体系研究 |
3.5.1 系统建设的评价指标 |
3.5.2 系统性能的评价指标 |
3.5.3 系统效益的评价指标 |
3.5.4 系统用户满意度评价指标 |
3.5.5 决策支持能力评价指标 |
3.5.6 系统成本评价指标 |
4 基于DSS主要部件设计的方法研究 |
4.1 一种利用动态规划方法构建决策模型的一般方法 |
4.1.1 多阶段决策过程和动态规划的基本理论 |
4.1.2 动态规划的计算框图 |
4.1.3 动态规划法应用实例 |
4.1.4 DSS中利用动态规划法决策的优越性和不足之处 |
4.2 利用反馈控制原理进行人机交互决策支持 |
4.2.1 DSS中的反馈分析 |
4.2.2 反馈实例研究 |
4.3 利用知识规则确定性推理构建知识库的实现方法 |
4.4 数据仓库在DSS系统数据管理系统中的应用 |
4.4.1 DSS在实际应用开发中的问题 |
4.4.2 DSS因数据仓库而实现了突破 |
4.4.3 建立数据仓库的过程 |
4.4.4 数据仓库对DSS的支持 |
4.4.5 基于数据仓库的DSS决策可以解决的问题 |
5 结论与展望 |
5.1 结论 |
5.1.1 DSS是一个解决方案 |
5.1.2 先进的管理思想是DSS的灵魂 |
5.1.3 DSS的实施存在很高风险 |
5.1.4 DSS不能完全取代决策者 |
5.1.5 DSS不是简单的人机交互信息系统 |
5.2 中国企业DSS应用的实施建议 |
5.2.1 重点搞好生产自动化和智能化 |
5.2.2 在实现信息化的基础上开发DSS |
5.2.3 统筹规划,分步实施,不断完善 |
5.2.4 坚持引进吸收和技术创新并重 |
5.3 决策支持系统应用发展展望 |
5.3.1 DSS与知识管理的有机结合 |
5.3.2 DSS与电子商务的集成 |
5.3.3 DSS中的不确定信息的组织和处理 |
参考文献 |
致谢 |
(8)数据仓库、OLAP和DM技术研究及其在DSS中的应用(论文提纲范文)
第一章 绪论 |
1.1 课题来源 |
1.2 选题依据和意义 |
1.3 社保领域计算机应用发展情况 |
1.4 论文的研究内容和创新点 |
1.5 论文的组织结构 |
第二章 决策支持系统(DSS) |
2.1 DSS的产生 |
2.2 DSS的定义 |
2.3 DSS的体系结构 |
2.4 DSS的研究现状 |
2.5 DSS的发展趋势 |
第三章 数据仓库(DW) |
3.1 DW的产生 |
3.2 DW的定义 |
3.3 DW的体系结构 |
3.4 DW的设计 |
3.4.1 DW设计方法概述 |
3.4.2 DW创建的基本步骤 |
3.4.3 DW的逻辑设计 |
3.4.4 DW的物理设计 |
第四章 联机分析处理(OLAP)和数据挖掘(DM) |
4.1 OLAP技术概述 |
4.1.1 OLAP的产生 |
4.1.2 OLAP的定义 |
4.1.3 OLAP的体系结构 |
4.1.4 OLAP的分类 |
4.1.5 OLAP与DW的关系 |
4.2 DM技术概述 |
4.2.1 DM的产生 |
4.2.2 DM的定义 |
4.2.3 DM的体系结构 |
4.2.4 DM的分类 |
4.2.5 DM与DW的关系 |
4.3 OLAP与DM的区别和联系 |
第五章 DW、OLAP和DM技术在社保DSS中的应用 |
5.1 基于DW的DSS体系结构 |
5.2 数据仓库平台以及OLAP和DM工具的选择 |
5.3 省社保业务系统分析 |
5.4 省社保DSS的需求分析 |
5.5 省社保DSS的数据仓库设计 |
5.5.1 数据仓库的逻辑设计 |
5.5.2 数据仓库的物理设计 |
5.6 数据仓库数据的提取、转换和装载 |
5.7 省社保DSS的应用程序开发 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
(9)基于数据挖掘的决策支持系统及应用研究(论文提纲范文)
1 导论 |
1.1 研究背景 |
1.2 DSS 建设的现状研究 |
1.3 DSS 开发的发展进程分析 |
1.4 决策支持系统(DSS)相关概念与分析 |
1.4.1 决策的基本概念及相关概念 |
1.4.2 决策支持系统的概念 |
1.5 DSS 的构架分析 |
1.5.1 DSS 系统分析方法 |
1.5.2 DSS 的开发工具 |
1.5.3 DSS 的结构框架 |
2 DM 模型及OLAM 架构的研究 |
2.1 挖掘模型的研究 |
2.1.1 DM 的产生背景 |
2.1.2 DM 的定义及内涵 |
2.1.3 DM 的分类 |
2.1.4 DM 的局限性 |
2.2 面向 DSS 的 OLAM 架构的研究 |
2.2.1 OLAM 概述 |
2.2.2 传统的体系架构 |
2.2.3 基于C/S、B/S 混合架构的提出 |
2.2.4 基于C/S、B/S 混合架构的执行方式 |
3 企业DSS 体系结构 |
3.1 系统体系架构设计 |
3.2 体系架构分析 |
3.3 系统处理过程 |
3.4 系统组成结构 |
3.5 系统设计原则 |
4 企业DSS 总体设计 |
4.1 基本流程 |
4.2 系统主题划分 |
4.2.1 营销主题划分 |
4.2.2 生产主题划分 |
4.2.3 库存主题划分 |
4.2.4 采购主题划分 |
4.2.5 财务主题划分 |
4.2.6 人力资源主题划分 |
4.3 系统模型构建 |
4.3.1 符号说明 |
4.3.2 营销主题ER 模型 |
4.3.3 生产主题ER 模型 |
4.3.4 库存主题ER 模型 |
4.3.5 采购主题ER 模型 |
4.3.6 财务主题ER 模型 |
4.3.7 人力资源主题ER 模型 |
4.4 系统功能模块 |
4.4.1 功能逻辑层次图 |
4.4.2 系统的有关功能模块 |
5 企业DSS ETL 设计 |
5.1 ETL 功能概述 |
5.2 数据 ETL 层次 |
5.3 ETL 流程设计 |
5.4 系统 ETL 设计 |
5.5 ZMJ_DSS 数据装载详细设计实例 |
6 企业DSS OLAM 设计 |
6.1 基于 B/S 的 OLAM 结构 |
6.2 OLAP 设计 |
6.3 DM 设计 |
6.4 系统前端展示设计 |
6.5 系统接口设计 |
7 企业数据挖掘模型的应用研究 |
7.1 虚拟订单模型 |
7.1.1 将顾客需求转换为工程特征 |
7.1.2 顾客需求明确条件下的转换 |
7.1.3 顾客需求模糊条件下的转换 |
7.1.4 将工程特征转换为顾客需求 |
7.2 总量指标预测模型 |
7.3 减速器油温异常诊断 |
8 主要结论 |
致谢 |
参考文献 |
个人简历 |
(10)基于数据仓库的银行中间业务DSS设计与实现(论文提纲范文)
引言 |
第一章 商业银行信息化概述 |
1.1 商业银行信息化现状 |
1.2 商业银行数据仓库建设现状 |
1.2.1 国外商业银行数据仓库建设现状 |
1.2.2 国内商业银行数据仓库建设现状 |
1.3 银行中间业务介绍 |
1.4 本章小结 |
第二章 基于数据仓库的 DSS |
2.1 数据仓库基本概念 |
2.2 基于数据仓库的DSS |
2.2.1 传统DSS 的缺点 |
2.2.2 基于数据仓库的DSS |
2.3 基于数据仓库的DSS 开发过程 |
2.3.1 数据仓库的存储 |
2.3.2 建立数据仓库 |
2.3.3 建立数据仓库的DSS |
2.4 本章小结 |
第三章 基于数据仓库的银行中间业务 DSS 的设计 |
3.1 系统总体解决方案 |
3.2 数据仓库系统开发模型 |
3.3 IB-DSS 系统设计 |
3.3.1 系统需求分析 |
3.3.2 系统结构和功能 |
3.4 数据仓库数据模型建立 |
3.4.1 事实表设计 |
3.4.2 维表设计 |
3.5 ETL 设计 |
3.5.1 数据抽取 |
3.5.2 数据转换 |
3.5.3 数据加载 |
3.5.4 ETL 设计基本流程 |
3.6 数据仓库的存储优化 |
3.6.1 并行处理 |
3.6.2 分区设计 |
3.7 DSS 应用设计 |
3.7.1 OLAP 分析 |
3.7.2 数据挖掘初步 |
3.8 本章小结 |
第四章 基于数据仓库的银行中间业务 DSS 的实现 |
4.1 技术方案 |
4.1.1 数据仓库平台选择 |
4.1.2 Oracle 数据仓库系统工具 |
4.1.3 系统总体方案 |
4.2 系统开发过程 |
4.2.1 数据仓库系统开发 |
4.2.2 DSS 应用实现 |
4.3 数据展现和分析 |
4.3.1 多维数据展示 |
4.3.2 数据OLAP 分析 |
4.3.3 交易主题对比分析 |
4.3.4 数据例外报警 |
4.3.5 其它辅助功能 |
4.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文 |
致谢 |
苏州大学硕士专业学位论文详细摘要 |
四、基于数据仓库的OLAP在DSS中的应用研究(论文参考文献)
- [1]基于数据挖掘的最低生活保障决策支持系统研究[D]. 陈锦青. 福州大学, 2014(10)
- [2]成本控制决策支持系统的应用研究[D]. 何志军. 中南大学, 2009(S1)
- [3]基于数据仓库的决策支持系统的设计与实现[D]. 胡伟. 武汉理工大学, 2008(09)
- [4]县级供电企业营销辅助决策系统研究[D]. 高巍. 西安工业大学, 2007(03)
- [5]高校图书馆决策支持系统研究[D]. 肖荣荣. 黑龙江大学, 2007(04)
- [6]基于联机分析处理技术的销售管理系统的研究与开发[D]. 夏军. 东华大学, 2007(10)
- [7]决策支持系统在企业管理中的应用研究[D]. 姜南. 中国海洋大学, 2006(02)
- [8]数据仓库、OLAP和DM技术研究及其在DSS中的应用[D]. 彭巧珍. 南昌大学, 2005(04)
- [9]基于数据挖掘的决策支持系统及应用研究[D]. 邵国晨. 辽宁工程技术大学, 2005(06)
- [10]基于数据仓库的银行中间业务DSS设计与实现[D]. 把振华. 苏州大学, 2005(05)