数据仓库技术在通信领域应用研究

数据仓库技术在通信领域应用研究

ID:32983580

大小:59.16 KB

页数:8页

时间:2019-02-18

数据仓库技术在通信领域应用研究_第1页
数据仓库技术在通信领域应用研究_第2页
数据仓库技术在通信领域应用研究_第3页
数据仓库技术在通信领域应用研究_第4页
数据仓库技术在通信领域应用研究_第5页
资源描述:

《数据仓库技术在通信领域应用研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、数据仓库技术在通信领域应用研究[摘要]通信行业是典型的数据密集型行业,相比其他行业来说,拥有更多的用户的数据。随着通信行业体制的改革,行业的竞争也愈加激烈,正确、迅速的处理数据并得到更多的有效的信息,就能够更好为用户服务,这成了在竞争中制胜的关键点。数据仓库技术应运而生,通过将海量的数据变为有效的信息来为企业决策提供依据。论文探讨了当前移动通信业面临着激烈的竞争,企业必须借助于已有的数据资源支持决策,给出了数据仓库的相关知识,最后给出了移动通信业数据仓库的主题分析内容。[关键词]数据仓库;移动通信;主题;联机分析处理[中图分类号]C37[文献标识码]A[文章编号]1672-5158(2

2、013)06-0033-021引言对我国移动通信业来说,2008年是不同寻常的一年。5月24日工业和信息化部,发改委,财政部联合发布关于深化电信体制改革的通告,通告指出,鼓励中国电信收购联通CDMA网,联通与网通合并,中国卫通的基础电信业务并入中国电信,中国铁通并入中国移动,这标志着移动通信业新一轮的重组拉开了帷幕。2009年1月7日14时30分,工业和信息化部为中国移动、中国电信和中国联通发放了三张第三代移动通信(3G)牌照,此举标志着我国正式进入了3G时代。此,我国通信领域呈现三足鼎立的格局,开始上演一部现代版的"三国演义”。3G时代,移动通信业的竞争,必将从传统的以产品类型、产品

3、质量为核心、成本控制为目标的管理体系,以产品、价格、销售地点和服务为中心的经营式服务,向以客户和市场为中心、以客户的价值取向和消费心理导向的模式转变。目前,在通信企业的管理中,数据的组织和管理是分散在各个职能部门进行的,有关客户的信息和客户的业务使用情况有计费部门的业务营运支持系统(BOSS)管理,企业的收支情况有财务部门的管理信息系统管理,网络的运行与维护由网络部门的网管系统管理,各个部门之间通过办公自动化系统进行信息的传递与沟通。经过多年的积累,移动通信企业积累了大量的与业务活动相关的数据,而在大多情况下,这些海量的数据而不能提炼成为有价值的信息,并不能及时提供给业务分析人员和管理

4、决策者。这就造成了两方面的缺陷:一方面,联机作业系统因为需要保留足够的详细数据以备查询而变得笨重不堪,系统资源的投资跟不上业务扩展的需求;另一方面,管理者和决策者只能根据固定的、定时的报表系统获得有限的经营与业务信息,无法适应激烈的市场竞争。因此,如何在激烈的市场竞争条件下,在满足客户需求和优质服务的前提下,充分利用现有设备降低成本、提高效益,就成为决策者们共同关心的课题。数据仓库技术与联机分析处理为解决这类问题提供了方法。2数据仓库2.1数据仓库的概念数据仓库并没有明确统一的定义,按照著名的数据仓库专家Imnon在其著作《建立数据仓库》一书中给出的描述:数据仓库是一个面向主题的、集成

5、的、相对稳定的、不同时间的数据集合,用于支持经营管理中的决策制定过程。跟传统的数据库相比,数据仓库与其最大的区别是所存储的数据。传统的数据库存储的是操作型数据,其主要应用是联机事务处理(OLTP)。决策分析对于这些数据一般并不能直接引用,还需进一步进行数据抽取、转换、装载(ETL),有时还需整合不同数据库的数据。数据仓库存储的就是这种面向决策分析需要的,经过整理后的决策支持型数据,其值保持稳定。传统数据库存储以表的形式存储,而数据仓库数据以多维数组方式存储,其主要应用是联机分析处理(OLAP)。2.2数据仓库粒度设计粒度是指数据仓库的数据单位中保存数据的细化程度的级别。细化程度越高,信

6、息量越多,粒度级就越小;相反,细化程度越低,信息量越少,粒度级就越大。粒度影响存放在数据仓库中数据量的大小,同时影响数据仓库所能回答的查询类型。2.3多维数据立方体数据仓库一般是基于多维数据模型构建的。多维数据模型将数据看成数据立方体的形式,由维和事实构成。维是人们观察主题的特定角度,每一维分别用一个表来描述,称为“维表”,它是维的详细描述。事实表示所关注的主题,也由表来描述,称为'‘事实表”,其主要特点是包含数值数据,而这些数值数据可以进行汇总以提供有关操作历史的信息。3数据仓库技术在通信领域的应用2.1数据处理在通信领域里,数据仓库技术的应用是对经营分析管理的又一次提升,数据仓库技

7、术经常用于数据处理,但是数据繁多,因此要谨慎选择处理数据的方案。目前,主流数据仓库的数据处理专业工具有:CA,NCR,IBM,Informix(IBM),Oracle和SAS。其中SAS的效率相对较高,因此在国际学术界里有一个约定俗成的规则:只要是SAS统计分析的结果,不要求说明详细的算法。所以在这里以SAS的应用来举例分析。在实际的数据处理中,SAS8.0有很有好的人机对话界面,不仅可以通过编程的方式进行数据处理,还可以通过在对话框中选择相应

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。