联机分析处理在商业智能中的研究与应用开题报告

《联机分析处理在商业智能中的研究与应用开题报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、开题报告联机分析处理在商业智能中的研究与应用一、选题的背景、意义1．历史背景商业智能的产生背景：1)企业的数据监狱（DataJail）现象；[1]2)数据=资产新企业观念的建立；[2]3)企业运营模式的变化；4)数据库和人工智能技术的发展。[3]商业智能里数据分析的方法很多，时下最时兴的是OLAP（联机分析处理）。利用这种方法，可以从不同角度和维度抽取并观察数据。根据OLAP产品的实际应用情况和用户对OLAP产品的需求，人们提出了一种对OLAP更简单明确的定义，即共享多维信息的快速分析，OLAP主要有以下一些特点：快速性，可分析性，多维性，信息性。[4]2．国内外研究现状

2、和发展趋势在很早之前，人们使用数据仓库是为支持企业决策而特别设计和建立的数据集合。数据仓库研究和解决从数据库中获取信息的问题。数据集市[5]，也叫数据市场，是一个从操作的数据和其他的为某个特殊的专业人员团体服务的数据源中收集数据的仓库。BillInmon和RalphKimball一直是商业智能领域中的革新者。BillInmon将数据仓库定义为“一个面向主题的、集成的、随时间变化的、非易变的用于支持管理的决策过程的数据集合”[6]。Inmon通过“面向主题”表示应该围绕主题来组织数据仓库中的数据，每个主题区域仅仅包含与该主题相关的信息。数据仓库应该一次增加一个主题，并且当需

3、要容易地访问多个主题时，应该创建以数据仓库为来源的数据集市。Inmon的方法被归类为“自上向下”的方法。RalphKimball说“数据仓库仅仅是构成它的数据集市的联合”[7]。他认为“可以通过一系列维数相同的数据集市递增地构建数据仓库”[7]，通过使用“一致的”维，能够共同看到不同数据集市中的信息，这表示它们拥有公共定义的元素。Kimball的方法被归类为“自下向上”的方法。从短期的角度来看，Kimbal的方法更有优势，它将提供集成的数据来回答组织迫切的业务问题并且要快于Inmon的方法。Inmon的方法是只有在构建几个单主题区域之后，集中式的数据仓库才创建数据集市，而

4、Kimbal认为该方法缺乏灵活性，并且在现在的商业环境中所花时间太长。但从长期的角度看，Inmon的方法更好，数据集市永远不可代替数据仓库。数据集市中的数据结构是根据部门的特殊需求而建立的，部门不同其构建的数据集市中的数据结构也不同。试图将任何一个数据集市转变成为数据仓库都不具意义。通常数据集市数据结构，贯穿整个企业，不可重用，没有灵活性，不能作为调和矛盾的基础，也不能为新出现的未知需求集合提供便利。然而，数据仓库中规范化粒度数据却正好满足所有这些要求。OLAP与数据仓库的关系是互补的[8]，现代的OLAP系统一般以数据仓库作为基础，即从数据仓库中抽取详细数据的一个子集并

5、经过必要的聚集存储到OLAP存储器中供前端分析工具读取。OLAP系统按照其存储器的数据存储格式可以分为关系OLAP（ROLAP）、多维OLAP（MOLAP）和混合型OLAP(HOLAP)三种类型。[9]1)ROLAPROLAP将分析用的多维数据存储在关系数据库中并根据应用的需要有选择的定义一批实视图作为表存储在关系数据库中。不必要将每一个SQL查询都作为实视图保存，只定义那些应用频率比较高、计算工作量比较大的查询作为实视图。对每个针对OLAP服务器的查询，优先利用已经计算好的实视图来生成查询结果以提高查询效率。ROLAP主要通过一些软件工具或中间软件实现，物理层仍采用关系

6、数据库的存储结构，因此称为虚拟OLAP。[10]2)MOLAPMOLAP将OLAP分析所用到的多维数据物理上存储为多维数组的形式，形成“立方体”的结构。维的属性值被映射成多维数组的下标值或下标的范围，而总结数据作为多维数组的值存储在数组的单元中。由于MOLAP采用了新的存储结构，从物理层实现起，因此又称为物理OLAP。3)HOLAP由于MOLAP和ROLAP有着各自的优点和缺点,且它们的结构迥然不同，这给分析人员设计OLAP结构提出了难题。为此一个新的OLAP结构—混合型OLAP（HOLAP）被提出，它能把MOLAP和ROLAP两种结构的优点结合起来。迄今为止，对HOLA

7、P还没有一个正式的定义。但很明显，HOLAP结构不应该是MOLAP与ROLAP结构的简单组合，而是这两种结构技术优点的有机结合，能满足用户各种复杂的分析请求。[11]仿照用户的多角度思考模式，联机分析处理有三种不同的实现方法：1)关系型联机分析处理(ROLAP)1)多维联机分析处理(MOLAP)2)前端展示联机分析处理(DesktopOLAP)[12]二、研究的基本内容与拟解决的主要问题1．基本内容首先整合数据[13]，并使用SQLServer2008数据库来构建数据仓库。把度量值数据按照维度组织数据来构建多维立方体，使用SQ