网通业务经营与分析决策系统的设计与实现

《网通业务经营与分析决策系统的设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、山东大学硕士学位论文proposedandelaboratedBIprojectdevelopmentflow,closelyunited、析tllthetelecommunicationservice，themodelprincipleofdesignandthedesignprocess，theserverendapplicationprogrammingandrealizationofOLAPdatamodelandcommercialrule，processinthefoundationinthe

2、datawarehouseandtheonlineanalysistoimplementthedatamining，toprovideprompt，accurate，scientificpolicy—makingbasisfortheenterprisepolicy—makers．Thisarticle，throughinductiongeneralprinciples，closelyunitedwithactualservice；endeavourtohelpfurtherandothersimilar

3、BIprojectdevelopmentandexploitation．Keywords：BusinessAnalysisSupportSystem(BASS)；BusinessIntelligence(BI)；OLAP：DWIII原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签

4、名：堡。惑!Et论文作者签名：竺。出!关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。(保密论文在解密后应遵守此规定)论文作者签名：．熏，螫导师签名：山东大学硕士学位论文1．1课题提出的背景第1章绪论随着计算机技术和互联网技术的迅速发展，信息的获取已经从手工获取，经由计

5、算机信息获取，发展到现在的通过网络进行信息获取。对于企业，现代的业务操作通常都会产生大量的数据，如订单、库存、通话记录及客户资料等。企业为迎接市场的挑战，必须对市场运作有准确的分析，如何利用这些数据增进对业务情况的了解，帮助企业在业务管理及发展上做出及时、准确的判断，即从大量的业务数据中提取有用的信息，然后根据这些信息来采取明智的行动——这就是商务智能的课题。随着世界经济全球化和我国加入WTO进程的加快，国际化的市场环境强烈要求国内的公众电信运营企业在经营管理上向国外先进的电信运营企业看齐，以迎接电信运营

6、业的国际化竞争。同时，随着国家改革的深化，国内电信业的市场环境已渐趋合理，且竞争日益加剧。国内、国际电信业的如此态势，对公众电信运营企业的服务内容、服务方式、服务质量、经营管理以及服务意识提出了严峻的挑战。国内外市场环境要求国内的公众电信运营企业在经营理念、管理模式上能有一个较高层次的飞跃，以求在电信运营业的国际化竞争中立于不败之地。近年来，各种新型电信业务不断涌现，除了原有的固话电话、长途电话、传统数据业务等电信业务外，又推出了宽带、家家e等新业务，旨在科学、合理地规划、建设和运营先进的电信网络基础设施

7、，并利用它为社会各界提供方便、迅速和高品质的个性化与多元化的语音和数据通信服务。同时，随着业务系统的建设，已沉淀下来丰富的历史数据，这些历史数据无疑是电信运营商巨大的财富。利用商务智能技术，通过集成企业多种新旧业务的数据，进行深度地加工提炼，帮助企业充分利用其业务支撑系统产生的大量宝贵的数据资源，实现对信息的智能化加工和处理。因此，建设一个先进的业务经营和分析决策系统，为电信通信企业的运营决策提供科学、高效、准确地支持，对于提高电信企业决策的科学性、为市场经营工作提供及时、准确、科学的决策依据，使企业适应

8、日趋激烈的市场山东大学硕士学位论文竞争环境，提升公司管理水平和经营决策水平，从而提高企业的核心竞争力，向世界一流通信运营企业迈进都具有十分重要的战略意义和现实意义。1．2BI应用现状当前，商务智能技术正方兴未艾，已成为信息化应用的新热点。在欧美发达国家，以数据库、联机分析处理和数据挖掘为基础的商务智能应用首先在金融、保险、证券、电信、税务等传统数据密集型行业取得成功。而国内数据仓库应用刚刚起步，电信、金融、证券、零售业等已有大