一、数据仓库技术概述

    1、数据仓库

    数据仓库是用于管理决策支持的面向主题、集成、稳定、随时间变化的数据集合。数据仓库为不同来源的数据提供了一致的数据视图，与数据挖掘(DM) 、联机分析处理(OLAP)等数锯分析技术相结合，为用户提供灵话自主的信息访问权、丰富的数据分析与报表展示功能，使企业数据得到充分的利用。

    2、联机分析处理(OLAP)

    联机分析处理是针对某个特定的主题进行即席数据访问、处理和分析，通过直观的方式从多个维度、多种数据综合程度将业务运营情况展现给使用者。

    OLAP一般涉及大量的业务数据，针对某个分析主题进行钻取、切片、切块、旋转等分析处理。因此，OLAP一般建立在数据仓库基础上。

    3、数据挖掘(DM)

    数据挖掘是一个决策支持过程，主要基于人工智能，统计学等技术，挖掘潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的判断和决策。

二、基于数据仓库的库存销售分析系统的结构

    基于数据仓库的库存销售分析系统(Decision Support System-Inventory & Sale Analysis System，DSS-ISAS)的总体结构如图1所示。
 

    数据仓库主要分析的数据范围为：销售、库存、采购、应付。数据来源有：ERP、EXCEL、ONLINE(日销量/额报表)。考虑数据源系统的多样，对于Excel报表(月报)和H报(Online)数据，开发导入程序把不同数据源的数据导入到业务数据存储数据库中(ODS)，并对导入过程进行监控管理。所用的数据库是ORACLE9i数据库。

三、DSS-ISAS的关键技术研究

    在构建该系统过程中，主要难点集中在数据的抽取、转换和加载(ETL)过程中。此外，联机分析处理(OLAP)对整个系统的建设起着至关重要的作用。

    1、数据的抽取、转换和加载(ETL)

    ETL处在DSS-ISAS的后端，由于数据源的多样性和异构性，因此，必须确保数据的一致性和可用性，进行必要的数据清洗和转换。例如各个数据库对时间的表达并不一样的，需要转化为同一类型。ETL系统要完成的工作包括把Excel数据和在线数据采集系统的数据导入到业务数据存储数据库中(ODS)，以及把ODS和ERP系统中的数据导入到数据仓库中。

    由于Excel数据结构复杂和多样性，使用灵活的手工编程，Excel抽取户系统采用VBA技术、C/S架构的应用软件，导入过程进行监控管理。ODS和ERP系统的数据抽取使用专用数据变换辅助工具OWB，对于ERY数据的抽取，首先建立物化视图，以便于快速有效的从ERP系统中移动数据至ODS，之后定义OWB的Mappings映射，建立ODS和物化视图与数据仓库的映射关系，通过OWB的进程流管理机制实现映射的实现。

    2、联机分析处理(OLAP)

    在DSS-ISAS系统中，OLAP采用数据仓库、OLAP服务器与客户端三层客户/服务器结构，数据仓库服务器实现与基层运营的数据库系统的连接，完成企业一级数据一致和数据共享工作。OLAP服务器主要完成数招存取、后台数据处理以及报表的预处理；客户端将OLAP服务器处理得到的结果用直观的方式，如多维报表、饼图、柱状图、三维图形展现给用户。OLAP的数据组织方式采用关系型联机分析处理(ROLAP)，因为该系统要建立一个大型的、功能复杂的企业级数据仓库，而且现在的关系数据库已经对OLAP做了很多的有优化。

    多维模型包含变量、维、层系及衍生变量等概念，比如月销传分析中变量有本月实际销量、本月计划销量、本月累计销量等。分析维度有时间、销售实体、产品等。分析维度按层次组织以便支持OLAP钻取分析，如时间层次：Total＜年＜季＜月＜日。销售实体层次：Total＜区域公司＜分公司＜营销中心。衍生变量销售任务达成率二本月实际销量/本月计划销量。通过上述模型，创建事实、实体、度长就可以建立月销售报表分析，实现对每月各销售公司的销傅情况进行分析，并和月计划进行对比，从而得到月计划的完成情况。图2是OLAP分析的一个运行实例。
 

图2 OLAP分析实例

    现阶段企业积累了大量进销存业务数据和特定的决策分析需求，这些数据有着很大的挖掘和分析价值，所以企业利用数据仓库}技术来组织企业管理信息系统中已经积累的数据，建立基干数据仓库技术的库存销售决策支持系统对提高企业决策管理水平具有重要意义。同时，为将来建立大型中央数据仓库和电子商务系统提供了技术和数据基础。