李大鹏
(西南财经大学经济信息工程学院,成都 610074)
随着近几年计算机、网络等技术的水平不断提高,各大企业处理信息以及信息化的水平也逐步随着有了大幅的发展。虽然通常来讲,各大企业内部系统中都会覆盖着企业信息采集的系统和生产管理的系统,与此同时,肯定还有在此基础之上的研发的财务报表等。通常都可以满足了各个部门进行平常的管理工作的要求。可是,怎样总结汇集整个系统中复杂繁多的数据,让管理员更直观得掌控了解和企业项目相关的数据,另外还可以达到对数据的多重多样化分析?而这些就是以数据仓库为基础的数据分析和决策系统需要解决的源头问题。
把数据仓库作为基础,更进一步的去优化企业数据分析和决策系统,其核心在于在其内部导入和应用最前端、最高端的计算机技术和信息技术,让数据仓库能够合适的嵌入到企业当下的信息管理系统,并将其化为己用。进而融为一套、专业搞笑的信息管理分析以及处理的系统。
数据仓库针对于应用层是无法更新的,可是对于数据仓库本身来说,它要支持企业的决策,所以肯定需要数据的时效性和价值,所以要随着时间的变化不断的进行变化。
在上一点中便提到数据仓库对于应用层是无法进行更新的。也就是说,只要数据储存到数据仓库之后,除非发生意外状况,否则将不会再有新的变化,而这些数据仓库中的数据主要被提供给企业,用来支持进行决策。
当处于一个高的层面上的时候,直接针对主概念的数据仓库可以完程分类和处理企业内部信息系统的数据,并把这些数据完程抽象性的分析。数据仓库直接针对主概念面向企业完整的信息系统进行分析然后进行处理,起核心源头概念在于完成数据的整体分析和整体处理,给企业的管理者们提供一个更高效进行决策的参考数据。
集成性这个特点是数据仓库众多特点之中最为重要的一点。因为上文已经提到过仓库内的数据无法直接针对应用,所以对于一些细微细小的数据就显得力不从心。所以对于这些数据,只能机械的从原始的数据中提出来,然后一起编入数据库中。因此很容易出现一些问题,比如数据的丢失等等。
最近几年,信息技术和信息管理技术不断提升发展,加快了以数据仓库为基础的数据分析和支持决策的系统的形成与优化。对于数据仓库完整的结构和概念来说,它里面所内涵的东西与数据仓库数据库、数据准备区、数据源和各种应用以及管理的数据很相似。
数据仓库系统建模的程序有:dw建模、数据的收集和汇集、数据仓库的构成、DSS应用编成、测试、了解需要。和原型法的特点相比较来说,这种设计思路与之大同小异没有多大的差别,但是二者之间却有着原则性的不同,数据仓库的设计是以数据为驱动,以DB为开发的基础,核心是对DB原有的数据资源采集、深掘、合成,以此来提供给企业管理层做出正确高效的决策。
第一点是要进行正确的数据的管理。这方面的技术包括海量的数据管理技术、数据压缩技术、监管数据的技术、和数据仓库的索引等。第二方面是有关数据的存储。例如多介质存储设备的管理、数据存储的控制、还有并行存储和管理等多项技术。最后也是最关键的一点,即数据仓库的接口,此项内容包括三项技术:语言接口技术、数据高效加载技术、多技术接口技术。
数据仓库系统所需要的工具是由三种构成的,即数据挖掘的挖掘型工具,联系分析处理的查询分析工具,以及DSS的分析预测型工具。三种不同的工具都有不同的侧重点,他们说面向的用户和使用这方面也都不尽相同。因此我们只能将这三种工具全部都集合到数据库的系统中,唯有这样才是真真正正的达到了利用数据仓库中信息的目标。
而报表是所有工具中最为基本的一项,在数据仓库的运用中,报表可以完成预定义的数据计算和多维数据存储的应用,然后把企业原始繁多而复杂的报表大幅度的由繁化简,提高分析速度而且还能够保证高效性。我一方面是联机分析,通过多维,多角度的方法运用联机分析来处理针对各种各样的数据进行查询分析生成报表。
相比较传统的联机处理事务的应用来讲,联机分析这下运用是面向用户把他们的事务进行附加处理,例如各大银行的储蓄系统,过得好控公司的售票系统等等,这些系统全部都必须要实时的进行更新,收到响应的时间要制定最高的标准。最后是数据的深挖深掘,这种技术在众多领域的运用都收益颇丰,但是这项技术与其他不同的是,他可以不建立在数据仓库的基础之上,只是如果建立在数据仓库之上,相互融合相互协作,就能够更深一步对数据深挖深掘不仅让过程变得更加简单,还使得工作量减少且更具有高效性。
数据仓库作为一个不断变化,无法更新,直接针对主概念且具有集成性的一个数据的集合,能够更符合当下需要实时大量信息的各大企业的需求,老管李成更加直观掌控和了解与企业项目相关的数据,优化数据的分析和决策。因此,我去仓库概念对于数据分析和决策系统的优化研究这一论题有着非常重要的参考价值。
[1] 连育青.运用大数据分析提升授信审批决策水平的思考[J].财务与金融,2016,25(5):11-14,26.