汽車銷售系統(tǒng)數(shù)據(jù)倉庫解決方案.pdf

1、目前，國內(nèi)的數(shù)據(jù)倉庫應(yīng)用集中在電信、銀行、證券等行業(yè)領(lǐng)域。在汽車銷售行業(yè)，數(shù)據(jù)倉庫技術(shù)的應(yīng)用還不是很普及。 本課題針對企業(yè)發(fā)展的需要，將數(shù)據(jù)倉庫技術(shù)應(yīng)用于汽車銷售決策分析系統(tǒng)，力求提供一個可行的解決方案。我們試圖完成的這個數(shù)據(jù)倉庫模型，可以分為ETL(數(shù)據(jù)抽取(Extract)、轉(zhuǎn)換(Transform)、清洗(Cleansing)、裝載(Load)的過程。)，DW(數(shù)據(jù)倉庫)，OLAP分析和DM(數(shù)據(jù)挖掘)等幾個部分。

2、 本文首先對企業(yè)的業(yè)務(wù)需求進行了重新探討，然后對原始數(shù)據(jù)進行分析，主要是關(guān)系型數(shù)據(jù)庫已經(jīng)不適應(yīng)企業(yè)業(yè)務(wù)發(fā)展的需要，建立數(shù)據(jù)倉庫，并結(jié)合OLAP分析技術(shù)和數(shù)據(jù)挖掘技術(shù)，從大量的數(shù)據(jù)中發(fā)現(xiàn)有利于企業(yè)發(fā)展的知識信息，同時保證對業(yè)務(wù)數(shù)據(jù)的便捷訪問和以更快更好的方式回答復(fù)雜的問題。 需求分析已經(jīng)確定了用戶業(yè)務(wù)分析所需要的數(shù)據(jù)。模型設(shè)計階段將確定數(shù)據(jù)倉庫系統(tǒng)將來的藍(lán)圖。該階段的主要任務(wù)是進行數(shù)據(jù)倉庫的邏輯設(shè)計，包括選擇合適的主題，確定事實表

3、、相關(guān)的維、屬性和粒度劃分，設(shè)計正確的表結(jié)構(gòu)和主鍵、外鍵關(guān)系等。模型設(shè)計主要包括四個基本步驟：確定合適的主題、劃分粒度層次、設(shè)計維表和設(shè)計事實表、數(shù)據(jù)量的估算等。 數(shù)據(jù)預(yù)處理，也是建設(shè)數(shù)據(jù)倉庫不可或缺的步驟之一。在數(shù)據(jù)抽取、清洗、轉(zhuǎn)載過程中，數(shù)據(jù)質(zhì)量問題凸現(xiàn)出來。對數(shù)據(jù)進行檢驗和整理，確保數(shù)據(jù)倉庫中數(shù)據(jù)的一致性，還要對部分?jǐn)?shù)據(jù)進行聚集操作，提高數(shù)據(jù)倉庫的查詢、分析速度，這些完整的、一致的、細(xì)節(jié)的和綜合的數(shù)據(jù)才可進入數(shù)據(jù)倉庫。本文

4、就數(shù)據(jù)質(zhì)量問題的要素、分類進行了闡述，舉例說明了在本課題原始數(shù)據(jù)中的數(shù)據(jù)質(zhì)量方面存在的問題。分析、比較了常用的數(shù)據(jù)清洗算法，并且就數(shù)據(jù)庫中重復(fù)記錄的問題，針對排序鄰居算法的缺點，在聚類分析算法中，采用Canopy技術(shù)，減少了清洗過程中計算量，降低了算法的復(fù)雜度。 論文還結(jié)合汽車銷售決策系統(tǒng)比較分析了數(shù)據(jù)倉庫中的常用的幾種數(shù)據(jù)存儲結(jié)構(gòu)。利用AnalysisServices2000的多維查詢語言MDX做了查詢，進行簡單地OLAP分析