基于商业智能的公交信息分析系统的设计与实现

论文摘要

建立适合公交行业特点的商业智能信息分析系统在日益激烈的客运市场竞争中,对发现营运规律、调整运力、提高服务质量有着重要意义。本文紧密结合商业智能(Business Intelligence,简称BI)的基本理论和技术特点,以西安公交巴士股份有限公司分散的业务系统为背景,设计并实现了一个基于商业智能的公交信息分析系统。本文首先研究分析了商业智能的关键技术,即数据仓库技术、ETL技术、联机分析技术、数据挖掘技术和联机分析挖掘技术(OLAM),介绍了基于SQL Server 2005的BI开发方法；其次对业务系统中的指标数据进行分析,结合用户需求,给出了系统的需求分析,提出了商业智能解决方案。以数据仓库的实施步骤为指导,对公交信息分析数据仓库进行了分析和设计,指出了数据仓库设计过程中应该注意的重要问题；对数据抽取、清洗／转换、加载的设计进行了分析,提出了优化ETL程序包效率的方法。给出了系统的OLAM设计,并基于SQL Server 2005的SSAS服务,实现了信息分析系统,得到了分析的结果。该系统已经投入应用,达到了设计要求。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题依据与研究意义
• 1.1.1 课题研究背景
• 1.1.2 课题研究意义
• 1.2 国内外研究动态
• 1.3 主要研究工作
• 1.4 本文的组织结构
• 第二章 商业智能技术分析
• 2.1 商业智能的关键技术分析
• 2.1.1 数据仓库技术
• 2.1.2 ETL
• 2.1.3 OLAP和DM
• 2.1.4 联机分析挖掘（OLAM）
• 2.2 Microsoft SQL Server 2005的商业智能解决方案
• 2.2.1 SQL SERVER 2005服务
• 2.2.2 SQL Server 2005的BI平台
• 2.3 实施商业智能的步骤
• 第三章 需求分析与解决方案设计
• 3.1 企业现状和系统建设目标
• 3.2 公交信息分析系统BI解决方案设计
• 3.2.1 系统设计特点
• 3.2.2 系统应用层次架构设计
• 3.2.3 公交信息分析系统开发环境要求
• 3.3 本章小节
• 第四章 数据仓库设计
• 4.1 数据源的获取
• 4.2 概念模型设计
• 4.2.1 界定系统的边界
• 4.2.2 确定主题及其内容
• 4.3 逻辑模型设计
• 4.3.1 逻辑建模方法的比较和选择
• 4.3.2 数据仓库逻辑结构的选择
• 4.3.3 公交信息分析系统数据仓库的维度模型设计
• 4.4 物理模型设计
• 4.4.1 事实表设计
• 4.4.2 维度表设计
• 4.4.3 数据仓库的创建
• 4.5 ETL设计
• 4.5.1 数据抽取设计
• 4.5.2 数据清洗/转换设计
• 4.5.3 数据加载设计
• 4.5.4 ETL效率的优化
• 4.6 本章小节
• 第五章 OLAM设计和系统实现
• 5.1 OLAM体系结构
• 5.2 基于面对主题的多维分析模型的实现
• 5.2.1 OLAP数据存储格式的选择
• 5.2.2 多维数据分析方法的确定
• 5.2.3 基于主题的数据立方体的分析实现
• 5.3 基于面对主题的多维数据模型挖掘的实现
• 5.3.1 数据挖掘工具与数据仓库的紧密结合
• 5.3.2 基于SQL Server 2005的数据挖掘处理流程
• 5.3.3 面对探寻营运生产问题的数据挖掘
• 5.4 商业智能客户端界面的设计
• 5.4.1 基于SSRS的公交信息分析系统报表解决方案
• 5.4.2 数据报表展示
• 5.5 本章小节
• 第六章 结束语
• 6.1 论文总结
• 6.2 进一步的工作
• 致谢
• 参考文献