一个电子商务分析平台数据模型的分析、设计与实现

发布时间：2017-08-09 14:11

  本文关键词：一个电子商务分析平台数据模型的分析、设计与实现

  更多相关文章： 数据仓库 电子商务 分析平台 维度建模 ETL

【摘要】：随着电子商务行业发展,数据量正以前所未有的速度增长。许多大型电子商务企业为了保持竞争力,纷纷建立数据平台为企业各级人员提供报表生成、主题分析、数据挖掘等技术支持。然而,随着市场竞争的激化和敏捷开发的流行,电子商务业务流程变化越来越迅速,数据平台必须具有更高的易理解性、灵活性和可扩展性,才能满足不断变化中的数据分析需求。 某电子商务企业原有的基础数据平台能实现可配置式的数据抽取、转换和加载功能,但存在缺乏集成、表结构难被理解、查询性能低下、数据集市管理松散等问题。另一方面,随着业务平台新的模式的上线,交易流程发生了重大变化,也产生了新的数据和分析需求。为适应新的数据和业务逻辑,同时对数据组织方式进行优化,改善原有的不足之处,电子商务数据分析平台ECAP(eCommerce Analytic Platform)项目。 本文主要描述ECAP平台中的数据模型设计以及实现,先对ECAP平台数据模型的需求和目标进行了分析,然后提出使用基于总线架构的维度建模技术结合三层数据体系结构来构建ECAP的数据模型。其后对业务过程选择、粒度选取、维度设计等问题进行讨论,并描述该数据模型的具体设计和实现。最后通过SQL查询和商务智能工具应用示例来说明系统更易理解、优化的查询性能、可扩展强等特点。 上述两种设计方法的应用,使得数据更加简明易用,提高了分析查询的性能,同时令系统能更快速灵活地适应业务模型的修改,从而让用户能够更加专注于业务价值,为追求“敏捷分析”的互联网电子商务分析平台提供了扎实的基础。
【关键词】：数据仓库 电子商务 分析平台 维度建模 ETL
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP311.13
【目录】：

• 摘要5-6
• Abstract6-9
• 图目录9-10
• 表目录10-11
• 第一章 引言11-17
• 1.1 背景11-12
• 1.2 项目来源及主要研究内容12-16
• 1.2.1 原基础数据平台简介12-15
• 1.2.2 “支付中介”项目简介15-16
• 1.3 本文的主要工作16
• 1.4 本文的组织结构16-17
• 第二章 技术综述17-25
• 2.1 数据仓库简介17-18
• 2.2 Teradata数据库系统介绍18-20
• 2.3 电子商务数据分析平台概述20-21
• 2.4 维度建模方法介绍21-24
• 2.4.1 维度建模概述21-22
• 2.4.2 星形模型与雪花模型比较22-23
• 2.4.3 维度模型与规范化模型的比较23-24
• 2.5 Mircostrategy商务智能平台简介24-25
• 第三章 ECAP数据模型的分析25-34
• 3.1 背景分析25-27
• 3.1.1 业务背景简介25-26
• 3.1.2 “支付中介”交易流程26-27
• 3.2 业务过程和业务实体27-30
• 3.2.1 相关业系统及流程分析28-29
• 3.2.2 业务数据实体分析29-30
• 3.3 ECAP数据需求分析30-34
• 3.3.1 数据消费角色30-31
• 3.3.2 数据消费需求一：业务健康度仪表盘31
• 3.3.3 数据消费需求二：主题OLAP分析31-32
• 3.3.4 数据消费需求三：数据挖掘32
• 3.3.5 数据消费需求四：部门特定标准报表32-33
• 3.3.6 数据仓储需求33-34
• 第四章 后台数据模型设计与实现34-61
• 4.1 ECAP数据体系结构34-36
• 4.2 ODS数据模型设计与实现36-44
• 4.2.1 Payment Order(付款订单)37-39
• 4.2.2 Inbound Payment(入向付款)39-41
• 4.2.3 Refund Transaction(退款事务)41-42
• 4.2.4 Disburse Transaction(释款事务)42-44
• 4.3 原始数据集成层模型设计与实现44-49
• 4.3.1 原始数据表44-46
• 4.3.2 多事务集成46-49
• 4.4 分析展示层数据模型设计与实现49-57
• 4.4.1 分析展示层数据模型总体设计与实现49-51
• 4.4.2 粒度的设计51-52
• 4.4.3 总线结构52-54
• 4.4.4 事实表的度量值54
• 4.4.5 维度表设计与实现54-57
• 4.4.6 其他维度问题57
• 4.5 维度模型的使用效果57-61
• 4.5.1 SQL语句查询57-58
• 4.5.2 在BI工具中使用维度模型58-61
• 第五章 总结与展望61-63
• 5.1 论文总结61
• 5.2 进一步工作61-63
• 参考文献63-65
• 致谢65-67

【共引文献】

中国期刊全文数据库 前3条

1 彭耘;汪丽华;;基于数据仓库技术的数字化校园数据集成研究[J];科技创业月刊;2014年02期

2 刘小桃;林延庆;;数据挖掘在高校学生学习成绩分析中的应用[J];考试周刊;2014年41期

3 谢峰;孙江生;代冬升;梁伟杰;;装备保障数据仓库实施中的多维数据模型构建研究[J];装备环境工程;2014年05期

中国硕士学位论文全文数据库 前4条

1 程啸;海量数据清洗技术及OLAP技术在税务系统中的应用研究[D];湖北大学;2013年

2 张静娜;数据挖掘在石油基础数据分析中的应用研究[D];西安石油大学;2013年

3 段建勇;电力日电费计算平台系统应用研究[D];吉林大学;2014年

4 李湘穗;数据挖掘技术在图书馆管理信息系统中的应用[D];吉林大学;2014年

，

本文编号：645670