浅谈数据仓库和OLAP技术在企业销售系统中应用.docVIP

浅谈数据仓库和OLAP技术在企业销售系统中应用 　　摘要：该文介绍了数据仓库和OLAP技术的基本概念，并将该技术运用于企业销售系统。首先创建数据仓库，构建OLAP多维数据集；其次，在该数据集上进行OLAP的相关操作，并将结果以报表的形式展示。该过程为企业决策者进行数据分析提供了必要的基础。 　　关键词：数据仓库；联机分析处理；企业销售系统 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2012)10-2177-03 　　A Brief Talk on Application of Data Warehouse and OLAP Technology in Enterprise Distribution System 　　HUANG Jin-jing 　　（Suzhou Institute of Industrial Technology, Suzhou 215104,China） 　　Abstract: This paper introduces the basic concept of data warehouse and OLAP technology, and then applies this technology to the enterprise distribution system. Firstly, creates the data warehouse and OLAP multidimensional datasets. Secondly, does OLAP operation on these datasets, and displays the result by reports. This process provides the necessary foundation for data analysis. 　　Key words: data warehouse; OLAP; enterprise distribution system 　　随着市场的成熟化，企业的销售策略也越来越多样化，一个好的销售策略能带动企业销售量的提升。而面对海量的销售数据，从中得出有价值的信息，仅靠人力是很难完成的。随着计算机商业智能技术的不断发展，将数据仓库和OLAP技术运用于企业销售数据的分析，可以帮助企业挖掘需要的有价值的信息。 　　1相关技术概述 　　1.1数据仓库 　　数据仓库的概念首先是由美国科学家，数据仓库之父William H. Inmon在Building the Data Warehouse书中提出的。书中指出数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策[1]。 　　1.2OLAP技术 　　联机分析处理（OLAP）的概念是由E.F.Codd在1993年首次提出的。他将OLAP定义为针对特定问题的联机数据访问和分析[2]。 　　1）多维数据模型：数据仓库和OLAP工具基于多维数据模型，该模型将数据看作数据立方体形式。数据立方体是由维和事实定义。维是观察数据的角度，比如企业要分析销售情况，涉及到时间、区域、分店、商品类型等，这些就是维度。每一个维度都有一个表与之关联。这样在数据仓???中就会有时间表，商品表等。而事实则被看作数量，用来分析维之间的关系。 　　多维数据模型可以以星型模式、雪花模式、事实星座模式[3]形式存在，其中星型模式是最常见的，它由事实表和一组维表组成。 　　2）多维数据模型上的OLAP操作：多维数据模型上的OLAP操作主要有上卷、下钻、切片与切块等。上卷操作通过一个维的概念分层向上攀升。下钻是上卷的逆操作。切片是在数据立方体上对某一个维进行选择，切割一个子立方体[1,4]。 　　2企业销售系统数据仓库和多维数据模型的构建 　　企业销售系统的数据库中记录了每日各分店各类商品的销售量，而该数据库中也包含了很多与销售策略分析无关的表、记录。因而，需要从中提取需要的表单，经过数据清洗等一系列的步骤构建一个适合数据分析的数据仓库。而后，在该数据库上构建OLAP多维数据集，通过OLAP的相关操作进行分析与决策，具体步骤如图1所示。 　　2.1数据仓库设计 　　初始数据库中数据表较多，可以根据不同的需要创建不同的数据仓库。由于数据仓库也是一种数据库，因而同样可以通过数据库管理系统进行数据仓库的创建、修改和删除。 　　首先，确定数据仓库的主题，依据主题创建数据仓库的逻辑结构。企业需要分析各分店各类商品的销售数据，那么确定销售主题，逻辑模型采用星型模式。逻辑结构中的事实表是核心，表1是就是一个事实表。 　　 　　图1数据仓库与OLAP多维数据集创建过程 　　表1销售事实表