数据仓库到底如何用? - 商业智能行业资讯|BI工具|商业智能解决方案|大数据|数据分析|决策支持
数据仓库到底如何用?(window.slotbydup=window.slotbydup || []).push({
id: '2014386',
container: s,
size: '234,60',
display: 'inlay-fix'
&&|&&6次下载&&|&&总11页&&|
撰写本文档的目的是希望能够以尽量简洁和通俗的词句对数据仓库进行描述，并以近几年在这方面的经
您的计算机尚未安装Flash，点击安装&
阅读已结束，如需下载到电脑，请使用积分（）
下载：8积分
0人评价30页
0人评价4页
6人评价28页
3人评价28页
2人评价99页
所需积分：（友情提示：所有文档均可免费全文预览！下载之前请务必先预览阅读，以免误下载造成积分浪费！）
（多个标签用逗号分隔）
文不对题，内容与标题介绍不符
广告内容或内容过于简单
文档乱码或无法正常显示
若此文档涉嫌侵害了您的权利，请参照说明。
评价文档：
下载：8积分您所在的位置： &
数据仓库的应用
数据仓库的应用
机械工业出版社
《数据挖掘基础与应用（SQL Server 2008）》本书首先系统地介绍了数据挖掘技术，然后虚拟一个“邦邦超市”，通过使用SQL语言建立该超市的数据库并对数据进行操作，再进一步利用SQL Server 2008的数据挖掘模型对超市积累的数据进行挖掘，以实际例子帮助读者迅速理解并掌握数据挖掘技术，学会使用SQL Server 2008 提供的数据挖掘工具，提高零售企业的信息利用能力和经营水平。本节为大家介绍数据仓库的应用。
1.5.5&& 数据仓库的应用
数据仓库的应用范围非常广泛，若有正确的数据源，则可在此核心之上建置各种不同的分析应用系统，例如：
客户关系管理（Customer Relation Management）
企业资源管理（Enterprise Resource Planning）
销售分析（Sales Analysis）
利润分析（Profit Analysis）
风险管理（Risk Management）
欺诈管理（Fraud Management）
数据仓库的各种技术的着眼点均在于如何从庞大的数据中快速地找出其想要的答案，这和OLTP系统是截然不同的。这些技术包括：
快速且扩充性高的数据库系统（High performance，high scalability database system）
异构数据库的连接（Heterogeneous database connectivity）
数据萃取转换与加载（Data extraction，transformation and loading）
多维度数据库设计（Multi-dimension database design）
大容量数据存储系统（Mass storage system）
高速网络（High speed network）
即席查询支持 （Ad-hoc query support）
友好的前端接口（User-friendly front end）
数据挖掘（Data mining）
以上是数据仓库的技术准则，在不同的案例中不一定要全部运用上。必须以客户的需求为准，并在预算、效率和未来的扩展性之间取得平衡。【责任编辑： TEL：（010）】&&&&&&
关于&&&&的更多文章
R语言是大数据分析和挖掘重要的工具，R是用于统计分析、绘图的语
本书描述了黑客用默默无闻的行动为数字世界照亮了一条道路的故事。
一个深受用户喜爱的好产品和一个让人觉得凑合用的一般
本书通过梳理大型网站技术发展历程，剖析大型网站技术
真正的好书不在于给出答案，而在于给出思考问题的方法
本书是为北大燕工教育研究院编写的计算机网络技术的学习教材。它以实际教学大纲为依据，全面系统的介绍了计算机网络技术知识
51CTO旗下网站国内外数据仓库系统应用研究
随着市场竞争的加剧，企业必须把业务经营和市场竞争联系起来，在此基础上做出科学的正确决策。20世纪70年代出现的数据库在收集、存储、处理数据中发挥了重要的作用，但是，我们看到由于传统的数据库是面向事务操作而设计的，无论是查询、统计、还是报表，其处理方式都是对指定的数据进行简单的数字处理，不能对这些数据所包含的内在的信息进行提取。
因此，要基于事务处理的数据库来帮助决策分析就产生了极大的困难。企业需要新的技术来弥补传统数据库的不足，需要把已经广泛收集到的数据放在数据仓库中，从事务数据中提取有用的信息，帮助他们在企业决策中做出正确的判断。数据仓库就是在这种情形下应运而生的，成为信息技术领域非常热门的话题之一。
十几年来，数据仓库技术日益普及。联机分析处理OLAP(On Line Analysis Process)和数据挖掘技术DM(Data Mining)的不断成熟，为数据仓库应用市场的开拓打下了良好的基础。一些已经建立数据仓库的企业得到了丰厚的回报。IDC在1997年对90年代前期进行的62家各种规模的采用了数据仓库的公司的调查结果表明，进行数据仓库项目开发的公司平均2～3年时间内投资回报率超过400％。数据仓库与Internet一样，正在成为最快的IT增长点。2000年全球数据仓库市场为128亿美元，较上年增长20％，2003年，数据仓库市场达到250亿美元。年增长率达25％。在欧美发达国家，数据仓库技术已经取得了广泛的应用，并获得了巨大的经济效益。2000年全球财富杂志500家名单中，有近50％的企业已经实施了企业级数据仓库或部门级数据集市，其中，电信、银行、证券、保险、航空、邮政、大型零售等行业是对于数据仓库技术需求最为强烈的行业。
国际金融界十分重视数据仓库的建设，全球前100家大银行几乎都建有自己的数据仓库，华尔街62％的银行、保险、证券等机构采用数据仓库技术进行风险管理，其中包括著名的摩根&斯坦利、花旗银行、加拿大蒙特利尔银行、加皇银行等。近年来，随着的发展，各大数据仓库产品供应商纷纷把注意力投向电子商务领域。并且通过数据仓库技术来构造商业智能(Business Intelligence)平台。数据仓库在零售业的发展前景也很好，利用数据仓库，可以对不同商品在每个分店的销售趋势进行分析，使购买趋势、时令特点和定价策略一目了然，从而帮助经营者及时准确地做出决策。例如，美国Wal Mart连锁店利用NCR公司Teradata数据库，建立了当时世界上最大的拥有24TB数据量的数据仓库系统。
从国内数据仓库市场来看，我国的数据仓库市场与国外相比有很大差距。GartnerGroup经有一份数据仓库市场占有率的报告，从报告中可以看出，到2003年，美国的数据仓库销售额占全世界的58％，亚洲只占7.5％，从中不难看出我国与发达国家的差距。数据仓库技术在中国没能很好发展起来，主要有以下三方面原因：
第一，数据量的积累问题。据1995年国家计委、国家科委和国家信息中心对全国数据库进行的一次全面调查表明，我国当时具有一定容量、可对外提供服务或被有效利用的数据库为1000余个，数据库的容量在10MB～100MB之间的占42％，10MB以下的占35％。100MB以上的占22％，整体水平与发达国家差距达20年的时间。近几年来我国数据库建设有了长足的发展，但与国外的发展程度相比差距并没有减少。
第二，人才问题。由于企业的竞争意识和服务意识还不够强，企业没有机会实施数据仓库，因而也相应造成这方面技术人才的缺乏。
第三，管理问题。数据仓库是一个数据共享的系统，不同层面的人从中得到的信息会大不一样，它对企业决策是一个很好的工具，但目前中国企业没有建立起一个管理机制来推动数据的共享，不论是对人的能力、企业的组织制度还是数据质量都没有一个连续的管理机制，要在这样的基础上建立数据仓库的数据分析是非常困难的。
尽管目前国内数据仓库市场不景气，但从长远来看，我国数据仓库市场前景广阔。随着我国信息化建设的逐渐完善和企业对数据仓库应用意识的提高，一些信息化程度较高的行业如银行、证券、保险、电信、航空等逐步认识到数据仓库技术对于企业宏观发展所带来的巨大经济效益，而且，这些行业经过多年的数据库应用，已经积累了大量的数据。为数据仓库应用打下了数据基础。有的企业已经率先建立起数据仓库系统，如招商银行系统、中国银行、中国建设银行、中国民生银行、中国农业银行广东分行、中国民航信息网络科技股份有限公司、中国移动等大型数据仓库项目，这些公司成为中国数据仓库应用的领头者。建立数据仓库是企业发展和变革的必然要求，加入WTO以后，国内的企业将面II缶更为严峻的竞争，从而迫使企业的决策者改变旧的经营习惯，通过科学的决策手段来降低经营风险、创造更高的利润。
另外，电子商务的迅猛发展，要求商家为提供更优质的服务，这必将促进客户关系管理系统(Customer Relationship Management)等新兴数据仓库应用的发展。2002年全国信息化工作领导小组办公室对570家国家重要骨干企业的调查表明，174户企业的下一步信息化规划将进行数据整合和数据仓库建设，占总数的30.5％，NCR预测中国数据仓库TB级用户2005年将到120家、2010年达到500家。中国的数据仓库市场前景广阔，充满了无限商机，相信随着现代商业模式变革的进一步深入，数据仓库应用将成为企业获得竞争优势的有力武器。
信息化软件应用目录
Copyright &
深圳市升蓝软件开发有限公司 &URL:服务热线：
&&&&&&&&&&正文
数据仓库在中的应用
发布时间：日&
&&&&竞争激烈的网络经济时代，企业保持客户所面临的困难越来越大，竞争的重点逐渐向“以客户为中心”转移，如何加强对企业客户资源的管理、开发与利用变得更加重要。客户关系管理(CRM)自产生以来，它的相关研究与应用得到了快速发展。
&&&&从国际转战国内，中国在线CRM的发展也有一段历史了，八百客作为国内首个提供在线CRM的供应商，肩负着历史的使命与行业的重任，为企业提供有效的客户关系管理服务，深层分析数据仓库中储存的大量客户信息，从而获得有利于企业商业运作、提高市场竞争优势的有效信息，实现CRM的理念和目标，满足现代电子商务时代的需求和挑战。
&&&&众所周知，客户关系管理的内涵是以客户信息和与企业的交易数据为基础，利用计算机信息技术，深层分析数据库中的海量数据，找出客户的不同特征，分析客户行为，然后挖掘出有商业价值的信息，从而帮助企业规划和决策相关的企业经营活动。
&&&&其基础结构是数据仓库的CRM体系结构。从CRM的角度，数据挖掘的应用就是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，并能够根据已有的信息预测未来可能发生的行为和结果，为企业经营决策、市场策划提供依据。各种类型的数据，如静态的历史数据和动态数据流数据等，都可以利用数据挖掘技术进行分析。常用的数据挖掘技术包括关联分析、序列分析、分类分析、预测分析、聚类分析以及时间序列分析等。
&&&&数据挖掘技术是企业实现有效的客户关系管理的引擎。数据仓库及其数据挖掘技术在企业客户关系管理系统中的应用，能够帮助企业全方位的了解客户，把握客户的特征与需求，更有效地掌握客户的行为。
&&&&基于数据仓库的CRM是：利用数据仓库与数据挖掘的理论与技术，创建能够描述并预测企业客户行为的模型，目的是优化整个CRM的流程，最终实现有效的客户关系管理。数据源、数据仓库应用系统和CRM分析系统三个部分组成了整个CRM体系结构：
&&&&1通过广泛收集企业生产、经营过程中产生的客户信息、客户行为、生产系统和其他相关数据，最终形成了数据源当中的海量数据。
&&&&2CRM中的数据仓库应用系统主要由数据仓库建设和数据仓库系统两个部分组成。数据仓库建设的功能是利用数据仓库的数据ETL和设计工具的抽取、转换、加载、刷新等功能逐步形成数据仓库;数据仓库系统具有联机分析处理(OLAP)、报表等功能，能够分析客户的整体行为和企业运营数据，针对不同的数据仓库用户提供有价值的信息。
&&&&3CRM分析系统是CRM的核心，主要有分析数据准备、客户分析数据集市、客户分析系统和企业调度监控等模块。分析数据准备模块从数据仓库中提取出进行客户分析所需要的数据，并形成客户分析数据集市;客户分析系统在客户分析数据集市的基础上，进行客户行为分组、重点客户发现和市场性能评估，其分析结果通过进一步的报表，为市场专家经营决策、市场策划提供依据;对客户分析系统的有效性、可靠性分析由企业调度监控模块进行监管，提高企业应用CRM的成功机率。
&&&&CRM系统的运行是以数据仓库为基础展开的，能够为企业制订市场策略、开展营销活动提供决策支持。CRM分析系统是CRM应用的核心功能，围绕客户为中心展开，主要有客户行为分析、重点客户发现和市场性能评估等三种功能，能够应用于一对一营销、客户盈利能力分析等方面。
&&&&随着CRM在企业经营过程中的应用，企业生产、经营和销售数据等相关信息不断累积，数据仓库已经成为企业组织、管理信息的最有效方式。基于数据仓库的CRM，具有数据挖掘和在线分析等分析功能，帮助企业提高市场决策能力、完善经营计划、获得竞争优势。
CRM与社交企业服务热线：400-0-- 传真：010-}