论文摘要
近年来,随着国内大型企业的信息化建设不断稳定完善,企业内各业务系统所存储的业务数据量也在成倍的增长。企业已经不再满足业务系统的实施,他们寄望于业务系统不但是一个成功的日常业务处理系统,而且是一个良好的决策支持系统,为企业管理层提供全面经营管理决策的辅助支持,实现企业的商务智能。但由于企业内各个系统的应用平台和存储平台都较为独立,各系统间接口较难实现。对于数据分析基本上是依靠每个系统自有(开发)的报表分析功能,很难实现数据共享和关联分析。企业也因此意识到一个成功的业务系统并不等于是一个成功的决策系统。他们开始寻求第三方的商务智能解决方案,通过相对灵活、可扩展性强的数据仓库及数据挖掘技术,实现企业对业务数据的分析和决策。国内航运企业随着中国加入WTO和改革开放的不断深化,以及全球化的大规模生产和市场推广,其运输周转量正不断增加,同时在业务过程中涉及的客户、供应商等信息量也随之增加,企业对业务数据的分析也变得越来越困难。本论文首先从商务智能的相关基本理论出发,对数据仓库的特点、体系结构及目标等方面进行了深入研究,并探讨了OLAP的概念、特点及技术运用。根据目前国内大型航运企业的管理需求,本论文结合国外商务智能SAP BI软件,为企业设计了具有可扩展性的数据仓库模型,实现了与企业财务等系统的数据转换,建立了用于企业管理分析的大数据量报表系统。该系统为管理层提供了多维度的分析和查询功能,产生各种维度的图形和报表,实现了企业对客户、供应商等方面的即时分析和管理。虽然航运企业建立了相应的数据仓库,并对实现了对各客户、供应商等方面的分析和展示,但仍然无法直接从客户、供应商等业务数据中挖掘出隐含在其中的,对决策者有潜在价值的知识和规则。本论文在数据仓库的基础上,探讨了数据挖掘的方法、应用和过程等理论。在航运企业数据仓库的基础上,本论文结合SAP BI软件,设计并实现了企业数据挖掘的模型,并通过聚类分析过程的实例,分析和挖掘了客户、供应商等数据的潜在规律,为企业财务决策、经营决策、市场决策等提供了依据。国内航运企业信息系统具有业务系统数量多、集成度低、数据分析困难的特点。商务智能技术的深入应用,将使决策者更加轻松地从宏观到微观全面了解企业的状况,并提供企业管理层更加直观、有效的经营决策信息,从而实现企业价值的最大化。
论文目录
摘要ABSTRACT第一章 商务智能概述1.1 商务智能的基本概念1.2 商务智能的发展历程1.3 商务智能关键技术1.3.1 数据仓库技术1.3.2 联机分析处理技术（OLAP）1.3.3 数据挖掘技术1.3.4 BI 的表示和发布技术第二章 数据仓库2.1 数据仓库与数据库的比较2.2 数据仓库的四个特点2.3 数据仓库的体系结构及组成2.4 数据仓库与数据集市2.5 数据仓库解决的问题2.6 数据仓库的最终目标2.7 ETL2.8 机分析处理（OLAP）2.8.1 OLAP 历史背景2.8.2 OLAP 相关基本概念与特点2.8.3 OLAP 的分类2.8.4 OLAP 核心技术第三章 SAP BI 数据仓库3.1 SAP BI 数据仓库设计思路及步骤3.2 SAP BI 数据仓库业务建模3.3 SAP BI ETL3.4 SAP BI OLAP3.5 数据展示第四章 大数据量报表分析设计与实现4.1 航运企业信息处理现状4.2 报表系统的总体设计4.2.1 命名规约书设计4.2.2 数据仓库设计4.2.3 ETL 设计4.2.4 分析模型设计4.3 SAP BI 报表系统的实施线路4.4 建模4.4.1 建立信息范围4.4.2 建立信息对象的目录4.4.3 创建信息对象（特性、关键值）4.4.4 创建数据存储对象4.4.5 创建信息立方体4.5 数据抽取、转换和加载4.5.1 数据抽取实例4.5.2 数据转换实例4.5.3 数据传输实例4.6 查询和展现数据4.7 对象的最优化改进4.8 元数据管理的应用第五章 数据挖掘5.1 数据挖掘技术的产生背景5.1.1 商业需求分析5.1.2 技术背景分析5.2 数据挖掘概念5.2.1 知识发现与数据挖掘5.2.2 数据挖掘的任务5.2.3 数据挖掘的方法5.2.4 数据挖掘的工具与应用5.2.5 数据挖掘的挑战与未来的研究方向5.3 数据挖掘与多维分析的对比5.4 数据挖掘过程5.5 SAP BI 数据挖掘5.5.1 SAP BI 数据挖掘模型5.5.2 SAP 分析进程设计器5.5.3 创建数据挖掘模型5.5.4 对数据模型进行培训5.5.5 应用数据挖掘模型第六章 结束语参考文献致谢作者攻读学位期间发表的论文攻读学位期间参加的科研项目
相关论文文献
标签：商务智能论文; 数据仓库论文; 数据挖掘论文;
