一、数据仓库与商业智能(论文文献综述)
夏明慧[1](2020)在《林业企业商务智能系统研建 ——以林口林业局有限公司为例》文中指出我国的国有林业局既承担着生态文明建设的主体责任,也肩负着产业建设的艰巨任务。在国家着力推动林业现代化发展、促进生态文明建设的大背景下,提升国有林业局信息化建设管理水平迫在眉睫。目前我国林业企业信息化建设仍存在“信息孤岛”和“建设分层”等诸多问题,急需新的信息技术进一步深化信息化建设。云计算和商务智能等技术提供了新的方法和工具,研建一套林业企业商务智能系统能有效解决林业企业信息化建设中所面临的困难和挑战。本文在软件工程学、林业企业管理、森林可持续经营等理论基础和云计算、商务智能应用技术、ETL技术等关键技术的指导下,采用文献研究法、实地调研法和案例研究法等方法,以黑龙江省林口林业局有限公司为例对林业企业商务智能系统进行了系统性研究,以期为之后的相关研究抛砖引玉。本文按照需求分析、系统设计、系统实现、应用分析的主体逻辑进行阐述:需求分析包括业务需求、功能需求、数据需求和性能需求;系统设计部分完成了商务智能平台选择、系统四层架构设计、三大主体功能设计、双层数据库模型设计以及ETL过程设计;随后利用开源商务智能平台Pentaho开发实现基于B/S架构的林业企业商务智能系统;最后结合案例企业实际,对系统的应用价值进行分析。目前该商务智能系统运行在云环境中,采用Saa S云计算的形式为终端用户提供服务。本文的研究表明:(1)商务智能技术能有效解决林业企业信息化建设中的“信息孤岛”和“建设分层”等问题,深化信息系统建设;(2)林业企业商务智能系统的应用能够显着提升林口林业局的业务洞察能力、风险监控能力、综合感知能力和科学决策能力。
孙一镜[2](2020)在《基于ERP的地产行业商业智能报表系统的设计与实现》文中指出ERP系统的推广使用有助于促进企业各项业务开展更加规范化、制度化、透明化,对于提升企业内部管理水平具有重要意义。近年来,某国有地产企业逐步建成了多项业务ERP系统,通过对系统中各类经营数据进行报表分析,挖掘其潜在商业价值已成为企业决策的重要依据。由于ERP系统往往专注于单项具体业务的管理,已不能满足企业管理者对多元化业务主题的综合分析需求。此外,ERP系统生成的报表样式和数据类型较为单一,往往需要业务人员二次加工,给业务人员增加了出错的概率和工作处理的时间,降低了企业管理者的决策效率。为此,该企业计划建设一套商业智能报表系统,通过对异构ERP中业务数据的采集、整合、分析、可视化展现,为管理者提供科学、便捷的辅助决策信息,提升企业的市场竞争力。本文的主要工作如下:1.本文采用调查研究的方式,对某地产企业的商业智能报表系统进行了系统的需求分析。结合该企业情况,对系统的用户类别、功能需求以及非功能需求进行了梳理。在此基础上,较为充分的梳理了该系统的主要业务流程和功能模块分布,为下一步的系统设计工作奠定了良好的基础。2.本文在对系统需求分析的基础上,对商业智能报表系统各功能模块进行了总体设计,并结合用例图、时序图等方式对设计过程进行了说明。项目采用B/S架构,使用Oracle建立数据仓库,Fine Report为报表分析平台,Kettle作为ETL工具。有效的打通各个业务系统之间的数据隔阂,形成了统一的数据共享中心。3.本文按照数据处理分析流程,实现了整个商业智能报表系统。对ERP数据的采集、存储、分析的结果进行了可视化展现,有效提升了报表数据的可读性。同时结合运行情况对系统进行测试。目前该系统已成功上线运行,有效的为该企业节省了人力成本,提高了决策效率,对地产企业商业智能报表系统建设具有参考意义。
谢迎凤[3](2020)在《某电信公司的商业智能分析系统的设计与实现》文中进行了进一步梳理随着信息化社会的发展以及企业业务水平的不断提高,决策支持系统已经难以继续为管理者提供有效的支持,所以随之而来的商业智能分析系统具有非常重要的应用价值。它从大量数据中获取有效的信息,帮助用户全方位的了解业务情况,进而做出明智的、可付诸实践的决策,让业务更加高效、快速地运转。目前市场上的商业智能分析系统普遍侧重于数据的抽取、转换和加载,即ETL(Extract-Transform-Load)处理或者自助式报表分析,致使其开发过程中涉及的工具较多,无法进行统一的管理。同时在实际应用中单一工具存在一定的局限性,例如kettle工具缺乏监控运维服务,且不支持kerberos认证,无法接入开启了该认证的大数据集群,这在一定程度上为开发人员的工作增加了难度。为了解决上述问题,本文设计了基于大数据技术的商业智能分析系统。在该系统中,本人主要参与了kettle ETL平台、数据挖掘、报表平台、数据源管理和权限管理功能的设计与研发工作,并采用前后端分离技术将界面展示和业务逻辑处理进行有效解耦。其中,kettle ETL平台通过拖拽和组件配置的方式完成了数据的转换处理操作,并实现了kerberos认证支持、任务调度和监控管理功能。数据挖掘模块主要根据数据仓库的客户流失主题,采用随机森林、XGBoost(e Xtreme Gradient Boosting)等算法实现了流失预测模型的构建,并使用K-means算法对客户进行群体细分,结合流失因素分析和群体特征对潜在流失的客户给出相应的客户关怀。报表平台主要负责数据的可视化过程,包括数据建模、多维分析和数据报表定制。权限管理提供了数据的安全保障,其主要负责系统资源的分配和控制,包括角色管理、菜单栏管理和权限控制三个模块。系统研发过程主要基于Spring Boot框架,将My SQL和分布式文件系统HDFS(Hadoop Distributed File System)作为数据存储工具,并使用Apache Kylin等工具完成数据计算,最终采用微服务架构将各个功能集为一体,为用户提供一站式的应用服务,提高了统计分析的工作效率。目前本系统已初步上线,运行状况较好。该系统底层接入了公司的大数据平台,数据的处理和分析都在该平台下完成,因此系统的运行效率相较于之前提高了约10倍;同时该系统将kettle ETL、数据挖掘和可视化分析无缝结合,进而可以更便捷的完成数据的处理和分析展示过程。
林诗皓[4](2019)在《XY公司数据管理提升研究》文中进行了进一步梳理在当前信息化高速发展的形势下,许多企业通过信息系统的部署来提高企业的生产运营效率,降低运营风险,降低经营成本,从而增加企业获利和持续经营的能力。随着信息系统的增加,数据量也快速增长,由此也造成了包括信息孤岛、数出多门、数据标准不统一等问题,对企业的数据管理能力提出了新的挑战。本文以XY公司数据管理提升解决方案为背景选题,主要从数据管理的角度出发,利用数据管理能力成熟度评估模型对XY公司当前数据管理能力进行全面评估并分析,找出制约XY公司数据管理能力的主要因素。参考商业智能系统架构、数据仓库技术以及DCMM中具体能力项的描述及目标,从技术手段与管理制度两方面提出解决方案。依照方案进行测量分析系统设计,包含了整体架构、应用功能架构和数据架构设计,并进行数据治理体系设计,覆盖评估中较差的数据管理能力域。并且从多方面对该设计进行评价,验证其效果。本文设计方案提高了XY公司数据管理能力,也为相关企业进行信息化建设及数据管理提升方法提供支持。
唐明清[5](2019)在《汽车冲压工艺—零件质量商业智能分析研究与应用》文中认为汽车冲压工艺作为汽车生产4大工艺之首,是冲压、焊装、涂装和总装四大生产车间至关重要的一环。为协助汽车企业更好地发展,提高冲压车间信息化程度,建设车间级商业智能信息化平台,通过搭建冲压模具生产智能检测系统,借助成熟的ERP(Enterprise Resources Plan System,ERP)系统和商业智能软件对生产工艺数据进行挖掘,实现模具工装的使用状态的量化监控,提升产品质量及产能,从而大幅提升汽车冲压工艺智能制造水平。本文首先从冲压生产工艺特点出发,对C公司现有业务数据系统SIMS进行调研并对冲压生产管理需求进行分析,通过ETL(Extract-Transform-Load,ETL)、数据仓库等工具梳理了SIMS中板材、模具、设备等数据关系,利用IDEF0方法建立系统功能模型,以此构建了详细的商业智能分析模型解决方案和体系架构;在此基础上对数据进行价值挖掘,本文利用多元线性回归、逐步回归和偏最小二乘回归对零件V-X01建立生产工艺-零件质量关系映射回归模型并使用皮尔逊相关分析和灰色关联分析建立关联模型,对参数进行显着性关联分析,最终确定4个显着因子,在此基础上,对显着因子进行敏感性分析,进一步确定了关键因子对生产质量影响的量化关系并在此基础上得出参数控制策略在商业智能分析模型、系统体系构架和数据挖掘理论模型的基础上,采用J2EE技术,基于SSM框架,利用Java语言工具,使用B/S结构以及采用SpringCloud技术搭建接口服务,开发了基于WEB客户端的冲压生产质量商业智能分析软件,实现了冲压的低成本和高效率生产,有效提升冲压生产质量稳定性和一致性。最后,本文展示了系统上线运行后的应用情况并验证了系统的可行性。
于洋[6](2019)在《基于商业智能技术的决策支持系统开发与研究》文中研究说明随着国民收入的不断提高与国家各项政策的支持,国内保险业得到了空前快速的发展。而伴随着快速发展的同时,保险公司也产生了大量的历史数据,如何通过技术手段从保险公司的历史数据中发现对企业发展有利用价值的信息,辅助企业管理者们对决策问题进行分析与研究,成为国内各保险公司的当务之急。商业智能是一种基于数据仓库技术,并结合在线分析处理和数据挖掘技术来体现商业价值的服务系统,作为新兴的企业决策支持系统解决方案,可以辅助保险公司在海量的历史业务数据中发现有价值的知识。本文深入研究分析商业智能技术,并从保险公司的日常业务场景需求出发,搭建了基于在线联机分析处理的企业级数据仓库,并在此基础上构建了基于数据挖掘技术的推荐系统。利用多种数据挖掘算法构建模型,来辅助企业管理者完成决策行为。在建立基于在线联机分析处理的数据仓库中,对数据抽取、数据转换、数据装载的过程深入研究分析,建立一套适合保险公司使用的数据加工存储体系。在面向主题的数据仓库中构建数据立方体模型,进行在线联机分析处理。通过对数据切片、数据切块、数据旋转等操作方法的研究,结合保险公司各级管理者关注的指标,实现动态、快速的获取不同维度的汇总数据。在构建基于保单交易信息数据挖掘的推荐系统中,对基于协同过滤、基于二分图网络、基于产品内容的基础算法进行深入的研究,并在此基础上提出了改进算法,分别为基于时序行为的协同过滤算法、引入产品分类系数的协同过滤算法、考虑了连边权重属性的二分图网络算法。结合某财险公司的历史数据对上述算法分别构建模型并进行仿真实验,仿真实验表明改进算法较传统算法的准确度与多样性均有所提升。同时说明通过数据挖掘算法对历史保单交易数据进行分析,可以为交叉销售、挖掘潜在客户提供决策支持。
沙林彬[7](2018)在《基于商业智能的销售财务报表系统》文中进行了进一步梳理快节奏信息驱动的市场大环境使得商业智能成为了一项至关重要的需要尽快实施的系统,从而企业的管理层可以根据高质量的实时销售财务报告去分析快速发展的市场趋势及消费者潜在的需求,进而为企业的下一步企业战略规划及市场策略做出正确的决策。高质量的销售财务报告的数据主要来自企业内部和外部的原始数据的筛选,当然原始数据也包括非销售财务数据,通过对原始数据的分析加工监控从而形成可供战略规划、销售市场调整、资本重组及优化、组织调整等参考的销售财务报表系统。论文从业务的实际需求出发,按照SAP的项目实施方法论研究了生产型企业利用SAP BW数据仓库解决方案搭建和部署企业级的商业智能系统的实现过程。通过对系统实现中需求分析、系统设计和实现,测试等阶段的介绍,描述了企业级商业智能分析系统的实现的方法以及实现中涉及到主要问题的解决方案。实施过程主要包含了需求分析、商业智能系统的设计及实现。需求阶段根据不同的需求收集方式确认了系统的功能性和非功能性的范围。系统设计阶段在完成整个系统架构设计基础上定义了各种业务及系统功能模块处理的流程。系统的实现阶段根据系统设计方案描述了 SAP BW搭建部署商业智能的主要开发和配置过程。
孟维一[8](2016)在《基于数据仓库的保险商业智能系统设计与实现》文中指出近年来随着我国社会经济和信息技术的飞速发展,保险行业蓬勃发展,竞争也愈加激烈。如何从分散的海量数据中提取有价值的信息,并迅速做出决策已成为决定保险企业竞争力的关键,基于数据仓库的商业智能系统为其提供了一种较好的解决方案。本文结合某保险公司的实际项目阐述和分析了保险商业智能系统的设计和实现。本文结合保险行业的业务特点和该公司目前存在的问题,对商业智能系统进行详细的需求分析,在此基础之上,通过数据仓库建模,ETL (Extraction-Transformation-Loading,数据抽取、转换和加载)过程以及OLAP (On-Line Analytical Processing,联机分析处理)技术构建了商业智能系统。在数据仓库建模方面采用了第三范式与星型模型的综合建模方式,分别完成了概念模型、逻辑模型以及物理模型的设计。通过存储过程与ETL工具相结合的方法,实现了ETL过程及任务调度。联机分析处理方面,基于OLAP技术研究实现了数据立方体的建立,并且利用Cognos工具强大的报表展示功能开发了多维分析结果展现,完成了商业智能系统的设计。同时出于系统的安全性考虑,本文给出了系统的权限管理办法。目前,该系统已经上线并且运行良好,有效的解决了数据不规范、利用率低、信息孤岛等问题,实现了各类信息资源整合及业务系统的互联互通,为业务部门以及高层领导的决策分析提供了强大的支持。
王汝林[9](2016)在《基于SAP BW中国生物财务数据仓库的设计与实现》文中研究说明在日益激烈的市场竞争中,医药企业越来越重视信息在企业中所发挥的作用。本文以中国生物技术股份有限公司(以下简称中国生物)为例,随着中国生物SAP (System Applications and Products)ERP (Enterprise Resource Planning)系统的运行,每天产生大量财务相关数据,受竞争环境的迫使,管理层需要将这些数据转化成分析决策信息,为企业发展提供决策支持。本文是以中国生物的商务智能(Business Intelligence, BI)系统即业务信息仓库(SAP Business Information Warehouse, SAP BW)的实施为基础,并与财务相关数据的联机分析处理(On-Line Analytical Processing, OLAP)相结合,达到为管理层提供可信可靠高效的分析报表的目的,作者完成以下工作:(1)对财务信息化的发展进行简要阐述,并对医药行业的数据仓库信息化建设情况从国内外进行研究分析,对商务智能,数据仓库技术进行研究综述,对SAP BW实施中的关键数据对象进行详细研究。(2)根据用户需求对中国生物财务数据仓库分析平台划分为四大主题域:总账、应付账款、应收账款和在建工程;并基于SAP BW对中国生物财务数据仓库进行了整体结构、概念模型、逻辑模型和物理模型的设计。(3)对基于SAP BW中国生物财务数据仓库进行实现,包括创建业务模型,通过ETL (Extract-Transform-Load)技术实现了数据的抽取、转换和装载。(4)通过SAP BW的业务浏览器工具实现了对财务数据仓库的查询和展现,并通过OLAP技术展现分析。本文为企业海量业务数据转换为分析决策信息提供了解决方案。本文中的理论具有通用性和代表性,对其他企业数据仓库的实施工作具有借鉴作用;SAPBW数据仓库又有其产品技术上的独特性,本文对技术的详细研究阐述,能够帮助技术人员学习到企业级主流数据仓库的设计架构理念。
吴泳臻[10](2015)在《基于商业智能的煤矿企业辅助决策分析研究》文中研究说明信息技术的广泛应用,使得煤矿企业积累了大量的数据,煤矿企业已经从信息匮乏的时代进入到了信息过载的时代。信息化后的煤矿企业历史,变成了信息系统数据积累的历史,如何从积累的历史数据中,挖掘出真正有价值的数据金矿,成为了煤矿企业面临的一大难题。煤矿企业现有的各类信息系统、财务报表不能真实全面地反映生产经营过程中的实际情况,管理者在日常的经营决策中失去了真实的数据支持。本文提出一种基于商业智能的煤矿企业辅助决策分析解决方案,运用全新的管理思维和先进的技术分析手段,力求从积累的数据中提取出有价值的信息和知识,智能地辅助管理人员进行决策、分析,帮助管理者摆脱经营过程中的盲目猜测行为以及无知状态,实现经济效益和管理水平的双重提升。本文首先对商业智能和辅助决策分析进行了概念界定,并对商业智能体系和集成学习理论进行了阐述。然后从煤矿企业的生产经营特点、管理模式现状、经营决策存在问题等方面对当前煤矿企业的经营决策现状进行了分析,在此基础上,提出了基于商业智能的煤矿企业辅助决策分析解决方案。针对煤矿企业缺乏定量预测模型,预算编制的测算过程不合理的情况,引入商业智能中的数据挖掘技术构建定量预测模型。选用了集成学习理论中的随机森林算法构造模型,将采集到的指标数据随机分成训练集和测试集,使用训练集对模型进行训练定型,使用测试集对模型的推广泛化能力进行检验,并与另外两种集成学习模型、三种非集成学习模型进行对比,结果显示该模型具有良好的预测效果。为解决煤矿企业决策信息不对称,决策分析不到位的问题,使用商业智能中的数据仓库和联机分析处理技术实现了多维分析系统。将异构数据源经过提取、转换、加载到数据仓库中,将各类信息系统数据连接在一起,使信息得到充分共享;OLAP技术提供了灵活复杂的查询操作,使用户能够便捷地从多个视角刻画数据特征,深入钻取细节信息,实现对信息资源的充分利用。最后,根据实际的商业智能信息化项目需求,将商业智能技术应用到煤矿企业辅助决策分析系统中,提取出少量核心指标建立了辅助决策分析系统的指标体系,并研究了前端展现技术,借助图表的强大信息展现能力,将信息以友好的方式呈现在用户面前。
二、数据仓库与商业智能(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数据仓库与商业智能(论文提纲范文)
(1)林业企业商务智能系统研建 ——以林口林业局有限公司为例(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 文献综述 |
1.2.1 林业信息化 |
1.2.2 商务智能 |
1.2.3 林业企业商务智能研究评述 |
1.3 研究内容 |
1.4 研究方法与技术路线 |
1.4.1 研究方法 |
1.4.2 技术路线 |
1.5 特色与创新之处 |
2 理论基础与关键技术支撑 |
2.1 理论基础 |
2.1.1 软件工程学 |
2.1.2 林业企业管理 |
2.1.3 森林可持续经营 |
2.2 关键技术 |
2.2.1 云计算 |
2.2.2 商务智能应用技术 |
2.2.3 ETL技术 |
2.3 小结 |
3 林业企业商务智能系统需求分析 |
3.1 林口林业局有限公司概况 |
3.1.1 基本情况 |
3.1.2 信息化建设现状 |
3.2 业务需求 |
3.2.1 森林经营类指标 |
3.2.2 财务管理类指标 |
3.3 系统需求 |
3.3.1 功能需求 |
3.3.2 数据需求 |
3.3.3 性能需求 |
4 林业企业商务智能系统设计 |
4.1 商务智能平台选择 |
4.1.1 开源产品与商业产品 |
4.1.2 主流开源商务智能产品 |
4.1.3 Pentaho BI简介 |
4.2 架构设计 |
4.2.1 数据获取层 |
4.2.2 数据集成层 |
4.2.3 数据处理层 |
4.2.4 数据应用层 |
4.3 功能设计 |
4.3.1 报表展示功能 |
4.3.2 指标展示功能 |
4.3.3 数据多维分析功能 |
4.4 数据库设计 |
4.4.1 概念模型设计 |
4.4.2 逻辑模型设计 |
4.4.3 物理模型设计 |
4.5 ETL设计 |
4.5.1 过程一 |
4.5.2 过程二 |
4.5.3 过程三 |
5 林业企业商务智能系统实现 |
5.1 开发环境 |
5.2 ETL实现 |
5.2.1 过程一:Excel数据到My SQL数据 |
5.2.2 过程二:建立数据集市 |
5.2.3 过程三:构建数据立方体 |
5.3 功能实现 |
5.3.1 报表展示 |
5.3.2 指标展示 |
5.3.3 数据多维分析 |
6 林业企业商务智能系统应用分析 |
6.1 提升林业企业业务洞察能力 |
6.2 提升林业企业风险监控能力 |
6.3 提升林业企业综合感知能力 |
6.4 增强林业企业科学决策能力 |
7 结论与展望 |
7.1 研究结论 |
7.2 不足之处 |
7.3 未来展望 |
参考文献 |
个人简介 |
导师简介 |
获得成果目录 |
致谢 |
(2)基于ERP的地产行业商业智能报表系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究情况 |
1.3 论文研究内容 |
1.4 论文章节安排 |
2 相关理论及技术 |
2.1 系统技术背景 |
2.2 相关理论及技术 |
2.2.1 ETL数据采集技术 |
2.2.2 数据仓库 |
2.2.3 联机分析处理OLAP |
2.2.4 数据挖掘 |
2.2.5 Fine Report报表工具 |
2.2.6 商业智能报表系统 |
2.3 本章小结 |
3 系统需求分析 |
3.1 企业经营情况分析 |
3.1.1 企业业务范围及行业特点 |
3.1.2 地产业务管理流程 |
3.1.3 企业现有ERP系统建设情况 |
3.2 系统用户分析 |
3.3 系统功能需求分析 |
3.3.1 注册登录需求 |
3.3.2 数据采集需求 |
3.3.3 数据仓库需求 |
3.3.4 数据分析需求 |
3.3.5 报表可视化需求 |
3.3.6 权限管理需求 |
3.4 系统非功能需求 |
3.5 本章小结 |
4 系统总体设计 |
4.1 系统架构设计 |
4.2 物理拓扑结构设计 |
4.3 系统功能模块设计 |
4.4 注册与登录模块设计 |
4.5 数据采集功能设计 |
4.5.1 ERP及线下数据管理 |
4.5.2 ETL过程设计 |
4.6 数据仓库功能设计 |
4.6.1 数据存储结构设计 |
4.6.2 数据规范控制 |
4.6.3 数据建模设计 |
4.7 数据分析功能设计 |
4.7.1 数据主题设计 |
4.7.2 数据指标设计 |
4.8 报表可视化功能设计 |
4.9 权限管理功能设计 |
4.10 本章小结 |
5 系统实现 |
5.1 注册登录功能实现 |
5.2 数据采集功能实现 |
5.2.1 数据源管理实现 |
5.2.2 ETL过程实现 |
5.3 数据仓库功能实现 |
5.3.1 多维存储结构实现 |
5.3.2 多维数据表实现 |
5.4 数据分析功能实现 |
5.4.1 人力数量结构分析 |
5.4.2 人员变动情况分析 |
5.4.3 薪资情况分析 |
5.5 报表可视化功能实现 |
5.5.1 管理驾驶舱实现 |
5.5.2 固定格式报表实现 |
5.5.3 文本填报报表实现 |
5.5.4 移动端报表实现 |
5.6 权限管理功能实现 |
5.6.1 功能权限实现 |
5.6.2 数据权限实现 |
5.7 本章小结 |
6 系统测试 |
6.1 系统测试概述 |
6.2 功能测试 |
6.3 性能测试 |
6.4 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
个人简历与研究成果 |
致谢 |
(3)某电信公司的商业智能分析系统的设计与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 项目背景和意义 |
1.2 国内外研究现状 |
1.2.1 商业智能的研究现状 |
1.2.2 客户流失预测的研究现状 |
1.3 本文主要研究内容 |
1.4 论文组织结构 |
1.5 本章小结 |
2 相关理论与关键技术 |
2.1 ETL相关技术 |
2.2 数据仓库技术 |
2.2.1 维度建模概述 |
2.2.2 数据仓库开发过程 |
2.3 联机分析处理技术 |
2.4 数据挖掘 |
2.4.1 数据挖掘概述 |
2.4.2 相关算法介绍 |
2.5 其他技术 |
2.5.1 Quartz框架 |
2.5.2 Hadoop |
2.6 本章小结 |
3 系统需求分析 |
3.1 系统需求概述 |
3.2 系统用户角色分析 |
3.3 系统功能性需求 |
3.3.1 数据源管理 |
3.3.2 kettle ETL子系统 |
3.3.3 权限管理 |
3.3.4 数据挖掘 |
3.3.5 报表子系统 |
3.4 系统非功能性需求 |
3.4.1 性能需求 |
3.4.2 易用性和环境需求 |
3.4.3 可维护性需求 |
3.5 本章小结 |
4 系统概要设计 |
4.1 系统整体设计 |
4.1.1 功能结构设计 |
4.1.2 体系架构设计 |
4.1.3 技术架构设计 |
4.2 系统子模块设计 |
4.2.1 kettle ETL子系统功能结构设计 |
4.2.2 大数据平台设计 |
4.2.3 数据挖掘功能结构设计 |
4.2.4 报表子系统功能结构设计 |
4.2.5 权限管理功能结构设计 |
4.3 数据库设计 |
4.3.1 E-R图设计 |
4.3.2 数据库表字段说明 |
4.3.3 客户流失主题数据仓库设计 |
4.4 本章小结 |
5 系统详细设计与实现 |
5.1 kettle ETL子系统 |
5.1.1 任务管理 |
5.1.2 定时调度 |
5.1.3 日志管理 |
5.1.4 节点管理 |
5.2 客户细分 |
5.2.1 数据理解和预处理 |
5.2.2 K-means模型构建 |
5.3 客户流失预测 |
5.3.1 数据理解和预处理 |
5.3.2 类不平衡样本处理 |
5.3.3 模型构建 |
5.3.4 客户挽留 |
5.4 报表子系统 |
5.4.1 数据建模 |
5.4.2 多维分析 |
5.4.3 统计分析 |
5.4.4 数据报表 |
5.5 权限管理 |
5.6 本章小结 |
6 系统测试 |
6.1 功能性测试 |
6.1.1 测试方案 |
6.1.2 测试结果 |
6.2 实验结果分析 |
6.2.1 实验环境 |
6.2.2 评价指标 |
6.2.3 客户流失实验结果对比 |
6.2.4 客户细分结果分析 |
6.3 非功能性测试 |
6.4 本章小结 |
7 总结与展望 |
7.1 系统总结 |
7.2 不足与展望 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(4)XY公司数据管理提升研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
第一节 研究的背景和意义 |
第二节 研究思路及内容 |
第二章 相关理论综述 |
第一节 数据管理能力评估 |
一、数据管理相关研究 |
二、数据管理能力成熟度模型(DCMM) |
第二节 数据管理技术理论 |
一、商业智能及其应用 |
二、数据仓库 |
第三节 相关理论分析与总结 |
第三章 XY公司数据管理现状分析 |
第一节 数据管理需求分析 |
一、XY公司基本情况 |
二、竞争形势分析 |
三、公司战略分析 |
第二节 数据管理现状评估 |
一、XY公司数据现状概述 |
二、XY公司数据管理能力成熟度评估 |
第三节 数据管理问题分析 |
一、XY公司数据管理主要问题 |
二、XY公司数据管理问题分析 |
第四章 XY公司数据管理提升方案设计与评价 |
第一节 数据管理提升解决方案 |
一、数据管理提升的必要性及可行性分析 |
二、数据管理提升解决方案 |
第二节 XY公司数据管理提升方案设计 |
一、测量分析系统设计 |
二、数据治理体系设计 |
三、XY公司数据管理提升方案设计评价 |
第五章 结论及展望 |
参考文献 |
致谢 |
(5)汽车冲压工艺—零件质量商业智能分析研究与应用(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 商业智能技术国内外研究现状 |
1.2.2 汽车行业商业智能分析国内外研究现状 |
1.2.3 存在的不足 |
1.3 课题来源与研究思路及意义 |
1.3.1 课题来源 |
1.3.2 研究思路 |
1.3.3 研究意义 |
1.4 论文结构 |
1.5 本章小结 |
2 汽车冲压工艺-零件质量商业智能分析建模 |
2.1 冲压生产线概述与需求分析 |
2.1.1 智能化冲压生产线概述 |
2.1.2 冲压生产商业智能需求分析 |
2.2 冲压生产商业智能分析模型 |
2.2.1 商业智能解决方案 |
2.2.2 商业智能分析建模 |
2.3 冲压生产质量商业智能系统功能设计与逻辑设计 |
2.3.1 商业智能系统功能模型 |
2.3.2 商业智能系统数据流程设计 |
2.3.3 商业智能系统信息模型 |
2.4 冲压生产质量商业智能分析实现核心技术 |
2.4.1 数据仓库与ETL工具 |
2.4.2 联机处理分析OLAP |
2.4.3 大数据分析 |
2.5 本章小结 |
3 冲压工艺-零件质量数据分析算法研究 |
3.1 冲压质量数据分析算法研究的必要性 |
3.2 生产工艺-零件质量回归分析算法研究 |
3.2.1 多元线性回归分析模型算法原理 |
3.2.2 逐步回归分析模型算法研究 |
3.2.3 偏最小二乘回归分析算法研究 |
3.2.4 多元回归模型检验与评价 |
3.3 生产工艺-零件质量回归分析算例验证 |
3.3.1 生产数据采集 |
3.3.2 回归模型建立 |
3.3.3 回归模型检验评价 |
3.4 模型因子显着性分析 |
3.4.1 逐步回归因子显着性分析 |
3.4.2 偏最小二乘回归因子显着性分析 |
3.4.3 因子关联分析 |
3.4.4 模型关键影响因子确定 |
3.5 敏感性分析与模型参数控制 |
3.5.1 弗李西-沃-洛夫尔定理 |
3.5.2 显着因子敏感性计算 |
3.6 本章小结 |
4 汽车冲压商业智能分析软件开发 |
4.1 软件开发背景 |
4.2 软件概要设计 |
4.2.1 软件开发需求分析 |
4.2.2 软件功能结构设计 |
4.2.3 软件业务流程设计 |
4.3 软件详细设计与实现 |
4.3.1 供应商管理模块详细设计与实现 |
4.3.2 模具管理模块详细设计与实现 |
4.3.3 机床设备管理模块详细设计与实现 |
4.3.4 零件管理模块详细设计与实现 |
4.4 软件数据接口设计 |
4.4.1 软件技术架构设计 |
4.4.2 数据采集接口 |
4.5 软件测试 |
4.5.1 测试方案与测试环境 |
4.5.2 测试结果 |
4.5.3 测试结论 |
4.6 本章小结 |
5 汽车冲压商业智能分析软件应用 |
5.1 应用背景 |
5.2 软件安装与部署 |
5.3 应用案例及成效 |
5.4 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
附录 |
A 作者在攻读硕士学位期间发表的论文目录 |
B 作者在攻读硕士学位期间参与的主要项目 |
C 作者在攻读硕士学位期间取得的成果 |
D 学位论文数据集 |
致谢 |
(6)基于商业智能技术的决策支持系统开发与研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 商业智能技术在国内外研究现状 |
1.3 商业智能技术在保险领域的应用 |
1.4 本文的主要研究内容 |
1.5 论文组织及内容安排 |
第2章 保险业商业智能系统 |
2.1 保险业统计分析指标 |
2.1.1 保险合同与保险分类 |
2.1.2 保险公司主要统计指标 |
2.2 商业智能系统的体系结构 |
2.3 数据仓库 |
2.3.1 保险业数据仓库特点 |
2.3.2 保险业数据仓库ETL过程 |
2.4 OLAP技术 |
2.5 数据挖掘 |
2.5.1 数据挖掘与OLAP的区别和联系 |
2.5.2 数据挖掘过程 |
2.5.3 数据挖掘在保险领域的应用 |
2.6 本章小结 |
第3章 基于OLAP的保险数据仓库 |
3.1 基于OLAP的保险数据仓库的功能和结构 |
3.2 基于OLAP的保险数据仓库的架构设计 |
3.2.1 逻辑架构设计 |
3.2.2 数据模型设计 |
3.3 基于保险业系统的ETL设计 |
3.3.1 数据抽取 |
3.3.2 数据转换 |
3.3.3 数据装载 |
3.4 基于OLAP的决策分析 |
3.5 基于OLAP的保险数据仓库模型展示 |
3.6 本章小结 |
第4章 基于保单交易信息数据挖掘的推荐系统 |
4.1 推荐系统的整体架构 |
4.2 基于协同过滤 |
4.2.1 基于协同过滤算法的原理 |
4.2.2 基于客户的协同过滤算法研究及改进 |
4.2.3 基于产品的协同过滤算法研究及改进 |
4.3 基于二分图网络 |
4.3.1 基于二分图网络算法原理 |
4.3.2 基于二分图网络算法研究及改进 |
4.4 基于内容 |
4.4.1 基于内容的推荐算法原理 |
4.4.2 基于产品内容推荐算法 |
4.5 本章小结 |
第5章 实验内容及结果分析 |
5.1 数据处理与实验平台 |
5.2 算法准确度分析 |
5.3 算法多样性分析 |
5.4 综合对比 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
个人简历 |
(7)基于商业智能的销售财务报表系统(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究的背景 |
1.2 研究的目标和意义 |
1.3 国内外发展现状 |
1.4 研究内容 |
第二章 商业智能相关概念与实施方法 |
2.1 商业智能工具的比较 |
2.2 BW设计的相关理论介绍 |
2.2.1 信息对象 |
2.2.2 信息立方体 |
2.2.3 数据源对象 |
2.2.4 传输和更新规则 |
2.2.5 操作数据存储与数据存储对象 |
2.2.6 BW查询 |
2.3 SAP BW构建数据仓库的方法 |
2.4 系统实施的方法论 |
第三章 系统的需求分析 |
3.1 业务现状分析 |
3.2 功能需求分析 |
3.3 非功能性需求 |
3.4 用户需求 |
3.5 系统需求 |
第四章 系统总体设计 |
4.1 系统设计 |
4.1.1 架构设计 |
4.1.2 用户身份验证流程 |
4.1.3 数据源管理流程 |
4.1.4 数据ETL处理流程 |
4.1.5 报表管理流程 |
4.1.6 系统日志处理流程 |
4.2 数据仓库建模设计 |
第五章 系统实现 |
5.1 设置源系统 |
5.2 创建Data Source |
5.3 实现BW ETL |
5.4 查询设计开发 |
5.5 权限设计开发 |
5.6 风险管理开发 |
第六章 系统的测试、部署与后期运维 |
6.1 测试准备和测试范围 |
6.2 测试执行过程及结果 |
6.3 系统部署前准备 |
6.4 维护及监控 |
第七章 总结与展望 |
参考文献 |
攻读硕士期间发表的论文 |
致谢 |
(8)基于数据仓库的保险商业智能系统设计与实现(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景和意义 |
1.2 商业智能理论概述 |
1.3 商业智能在保险行业的应用 |
1.4 主要研究内容和方法 |
1.5 论文结构说明 |
1.6 本章小结 |
2 商业智能核心技术 |
2.1 数据仓库技术 |
2.1.1 数据仓库的定义 |
2.1.2 数据仓库的架构 |
2.1.3 数据仓库的数据组织 |
2.1.4 数据仓库的模型设计 |
2.1.5 ETL技术简述 |
2.2 OLAP技术 |
2.2.1 OLAP的概念与特点 |
2.2.2 OLAP的实现方式 |
2.2.3 多维数据分析 |
2.3 本章小结 |
3 商业智能系统需求分析 |
3.1 需求背景 |
3.2 建设目标 |
3.3 系统指标体系分析 |
3.4 数据质量情况分析 |
3.5 系统功能性需求 |
3.6 系统非功能需求 |
3.7 本章小结 |
4 商业智能系统总体设计 |
4.1 系统总体架构 |
4.2 数据架构分析与设计 |
4.3 系统整体设计 |
4.3.1 数据仓库层 |
4.3.2 ETL层 |
4.3.3 BI应用层 |
4.3.4 数据质量管理 |
4.3.5 系统安全管理 |
4.4 工具软件介绍 |
4.4.1 DataStage |
4.4.2 Cognos |
4.5 本章小结 |
5 数据仓库设计与实现 |
5.1 数据仓库建模 |
5.1.1 设计原则 |
5.1.2 主题分析与粒度划分 |
5.1.3 概念模型实现 |
5.1.4 逻辑模型实现 |
5.1.5 物理模型实现 |
5.2 ETL设计与实现 |
5.2.1 ETL概述 |
5.2.2 ETL设计 |
5.2.3 ETL实现 |
5.2.4 ETL调度与维护 |
5.3 要点总结 |
5.4 本章小结 |
6 商业智能系统设计与实现 |
6.1 商业智能实施方法 |
6.2 BI门户系统 |
6.3 前端应用 |
6.3.1 查询报表 |
6.3.2 多维数据分析 |
6.4 数据管理平台设计与实现 |
6.4.1 主数据管理平台 |
6.4.2 元数据管理平台 |
6.4.3 数据质量管理平台 |
6.5 权限管理设计 |
6.5.1 访问策略的定制 |
6.5.2 用户和组管理 |
6.6 要点总结 |
6.7 本章小结 |
7 总结和展望 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(9)基于SAP BW中国生物财务数据仓库的设计与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景与意义 |
1.2 本课题的历史与现状 |
1.2.1 财务管理信息化发展历史 |
1.2.2 欧美医药企业数据仓库建设情况 |
1.2.3 国内医药企业数据仓库建设情况 |
1.3 本课题主要研究内容 |
1.4 本课题的组织结构 |
第二章 数据仓库技术综述 |
2.1 商务智能概述 |
2.1.1 商务智能概念及功能点分析 |
2.1.2 主流商务智能解决方案研究 |
2.1.3 SAP商务智能发展与模块功能研究 |
2.2 数据仓库技术概述 |
2.2.1 数据仓库概念及业务特点 |
2.2.2 数据仓库的数据粒度研究 |
2.2.3 数据仓库的数据分割研究 |
2.2.4 数据库、数据仓库与运营数据存储研究比较分析 |
2.2.5 SAP BW数据仓库结构研究 |
2.2.6 SAP BW改进型星型结构研究 |
2.2.7 SAP BW加速技术BWA研究 |
2.2.8 构建SAP BW的6个数据对象研究 |
2.3 本章小结 |
第三章 中国生物财务数据仓库的设计 |
3.1 中国生物财务需求分析 |
3.1.1 财务总账相关需求分析 |
3.1.2 财务应收相关需求分析 |
3.1.3 财务应付相关需求分析 |
3.1.4 财务在建工程相关需求分析 |
3.2 中国生物财务数据仓库整体结构设计 |
3.2.1 两种数据仓库建设方法思路分析 |
3.2.2 SAP BW多层逻辑模型结构 |
3.2.3 中国生物数据仓库整体结构设计 |
3.3 中国生物财务数据仓库概念模型设计 |
3.3.1 总账主题域的概念设计 |
3.3.2 应收主题域的概念设计 |
3.3.3 应付主题域的概念设计 |
3.3.4 在建工程主题域的概念设计 |
3.4 中国生物财务数据仓库逻辑模型设计 |
3.4.1 总账主题的逻辑设计 |
3.4.2 应收主题的逻辑设计 |
3.4.3 应付主题的逻辑设计 |
3.4.4 在建工程主题的逻辑设计 |
3.5 中国生物财务数据仓库物理模型设计 |
3.5.1 数据仓库软硬件配置 |
3.5.2 数据仓库物理结构设计 |
3.6 本章小结 |
第四章 中国生物财务数据仓库的实现 |
4.1 SAP BW数据仓库实现过程 |
4.2 中国生物财务数据仓库业务模型实现 |
4.2.1 建立信息对象 |
4.2.2 创建数据存储对象 |
4.2.3 创建信息立方体、多信息提供者 |
4.2.4 逻辑模型对应的模型实现结果展示 |
4.3 中国生物财务数据仓库ETL实现 |
4.3.1 数据仓库数据抽取实现 |
4.3.2 数据仓库数据转换实现 |
4.3.3 数据仓库数据加载实现 |
4.4 本章小结 |
第五章 中国生物财务数据仓库OLAP展现 |
5.1 OLAP应用技术 |
5.1.1 OLAP和维的概念 |
5.1.2 OLAP的多维分析 |
5.1.3 OLAP分析实现方法 |
5.1.4 OLAP与OLTP功能比较 |
5.2 中国生物财务数据仓库数据展现 |
5.2.1 SAP BW展现工具和形式 |
5.2.2 中国生物OLAP展现实现 |
5.3 中国生物财务数据仓库OLAP效果展现 |
5.3.1 总账主题域OLAP效果展现 |
5.3.2 应收主题域OLAP效果展现 |
5.3.3 应付主题域OLAP效果展现 |
5.3.4 在建工程主题域OLAP效果展现 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 本论文工作总结 |
6.2 本论文工作展望 |
参考文献 |
致谢 |
个人简历 |
(10)基于商业智能的煤矿企业辅助决策分析研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究思路与研究方法 |
1.4 研究内容 |
2 概念界定与研究理论基础 |
2.1 基本概念界定 |
2.2 商业智能理论 |
2.3 集成学习理论 |
2.4 本章小结 |
3 煤矿企业经营决策现状分析 |
3.1 煤矿企业生产经营特点分析 |
3.2 煤矿企业经营管理现状分析 |
3.3 煤矿企业经营决策存在问题分析 |
3.4 基于商业智能的辅助决策分析解决方案 |
3.5 本章小结 |
4 煤矿企业数据挖掘模型构建 |
4.1 商业智能解决方案研究思路 |
4.2 预测模型指标构建 |
4.3 集成学习模型数学基础 |
4.4 指标数据预处理 |
4.5 预测模型构建 |
4.6 预测模型评价 |
4.7 本章小结 |
5 煤矿企业数据仓库和OLAP模型构建 |
5.1 数据仓库和OLAP解决方案 |
5.2 数据仓库模型构建 |
5.3 数据ETL处理 |
5.4 OLAP模型基础理论 |
5.5 OLAP系统实现 |
5.6 本章小结 |
6 基于商业智能的辅助决策分析在煤矿企业的应用 |
6.1 系统应用背景 |
6.2 系统架构设计 |
6.3 系统功能设计 |
6.4 系统实现 |
6.5 项目实施对策建议 |
6.6 本章小结 |
7 结论与展望 |
7.1 研究总结 |
7.2 创新之处 |
7.3 研究展望 |
参考文献 |
附录 |
作者简历 |
学位论文数据集 |
四、数据仓库与商业智能(论文参考文献)
- [1]林业企业商务智能系统研建 ——以林口林业局有限公司为例[D]. 夏明慧. 北京林业大学, 2020(02)
- [2]基于ERP的地产行业商业智能报表系统的设计与实现[D]. 孙一镜. 郑州大学, 2020(02)
- [3]某电信公司的商业智能分析系统的设计与实现[D]. 谢迎凤. 北京交通大学, 2020(03)
- [4]XY公司数据管理提升研究[D]. 林诗皓. 厦门大学, 2019(08)
- [5]汽车冲压工艺—零件质量商业智能分析研究与应用[D]. 唐明清. 重庆大学, 2019(01)
- [6]基于商业智能技术的决策支持系统开发与研究[D]. 于洋. 哈尔滨工程大学, 2019(05)
- [7]基于商业智能的销售财务报表系统[D]. 沙林彬. 苏州大学, 2018(04)
- [8]基于数据仓库的保险商业智能系统设计与实现[D]. 孟维一. 北京交通大学, 2016(01)
- [9]基于SAP BW中国生物财务数据仓库的设计与实现[D]. 王汝林. 中国科学院大学(工程管理与信息技术学院), 2016(06)
- [10]基于商业智能的煤矿企业辅助决策分析研究[D]. 吴泳臻. 中国矿业大学, 2015(03)