一、数据仓库与OLAP在营销决策系统中应用（论文文献综述）
黄伟[1]（2021）在《基于关联规则挖掘的计算机配件销售的应用研究》文中研究指明随着信息技术的不断发展与进步,当今人们日常活动过程中所产生的数据信息也逐渐变得越来越庞大,该如何在庞大的数据信息中挖掘出可以促进科学技术及社会发展的有用信息,这将是大数据时代中需要解决的难题。数据挖掘技术的出现促使人们可以在海量的数据信息中挖掘出有用的知识和信息、总结出相关规律,进而促使从表面上看原本无任何使用价值的数据信息发挥出巨大的利益价值。近年来计算机硬件的性能提升逐年放缓,智能手机已经占据了当代人们的生活,手机的更新速度与需求量已经远远的超过了个人电脑,许多用户对个人电脑的使用需求一再下降。目前的计算机销售行业面临着各种巨大的竞争和压力,行业如何在竞争中生存成为最严峻的问题。如何通过对计算机配件销售数据进行有效的分析,挖掘出有价值的关联信息来促进计算机配件销售,有较好地指导作用和应用价值。本文通过对关联规则以及经典的频繁项集挖掘算法Apriori的研究。针对Apriori算法要产生频繁项集需要对数据库进行多次扫描的缺陷,提出了相应的算法改进和优化,通过设定的最小支持度来进行剪枝,来减少对数据库的遍历次数,同时导入蘑菇数据集对改进算法的效率进行了实验分析,验证了改进的Apriori算法在计算时间有较好地提升。此外,结合当前DIY计算机配件的销售特点,建立了基于OLAP的多维数据模型的计算机配件销售数据。将改进的Apriori计算法与建立的OLAP多维数据有效地结合起来,减少了数据挖掘的开销,对某计算机销售公司的电脑DIY配件销售数据进行了挖掘和分析,根据得出的结果建议该公司修改销售策略,结果显示修改了销售策略之后,使公司的部分产品销售量在短时间内得到了显着的提升,为提高销售业绩提供了可靠的依据。
薛影[2]（2021）在《OLAP技术在图书馆书目数据分析中的应用》文中研究表明与书目数据分析相关的研究领域越来越多,感兴趣的书目数据可以被描述为异构信息网络。为了从网络中以多维的方式获取知识,在线分析处理（OLAP）可以帮助用户从不同的角度访问数据。对于OLAP分析,必须同时考虑节点和边缘,使其适合提供网络数据。为了考虑网络上OLAP中的关联数据,提出了一种表示图书馆书目网络的概念图模型,并在其基础上构建了多维数据集图形。书目数据网络的每个节点和边由一个多维数据集来描述,允许用户快速分析汇总成数据集的信息。该模型解决了OLAP分析中维数变化缓慢的问题。通过实验研究了3个书目数据库来证明模型有效性,结果表明,基于Graph OLAP的概念图模型可以有效地分析图书馆的书目数据,从而为管理人员提供其所需信息。
陈冰影[3]（2020）在《基于BI的医院医疗质量数据分析系统的设计与实现》文中研究表明近年来,我国医院信息化建设的步伐日益加快,在不断发展与完善医院各临床医技业务系统应用的同时,医院的工作效率亦得到了显着的提升,并由此产生了大量的医疗数据。如何充分汇聚与使用这些数据,使之为医院各项决策和日常管理提供科学依据,进而使医院达到精细化管理,提升医疗质量的目标,是眼下医院信息化建设的重要任务之一,商业智能技术（BI）由于其快速的分析技术方法和基于事实的支持系统,在这一领域的应用正倍受青睐。海南省人民医院围绕电子病历这条主线展开医院信息系统的建设,历经近八年的时间,基本完成了面向临床、医技等57个业务子系统的开发建设任务,各子系统支撑了医院及各分支机构的主要医疗业务和管理业务的日常工作,积累了大量的临床医技及管理数据。但由于医院业务系统繁多且比较零碎,各业务系统之间相对分散、独立,导致数据共享存在困难,因此无法提供给医院管理人员较为集中的有价值的数据。本文结合海南省人民医院信息化建设的现状和实际管理需求,围绕医院医疗质量数据分析为主要内容,利用数据仓库、联机分析处理等商业智能技术,设计并实现了医院医疗质量数据分析系统。首先,梳理医疗质量分析指标,建立医疗质量指标体系;其次,结合医院业务流程,以医院各个信息系统产生的业务数据为基础业务数据源,使用Kettle工具对源数据进行抽取、转换、加载等一系列操作,完成数据仓库的建立;再次,以Visual Studio为开发工具,以门诊、住院、医技、DRGs等指标分析为主题,分别创建多维数据模型;最后,运用DHBI这个可视化数据工具,在提供数据查询、数据统计与汇总、数据对比的基础数据分析功能上,实现数据上卷下钻、数据联动、预警提示等多层次多维度的强大数据分析功能,通过PC端、移动端和大屏端等多种途径将数据以丰富多样的图表方式展现给医院各级管理者,为医院各项管理决策提供准确性高、时效性强、具有科学性的决策依据。该系统自上线运行以来,受到了医院各级管理人员的好评。该系统采集、整理、汇聚了海南省人民医院各类信息系统的数据资源,实现了信息共享,打破了传统报表只能简单查询数据和汇总数据的瓶颈,也解决了医院原先存在的统计数据结果差异的问题,统一了数据来源和统计数据口径,有助于实现医院数字化管理和精准管理,增强医院的核心竞争力。
王轶哲[4]（2020）在《基于数据挖掘对保险行业客户流失预测》文中提出数据挖掘的基本思想是使用已知数据建立数学模型以查找隐藏定律。在保险业中,获取新客户的成本比保留现有客户的成本高得多,并且从未来的角度来看,良好的数据挖掘应用将对发展业务运营和发现潜在客户群有很大帮助。因此,数据挖掘技术与商业企业的整合也是必然的过程。由于办公室自动化水平不断提高,保险公司信息化,公司治理概念不断更新,与客户的传统和高质量的保险关系管理办法已不再满足现代保险公司的基本需要。保险企业客户流失的主要原因有:自身问题、价格问题和质量问题,但也不能盲目的降低价格,如价格敏感性的客户,降低价格会挽留住价格不敏感的客户,调整价格无法挽留,还会降低利润空间,所以要了解客户流失的触发事件。由于数据提取技术日益成熟,诸如分类方法等数据提取方法也日益成熟,将此类技术应用于分析被保险客户信息,将客户信息转换出多个有用信息,这最终有助于企业的经营决策,同时可以降低客户的流失率,从而获得经营优势。特别是客户流失分析是保险公司分析的一个重要组成部分,分析了客户流失的历史数据,目前正在研究客户交付的特点,将采取适当措施减少客户流失。这对于降低保险公司的交易成本和提高其业务效率至关重要。论文分析了客户关系管理的含义和系统框架及其在保险业中的应用,并分析了保险公司客户流失的主要原因。然后分析了决策树算法的优缺点。本文针对算法缺点改进算法,并提出了具有权重属性和预剪枝策略的决策树分类挖掘算法。改进后的算法效率更高,并且可以处理大量数据。建立并分析新模型的算法,收集商业保险公司,应用本文中建立的客户流失预测模型,清理模型应用过程中包含的数据,转换数据,以及通过决策树C5.0和C&RT建立客户流失预测模型,同时对预测模型的结果进行评估与分析。
薛晖[5]（2020）在《一个企业销售数据管理与分析系统的设计与实现》文中提出随着经济的快速发展,企业内部的销售数据规模逐渐扩大,并且数据会有冗余、分散和不完整等现象。销售数据的大量产生以及信息技术的进步,使得基于销售数据的管理与分析已成为企业进一步实现业务发展、增加产品销售的重要手段。当前在数据分析领域,OLAP是最常用同时是最有效的技术,可以实现多角度多层次地查询分析销售数据,通过数据聚集解决多维关系数据的分析问题,挖掘已知数据里的潜在信息。通常企业管理系统将销售数据以关系模型存储,但随着信息数量的迅速增长,数据对象之间的关系愈加复杂,例如存在“销售人员”、“订单”、“售达方公司”等不同类型的实体,这些实体之间也存在着不同类型的关系。信息网络模型相较于传统的关系数据模型,具有更强大的表达能力,能更好地表达数据中包含的语义信息和展现对象间的关联关系。因此为了满足某自动化产品销售公司销售数据的管理与分析需求,本文基于该公司的销售数据建立销售异质信息网络,并基于建立的销售信息网络数据模型实现对销售信息的管理与分析,从而为企业的商品供给、营销战略制定等提供可靠依据。本文完成了对一个新型销售数据管理与分析系统的需求分析、架构设计、各功能模块设计,在此基础上进行了编码实现,并完成了系统测试。系统基于Java环境开发,采用B/S架构,Neo4j和My SQL提供后端数据库支持,开发框架采用Vue和Spring Boot相结合的形式。该销售数据管理与分析系统创新性地运用本体技术创建销售信息网络模型,将销售数据以异质信息网络的形式存储,运用图多维分析技术分析销售数据,并以可视化知识网络的形式展现给用户。系统共包括数据载入、销售数据管理以及数据多维分析三大功能模块:数据载入模块实现新的销售数据的导入;数据管理模块使用户能够可视化地对销售订单、产品、公司、销售人员等销售信息进行有效管理;数据多维分析模块实现对销售数据不同角度、不同层次的分析,基于自定义的用于销售信息网络多维分析的结构维和属性维,用户能够以接近自然语言的方式指定查询维度,系统返回可视化的分析结果。
任海潮[6]（2020）在《多维透视表OLAP操作与图表推荐算法的设计与实现》文中提出随着数据资源的不断丰富,数据的多维分析成为企业获得洞察有力手段。目前传统的多维报表工具在功能全面性、交互性和移植性等方面仍存在不足,尤其是利用开源OLAP引擎方面还缺少合适的前端透视工具。本文通过对多维数据报表工具国内外现状的分析和多维数据分析与可视化相关技术概念的研究,解决了其中两个关键的问题,设计与实现了一套基于开源OLAP引擎Mondrian的Web端多维数据透视表系统。主要工作如下:（1）提出了新的表代数算子,实现图形透视表配置的快速、敏捷计算。在用户对图形透视表进行联机分析处理操作时,借助缓存的树形维度信息,快速生成透视结构配置以及表格每个单元属性信息,然后将表格每个单元结果转化为MDX多维查询语句与Mondrian引擎交互计算单元结果。（2）提出了基于图形语言的图形透视表配置推荐算法。在多维数据探索中,如何向用户推荐更直观更易于理解的图形透视表是其中的另一个关键问题。论文总结并设计了基于数据分布的标记类型推导规则,提出了数据特征组合的原则,设计了基于优先原则的多字段图表类型优先级推荐算法。（3）设计并实现了以上所提算法,多维数据透视表系统为多维数据可视化提供了一种通用的解决方案,可以帮助用户以多角度,多层次的观察和分析海量数据,满足了中小企业对数据进行多维分析的需求,具有很大的推广和应用价值。
许诗怡[7]（2020）在《森林资源数据仓库管理系统研建与数据分析应用技术研究》文中进行了进一步梳理本研究首先论述了森林资源异构数据集成以及数据仓库技术在林业上的研究现状。森林资源数据仓库在实际应用中还面临着以下两大问题:一是数据存储存在差异,且数据表中的统计字段名称、类型、代码等的表达形式也存在差异;二是数据存储的差异性造成数据利用率不高,深层次的多维分析、数据挖掘等是基于规范化的数据进行的。针对这些问题,研究以历史上存储的森林资源数据为基础,针对森林生产功能分析、适地适树规则提取、生长收获预测模型拟合等的分析需求,设计建立了两个数据仓库:森林资源小班数据仓库以及标准地/样地数据仓库,并完成对两个数据仓库事实表、维度表字段结构的详细设计。通过对ETL技术的研究,实现对森林资源异构数据源的抽取、清洗和转换,并将处理后的规范化数据存储在目标数据仓库中进行统一管理。在此基础上,研建一个基于B/S体系架构的森林资源数据仓库管理系统。系统的主要功能包括异构数据源获取、森林资源异构数据的清洗转换、森林资源数据多维分析、数据挖掘等。本研究高效的利用已有的森林资源数据可以为林场等经营单位提供生长收获、抚育间伐、规则提取等方面的决策支持。
肖聪[8]（2020）在《智能财务决策支持系统构建及应用研究 ——以JSNK集团公司为例》文中提出大数据、人工智能、移动互联、云计算、物联网等新一代信息技术推动着经济的飞速发展,财务信息系统特别是用于财务分析与风险管控的智能财务分析与决策系统应用对于企业具有重要的意义。企业如何从激烈的行业竞争中脱颖而出,充分利用信息技术革命加强企业管理提高企业竞争力,是企业所需要,也是管理者迫切想要实现的。本文从财务智能的内涵出发,通过理论与系统的构成研究发现,大数据融合的智能财务决策支持系统可以集成多源异构数据、进行多维度财务分析与可视化展现、洞察经营与财务状况、对标历史与行业竞争力、预测未来发展以及管控财务风险,是适合企业尤其是大型的集团公司实现全方位的财务处理、分析、对标、预测、风险管控的合理途径,满足了集团企业财务智能化需求。本文选取JSNK集团公司研究发现,JSNK集团公司实现了智能财务预测、洞察、对标和风控,在系统功能模块上对应为智能驾驶仓、智慧报表、智能财务分析报告与智能交互、智能对标（行业对标、历史对标、预算对标、同省国资企业对标等）、风险预警与管控以及财务预测。系统上线近5年,现运行良好,大大提高了财务分析效率和质量,更好的辅助企业管理者决策。最后,本文通过总结该系统上线后取得的成效分析和存在的问题,参照理论架构与实际应用情况,从数据源层,智能化程度、对标标准、财务动量与分析等角度对未来系统设计进行思考和展望。
王位明[9]（2020）在《数据挖掘技术在高校教育投入中的应用研究》文中研究指明2018年3月2日,教育部在京联合召开了支持和启动关于提升中西部高等教育改革与发展的座谈会,部署和启动了部省高校合建的工作:通过实施部省合建方式支持中西部14所高校。这14所大多处于中西部地区和经济比较欠发达的地区,是党和国家为了促进和支持这些国家和地区的发展和改革而做出的战略性举措。为了更清晰的展现14所高校的发展情况,对后续的改革方向提供参考,通过数据挖掘技术对14所高校的教育投入的情况进行研究。本文主要通过OLAM（联机分析挖掘）技术对14所高校教育投入项目展开了应用研究,OLAM技术是OLAP（联机分析处理）技术和DM（数据挖掘）技术的结合。首先对OLAM技术的内容和关键技术的展开了理论研究,同时为了适应不同的使用场景,探讨了两种模式下（B/S架构和C/S架构）的OLAM模型,并进行了分析比对。为了更好的对数据进行分析处理,创建了本项目的数据资源仓库。与此同时,为了让本项目得到更好的使用,分析设计了 OLAM技术基础上的项目DSS（决策支持系统）架构体系,并对OLAM技术在本项目中的应用实践进行了阐述。通过OLAM技术,本文对14所高校的生均费用进行了挖掘分析,得出一些有价值的信息,可以在一定程度上为14所高校的经费使用情况以及进一步推进高校改革提供支持决策作用。
王小健[10]（2020）在《石化企业多源知识发现与管理方法研究》文中研究表明企业知识管理,即企业灵活运用先进的现代技术,对企业的显性和隐性知识进行有效地识别、融合和利用的活动。在知识管理过程中合理利用知识挖掘方法,能够帮助石化企业更好地做出指标预测、风险分析和企业决策,提高企业客户的忠诚度和服务体验度,进而从根本上提升我国石化企业的核心竞争力。然而,如果没有有效的多源信息处理手段,企业的知识管理系统只能处理单一来源的数据,将不可避免地局限了石化企业的发展空间。因此,本文探索建立一套高效的知识管理系统,通过深入研究网络行为建模和多源数据融合的方法,从而建立一套合理有效的体制机制对企业员工的性格、偏好、行为模式等方面进行全面深入地分析,更好地帮助石化企业提升其知识管理水平。本文的主要贡献是:第一,提出了一种基于多源信息融合的信息表示和行为建模方法;第二,提出了一种基于多源信息融合的指标相关性建模方法;第三,提出了一种基于多源信息融合的员工社群分析方法;第四,通过大数据分析技术和自然语言处理技术,提出一种基于多源信息融合的石化企业客户指标相关性分析方法和基于层次化聚类的石化企业垂直分类方法。基于上述方法,本文对石化企业知识管理的效果进行了分组实验和对比评估。实验结果表明,在利用了本文所提出的基于多源异构大数据融合分析的知识管理新方法的情况下,企业知识管理水平有了较为显着的提升。本文的研究成果为未来的企业知识管理方法研究提供了一条可行之道。
二、数据仓库与OLAP在营销决策系统中应用（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OLAP在营销决策系统中应用（论文提纲范文）
（1）基于关联规则挖掘的计算机配件销售的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容 |
| 第二章 Apriori算法和OLAP相关技术 |
| 2.1 数据挖掘与关联规则 |
| 2.2 Apriori算法概述与缺陷 |
| 2.2.1 Apriori算法概述 |
| 2.2.2 Apriori算法缺陷 |
| 2.3 OLAP技术 |
| 2.3.1 数据仓库概述 |
| 2.3.2 OLAP概念与相关技术 |
| 2.3.3 多维数据模型分析 |
| 2.4 本章小结 |
| 第三章 基于Apriori的改进算法 |
| 3.1 Apriori算法的优化方法 |
| 3.2 本文的Apriori改进算法 |
| 3.3 改进算法的仿真实验与结果分析 |
| 3.4 本章小结 |
| 第四章 基于Apriori改进算法的计算机配件销售应用研究 |
| 4.1 计算机配件销售数据来源及预处理 |
| 4.2 Apriori改进算法与OLAP的模型建立 |
| 4.3 计算机配件销售数据维度表和事实表的建立 |
| 4.4 计算机配件销售数据挖掘的结果研究与分析 |
| 4.5 本章小结 |
| 第五章 论文总结与展望 |
| 5.1 论文总结 |
| 5.2 论文不足 |
| 5.3 论文展望 |
| 参考文献 |
| 致谢 |
（2）OLAP技术在图书馆书目数据分析中的应用（论文提纲范文）
| 0 引言 |
| 1 多维数据集图形模型 |
| 1.1 OLAP |
| 1.2 模型架构与实施方案 |
| 1.2.1 预处理 |
| 1.2.2 导航 |
| 2 构建多维数据集图形 |
| 2.1 OLAP操作 |
| 2.2 拓扑上卷 |
| 2.3 切片 |
| 3 实际应用 |
| 4 总结 |
（3）基于BI的医院医疗质量数据分析系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内研究现状 |
| 1.3 研究的意义与内容 |
| 2 相关理论和关键技术 |
| 2.1 商业智能概述 |
| 2.2 数据仓库技术介绍 |
| 2.2.1 数据仓库介绍 |
| 2.2.2 ETL技术介绍 |
| 2.2.3 ETL工具Kettle介绍 |
| 2.3 OLAP概述 |
| 2.4 DHBI介绍 |
| 3 医院医疗质量数据分析系统的设计 |
| 3.1 需求分析 |
| 3.2 系统功能设计 |
| 3.3 系统架构设计 |
| 3.4 数据仓库设计 |
| 3.4.1 数据仓库的体系结构 |
| 3.4.2 数据仓库的设计思路 |
| 3.5 OLAP设计 |
| 3.5.1 多维数据模型的设计架构 |
| 3.5.2 门诊指标分析主题 |
| 3.5.3 住院指标分析主题 |
| 3.5.4 医技指标分析主题 |
| 3.5.5 DRGs指标分析主题 |
| 3.6 数据展示设计 |
| 4 医院医疗质量数据分析系统的实现 |
| 4.1 系统的软、硬件开发环境 |
| 4.2 数据采集与存储层的实现 |
| 4.3 数据分析层的实现 |
| 4.4 数据展示层的实现 |
| 4.5 DHBI可视化展示 |
| 4.5.1 PC端部分指标展示 |
| 4.5.2 移动端部分指标展示 |
| 4.5.3 大屏端部分指标展示 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（4）基于数据挖掘对保险行业客户流失预测（论文提纲范文）
| 摘要 |
| Abstract |
| 1.引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献评述 |
| 1.3 研究内容与研究方法 |
| 2.数据挖掘理论基础 |
| 2.1 数据挖掘概述 |
| 2.1.1 数据挖掘的功能 |
| 2.1.2 数据挖掘的流程 |
| 2.1.2.1 确定业务对象 |
| 2.1.2.2 数据准备 |
| 2.1.2.3 建立模型 |
| 2.1.2.4 复制推广模型 |
| 2.2 CRM理论 |
| 2.2.1 CRM体系框架及核心技术 |
| 2.2.1.1 运营型CRM |
| 2.2.1.2 分析型CRM |
| 2.2.1.3 客户管理体系 |
| 2.3 保险公司的CRM体系分析 |
| 2.3.1 保险公司应用CRM的必要性 |
| 2.3.2 保险公司的CRM应用 |
| 3.保险公司客户流失预测模型建模设计 |
| 3.1 保险公司客户流失的原因剖析 |
| 3.1.1 自身的问题 |
| 3.1.2 价格因素 |
| 3.1.3 产品质量 |
| 3.2 保险公司客户流失预测的关键指标 |
| 3.2.1 客户细分 |
| 3.2.2 价值分析 |
| 3.2.3 客户流失信息 |
| 3.3 决策树算法与改进 |
| 3.3.1 算法 |
| 3.3.2 决策树算法的改进 |
| 3.3.3 决策树改进算法的描述 |
| 3.4 保险公司客户流失预测模型构建分析 |
| 3.4.1 总设计思路 |
| 3.4.2 构建思想 |
| 3.4.3 建模分析 |
| 4.保险公司客户流失预测模型实施过程及评价 |
| 4.1 案例及挖掘工具 |
| 4.1.1 案例 |
| 4.1.2 挖掘工具介绍 |
| 4.1.2.1 挖掘工具性能 |
| 4.1.2.2 挖掘工具特性 |
| 4.2 客户相关数据的准备 |
| 4.2.1 保险公司业务分析 |
| 4.2.2 客户信息收集 |
| 4.2.3 数据整合 |
| 4.3 客户流失预测模型的应用过程 |
| 4.3.1 清洗数据 |
| 4.3.2 数据转换 |
| 4.3.3 决策树改进算法建立预测模型 |
| 4.4 决策树改进算法建立预测模型的效果评估 |
| 4.5 保险客户流失预测模型结果分析 |
| 5.保险客户流失预测的对策建议 |
| 5.1 保险客户流失控制策略制订的基本原则 |
| 5.2 控制保险客户流失的具体举措 |
| 6.总结与展望 |
| 参考文献 |
| 在校研究成果 |
| 致谢 |
（5）一个企业销售数据管理与分析系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要工作 |
| 1.4 论文组织结构 |
| 第二章 相关概念及技术介绍 |
| 2.1 数据仓库 |
| 2.1.1 数据仓库概念 |
| 2.1.2 数据库与数据仓库的区别 |
| 2.2 异质信息网络 |
| 2.2.1 异质信息网络概念 |
| 2.2.2 异质信息网络构建方式 |
| 2.2.3 异质信息网络查询语言 |
| 2.3 OLAP技术 |
| 2.3.1 OLAP基本概念 |
| 2.3.2 OLAP操作 |
| 2.3.3 异质信息网络多维分析 |
| 2.4 本体技术 |
| 2.4.1 本体 |
| 2.4.2 本体构建方法 |
| 2.4.3 本体构建工具 |
| 2.4.4 本体描述语言 |
| 2.5 本章小结 |
| 第三章 系统需求分析 |
| 3.1 系统功能性需求分析 |
| 3.2 系统非功能性需求分析 |
| 3.3 系统用例分析 |
| 3.3.1 销售数据管理 |
| 3.3.2 销售数据多维分析 |
| 3.4 本章小结 |
| 第四章 系统总体设计 |
| 4.1 系统架构设计 |
| 4.2 销售信息网络构建框架设计 |
| 4.3 系统功能模块设计 |
| 4.3.1 数据载入模块设计 |
| 4.3.2 销售数据管理模块设计 |
| 4.3.3 数据多维分析模块设计 |
| 4.4 本章小结 |
| 第五章 系统详细设计 |
| 5.1 销售信息网络构建 |
| 5.1.1 数据建模 |
| 5.1.2 数据抽取 |
| 5.2 数据载入模块详细设计 |
| 5.3 销售数据管理模块详细设计 |
| 5.4 数据多维分析模块详细设计 |
| 5.4.1 维度与维度层次 |
| 5.4.2 度量 |
| 5.4.3 销售信息网络三层图立方体模型 |
| 5.4.4 基于三层图立方体的Graph OLAP操作 |
| 5.5 本章小结 |
| 第六章 销售数据管理与分析系统实现 |
| 6.1 系统主页面 |
| 6.2 数据载入 |
| 6.3 基于销售信息网络的数据管理 |
| 6.3.1 创建数据 |
| 6.3.2 删除数据 |
| 6.3.3 修改数据 |
| 6.3.4 查询数据 |
| 6.4 基于销售信息网络的多维分析 |
| 6.4.1 物化策略 |
| 6.4.2 OLAP操作实现 |
| 6.5 本章小结 |
| 第七章 系统测试 |
| 7.1 系统功能测试 |
| 7.1.1 数据载入模块测试 |
| 7.1.2 数据管理模块测试 |
| 7.1.3 数据多维分析模块测试 |
| 7.2 本章小结 |
| 第八章 总结与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（6）多维透视表OLAP操作与图表推荐算法的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文工作与贡献 |
| 1.4 篇章结构 |
| 1.5 本章小节 |
| 第二章 相关技术研究 |
| 2.1 OLAP |
| 2.1.1 OLAP的定义及概念 |
| 2.1.2 OLAP多维操作 |
| 2.1.3 MDX查询语句 |
| 2.2 系统相关组件 |
| 2.2.1 Mondrian |
| 2.2.2 Saiku |
| 2.2.3 Redis |
| 2.2.4 Marts |
| 2.3 数据可视化技术 |
| 2.3.1 数据到可视化的直观映射 |
| 2.3.2 图形语言 |
| 2.3.3 数据到表的构建 |
| 2.4 高维数据的可视化研究 |
| 2.4.1 平行坐标法 |
| 2.4.2 散点图矩阵 |
| 2.4.3 表格透镜 |
| 2.5 表代数与表代数求值 |
| 2.5.1 表代数和表代数求值 |
| 2.5.2 简单表代数求值 |
| 2.5.3 复合表代数求值 |
| 2.6 本章小结 |
| 第三章 系统架构 |
| 3.1 系统工作流程设计 |
| 3.1.1 基本概念描述 |
| 3.1.2 系统工作流程 |
| 3.2 系统架构设计 |
| 3.2.1 流程控制模块 |
| 3.2.2 数据管理模块 |
| 3.2.3 维度管理模块 |
| 3.2.4 表格单元数值计算模块 |
| 3.2.5 图表设计模块 |
| 3.2.6 图表结果配置模块 |
| 3.3 本章小节 |
| 第四章 多维透视表的OLAP操作设计与实现 |
| 4.1 高维多元数据的可视化降维 |
| 4.1.1 表格透镜与数据透视表 |
| 4.1.2 表代数计算数据透视表的布局 |
| 4.2 一种新的表代数的设计用于OLAP操作 |
| 4.2.1 维度层次级别树 |
| 4.2.2 构建立方体生成树 |
| 4.2.3 新的表代数用于计算表格布局 |
| 4.3 系统中的表代数设计与应用 |
| 4.3.1 输入接口设计 |
| 4.3.2 表代数计算流程 |
| 4.4 本章小结 |
| 第五章 图表智能推荐的设计与实现 |
| 5.1 陈述型数据可视化方式推荐 |
| 5.1.1 可视化图表类型 |
| 5.1.2 可视化图表原则 |
| 5.1.3 基于数据特征的图表分类原则 |
| 5.2 基于数据特征的图表配置规则 |
| 5.2.1 启发式配置原理 |
| 5.2.2 图表类型的优先级原则 |
| 5.2.3 优先级规则 |
| 5.3 图形透视表配置推荐 |
| 5.3.1 单轴度量的启发式推荐算法 |
| 5.3.2 双轴多度量图形透视表配置推荐算法 |
| 5.3.3 图形透视表配置推荐算法流程 |
| 5.4 本章小结 |
| 第六章 系统的应用与实例展示 |
| 6.1 系统的应用 |
| 6.1.1 系统的架构 |
| 6.1.2 交互系统的界面介绍 |
| 6.2 实例的展示 |
| 6.2.1 数据描述 |
| 6.2.2 输入说明 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文的工作和贡献 |
| 7.2 未来的研究与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 学位论文数据集 |
（7）森林资源数据仓库管理系统研建与数据分析应用技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 森林资源异构数据集成的研究现状 |
| 1.2.2 数据仓库在林业上的应用研究 |
| 1.2.3 ETL技术的研究 |
| 1.2.4 OLAP技术的研究 |
| 1.2.5 林业数据挖掘技术的研究 |
| 1.2.6 小结 |
| 1.3 研究目标和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究拟解决的关键问题 |
| 1.4 研究方法与研究技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 研究的技术路线 |
| 1.5 研究数据 |
| 1.6 项目来源与经费支持 |
| 1.7 论文组织结构 |
| 2 研究的理论与技术基础 |
| 2.1 数据仓库技术 |
| 2.1.1 数据仓库的概念 |
| 2.1.2 数据仓库建模方法 |
| 2.2 ETL技术 |
| 2.3 OLAP技术 |
| 2.3.1 OLAP技术基本概念 |
| 2.3.2 多维分析的基本操作 |
| 2.4 数据挖掘技术 |
| 2.4.1 数据挖掘的概念 |
| 2.4.2 常用的森林资源数据挖掘算法 |
| 2.5 本章小结 |
| 3 森林资源数据仓库设计与构建 |
| 3.1 森林资源小班数据仓库设计 |
| 3.1.1 概念模型设计 |
| 3.1.2 逻辑模型设计 |
| 3.1.3 物理模型设计 |
| 3.2 标准地/样地数据仓库设计 |
| 3.2.1 逻辑模型设计 |
| 3.2.2 物理模型设计 |
| 3.3 本章小结 |
| 4 森林资源异构数据的ETL技术研究 |
| 4.1 森林资源异构数据ETL需求分析 |
| 4.2 数据抽取子模型 |
| 4.3 数据转换子模型 |
| 4.3.1 数据清洗模块 |
| 4.3.2 数据转换模块 |
| 4.4 数据加载子模型 |
| 4.5 本章小结 |
| 5 森林资源数据仓库数据分析实例 |
| 5.1 OLAP与数据挖掘 |
| 5.2 森林资源数据OLAP技术应用 |
| 5.2.1 多维数据立方体的建立 |
| 5.2.2 森林生产功能分析 |
| 5.2.3 龄组、林种多样性及动态变化分析 |
| 5.3 森林资源数据挖掘技术应用 |
| 5.3.1 适地适树规则提取 |
| 5.3.2 生长收获预测模型拟合 |
| 5.4 本章小结 |
| 6 森林资源数据仓库管理系统的研建 |
| 6.1 系统需求分析 |
| 6.1.1 用户需求分析 |
| 6.1.2 功能需求分析 |
| 6.2 系统结构设计 |
| 6.2.1 系统体系结构设计 |
| 6.2.2 系统功能结构设计 |
| 6.3 森林资源数据仓库管理系统运行实例 |
| 6.3.1 异构数据源获取 |
| 6.3.2 数据清洗、转换 |
| 6.3.3 数据仓库管理 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（8）智能财务决策支持系统构建及应用研究 ——以JSNK集团公司为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 构建智能财务决策支持系统的关键技术 |
| 1.2.2 实施智能财务决策支持系统的经济效应研究 |
| 1.3 研究内容及框架 |
| 1.3.1 研究内容及创新点 |
| 1.3.2 研究方法 |
| 1.3.3 研究技术路线 |
| 第二章 理论概述 |
| 2.1 财务决策支持系统 |
| 2.2 财务智能或智能财务 |
| 2.2.1 人工智能的发展历程 |
| 2.2.2 财务智能或智能财务内涵 |
| 2.3 智能财务决策支持系统的内涵及构成 |
| 2.3.1 智能财务决策支持系统的内涵 |
| 2.3.2 智能财务决策支持系统构成 |
| 第三章 智能财务决策支持系统应用需求研究 |
| 3.1 智能财务决策支持系统总体需求调研设计 |
| 3.2 智能财务决策支持系统应用需求调研分析 |
| 3.2.1 智能财务决策支持系统洞察需求分析 |
| 3.2.2 智能财务决策支持系统对标需求分析 |
| 3.2.3 智能财务决策支持系统财务预测需求分析 |
| 3.2.4 智能财务决策支持系统财务风险预警需求分析 |
| 3.3 JSNK集团智能财务决策支持系统构建需求分析 |
| 3.3.1 集团简介 |
| 3.3.2 JSNK集团智能财务决策支持系统的必要性分析 |
| 第四章 JSNK集团智能财务决策支持系统应用 |
| 4.1 JSNK集团智能财务决策支持系统应用的整体框架 |
| 4.2 JSNK集团智能财务决策支持系统应用分析 |
| 4.2.1 JSNK集团智能财务洞察应用 |
| 4.2.2 JSNK集团智能财务对标应用 |
| 4.2.3 JSNK集团智能财务预测应用 |
| 4.2.4 JSNK集团智能财务风险预警应用 |
| 第五章 JSNK集团智能财务决策支持系统应用效应研究 |
| 5.1 系统应用的整体效应 |
| 5.1.1 数据驱动的科学财务分析与决策 |
| 5.1.2 提升财务分析工作效率与有效性 |
| 5.2 系统实施后取得的具体成效 |
| 5.2.1 财务战略得以很好的贯彻执行 |
| 5.2.2 智能化财务可以优化企业管理水平 |
| 5.2.3 财务报告可以智能化生成 |
| 5.2.4 智能化财务可以提升管理决策有用性 |
| 第六章 总结与展望 |
| 6.1 智能财务决策支持系统需求调研总结 |
| 6.2 JSNK集团公司智能财务决策支持系统应用经验总结 |
| 6.3 智能财务分析与决策系统构建未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（9）数据挖掘技术在高校教育投入中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究课题 |
| 1.4 论文组织结构 |
| 第2章 OLAM技术的探讨 |
| 2.1 决策支持系统DSS |
| 2.2 数据仓库DW的介绍 |
| 2.2.1 DW的定义 |
| 2.2.2 DW的数据环境 |
| 2.3 联机分析处理技术OLAP |
| 2.3.1 OLAP的逻辑概念 |
| 2.3.2 OLAP技术的应用 |
| 2.4 数据挖掘(Data-Mining) |
| 2.4.1 DM的定义 |
| 2.4.2 DM的过程 |
| 2.5 DW、DM及OLAP之间的关系 |
| 2.5.1 DW与DM的关系 |
| 2.5.2 DW与OLAP的关系 |
| 2.5.3 OLAP与DM的关系 |
| 2.5.4 DW、OLAP与DM的结合 |
| 2.6 OLAM技术 |
| 2.6.1 OLAP和DM的结合 |
| 2.6.2 OLAM的体系结构 |
| 2.6.3 OLAM的功能特性 |
| 2.7 本章小结 |
| 第3章 OLAM模型的分析和设计 |
| 3.1 传统OLAM模型的设计方法 |
| 3.1.1 OLAM的简单模型 |
| 3.1.2 OLAM的复杂模型 |
| 3.1.3 OLAM的通用模型 |
| 3.2 高校教育投入中OLAM模型的分析 |
| 3.2.1 两种不同性质的挖掘需求 |
| 3.2.2 OLAM模型的运行方式 |
| 3.3 高校教育投入中OLAM模型的设计 |
| 3.3.1 C/S架构的OLAM模型 |
| 3.3.2 B/S架构下的OLAM模型 |
| 3.3.3 OLAM模型的功能扩展 |
| 3.4 本章小结 |
| 第4章 构建高校教育投入资源数据仓库 |
| 4.1 多维数据建模 |
| 4.2 概念模型设计 |
| 4.3 逻辑模型设计 |
| 4.4 物理模型设计 |
| 4.4.1 数据的整理和完善 |
| 4.4.2 数据的清洗和集成 |
| 4.5 本章小结 |
| 第5章 OLAM技术在高校教育投入中的应用 |
| 5.1 DSS的设计与分析 |
| 5.2 OLAM技术的应用实践 |
| 5.2.1 OLAM工具的选取 |
| 5.2.2 OLAM模型的构建 |
| 5.2.3 OLAM挖掘算法的实现 |
| 5.2.4 OLAM定量挖掘与定性分析相结合 |
| 5.2.5 结论和建议 |
| 第6章 结语 |
| 6.1 论文工作总结 |
| 6.2 进一步工作 |
| 致谢 |
| 参考文献 |
（10）石化企业多源知识发现与管理方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.1.1 知识管理的必要性 |
| 1.1.2 知识管理的经济价值 |
| 1.1.3 石化企业的知识管理 |
| 1.2 研究意义 |
| 1.2.1 理论价值 |
| 1.2.2 现实意义 |
| 1.3 研究内容与结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 1.4 主要贡献和创新点 |
| 2 理论与方法综述 |
| 2.1 企业知识管理理论与方法 |
| 2.1.1 背景介绍 |
| 2.1.2 企业知识管理相关概念 |
| 2.1.3 国外主流知识管理思想 |
| 2.1.4 利用知识挖掘提高组织资本和企业竞争力 |
| 2.2 国内石化企业知识管理研究现状 |
| 2.2.1 石化企业知识管理的进展 |
| 2.2.2 基于多源知识发现实施石化企业知识管理的必要性 |
| 2.3 基于大数据分析的知识管理方法 |
| 2.3.1 多特征融合统计学习方法 |
| 2.3.2 多源异构数据知识发现方法 |
| 2.3.3 基于大数据分析的社会化管理方法 |
| 2.4 文本语料分析基本方法 |
| 2.4.1 技术挑战 |
| 2.4.2 文档处理和分词 |
| 2.4.3 数据降维及语义分析 |
| 2.4.4 文本语料分类和聚类 |
| 2.5 小结 |
| 3 石化企业知识管理的影响因素分析 |
| 3.1 石化企业知识管理的要求与方法 |
| 3.1.1 石化企业创新发展要求与创新要素 |
| 3.1.2 提升石化企业知识管理水平的方法 |
| 3.2 石化企业知识管理的影响因素 |
| 3.2.1 企业知识管理的影响因素 |
| 3.2.2 石化企业知识管理方法的基本要素 |
| 3.3 基于多源信息的石化企业知识管理实施框架与检验方法 |
| 3.3.1 知识管理方法实施框架 |
| 3.3.2 研究维度、效度及其检验方法 |
| 3.4 小结 |
| 4 基于多源信息融合的石化企业员工行为建模 |
| 4.1 网络社会化行为建模面临的挑战 |
| 4.2 网络社会化行为的特点与数据维度 |
| 4.3 问题研究的准备工作和总体思路 |
| 4.3.1 词汇范畴分析 |
| 4.3.2 数据收集 |
| 4.3.3 总体框架 |
| 4.4 员工行为建模方法 |
| 4.4.1 员工属性信息建模 |
| 4.4.2 工作行为建模 |
| 4.4.3 网络行为建模 |
| 4.5 指标相关性预测模型与知识管理 |
| 4.5.1 指标相关性预测模型和求解 |
| 4.5.2 指标分析和知识管理 |
| 4.5.3 指标相关性预测模型研究小结 |
| 4.6 企业员工的社群分析 |
| 4.6.1 企业员工社群分析的研究背景 |
| 4.6.2 企业员工行为的时间分布建模 |
| 4.6.3 社群发现 |
| 4.6.4 相似度学习及特征权重学习 |
| 4.6.5 企业员工社群分析研究小结 |
| 5 基于多源大数据分析的企业客户关系管理 |
| 5.1 客户关系管理(CRM) |
| 5.2 石化企业客户管理的必要性和基本管理思路 |
| 5.3 指标相关性建模方法 |
| 5.4 基于商业行为分析的企业客户分类方法 |
| 5.5 小结 |
| 6 实验研究与算例分析 |
| 6.1 多源信息融合实验 |
| 6.2 员工社群发现 |
| 6.3 员工社群类型的知识发现及讨论 |
| 6.4 企业客户信息搜集和指标相关性建模 |
| 6.5 企业分类实验评测 |
| 6.6 知识管理效果评估-以企业员工管理为例 |
| 6.7 实验讨论和小结 |
| 7 研究结论与讨论 |
| 7.1 基本结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
四、数据仓库与OLAP在营销决策系统中应用（论文参考文献）
- [1]基于关联规则挖掘的计算机配件销售的应用研究[D]. 黄伟. 广西大学, 2021(12)
- [2]OLAP技术在图书馆书目数据分析中的应用[J]. 薛影. 微型电脑应用, 2021(02)
- [3]基于BI的医院医疗质量数据分析系统的设计与实现[D]. 陈冰影. 海南大学, 2020
- [4]基于数据挖掘对保险行业客户流失预测[D]. 王轶哲. 内蒙古科技大学, 2020(06)
- [5]一个企业销售数据管理与分析系统的设计与实现[D]. 薛晖. 东南大学, 2020
- [6]多维透视表OLAP操作与图表推荐算法的设计与实现[D]. 任海潮. 浙江工业大学, 2020(03)
- [7]森林资源数据仓库管理系统研建与数据分析应用技术研究[D]. 许诗怡. 北京林业大学, 2020
- [8]智能财务决策支持系统构建及应用研究 ——以JSNK集团公司为例[D]. 肖聪. 江西理工大学, 2020(01)
- [9]数据挖掘技术在高校教育投入中的应用研究[D]. 王位明. 南昌大学, 2020(01)
- [10]石化企业多源知识发现与管理方法研究[D]. 王小健. 北京交通大学, 2020(03)