卷烟工业企业的数据仓库构建方法.docxVIP

PAGE 1 PAGE 1 卷烟工业企业的数据仓库构建方法  数据仓库技术能跨越多个应用系统，集成、转换和汇总所需要的数据，表达完整的数据视图，并通过OLAP技术供应各种数据分析手段。数据仓库的体系结构包含4个层次：数据源、数据的存储与管理、数据访问服务、数据呈现分析；数据建模包括概念模型、规律模型和物理模型设计，并构建了卷烟工业企业数据仓库的架构，以及在此基础上建立了企业级数据仓库BW系统，实现了企业数据的全面共享。  目前，卷烟工业企业以信息化带动工业化，信息技术向企业全面渗透，运用于各个流程，支持产品设计、生产、管理和运营的各个环节。通过“行业卷烟生产经营决策管理系统”平台，实现了卷烟计划取码和物流数码跟踪，以及生产打码、销售扫码的实物数据日报和工商数据采集。卷烟工业企业积累了大量的运营管理数据，但分散存储在不同的应用系统中，因此，传统的数据库应用系统已不能很好地支持决策，企业需要新的技术来弥补原有数据库系统的不足。数据仓库技术能跨越多个应用系统，集成、转换和汇总所需要的数据，表达完整的数据视图，并通过OLAP(OnlineAnalyticalProcessing，联机分析处理)技术供应各种数据分析手段。  1数据仓库体系结构组成  数据仓库以数据库为基础，但不是简洁的多个数据库的集合。在业务系统中常用的数据库是操作型数据库，其数据组织主要是面向事务处理任务，即面向详细业务。与传统的操作型数据库比较，数据仓库的主要目的是支持分析决策，因此数据仓库中的数据是根据一定的主题进行组织的，这些数据常常会涉及多种业务或多个业务环节。所谓主题，是指一个较高管理层次意义上的数据综合、归类对象，它是与传统数据库面向应用相对应的。每一个主题基本对应于某一特定的分析领域，如生产、销售、客户等。数据仓库中的数据来源于操作型数据库和其他外部数据源，经过加工和集成加载到数据仓库中。  数据仓库的体系结构通常包含4个层次：数据源、数据的存储与管理、数据访问服务、数据呈现分析(见图1)。  图1数据仓库体系结构  1.1数据源  数据源是数据仓库的数据源泉，不仅包括企业内部生产运营系统中的数据，也包括企业外部的市场信息、行业信息、经济信息等数据，以及各种文档资料。  1.2数据的存储与管理  数据仓库通过ODBC(OpenDatabaseConnectivity，开放数据库连接)、JDBC(JavaDatabaseConnectivity，JAVA数据库连接)等数据库连接机制，或专用ETL(ExtractTransformLoad)工具连接各种数据源。这些数据经过抽取、清洗、转换和装载，根据主题重新组织，依照相应的存储结构存放在数据仓库中。也可以针对一些特定业务的主题建立数据集市，数据集市可以看作是数据仓库的一个子集，它含有较少的主题域，一般只能为某个局部范围内的管理人员服务，因此也称之为部门级数据仓库。  1.3数据访问服务  为前端工具数据仓库中的数据进行复杂查询和多维分析处理供应系统后台支持。对分析的数据进行有效集成，按多维模型进行组织，供应联机分析处理(OLAP)服务。多维数据模型在物理实现时主要有3种方式：ROLAP结构(RelationalOLAP，基于关系型数据库的OLAP实现)、MOLAP结构(Multi-dimensionOLAP，基于多维数据库的OLAP实现)和HOLAP结构(HybridOLAP，基于混合数据组织的OLAP实现)。  1.4数据呈现分析  数据呈现分析部分位于最顶层，是最终用户使用数据的窗口。数据建模、数据抽取对于最终用户是透明的，但却是数据呈现分析的基础。数据呈现分析工具的优劣直接影响着最终用户对数据仓库的应用及推广。   数据仓库技术能跨越多个应用系统，集成、转换和汇总所需要的数据，表达完整的数据视图，并通过OLAP技术供应各种数据分析手段。数据仓库的体系结构包含4个层次：数据源、数据的存储与管理、数据访问服务、数据呈现分析；数据建模包括概念模型、规律模型和物理模型设计，并构建了卷烟工业企业数据仓库的架构，以及在此基础上建立了企业级数据仓库BW系统，实现了企业数据的全面共享。  目前，卷烟工业企业以信息化带动工业化，信息技术向企业全面渗透，运用于各个流程，支持产品设计、生产、管理和运营的各个环节。通过“行业卷烟生产经营决策管理系统”平台，实现了卷烟计划取码和物流数码跟踪，以及生产打码、销售扫码的实物数据日报和工商数据采集。卷烟工业企业积累了大量的运营管理数据，但分散存储在不同的应用系统中，因此，传统的数据库应用系统已不能很好地支持决策，企业需要新的技术来弥补原