導語：數據倉庫技術論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：隨著計算機科學技術的發展，數據庫技術已經日益成熟，與此同時，數據倉庫技術也在飛速發展，它已被應用于企業管理、決策支持、市場分析等多個方面。本文首先介紹了數據倉庫技術，之后介紹了數據倉庫技術在商場（超市）中的應用。

關鍵字：數據倉庫商場（超市）計算機

一、前言

隨著計算機技術的發展，越來越多的企業逐漸建立了各種各樣的應用子系統，如銷售系統、庫存系統、財務系統、人事系統等。它們能夠較好地滿足企業OLTP(OnlineTransactionProcessing，聯機事務處理)的應用需求。

但隨著市場競爭的日益激烈，企業需要利用現有的數據，進行分析和推理，為企業的決策提供依據。當這種分析處理只涉及到很少的數據庫表時是可行的。當數據量迅速地增長而且查詢要求不斷復雜化時，這種建立在OLTP基礎上的DSS就不能很好地滿足決策的需求。另外從大量的歷史數據中獲取信息，要求系統保存大量的歷史數據。如果系統在進行事務處理時還要進行復雜的分析處理。這樣對于頻繁操作性處理的數據庫系統而言，將會不堪重負。因此，需要重新組織數據，使其使于進行復雜分析。為適應這一需求，應運而生的就是數據倉庫技術。

商場（超市）關系到大眾生活水平的提高，它為大眾生活提供了便利，同時由于商場（超市）貨物、員工的復雜性，使得市場、人事管理、物品供需關系、設備管理顯得更為復雜，所以商場（超市）更應該象其他企業一樣，應用數據倉庫技術完善自己的市場、管理、供需關系等等。

二、數據倉庫技術概述

1.數據倉庫的概念

“數據倉庫是一個用以更好地支持企業或組織的決策分析處理的、面向主題的、集成的、不可更新的、隨時間不斷變化的數據集合”。面向主題、集成性、不可更新和隨時間變化性是其基本特征。可以說，數據倉庫是一種解決問題的方案，是用來更好地提取和管理并最終利用信息資源的辦法。“它以傳統的數據庫技術作為存儲數據和管理資源的基本手段，以統計分析技術作為分析數據和提取信息的有效手段，以人工智能技術作為挖掘知識和發現規律的科學途徑”。數據倉庫主要是面向聯機分析處理和決策分析的，而不面向事務處理。數據倉庫將信息按主題形式加以組織，來揭示信息的內在聯系和事物的規律及事物之間的聯系。對原有數據庫系統中的數據進行重新組織、按需求綜合以后，就得到數據倉庫中數據。因此，數據倉庫中的數據是高度集成的，反映的是一段相當長的時間內歷史數據的內容，是不同時點的數據庫快照的集合。數據倉庫中的數據是不可更新的，就應用而言，卻并非其中的數據一成不變，恰恰相反，數據倉庫中的數據由于不斷增加新的數據內容，定期刷新和添加，并剔除已經過時的數據內容，所以說，其數據內容是隨時間而不斷變化的。

2.數據倉庫中數據的組織結構

數據倉庫中的數據可分為兩類，(1)按照數據的綜合程度(稱之為粒度)分為四個等級：早期細節級、當前細節級、輕度綜合級、高度綜合級。“元數據經過綜合后，首先進入當前細節級，并根據具體需要進行進一步的綜合從而進入輕度綜合級乃至高度綜合級，老化的數據將進入早期細節級”。(2)元數據(metadata)是“關于數據的數據”，它能有效地管理數據倉庫，對元數據可從構建時間元數據、使用元數據、控制元數據三個角度分類分析。數據倉庫中的數據就是通過粒度劃分和分割進行有效地存儲的。

3.相關的信息開發工具

要滿足用戶全面、系統、多層次信息需求的目標，必須借助于數據倉庫并建立數據倉庫系統才能實現。“數據倉庫系統是以數據倉庫為基礎，通過查詢工具和分析工具，完成對信息的提取，滿足用戶的各種需求”。因此，進行復雜數據分析、提供管理決策還必須引入相應的數據倉庫工具層。“數據倉庫系統是多種技術的綜合體，由數據倉庫、數據倉庫管理系統、數據倉庫工具三個部分組成”。數據倉庫工具層包括：多維分析工具、數據挖掘工具以及可視化工具。多維分析工具主要指聯機分析處理(OLAP，On-lineAnalyticalProcessing)，“OLAP是針對特定問題的聯機數據訪問和分析”。目前，這類產品己經有很多了，如BrioQuery，GQL，Impromptu，PowerPlay，Commander，InformationAdvantage等等。數據挖掘(DM，DataMining)是一種決策支持過程，它主要基于AI、機器學習、統計學等技術，高度自動化地分析原有數據，做出歸納型的推理，從中挖掘出潛在的信息用于決策。

三、數據倉庫技術在商場（超市）中的應用

1.設備管理

數據倉庫化是商場（超市）范圍內數據的處理過程它將商場（超市）內分散的原始操作數據和來自外部的數據匯集和整理在一起，為商場（超市）提供完整、及時、準確和明了的決策信息，有效地服務于商場（超市）的全方位決策。作為一個決策支持環境，DW(DataWarhouse)收集存儲了各種不同數據源中的數據。通過數據的組織給決策支持者提供分布在整個商場（超市）內部跨平臺的數據。在對設備管理數據倉庫的開發過程中，首先根據商場（超市）對設備管理的具體要求和設想，確定數據倉庫開發的目標，規劃系統的數據范圍和功能制定工作計劃；然后分階段建立元數據模型，主題區數據模型，開發數據倉庫邏輯模型；再根據邏輯模型設計多維數據結構維表，在對源數據進行分析的基礎上，用數據轉換程序(DTS)將其轉入數據倉庫中，最后是對數據倉庫的使用和維護，添刪數據，擴展功能等。

2.財務決策支持

典型的財務決策問題有：投資決策、籌資決策、成本決策、銷售決策等。

財務決策支持系統需要的信息是通過日常業務數據所體現的整體趨勢，或隨時間變化而表現出來的變化趨勢，必須對業務數據進行分類、析取、歸納、加工等處理才能得到這些信息。對數據信息的這些要求決定了財務決策支持系統的數據庫有別于普通的業務數據庫，因此，必須為企業建立數據倉庫以適應決策支持系統的要求。

財務決策支持系統具有三個功能：決策、管理和核算。核算，即會計功能。在會計層，它完成會計原始數據的收集、記帳、算帳和報帳的業務處理后輸出會計信息，同時將會計基礎信息傳輸到管理層。管理，即管理信息功能。在管理層，進行會計基礎信息的分析，并將分析結果輸出的同時，再送給決策層。決策，即根據會計分析信息和其它管理信息進行預測、判斷和決策，然后將決策方案下達到管理層。在管理層進行指標分解，編制財務計劃，再下達到核算層，并對核算層的執行過程進行控制。

3.管理決策支持

在商場（超市）管理決策支持系統的構架方案中，OLTP應用系統中的數據庫，可分為不同的類型，它是DSS的數據來源。大量不同事務的、可靠的、歷史性的數據是建立DW的基礎。OLTP從DW中的可集成數據出發，構建面向分析的多維數據模型，自動地發現數據中的潛在模式，并以這些模式為基礎自動做出預測。DM中挖掘的知識可以直接用于指導OLAP的分析處理，而OLAP分析得出的新知識又可以補充到系統的知識庫中。傳統的DSS往往獨立地設計并實現，將數據庫、模型庫和知識庫，缺乏內在的統一性。而數據倉庫、聯機分析和數據挖掘組成的新的DSS，將三庫有力地結合在一個多維的數據庫中，利用多維分析工具，通過可視化工具將分析結果呈現給用戶。

4.其他應用

4.1提高市場競爭力，提升客戶服務水平。通過建立數據倉庫，為客戶資料的統計分析提供基本的信息源和輔助工具，已成為各個企業包括商場提高市場競爭能力和客戶服務水平的關鍵。

4.2提高管理水平，降低成本，提高效率。隨著市場經濟競爭的發展和反壟斷經營的推進，商場（超市）逐漸向規模化、集約化方向發展，各個公司迫切要求提高其自身的管理水平。數據倉庫的建立可使企業更

加及時、準確地掌握自身的經營狀況、資金情況、利潤情況、客戶群分布等重要信息。

雖然數據倉庫技術在各個行業包括商場（超市）中的應用已日漸成熟，但作為商場（超市）不必要模仿其他行業，應該根據自己行業的特點有針對性地應用數據倉庫技術，凸顯自己的行業優勢。

參考文獻：

吳峨，即建軍.財務管理決策支持系統的研究。信息系統工程，1995

孫林，張培衢.財務數據倉庫系統的分析設計與實現。河南師范大學學報（自然科學版）.2000

李海剛.基于數據倉庫的數據挖掘及其在決策系統中的應用[J].現代計算機.2001

李德勇.基于證券交易數據的數據倉庫的建立及運用[J].電腦與信息技術，2001

李靜.創建企業級數據倉庫的關鍵技術[J].計算機應用研究.2002