基于数据仓库模型的运营分析系统

    进入21世纪，信息科技迅猛发展，市场瞬息万变，企业要想在激烈的市场竞争中立于不败之地，就需要对客户和市场的信息做出快速、及时的搜集与响应，同时对自身的运营状况也要做出全面的预测与分析。企业要想通过信息化的手段，按照自身的需求以全方位、精确的粒度来分析自身生产、经营的情况，使用数据仓库是一个行之有效的方法。

    数据仓库是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。

    面向主题：操作型数据库的数据组织是面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。

    集成：数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。

    相对稳定：数据仓库所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。

    反映历史变化：数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

    1、系统软件平台及构造

    （1） 软件平台

    软件主要包括前台展现页面、WEB应用程序服务器、后台数据库系统。其中前台展现页面是基于B/S架构的JSP页面；WEB应用服务器使用IBM公司的WebSpere Application Server；后台数据库使用Oracle 10g。

    （2） 系统结构

    下图展示了基于数据仓库模型的运营分析系统的体系结构：其中ETL包括：数据抽取、转换、清洗、过滤、装载这几个步骤，业务数据经过ETL的过程，以另一种方式存入一个逻辑上独立于业务系统的新数据库中。这个数据库对业务系统是完全封闭的，并且是按照待分析的指标存放在多个类似于“数据集市”的多个表中。基于海量的分析数据，我们按之前设定好的参数来进行数据仓库模型的建立，也就是所谓的“多维度”的数据模型，模型建立好以后，就可以在模型框架的基础上进行多角度的海量数据的查询分析。

    图1 运营分析系统解决方案的体系结构

    结构特点：

    ① 独立性

    该系统和外界的业务系统是完全独立的、不依赖于某种特定的业务系统而存在的。数据的抽取实际上是实现和外部业务系统的数据接口，而接口是可以由多种方式来实现的，如数据库后台的存储过程、JAVA程序等。

    外界业务系统数据的变化也不会实时的、直接的影响到分析系统的数据，分析系统反应的只是某一个时点上业务数据的情况。

    ② 安全性

    由于系统数据存放在独立于外部业务系统的数据库中，拥有外部业务系统访问权限的用户不一定可以访问分析系统。系统通过基础数据定义中角色的授权来控制访问、查询分析分析数据的权限。对于后台存储的数据也进行了加密的处理。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友