OLAP思想导向下的企业销售决策支持系统的规划与设计(2)
在当今世界中，随着经济全球化的逐步加深，社会的不断进步，几乎所有的行业都处在一种非常激烈的竞争环境之中，也因此做出正确的决策，及时调整企业的经营战略成了一个企业能否生存并向前稳步发展的关键，而正确的决策不能依靠似是而非的定性分析，而是需要尽可能多的定量分析以及尽可能快的速度，这些都需要现代科学在技术上给予支持。数据仓库技术正是使这一切成为现实的一个极为重要的工具，是企业成功实现定量分析的基础，因为数据仓库可以有效集成一个企业的内部和外部数据，使其为企业各层管理者的决策服务，使管理者的决策不再只是依赖经验和直觉，而是拥有强大的数据进行支持。
2.2 OLAP 技术
OLAP 技术全称是 Online Analytics Process，即联机分析处理，是一种快速软件技术，是专门为针对复杂的决策分析进行支持而设计的，这种软件技术可以根据分析人员，包括管理人员以及普通业务人员的复杂的查询分析处理需求，对数据仓库中存储的海量数据进行快速、准确、灵活的处理，处理完成之后，再通过一种相对比较直观的、决策人员可以比较容易理解的形式将查询结果反馈给决策人员，这样，决策者就可以根据反馈的信息迅速、准确地掌握企业的经营情况，了解市场需求 ，进而制定发展策略[9]。在数据仓库建立之后，为了使用户可以从多个层次、多个角度、多个侧面去对数据仓库中的数据进行观察，其中存储的数据还需要对进一步进行分析处理，即多维数据分析，之后用户便可以通过对多维数据集中的数据进行钻取、旋转、切片和切块等操作来观察数据仓库中的数据了[10, 11]。简单来说，OLAP 即对数据仓库中存储的数据进行分析和处理，主要是通过数据聚集技术以及多维数据集技术，然后使用可视化工具将结果反馈给用户进行评价。
（1）OLTP 与 OLAP 两种数据处理方法
OLTP 和 OLAP 是目前两种不同的数据处理方式，其中前者 OLTP（OnlineTransaction Process，在线事务处理）常见于企业日常事务的处理方面，主要是对数据库的查询、修改、添加、删除操作，比较专注于企业的某一部分的业务内容，而 OLAP（Online Analytics Process，联机分析处理）则比较全面，是对企业整体进行分析，从海量数据中挖掘有价值的信息[9]。
OLAP 的优势主要在于两方面，第一是其基于数据仓库的，第二是其数据组织形式是多层次、多视角、多维模型的，具体来讲即是：
首先是丰富的数据展现方式，人们平时观察一个事物，不会只从一个方面去看，通常是从多个角度多个层面去发现这个事物的各个不同特性，如看一个产品的销售情况，可以按时间看，可以按地区看等，而 OLAP 正是将相同的思维模式运用到了数据分析上面，而它的数据组织模式是基于多维模型的，这样的模型使得数据的展现更加的直观，更加的符合人们的看待事物的方式。
第 3 章 销售决策支持系统的需求与设计...................................13
3.1 系统的需求分析................................................13
3.1.1 系统需求概述........................................... 13
3.1.2 数据的采集及导入需求................................... 14
3.1.3 基本功能需求........................................... 14
3.1.4 非功能性需求........................................... 15
3.2 系统的设计....................................................16
3.2.1 系统的设计思想......................................... 16
3.2.2 系统总体架构设计 ....................................... 17
3.2.3 ETL 过程的设计 ......................................... 18
3.2.4 数据仓库建模........................................... 19
3.2.5 数据展现层的设计....................................... 22
3.3 本章小结......................................................23
第 4 章 销售决策支持系统的实现.........................................25
4.1 实现阶段的核心模块............................................25
4.2 数据仓库的建立................................................26
4.2.1 建立数据抽取映射和数据标准化........................... 26
4.2.2 数据清洗............................................... 27
4.2.3 ETL 程序的实现 ......................................... 28
4.3 多维数据集的建立..............................................29
4.3.1 维度模型的建立 ......................................... 29
4.3.2 多维数据集的建立 ....................................... 30
4.4 前端展现的实现................................................37
4.5 系统的操作界面及结果展示 ......................................38
4.5.1 系统操作界面........................................... 39
4.5.2 图表综合查询........................................... 40
4.6 本章小结......................................................43
第 5 章 销售决策支持系统数据处理模块的优化.............................45
5.1 维度设计的优化 ................................................45
5.2 数据聚合过程的优化 ............................................48
5.3 使用分区增强查询性能 ..........................................51
5.4 MDX 查询语句的优化 ............................................53
5.5 本章小结......................................................56
第 5 章 销售决策支持系统数据处理模块的优化
OLAP 多维查询涉及到海量的历史数据，非常复杂，而查询性能是衡量OLAP 是否成功的主要标准。系统在开发 及使用过程中，为满足业务需求，并提高系统的分析处理性能 ，在多维数据集建立的过程中，对其进行了优化，这样可以提高用户查询响应速度。
5.1 维度设计的优化
为了满足维度数据请求，存储引擎从属性和层次存储中抽取数据。在多维数据集中查找所需的数据时，存储引擎仅将所需的维度成员存入内存当中，而不是将所有维度成员静态保存在内存中，即使用动态即需缓存。
经过良好调校的维度可以有效提高多维数据集的查询性能，本系统通过两种方法优化维度设计：方法一是定义维度属性之间的关系，方法二是在维度结构中有效地使用层次。
（1）定义维度属性之间的关系
多维数据集的维度数据来自于关系型数据仓库中储存维度信息的维度表，表结构由主键、属性和外键组成，如本文中建立的产品维度，其数据源即为关系型数据仓库中的产品信息表.
在产品维度表中有一个主键 ProductID，其他字段是属性，如Description、Price、NetWeight、Segment、Brand、Category、Subcategory 等，所有的属性与主键之间都存在一定的关系，如“一对一”或“一对多”，并且属性与属性之间也存在同样的关系，例如 Brand 和 Segment 两个属性之间是“多对一”的关系，Category和 Subcategory两个属性之间也存在“一对多”的关系。
结 论
建立了一个基于信息共享的，可以为企业管理者及业务人员提供全面统一的对销售数据进行分析的平台，使得企业可以有针对性的制定远期的营销策略及近期的销售计划，为其提供准确的数据支持。
本论文完成的主要工作有：
首先，在理论部分中，详细介绍了本文展开研究的背景和研究内容，决策支持系统的发展和现状，及数据驱动型决策支持系统在企业中的作用。并对系统开发过程中用到的技术，如数据仓库、OLAP 数据分析处理等进行了介绍。
其次，在设计部分中，首先对企业的实际需求进行了分析，并依此对销售决策支持系统的架构进行了设计，介绍了系统设计中的 ETL过程、数据仓库的建模及数据展现层。
最后，在实现部分中，详细研究了数据 ETL过程、多维数据集的建立过程、系统报表开发过程，并就如何优化多维数据集，提高多维数据集的查询效率进行了深入研究。主要包括：使用 SSIS 服务对系统中的 ETL过程进行开发，将企业现有的各种分散、独立、异构的基础数据源中的数据进行清洗，形成标准化规范化的数据加载到数据仓库中去，为决策支持系统提供数据来源；使用SSAS 进行数据分析处理和系统的数据仓库的架构，建立维度、度量值等，形成数据仓库的基础架构；在使用 SSAS 工具建立销售决策支持系统的多维数据集的基础上，深入研究了提高多维数据集查询效率的方法，以及具体实现；使用 C#开发语言，结合 SSRS开发系统前台和报表的开发，供用户浏览数据。
销售决策支持系统的设计及实现已经完成，但其中还存在很多的不足，希望以后可以进一步对决策支持系统领域的知识进行更完善的学习和研究，完善销售决策支持系统，更好的为系统决策提供支持。
参考文献:
- [1] 戴艳丽. 基于数据仓库和数据挖掘的评教决策支持系统的研究[J]. 牡丹江教育学院学报. 2012(05)
- [2] 赵博,叶晓俊. OLAP性能测试方法研究与实现[J]. 计算机研究与发展. 2011(10)
- [3] 刘博元,范文慧,肖田元. 决策支持系统研究现状分析[J]. 系统仿真学报. 2011(S1)
- [4] 刘康,蔡铭. 基于数据驱动的企业决策系统应用研究[J]. 现代机械. 2008(03)
- [5] 张佳文,乐嘉锦. MD-SQL:一种基于MDX的多维数据查询语言[J]. 计算机科学. 2008(03)
- [6] 张悦,赵永翼,刘燚. 基于MDX及MOLAP实现多维数据分析[J]. 沈阳航空工业学院学报. 2008(01)
- [7] 雷根华,张平健,奚建清. MDX编译器设计与实现[J]. 计算机应用. 2007(12)
- [8] 吴新年,陈永平. 决策支持系统发展现状与趋势分析[J]. 情报资料工作. 2007(01)
- [9] 先晓兵,郑伟良. 基于MDX和OLAP技术的外贸业务分析决策系统[J]. 天津工业大学学报. 2005(06)
- [10] 刘大昕,张春林,聂亚杰,张子杨. 数据仓库与OLAP技术[J]. 计算机仿真. 2003(05)
本文编号：9046
本文链接：https://www.wllwen.com/shoufeilunwen/shuoshibiyelunwen/9046_2.html
