李大鵬
(西南財經大學經濟信息工程學院,成都 610074)
隨著近幾年計算機、網絡等技術的水平不斷提高,各大企業處理信息以及信息化的水平也逐步隨著有了大幅的發展。雖然通常來講,各大企業內部系統中都會覆蓋著企業信息采集的系統和生產管理的系統,與此同時,肯定還有在此基礎之上的研發的財務報表等。通常都可以滿足了各個部門進行平常的管理工作的要求。可是,怎樣總結匯集整個系統中復雜繁多的數據,讓管理員更直觀得掌控了解和企業項目相關的數據,另外還可以達到對數據的多重多樣化分析?而這些就是以數據倉庫為基礎的數據分析和決策系統需要解決的源頭問題。
把數據倉庫作為基礎,更進一步的去優化企業數據分析和決策系統,其核心在于在其內部導入和應用最前端、最高端的計算機技術和信息技術,讓數據倉庫能夠合適的嵌入到企業當下的信息管理系統,并將其化為己用。進而融為一套、專業搞笑的信息管理分析以及處理的系統。
數據倉庫針對于應用層是無法更新的,可是對于數據倉庫本身來說,它要支持企業的決策,所以肯定需要數據的時效性和價值,所以要隨著時間的變化不斷的進行變化。
在上一點中便提到數據倉庫對于應用層是無法進行更新的。也就是說,只要數據儲存到數據倉庫之后,除非發生意外狀況,否則將不會再有新的變化,而這些數據倉庫中的數據主要被提供給企業,用來支持進行決策。
當處于一個高的層面上的時候,直接針對主概念的數據倉庫可以完程分類和處理企業內部信息系統的數據,并把這些數據完程抽象性的分析。數據倉庫直接針對主概念面向企業完整的信息系統進行分析然后進行處理,起核心源頭概念在于完成數據的整體分析和整體處理,給企業的管理者們提供一個更高效進行決策的參考數據。
集成性這個特點是數據倉庫眾多特點之中最為重要的一點。因為上文已經提到過倉庫內的數據無法直接針對應用,所以對于一些細微細小的數據就顯得力不從心。所以對于這些數據,只能機械的從原始的數據中提出來,然后一起編入數據庫中。因此很容易出現一些問題,比如數據的丟失等等。
最近幾年,信息技術和信息管理技術不斷提升發展,加快了以數據倉庫為基礎的數據分析和支持決策的系統的形成與優化。對于數據倉庫完整的結構和概念來說,它里面所內涵的東西與數據倉庫數據庫、數據準備區、數據源和各種應用以及管理的數據很相似。
數據倉庫系統建模的程序有:dw建模、數據的收集和匯集、數據倉庫的構成、DSS應用編成、測試、了解需要。和原型法的特點相比較來說,這種設計思路與之大同小異沒有多大的差別,但是二者之間卻有著原則性的不同,數據倉庫的設計是以數據為驅動,以DB為開發的基礎,核心是對DB原有的數據資源采集、深掘、合成,以此來提供給企業管理層做出正確高效的決策。
第一點是要進行正確的數據的管理。這方面的技術包括海量的數據管理技術、數據壓縮技術、監管數據的技術、和數據倉庫的索引等。第二方面是有關數據的存儲。例如多介質存儲設備的管理、數據存儲的控制、還有并行存儲和管理等多項技術。最后也是最關鍵的一點,即數據倉庫的接口,此項內容包括三項技術:語言接口技術、數據高效加載技術、多技術接口技術。
數據倉庫系統所需要的工具是由三種構成的,即數據挖掘的挖掘型工具,聯系分析處理的查詢分析工具,以及DSS的分析預測型工具。三種不同的工具都有不同的側重點,他們說面向的用戶和使用這方面也都不盡相同。因此我們只能將這三種工具全部都集合到數據庫的系統中,唯有這樣才是真真正正的達到了利用數據倉庫中信息的目標。
而報表是所有工具中最為基本的一項,在數據倉庫的運用中,報表可以完成預定義的數據計算和多維數據存儲的應用,然后把企業原始繁多而復雜的報表大幅度的由繁化簡,提高分析速度而且還能夠保證高效性。我一方面是聯機分析,通過多維,多角度的方法運用聯機分析來處理針對各種各樣的數據進行查詢分析生成報表。
相比較傳統的聯機處理事務的應用來講,聯機分析這下運用是面向用戶把他們的事務進行附加處理,例如各大銀行的儲蓄系統,過得好控公司的售票系統等等,這些系統全部都必須要實時的進行更新,收到響應的時間要制定最高的標準。最后是數據的深挖深掘,這種技術在眾多領域的運用都收益頗豐,但是這項技術與其他不同的是,他可以不建立在數據倉庫的基礎之上,只是如果建立在數據倉庫之上,相互融合相互協作,就能夠更深一步對數據深挖深掘不僅讓過程變得更加簡單,還使得工作量減少且更具有高效性。
數據倉庫作為一個不斷變化,無法更新,直接針對主概念且具有集成性的一個數據的集合,能夠更符合當下需要實時大量信息的各大企業的需求,老管李成更加直觀掌控和了解與企業項目相關的數據,優化數據的分析和決策。因此,我去倉庫概念對于數據分析和決策系統的優化研究這一論題有著非常重要的參考價值。
[1] 連育青.運用大數據分析提升授信審批決策水平的思考[J].財務與金融,2016,25(5):11-14,26.