基于OLAP技術(shù)的圖書(shū)銷售智能分析系統(tǒng)

1、.基于OLAP技術(shù)的圖書(shū)銷售智能分析系統(tǒng)：.；目 次 TOC o - h z u HYPERLINK l _Toc 緒論 PAGEREF _Toc h HYPERLINK l _Toc .引言 PAGEREF _Toc h HYPERLINK l _Toc .WEB環(huán)境下的OLAP技術(shù)的背景和歷史現(xiàn)狀 PAGEREF _Toc h HYPERLINK l _Toc 系統(tǒng)設(shè)計(jì)的技術(shù)創(chuàng)新 PAGEREF _Toc h HYPERLINK l _Toc .數(shù)據(jù)倉(cāng)庫(kù)技術(shù) PAGEREF _Toc h HYPERLINK l _Toc .OLAP 技術(shù) PAGEREF _Toc h HYPERLINK

2、l _Toc .數(shù)據(jù)發(fā)掘的技術(shù) PAGEREF _Toc h HYPERLINK l _Toc .OLAP與數(shù)據(jù)發(fā)掘的關(guān)系 PAGEREF _Toc h HYPERLINK l _Toc 系統(tǒng)處理方案 PAGEREF _Toc h HYPERLINK l _Toc .在WEB環(huán)境下OLAP 技術(shù)的研討 PAGEREF _Toc h HYPERLINK l _Toc .在WEB環(huán)境下OLAP 技術(shù)的實(shí)現(xiàn)方案 PAGEREF _Toc h HYPERLINK l _Toc 圖書(shū)銷售分析系統(tǒng)的總體設(shè)計(jì)和實(shí)現(xiàn) PAGEREF _Toc h HYPERLINK l _Toc .系統(tǒng)的功能 PAGEREF

3、 _Toc h HYPERLINK l _Toc .數(shù)據(jù)源設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc .數(shù)據(jù)庫(kù)設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc .數(shù)據(jù)庫(kù)邏輯設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc .數(shù)據(jù)庫(kù)構(gòu)造設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc .圖書(shū)銷售 Analysis Services 設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc .數(shù)據(jù)源設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc .本系統(tǒng)設(shè)計(jì)的發(fā)掘模型 PAGER

4、EF _Toc h HYPERLINK l _Toc .系統(tǒng)界面設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc .會(huì)員信息分析界面設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc .系統(tǒng)圖書(shū)分析窗體設(shè)計(jì) PAGEREF _Toc h HYPERLINK l _Toc 總結(jié) PAGEREF _Toc h HYPERLINK l _Toc 參考文獻(xiàn) PAGEREF _Toc h 緒論引言隨著在數(shù)據(jù)庫(kù)中存儲(chǔ)的數(shù)據(jù)越來(lái)越多，人們?cè)?jīng)不滿足于僅僅用計(jì)算機(jī)來(lái)實(shí)現(xiàn)業(yè)務(wù)的電子化，而希望從已有的數(shù)據(jù)中提煉出信息效力于決策人員。在這種情況下。OLAP作為一種強(qiáng)有力的分析和

5、決策工具，被越來(lái)越多的沒(méi)、部門運(yùn)用，同時(shí)在OLAP技術(shù)上也進(jìn)展了許多任務(wù)。但是主要任務(wù)都是集中在如何有效對(duì)數(shù)據(jù)進(jìn)展分析上。OLAP的數(shù)據(jù)倉(cāng)庫(kù)是為理處理能從大量的數(shù)據(jù)中得到有用的信息而做出了很大的奉獻(xiàn)。對(duì)于一個(gè)企業(yè)而言，每天都要面臨著大量的決策問(wèn)題，隨著企業(yè)市場(chǎng)競(jìng)爭(zhēng)的加劇和信息社會(huì)需求的開(kāi)展，企業(yè)從大量數(shù)據(jù)中提取所需的各類信息就顯得越來(lái)越重要了，傳統(tǒng)的數(shù)據(jù)庫(kù)技術(shù)是單一的數(shù)據(jù)庫(kù)資源，他適宜操作型事務(wù)處置，但對(duì)分析型處置的才干較弱。近幾年來(lái)，在信息技術(shù)領(lǐng)域興起并日益成熟的數(shù)據(jù)倉(cāng)庫(kù)技術(shù)以其面向主題組織、存儲(chǔ)海量信息，以及在線分析支持組織機(jī)構(gòu)管理決策等優(yōu)秀功能成為和運(yùn)用的熱點(diǎn)。數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的根本功能是：

6、數(shù)據(jù)獲取、數(shù)據(jù)存儲(chǔ)和管理、信息的訪問(wèn)。其最終目的是把分散的、不利于訪問(wèn)的數(shù)據(jù)轉(zhuǎn)換成集中、一致、隨時(shí)可用的信息，即為了決策目的將不同方式的數(shù)據(jù)集合成為一種特殊的格式，建立起一種新的數(shù)據(jù)存儲(chǔ)體系，使數(shù)據(jù)操作環(huán)境與數(shù)據(jù)分析環(huán)境相到分別。數(shù)據(jù)倉(cāng)庫(kù)利用了計(jì)算機(jī)和信息技術(shù)IT的最新開(kāi)展，把那些大量的，分散的企業(yè)數(shù)據(jù)進(jìn)展集成，并從中把企業(yè)決策所需求的信息分別出來(lái)，借助OLAP利用存儲(chǔ)在數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，去進(jìn)展各種分析操作，并以較為直觀易懂的方式將結(jié)果前往給用戶，能更加有效地支持企業(yè)的分析和決策，從而提高決策的質(zhì)量與速度。WEB環(huán)境下的OLAP技術(shù)的背景和歷史現(xiàn)狀WWWWorld Wide web技術(shù)的問(wèn)世，

7、給Internet帶來(lái)了新的活力，也得到全世界的認(rèn)可和信任。隨著WEB的普及，人們之間的信息溝通更加的快捷和方便。WEB上的訪問(wèn)數(shù)據(jù)庫(kù)也得到了日益廣泛的運(yùn)用，使數(shù)據(jù)庫(kù)技術(shù)不斷地開(kāi)展和更新。近年來(lái)，隨著企業(yè)信息化的飛速開(kāi)展。企業(yè)擁有大量業(yè)務(wù)數(shù)據(jù)，但難以及時(shí)有效的利用數(shù)據(jù)信息用來(lái)給管理者做決策任務(wù)。數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的運(yùn)用使這個(gè)問(wèn)題迎刃而解，數(shù)據(jù)倉(cāng)庫(kù)正是由數(shù)據(jù)庫(kù)演化而來(lái)是為了更好的處置和維護(hù)WEB上的龐大的訪問(wèn)數(shù)據(jù)和企業(yè)中的業(yè)務(wù)數(shù)據(jù)。不僅如此，數(shù)據(jù)倉(cāng)庫(kù)技術(shù)還有另一方面的用途即使如何讓運(yùn)營(yíng)管理者更好的運(yùn)用數(shù)據(jù)信息來(lái)做決策任務(wù)，從而給企業(yè)管理者或運(yùn)營(yíng)者帶來(lái)經(jīng)濟(jì)效益。為了實(shí)現(xiàn)這樣的目的還要把OLAP技術(shù)運(yùn)用于

8、數(shù)據(jù)倉(cāng)庫(kù)技術(shù)上面。OLAP技術(shù)作為一種強(qiáng)大有力的分析和決策工具，被越來(lái)越多的企業(yè)管理者和運(yùn)營(yíng)者運(yùn)用。為了在OLAP技術(shù)上得到更有效的數(shù)據(jù)信息，并運(yùn)用了體系構(gòu)造即是C/S構(gòu)造。在C/S體系構(gòu)造中運(yùn)用OLAP技術(shù)曾經(jīng)暴顯露很多問(wèn)題。為理處理這樣的問(wèn)題而進(jìn)展對(duì)WEB環(huán)境下的OLAP技術(shù)的研討和實(shí)現(xiàn)。在數(shù)據(jù)庫(kù)開(kāi)展的早期，由于數(shù)據(jù)量不大而使數(shù)據(jù)庫(kù)技術(shù)的查詢功能和操作功能沒(méi)得到明顯的區(qū)分。但是隨著數(shù)據(jù)庫(kù)規(guī)模的擴(kuò)展，人們對(duì)數(shù)據(jù)的要求也有了其他的想法，比如想獲得以往的歷史數(shù)據(jù)來(lái)做決策任務(wù)使在猛烈的社會(huì)運(yùn)營(yíng)中獲得勝利。管理者或運(yùn)營(yíng)用戶要想拿到這樣的歷史性有用途的數(shù)據(jù)信息必需經(jīng)過(guò)復(fù)雜的查詢才干得到，特別是那些高層

9、人員更需求這樣有決議性的數(shù)據(jù)信息來(lái)做決策任務(wù)。在數(shù)據(jù)倉(cāng)庫(kù)中運(yùn)用OLAP技術(shù)正好讓這樣任務(wù)得到滿足。但是如今傳統(tǒng)的基于C/S構(gòu)造的OLAP體系構(gòu)造卻帶來(lái)很多問(wèn)題。傳統(tǒng)的基于C/S構(gòu)造的OLAP體系構(gòu)造，其根本流程是由熟習(xí)數(shù)據(jù)庫(kù)構(gòu)造的系統(tǒng)管理員對(duì)數(shù)據(jù)庫(kù)構(gòu)造進(jìn)展分析，根據(jù)其業(yè)務(wù)知識(shí)將數(shù)據(jù)庫(kù)中的表及字段映射為多維構(gòu)造，構(gòu)造由多維構(gòu)造構(gòu)成的超立方體，然后根據(jù)用戶分析員在運(yùn)用過(guò)程中的要求對(duì)多維視圖進(jìn)展修正，從而再次構(gòu)造超立方體，如此循環(huán)往復(fù)。這種構(gòu)造在運(yùn)用過(guò)程中暴顯露了不少的問(wèn)題：如首先，顧客運(yùn)用一次而要進(jìn)展一次安裝和配置，使維護(hù)任務(wù)量大大的添加。其次，對(duì)存放在顧客端的報(bào)告的修正也是很復(fù)雜的。再者，其平安

10、性也是很薄弱的。OLAP技術(shù)是一種對(duì)數(shù)據(jù)進(jìn)展多維查詢的工具，主要是給管理者和運(yùn)營(yíng)者等決策性人員運(yùn)用的，所以需求是多變性的。C/S構(gòu)造不順應(yīng)需求的多變性所帶來(lái)的要求，而有足夠靈敏性的Internet/Intranet的層構(gòu)造順應(yīng)了OLAP技術(shù)對(duì)需求的多變性的要求。系統(tǒng)設(shè)計(jì)的技術(shù)創(chuàng)新數(shù)據(jù)倉(cāng)庫(kù)技術(shù)根據(jù)數(shù)據(jù)倉(cāng)庫(kù)概念的含義，數(shù)據(jù)倉(cāng)庫(kù)擁有以下四個(gè)特點(diǎn)：面向主題。操作型數(shù)據(jù)庫(kù)的數(shù)據(jù)組織面向事務(wù)處置義務(wù)，各個(gè)業(yè)務(wù)系統(tǒng)之間各自分別，而數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)是按照一定的主題域進(jìn)展組織。主題是一個(gè)籠統(tǒng)的概念，是指用戶運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)進(jìn)展決策時(shí)所關(guān)懷的重點(diǎn)方面，一個(gè)主題通常與多個(gè)操作型信息系統(tǒng)相關(guān)。集成的。面向事務(wù)處置的操作型

11、數(shù)據(jù)庫(kù)通常與某些特定的運(yùn)用相關(guān)，數(shù)據(jù)庫(kù)之間相互獨(dú)立，并且往往是異構(gòu)的。而數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)是在對(duì)原有分散的數(shù)據(jù)庫(kù)數(shù)據(jù)抽取、清理的根底上經(jīng)過(guò)系統(tǒng)加工、匯總和整理得到的，必需消除數(shù)據(jù)源中的不一致性，以保證數(shù)據(jù)倉(cāng)庫(kù)內(nèi)的信息是關(guān)于整個(gè)企業(yè)的一致的全局信息。 相對(duì)穩(wěn)定的。操作型數(shù)據(jù)庫(kù)中的數(shù)據(jù)通常實(shí)時(shí)更新，數(shù)據(jù)根據(jù)需求及時(shí)發(fā)生變化。數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)主要供企業(yè)決策分析之用，所涉及的數(shù)據(jù)操作主要是數(shù)據(jù)查詢，一旦某個(gè)數(shù)據(jù)進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)以后，普通情況下將被長(zhǎng)期保管，也就是數(shù)據(jù)倉(cāng)庫(kù)中普通有大量的查詢操作，但修正和刪除操作很少，通常只需求定期的加載、刷新。反映歷史變化。操作型數(shù)據(jù)庫(kù)主要關(guān)懷當(dāng)前某一個(gè)時(shí)間段內(nèi)的數(shù)據(jù)，而數(shù)據(jù)倉(cāng)

12、庫(kù)中的數(shù)據(jù)通常包含歷史信息，系統(tǒng)記錄了企業(yè)從過(guò)去某一時(shí)點(diǎn)(如開(kāi)場(chǎng)運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)的時(shí)點(diǎn))到目前的各個(gè)階段的信息，經(jīng)過(guò)這些信息，可以對(duì)企業(yè)的開(kāi)展歷程和未來(lái)趨勢(shì)做出定量分析和預(yù)測(cè)。企業(yè)數(shù)據(jù)倉(cāng)庫(kù)的建立，是以現(xiàn)有企業(yè)業(yè)務(wù)系統(tǒng)和大量業(yè)務(wù)數(shù)據(jù)的積累為根底。數(shù)據(jù)倉(cāng)庫(kù)不是靜態(tài)的概念，只需把信息及時(shí)交給需求這些信息的運(yùn)用者，供他們做出改善其業(yè)務(wù)運(yùn)營(yíng)的決策，信息才干發(fā)揚(yáng)作用，信息才有意義。而把信息加以整理歸納和重組，并及時(shí)提供應(yīng)相應(yīng)的管理決策人員，是數(shù)據(jù)倉(cāng)庫(kù)的根本義務(wù)。因此，從產(chǎn)業(yè)界的角度看，數(shù)據(jù)倉(cāng)庫(kù)建立是一個(gè)工程，是一個(gè)過(guò)程。如圖.所示。圖.數(shù)據(jù)倉(cāng)庫(kù)體系構(gòu)造圖數(shù)據(jù)源：是數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的根底，是整個(gè)系統(tǒng)的數(shù)據(jù)源泉。通常

13、包括企業(yè)內(nèi)部信息和外部信息。內(nèi)部信息包括存放于RDBMS中的各種業(yè)務(wù)處置數(shù)據(jù)和各類文檔數(shù)據(jù)。外部信息包括各類法律法規(guī)、市場(chǎng)信息和競(jìng)爭(zhēng)對(duì)手的信息等等；數(shù)據(jù)的存儲(chǔ)與管理：是整個(gè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的中心。數(shù)據(jù)倉(cāng)庫(kù)的真正關(guān)鍵是數(shù)據(jù)的存儲(chǔ)和管理。數(shù)據(jù)倉(cāng)庫(kù)的組織管理方式?jīng)Q議了它有別于傳統(tǒng)數(shù)據(jù)庫(kù)，同時(shí)也決議了其對(duì)外部數(shù)據(jù)的表現(xiàn)方式。要決議采用什么產(chǎn)品和技術(shù)來(lái)建立數(shù)據(jù)倉(cāng)庫(kù)的中心，那么需求從數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)特點(diǎn)著手分析。針對(duì)現(xiàn)有各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，進(jìn)展抽取、清理，并有效集成，按照主題進(jìn)展組織。數(shù)據(jù)倉(cāng)庫(kù)按照數(shù)據(jù)的覆蓋范圍可以分為企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)和部門級(jí)數(shù)據(jù)倉(cāng)庫(kù)通常稱為數(shù)據(jù)集市。 OLAP效力器：對(duì)分析需求的數(shù)據(jù)進(jìn)展有效集成，

14、按多維模型予以組織，以便進(jìn)展多角度、多層次的分析，并發(fā)現(xiàn)趨勢(shì)。其詳細(xì)實(shí)現(xiàn)可以分為：ROLAP、MOLAP和HOLAP。ROLAP根本數(shù)據(jù)和聚合數(shù)據(jù)均存放在RDBMS之中；MOLAP根本數(shù)據(jù)和聚合數(shù)據(jù)均存放于多維數(shù)據(jù)庫(kù)中；HOLAP根本數(shù)據(jù)存放于RDBMS之中，聚合數(shù)據(jù)存放于多維數(shù)據(jù)庫(kù)中。前端工具：主要包括各種報(bào)表工具、查詢工具、數(shù)據(jù)分析工具、數(shù)據(jù)發(fā)掘工具以及各種基于數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市的運(yùn)用開(kāi)發(fā)工具。其中數(shù)據(jù)分析工具主要針對(duì)OLAP效力器，報(bào)表工具、數(shù)據(jù)發(fā)掘工具主要針對(duì)數(shù)據(jù)倉(cāng)庫(kù)。 OLAP 技術(shù)聯(lián)機(jī)分析處置OLAP主要有兩個(gè)特點(diǎn)，一是在線性O(shè)n-Line，表現(xiàn)為對(duì)用戶懇求的快速呼應(yīng)和交互式操作，

15、它的實(shí)現(xiàn)是由Client/Server這種體系構(gòu)造來(lái)完成的，二是多維分析Multi-dimensional,這也是OLAP技術(shù)的中心所在。OLAP的在線性表達(dá)在于用戶的交互呼應(yīng)和快速呼應(yīng)，多維性那么表達(dá)在它建立在多維視圖的根底上，對(duì)數(shù)據(jù)進(jìn)展由淺到深的分析。OLAP的用戶是企業(yè)中的專業(yè)分析人員及管理決策人員，他們?cè)诜治鰳I(yè)務(wù)運(yùn)營(yíng)的數(shù)據(jù)時(shí)，從不同的角度來(lái)審視業(yè)務(wù)的衡量目的是一種很自然的思索方式。例如分析銷售數(shù)據(jù)，能夠會(huì)綜合時(shí)間周期，產(chǎn)品類別，分銷渠道，區(qū)域分布，客戶等多種要素來(lái)思索。這些分析角度雖然可以經(jīng)過(guò)報(bào)表來(lái)反映，但是每一個(gè)分析的角度可以生成一張報(bào)表，各個(gè)分析角度的不同組合又可以生成不同的報(bào)表，

16、使得IT人員的任務(wù)量相當(dāng)大，而且往往難以跟上管理決策人員思索的步伐。所以O(shè)LAP的多維性較好地滿足了企業(yè)管理人員的需求。管理人員可對(duì)OLAP進(jìn)展操作，即對(duì)多維數(shù)據(jù)集中的數(shù)據(jù)進(jìn)展切片，切塊，旋轉(zhuǎn)，上卷和下鉆操作，以對(duì)數(shù)據(jù)進(jìn)展分析，讓用戶多角度、多側(cè)面地去察看數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，從而深化了解數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)所蘊(yùn)含的信息，并找出隱含在數(shù)據(jù)中的商業(yè)方式。根據(jù)綜合性數(shù)據(jù)的組織方式的不同，目前常見(jiàn)的OLAP主要有基于多維數(shù)據(jù)庫(kù)的MOLAP及基于關(guān)系數(shù)據(jù)庫(kù)的ROLAP兩種。MOLAP是以多維的方式組織和存儲(chǔ)數(shù)據(jù)，ROLAP那么利用現(xiàn)有的關(guān)系數(shù)據(jù)庫(kù)技術(shù)來(lái)模擬多維數(shù)據(jù)。在數(shù)據(jù)倉(cāng)庫(kù)運(yùn)用中，OLAP工具普通是數(shù)據(jù)倉(cāng)庫(kù)運(yùn)

17、用的前端工具，同時(shí)OLAP工具還可以配合數(shù)據(jù)發(fā)掘進(jìn)展運(yùn)用，添加決策分析預(yù)測(cè)功能。數(shù)據(jù)倉(cāng)庫(kù)的根本義務(wù)是運(yùn)用獲得的數(shù)據(jù)來(lái)進(jìn)展大量的分析，以生成支持用戶制定戰(zhàn)略決策的信息。為了讓數(shù)據(jù)倉(cāng)庫(kù)能作有意義的分析，數(shù)據(jù)必需以某種方法被映射，以便用戶能利用一些數(shù)據(jù)來(lái)分析隨著時(shí)間變化各商業(yè)維度的關(guān)鍵目的的數(shù)值。數(shù)據(jù)發(fā)掘的技術(shù)數(shù)據(jù)發(fā)掘是一種數(shù)據(jù)分析工具，它從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取人們感興趣的數(shù)據(jù)方式、數(shù)據(jù)的普遍關(guān)系及其隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)，提取的知識(shí)表示為概念、規(guī)那么、規(guī)律、方式等方式，其目的是協(xié)助 決策者尋覓數(shù)據(jù)間潛在的關(guān)聯(lián)，發(fā)現(xiàn)被忽略的要素，而

18、這些信息對(duì)預(yù)測(cè)趨勢(shì)和決策行為將起到一定的支持作用。數(shù)據(jù)庫(kù)中的數(shù)據(jù)發(fā)掘是一個(gè)多步驟的處置過(guò)程，這些步驟有：數(shù)據(jù)定義階段，主要了解相關(guān)領(lǐng)域的有關(guān)情況，熟習(xí)背景知識(shí)，弄清楚用戶決策分析對(duì)信息的要求。數(shù)據(jù)提取階段，根據(jù)要求從數(shù)據(jù)庫(kù)中提取相關(guān)的數(shù)據(jù)。數(shù)據(jù)預(yù)處置階段，主要對(duì)前一階段產(chǎn)生的數(shù)據(jù)進(jìn)展再加工，檢查數(shù)據(jù)的完好性及數(shù)據(jù)的一致性，對(duì)其中的噪音數(shù)據(jù)進(jìn)展處置，對(duì)缺損的數(shù)據(jù)進(jìn)展填補(bǔ)。數(shù)據(jù)發(fā)掘階段，主要是運(yùn)用選定的知識(shí)發(fā)現(xiàn)算法，從數(shù)據(jù)中提取出用戶所需求的知識(shí)，這些知識(shí)可以用一種特定的方式表示或運(yùn)用一些常用的表示方式。知識(shí)評(píng)價(jià)階段，將發(fā)現(xiàn)的知識(shí)以用戶能了解的方式呈現(xiàn)，根據(jù)需求對(duì)知識(shí)發(fā)現(xiàn)過(guò)程中的某些處置階段進(jìn)展優(yōu)

19、化，知道滿足要求。OLAP與數(shù)據(jù)發(fā)掘的關(guān)系OLAP與數(shù)據(jù)發(fā)掘都屬于分析型工具，兩者的區(qū)別在于：數(shù)據(jù)發(fā)掘的分析過(guò)程是自動(dòng)的，用戶不用提出確切的問(wèn)題，只需用發(fā)掘工具去發(fā)掘隱藏在海量數(shù)據(jù)中的方式并預(yù)測(cè)未來(lái)的趨勢(shì)，這種方式有利于發(fā)現(xiàn)未知的現(xiàn)實(shí)，但缺乏引導(dǎo)的數(shù)據(jù)發(fā)掘，往往所發(fā)現(xiàn)的許多方式適用性很差。OLAP是一種自上而下、不斷深化的驗(yàn)證型分析工具，它經(jīng)常以用戶的假設(shè)為根底對(duì)數(shù)據(jù)查詢與分析，進(jìn)而提取出相關(guān)的信息。所以O(shè)LAP在數(shù)據(jù)分析方面存在著一定的局限性，即數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)造設(shè)計(jì)的方式不同決議了OLAP對(duì)數(shù)據(jù)的分析效果與分析層次；同時(shí)由于OLAP是用戶驅(qū)動(dòng)的，用戶對(duì)所分析問(wèn)題認(rèn)識(shí)和了解程度在一定程度上會(huì)影響

20、到最終的分析結(jié)果。從對(duì)數(shù)據(jù)分析的角度看。OLAP位于較淺的層次；由于數(shù)據(jù)發(fā)掘可以發(fā)現(xiàn)OLAP所不能發(fā)現(xiàn)的更為復(fù)雜而細(xì)致的信息，因此處于相對(duì)較高的層次。OLAP與數(shù)據(jù)發(fā)掘的相互作用表達(dá)在以下幾個(gè)方面：OLAP與數(shù)據(jù)發(fā)掘同作為數(shù)據(jù)分析工具，二者相比互有優(yōu)劣。數(shù)據(jù)發(fā)掘結(jié)果的無(wú)法預(yù)測(cè)性及發(fā)掘結(jié)果能否有效等缺乏，決議了數(shù)據(jù)發(fā)掘需求另外一個(gè)分析工具作輔助，對(duì)其結(jié)果進(jìn)展驗(yàn)證。OLAP是針對(duì)多維數(shù)據(jù)庫(kù)而開(kāi)發(fā)的分析工具，可以對(duì)多維數(shù)據(jù)進(jìn)展較為全面的映射。所以在數(shù)據(jù)倉(cāng)庫(kù)的根底上，OLAP與數(shù)據(jù)發(fā)掘有了結(jié)合的能夠，即數(shù)據(jù)發(fā)掘的結(jié)果可以經(jīng)過(guò)OLAP進(jìn)展驗(yàn)證，數(shù)據(jù)發(fā)掘在有驗(yàn)證的前提下，其發(fā)掘結(jié)果將呈現(xiàn)螺旋式上升的過(guò)程，

21、逐漸從模糊、混沌走向明晰、客觀，進(jìn)而表現(xiàn)為有價(jià)值的知識(shí)。勝利的數(shù)據(jù)發(fā)掘需求對(duì)數(shù)據(jù)進(jìn)展探求性的分析。發(fā)掘所需的數(shù)據(jù)范圍也許只是數(shù)據(jù)倉(cāng)庫(kù)的一部分，在此意義上，OLAP對(duì)多維數(shù)據(jù)的鉆取、旋轉(zhuǎn)等操作同樣可以運(yùn)用于數(shù)據(jù)發(fā)掘的過(guò)程中，作為基于數(shù)據(jù)倉(cāng)庫(kù)發(fā)掘的引導(dǎo)步驟。系統(tǒng)處理方案在WEB環(huán)境下OLAP技術(shù)的研討長(zhǎng)久以來(lái)，對(duì)數(shù)據(jù)庫(kù)的操作都有兩種不同的運(yùn)用方式。一種是日常的對(duì)數(shù)據(jù)的操作型運(yùn)用，另一種是對(duì)數(shù)據(jù)的查詢型運(yùn)用。這兩種運(yùn)用有著很大的區(qū)別，如表.。操作型運(yùn)用查詢型運(yùn)用涉及的表或字段不多涉及大量的表和字段以增刪操作為主，查詢量少不修正數(shù)據(jù)，但進(jìn)展大量的查詢以業(yè)務(wù)人員運(yùn)用為主，主要是細(xì)節(jié)信息面向管理人員或決策

22、人員，關(guān)注匯總信息和導(dǎo)出信息運(yùn)用當(dāng)前數(shù)據(jù)能夠用到大量的歷史信息表.兩種運(yùn)用的區(qū)別在數(shù)據(jù)庫(kù)開(kāi)展的早期，由于數(shù)據(jù)量不大，查詢型運(yùn)用和操作型運(yùn)用的區(qū)別還不太明顯。但隨著數(shù)據(jù)庫(kù)規(guī)模的逐漸增大，人們希望利用曾經(jīng)有的歷史數(shù)據(jù)來(lái)使本人在猛烈的競(jìng)爭(zhēng)中取勝，分析人員經(jīng)常是希望從多個(gè)不同的角度來(lái)察看一個(gè)或多個(gè)目的的值，并且希望從中找到這些目的之間的關(guān)系，這些要求導(dǎo)致查詢復(fù)雜度越來(lái)越高，特別是這些查詢懇求是分析人員在分析過(guò)程中根據(jù)顯示的數(shù)據(jù)而實(shí)時(shí)產(chǎn)生的。這樣的要求是業(yè)務(wù)系統(tǒng)無(wú)法勝任的。而OLAP技術(shù)就可以處理這樣的查詢要求。OLAP操作最主要的一點(diǎn)是要給分析人員提供一個(gè)多維數(shù)據(jù)超立方體，分析人員不需求了解實(shí)踐的數(shù)據(jù)

23、庫(kù)構(gòu)造，他所看見(jiàn)的是與其習(xí)慣的企業(yè)邏輯構(gòu)造類似的多維構(gòu)造。根據(jù)他所關(guān)注的目的的不同，在多維構(gòu)造內(nèi)今昔感多維操作，如鉆取、上挖、漂移、切片、切塊等。數(shù)據(jù)庫(kù)管理人員的責(zé)任就是根據(jù)企業(yè)的組織構(gòu)造和實(shí)踐運(yùn)用人員的要求，在曾經(jīng)有的數(shù)據(jù)倉(cāng)庫(kù)上構(gòu)造多維數(shù)據(jù)庫(kù)及多維視圖。傳統(tǒng)的基于C/S構(gòu)造的OLAP體系機(jī)構(gòu)，其根本流程是由熟習(xí)數(shù)據(jù)庫(kù)構(gòu)造的系統(tǒng)管理員對(duì)數(shù)據(jù)庫(kù)構(gòu)造進(jìn)展分析，根據(jù)其業(yè)務(wù)知識(shí)將數(shù)據(jù)庫(kù)中的表及字段映射為多維構(gòu)造，構(gòu)造由多維構(gòu)造構(gòu)成的超立方體，然后根據(jù)用戶分析人員在運(yùn)用過(guò)程中的要求對(duì)多維視圖進(jìn)展修正，從而再次構(gòu)造超立方體，如此循環(huán)往復(fù)。這種構(gòu)造在運(yùn)用過(guò)程中暴顯露了不少的問(wèn)題：在每一個(gè)客戶端都要安裝和配置

24、多維查詢軟件。維護(hù)任務(wù)量很大；報(bào)告內(nèi)容要根據(jù)運(yùn)用者在運(yùn)用過(guò)程中碰到的要求進(jìn)展修正，因此要維護(hù)客戶端的報(bào)告內(nèi)容一致也是很復(fù)雜的；由于報(bào)告存放在客戶端。因此能夠會(huì)被修正，從而平安性也很不好。出現(xiàn)這些問(wèn)題的根本緣由是沒(méi)有留意到OLAP的特殊性：OLAP作為一個(gè)多維查詢工具，不同于傳統(tǒng)的業(yè)務(wù)系統(tǒng)，主要是給管理和決策人員運(yùn)用的，需求是多變的，所以IT人員不能夠依次設(shè)計(jì)出符合分析人員要求的超立方體，需求在運(yùn)用過(guò)程中根據(jù)要求對(duì)超立方體不斷進(jìn)展調(diào)整和修正，但是這種多變性是C/S構(gòu)造所不能順應(yīng)的。而且有基于Internet/Intranet的層構(gòu)造才具有足夠的靈敏性。WEB效力器擔(dān)任完成閱讀器與OLAP效力器，

25、數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)之間的通訊銜接。如圖.所示。普通來(lái)說(shuō)，WEB效力器經(jīng)過(guò)運(yùn)用CGI腳本、WEB效力器API、運(yùn)用API和數(shù)據(jù)庫(kù)API等，管理閱讀器的通訊。在閱讀器端，經(jīng)過(guò)HTML、DMX、ActiveX控件、C#.NET來(lái)完成與用戶的交互截面和控件。在實(shí)現(xiàn)基于WEB的OLAP運(yùn)用時(shí)，往往采用自頂向下的設(shè)計(jì)。首先要確定用戶如何在閱讀器中的到報(bào)表信息，然后再給出一系列的過(guò)程完成基于閱讀器的OLAP操作。這些過(guò)程該當(dāng)包括發(fā)布信息，提供HTTP對(duì)數(shù)據(jù)庫(kù)或運(yùn)用效力器的動(dòng)態(tài)數(shù)據(jù)懇求，設(shè)計(jì)支持分析功能的界面。在客戶端基于WEB閱讀器的OLAP報(bào)表被分為幾個(gè)層次，其中包括沒(méi)有分析功能的靜態(tài)報(bào)表和可以進(jìn)展分析的OLA

26、P運(yùn)用界面，如維的旋轉(zhuǎn)，數(shù)據(jù)的鉆取等。另外，特別要提到的是，規(guī)范的HTML界面缺乏操作的靈敏與方便。C#.NET和ActiveX控件的運(yùn)用會(huì)大大提高用戶截面的友好程度，用戶經(jīng)過(guò)簡(jiǎn)單的操作就可以完成“旋轉(zhuǎn)、“鉆取的操作。數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)OLAP效力器WEB效力器客戶閱讀器 CGI API C#.NET、ActiveX 控件圖.基于WEB的OLAP構(gòu)造圖在WEB環(huán)境下OLAP技術(shù)的實(shí)現(xiàn)方案OLAP專門用于支持復(fù)雜的決策分析，支持信息管理和業(yè)務(wù)管理人員決策活動(dòng)的一種決策分析工具。它可以根據(jù)分析人員的要求，迅速、靈敏地對(duì)大量數(shù)據(jù)進(jìn)展復(fù)雜的查詢處置，并且以直觀的、容易了解的方式將查詢結(jié)果提供應(yīng)各種決策人員，

27、使他們迅速、準(zhǔn)確地掌握企業(yè)的運(yùn)營(yíng)情況，了解市場(chǎng)需求。而要進(jìn)展OLAP多維數(shù)據(jù)分析就需求根據(jù)分析需求，同時(shí)結(jié)合數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)構(gòu)造和特點(diǎn)建立OLAP多維模型。以超市銷售系統(tǒng)為例子，并對(duì)該例子的OLAP銷售多維模型進(jìn)展了設(shè)計(jì)，如圖.。時(shí)間編號(hào)年季度月日食品編號(hào)時(shí)間編號(hào)客戶編號(hào)食品稱號(hào)銷售數(shù)量銷售額平均價(jià)錢食品編號(hào)食品類別編號(hào)食品稱號(hào)客戶編號(hào)區(qū)域編號(hào)客戶稱號(hào)食品類別編號(hào)食品類別稱號(hào)區(qū)域編號(hào)省市 銷售現(xiàn)實(shí)表 食品維表 食品類別維表 客戶維表 區(qū)域維表 時(shí)間維表 圖. 超市銷售分析的OLAP模型從圖中可以看出在超市銷售分析的OLAP模型中有一個(gè)銷售現(xiàn)實(shí)表，在該現(xiàn)實(shí)表中每個(gè)元組只存儲(chǔ)了一些指向各個(gè)維表的指

28、針即外鍵，時(shí)間編號(hào)、食品編號(hào)、客戶編號(hào)等和一些相應(yīng)的丈量數(shù)據(jù)度量值，銷售數(shù)量、銷售額和平均價(jià)錢，而與這些外鍵相對(duì)應(yīng)的主鍵那么分別存放不同的維表中時(shí)間維表、客戶維表、食品維表等。對(duì)現(xiàn)實(shí)表的查詢就是獲取指向維表的指針，當(dāng)對(duì)現(xiàn)實(shí)表的查詢與對(duì)維表的查詢結(jié)合起來(lái)的時(shí)候，就可以檢索大量的信息。一個(gè)完好的基于WEB的OLAP銷售分析系統(tǒng)由三方面組成。第一，提取、清洗數(shù)據(jù)組成數(shù)據(jù)倉(cāng)庫(kù)；第二利用OLAP引擎建立相應(yīng)的銷售分析的OLAP立方體；第三運(yùn)用前端開(kāi)發(fā)工具，在WEB上訪問(wèn)OLAP立方體中包含的對(duì)象和集合。這里選用了SQL SERVER Analysis Services作為數(shù)據(jù)倉(cāng)庫(kù)支撐平臺(tái)，SQL SER

29、VER 的Analysis Services 是一個(gè)管理多維數(shù)據(jù)集的效力器，數(shù)據(jù)源并抽取數(shù)據(jù)，實(shí)現(xiàn)高效地將客戶數(shù)據(jù)加載到客戶數(shù)據(jù)倉(cāng)庫(kù)中；效力器支持MDOLAP、ROLAP和HOLAP三種存儲(chǔ)方式，用戶本人定義運(yùn)用的存儲(chǔ)方式，定義各個(gè)維度并建立銷售多維數(shù)據(jù)集，從而完成整個(gè)銷售過(guò)程。圖書(shū)銷售分析系統(tǒng)的總體設(shè)計(jì)和實(shí)現(xiàn) 系統(tǒng)的功能本系統(tǒng)的功能可以劃分為會(huì)員分析和圖書(shū)分析兩大部分(如圖.圖書(shū)小時(shí)分析系統(tǒng)功能構(gòu)造圖。圖書(shū)銷售分析系統(tǒng)會(huì)員分析圖書(shū)分析分析會(huì)員級(jí)別分析會(huì)員消費(fèi)分析會(huì)員類型分析圖書(shū)引薦銷售趨勢(shì)分析銷售關(guān)聯(lián)分析圖書(shū)銷量分析圖書(shū)定價(jià)分析圖.圖書(shū)銷售分析系統(tǒng)功能構(gòu)造圖其中會(huì)員分析是對(duì)書(shū)店注冊(cè)會(huì)員的信息

30、進(jìn)展分析，詳細(xì)功包括：會(huì)員級(jí)別分析：根據(jù)會(huì)員的個(gè)人信息來(lái)預(yù)測(cè)該會(huì)員最有能夠成為哪級(jí)會(huì)員。會(huì)員消費(fèi)分析：根據(jù)會(huì)員的個(gè)人信息來(lái)預(yù)測(cè)該會(huì)員在書(shū)店的消費(fèi)類型。會(huì)員類型分析：根據(jù)會(huì)員的個(gè)人信息和消費(fèi)記錄來(lái)對(duì)會(huì)員進(jìn)展自動(dòng)分類。圖書(shū)引薦：根據(jù)會(huì)員的以往購(gòu)書(shū)記錄來(lái)向引薦其他能夠感興趣的圖書(shū)。其中圖書(shū)分析那么是對(duì)書(shū)店圖書(shū)的信息進(jìn)展分析，詳細(xì)功能包括：銷售趨勢(shì)分析：根據(jù)圖書(shū)的歷史銷售信息來(lái)預(yù)測(cè)未來(lái)的銷售額。圖書(shū)銷量分：根據(jù)圖書(shū)的根本信息來(lái)預(yù)測(cè)其銷量。銷售關(guān)聯(lián)分析：分析哪些圖書(shū)經(jīng)常會(huì)被一同銷售。圖書(shū)定價(jià)分析：根據(jù)圖書(shū)的根本信息來(lái)估算定價(jià)。 數(shù)據(jù)源設(shè)計(jì)數(shù)據(jù)庫(kù)設(shè)計(jì)數(shù)據(jù)庫(kù)邏輯設(shè)計(jì)根據(jù)系統(tǒng)的需求分析定義系統(tǒng)中的實(shí)體，并采用

31、E-R圖來(lái)如圖.圖書(shū)銷售E-R圖表現(xiàn)實(shí)體之間的邏輯關(guān)系。在關(guān)系圖中主要有會(huì)員和圖書(shū)兩個(gè)實(shí)體，會(huì)員買書(shū)的一些情況和引薦書(shū)的情況。圖書(shū)中包含了圖書(shū)的銷售量等相關(guān)信息。會(huì)員會(huì)員號(hào)姓名入會(huì)時(shí)間級(jí)別生日地域地址性別郵箱積分圖書(shū)國(guó)際規(guī)范圖書(shū)號(hào)圖書(shū)號(hào)光盤(pán)書(shū)名存儲(chǔ)量出版日期價(jià)錢上架時(shí)間頁(yè)數(shù)條碼號(hào)買書(shū)引薦書(shū)銷售數(shù)據(jù)銷售量會(huì)員號(hào)銷售時(shí)間引薦數(shù)據(jù)書(shū)號(hào)類型折扣情況級(jí)別折扣率NNNN級(jí)別號(hào) 圖.圖書(shū)銷售E-R圖數(shù)據(jù)庫(kù)構(gòu)造設(shè)計(jì)在邏輯設(shè)計(jì)的根底上，進(jìn)展了構(gòu)造設(shè)計(jì)，數(shù)據(jù)庫(kù)的設(shè)計(jì)主要有五個(gè)數(shù)據(jù)表和三個(gè)視圖，下面分別對(duì)五個(gè)數(shù)據(jù)表和三個(gè)視圖進(jìn)展闡明。會(huì)員表：主要是記錄會(huì)員的姓名、性別、地址、號(hào)碼、會(huì)員號(hào)、會(huì)員的級(jí)別、會(huì)員的入會(huì)時(shí)間

32、。這些對(duì)視圖進(jìn)展查詢有很大用途，同時(shí)對(duì)分析進(jìn)展預(yù)測(cè)提供了可靠的信息資源。圖書(shū)表：主要是記錄圖書(shū)的名字、出版時(shí)間、國(guó)際規(guī)范圖書(shū)號(hào)、內(nèi)帶光盤(pán)、存儲(chǔ)量、上架日期、條碼、價(jià)錢、書(shū)的頁(yè)數(shù)買書(shū)的記錄表：主要記錄會(huì)員買書(shū)的情況，里面記錄會(huì)員的會(huì)員號(hào)、買書(shū)的時(shí)間、買書(shū)消費(fèi)額。折扣表：主要是記錄會(huì)員的級(jí)別所打的折扣。表內(nèi)包括級(jí)別和折扣率。圖書(shū)銷售情況表：主要記錄圖書(shū)銷售的情況。主要記錄圖書(shū)號(hào)、圖書(shū)的銷售額、圖書(shū)銷售的數(shù)量、圖書(shū)銷售的折扣。圖書(shū)視圖：主要是進(jìn)展圖書(shū)與會(huì)員的綜合查詢，它包含了圖書(shū)的根本信息和銷售情況匯總。圖書(shū)銷售視圖：主要是對(duì)圖書(shū)的銷售情況的綜合查詢，它包含了圖書(shū)的銷售細(xì)明信息。圖書(shū)每周銷售視圖：主

33、要是對(duì)圖書(shū)進(jìn)展每周的銷售情況的綜合查詢，它包含了圖書(shū)每周銷售銷量的信息。以下是五個(gè)數(shù)據(jù)表：表.會(huì)員表、表.圖書(shū)表、表.買書(shū)的記錄表、表.折扣表、表.圖書(shū)銷售表。列名數(shù)據(jù)類型允許空IDIntNameNvarchar()LevelsSmallintYRegTimeSmalldatetimeYGenderBitYBirthdaySmalldatetimeYDegreeNvarchar()YAreaNvarchar()YAddressNvarchar()YephoneNvarchar()YNvarchar()YScoreIntY表.會(huì)員表列名數(shù)據(jù)類型允許空IDIntISBNNchar()NameNva

34、rchar()CategoryIDIntYAuthorNvarchar()YPressNvarchar()YPublishDateSmalldatetimeYPriceSmallmoneyPagesSmallintYBarcodeNchar()CDBitYStorageIntYShelfDateSmalldatetimeY表.圖書(shū)表列名數(shù)據(jù)類型允許空IDIntCustomerIDIntYSumSmallmoneyYTimesmalldatetime表.買書(shū)的記錄表列名數(shù)據(jù)類型允許空LevelsIntDiscountFloat表.折扣表列名數(shù)據(jù)類型允許空IDIntSellIDIntBookIDI

35、ntNumberIntDiscountFloatYSumSmallmoneyY表.圖書(shū)銷售表以下是三個(gè)視圖表：表.圖書(shū)視圖、表.圖書(shū)銷售視圖、表.圖書(shū)每周銷售視圖。列別名表輸出排序類型排序順序分組根據(jù)挑選器IDBookY 升序Group ByNameBookYGroup ByCategoryBookCategoryYGroup ByPressBookYGroup ByPriceBookYGroup ByRagesBookYGroup ByCDBookYGroup ByNumberSellNumberSellItemYSumSumSellSumSellItemYSumShelfDateBookY

36、Group By表.圖書(shū)視圖表.圖書(shū)視圖的綜合查詢的內(nèi)部代碼為：SELECT TOP() PERCENT dbo.Book.ID, dbo.Book.Name, dbo.BookCategory.Category, dbo.Book.Press, dbo.Book.Price, dbo.Book.Pages, dbo.Book.CD,SUM(dbo.SellItem.Number) AS SellNumber,SUM(dbo.SellItem.Sum) AS SellSum, dbo.Book.ShelfDateFROM dbo.Book INNER JOINdbo.BookCategory

37、ON dbo.Book.CategoryID = dbo.BookCategory.ID INNER JOINdbo.SellItem ON dbo.Book.ID = dbo.SellItem.BookIDGROUP BY dbo.Book.ID, dbo.Book.Name, dbo.BookCategory.Category, dbo.Book.Press, dbo.Book.Price, dbo.Book.Pages, dbo.Book.CD,dbo.Book.ShelfDateORDER BY dbo.Book.ID列別名表輸出排序類型排序順序分組根據(jù)挑選器IDSellItemYID

38、SellIDSellYCustomerIDSellYTimeSellYBookIDSellItemYISBNBookYNameBookYPressBookYPriceBookYNumberSellItemYDiscountSellItemYSumSellItemY表.圖書(shū)銷售視圖表.圖書(shū)銷售視圖的內(nèi)部代碼和關(guān)系圖圖.圖書(shū)銷售關(guān)系圖：SELECT dbo.SellItem.ID, dbo.Sell.ID AS SellID, dbo.Sell.CustomerID, dbo.Sell.Time, dbo.SellItem.BookID, dbo.Book.ISBN, dbo.Book.Name,

39、 dbo.Book.Press, dbo.Book.Price, dbo.SellItem.Number, dbo.SellItem.Discount, dbo.SellItem.SumFROM dbo.Sell INNER JOIN dbo.SellItem ON dbo.SellItem.SellID = dbo.Sell.ID INNER JOIN dbo.Book ON dbo.Book.ID = dbo.SellItem.BookID圖.圖書(shū)銷售關(guān)系圖列別名表輸出排序類型排序順序分組根據(jù)DATEPART(week,dbo.sell.Time)WeekY升序Group ByIDBook

40、Y升序Group BySumSellSumSellItemYSum表.圖書(shū)每周銷售視圖表.圖書(shū)每周銷售視圖的內(nèi)部代碼為：SELECT TOP () PERCENT DATEPART(week, dbo.Sell.Time) AS Week, dbo.Book.ID, SUM(dbo.SellItem.Sum) AS SellSumFROM dbo.Sell INNER JOIN dbo.SellItem ON dbo.Sell.ID = dbo.SellItem.SellID INNER JOIN dbo.Book ON dbo.SellItem.BookID = dbo.Book.IDGRO

41、UP BY DATEPART(week, dbo.Sell.Time), dbo.Book.IDORDER BY Week, dbo.Book.ID 設(shè)計(jì)好了以上的表和視圖是為了對(duì)其中的數(shù)據(jù)進(jìn)展預(yù)測(cè)和分析，這些創(chuàng)建給以后的實(shí)現(xiàn)部分做了很好的鋪墊。圖書(shū)銷售 Analysis Services 設(shè)計(jì)數(shù)據(jù)源設(shè)計(jì) 在數(shù)據(jù)源設(shè)計(jì)運(yùn)用了數(shù)據(jù)發(fā)掘技術(shù)，首先用“數(shù)據(jù)源導(dǎo)游將數(shù)據(jù)中表.會(huì)員表、表.圖書(shū)視圖、表.圖書(shū)銷售視圖、表.圖書(shū)每周銷售視圖參與工程的數(shù)據(jù)源試圖中。其中會(huì)員表中存儲(chǔ)了書(shū)店注冊(cè)會(huì)員的根本個(gè)人信息；同時(shí)為了支持?jǐn)?shù)據(jù)的分析，設(shè)計(jì)中還要向會(huì)員表中添加兩個(gè)計(jì)算列。兩個(gè)計(jì)算列分別為Age和DayConsu

42、me。它們的表達(dá)式分別為“YEAR(GETDATE()-YEAR(dbo.Customer.Birthday)和“CAST(Score AS Decimal)/DATEDIFF(DAY,RegTime,GETDATE() 是用來(lái)計(jì)算會(huì)員的年齡和會(huì)員的積分除以其注冊(cè)天數(shù)以得到該會(huì)員的日平均消費(fèi)金額。合理地運(yùn)用計(jì)算列，可以大大方便發(fā)掘構(gòu)造和發(fā)掘模型的創(chuàng)建，同時(shí)防止修正源數(shù)據(jù)庫(kù)中的根底表格和視圖。在Analysis Services工程中也需求向圖書(shū)表中參與兩個(gè)計(jì)算器分別DaySellNumber和DaySellSum，計(jì)算表達(dá)式為：“SellNumber/DATEDIFF(DAY,ShelfDat

43、e,GETDATE()、“SellSum/DATEDIFF(DAY,ShelfDate,GETDATE()。它們是用來(lái)計(jì)算圖書(shū)日均銷量。為了對(duì)會(huì)員購(gòu)書(shū)的有關(guān)信息進(jìn)展發(fā)掘，在數(shù)據(jù)源視圖中還應(yīng)將會(huì)員表和圖書(shū)銷售視圖關(guān)聯(lián)起來(lái)。如圖.數(shù)據(jù)源視圖圖書(shū)銷售圖。如圖.數(shù)據(jù)源視圖圖書(shū)銷售圖數(shù)據(jù)源的設(shè)計(jì)對(duì)以后數(shù)據(jù)發(fā)掘起到?jīng)Q議的作用。在本設(shè)計(jì)中運(yùn)用了多個(gè)數(shù)據(jù)發(fā)掘的方法。這些方法大大方便了界面的分析和預(yù)測(cè)。管理者經(jīng)過(guò)預(yù)測(cè)的信息知道內(nèi)部圖書(shū)銷售的各個(gè)情況和了解會(huì)員的相關(guān)活動(dòng)信息。本系統(tǒng)設(shè)計(jì)的發(fā)掘模型貝葉斯發(fā)掘模型：是用來(lái)對(duì)會(huì)員級(jí)別的分析。主要運(yùn)用了“Microsoft Nave Bayes發(fā)掘技術(shù)對(duì)數(shù)據(jù)源視圖中的會(huì)員

44、表作為事例對(duì)Levels和DayConsume列作為可預(yù)測(cè)列進(jìn)展預(yù)測(cè)。決策樹(shù)發(fā)掘模型：來(lái)分析會(huì)員的消費(fèi)程度最有能夠處在哪個(gè)區(qū)間，主要運(yùn)用“Microsoft 決策樹(shù)發(fā)掘技術(shù)對(duì)數(shù)據(jù)源視圖中的會(huì)員表作為事例對(duì)Levels進(jìn)展忽略，而對(duì)DayConsume進(jìn)展可預(yù)測(cè)。聚類分析發(fā)掘模型：是用來(lái)分析會(huì)員的年齡和學(xué)歷進(jìn)展分析。是忽略Area、Levels、Gender,而Age和Degree作為輸入列對(duì)DayConsume進(jìn)展預(yù)測(cè)。關(guān)聯(lián)規(guī)那么發(fā)掘模型：用于分析會(huì)員與圖書(shū)之間的關(guān)聯(lián)，進(jìn)而向會(huì)員引薦其他能夠感興趣圖書(shū)。在設(shè)計(jì)中用會(huì)員表作為事例表嵌套圖書(shū)銷售表，Gender、Age、Degree、Area作為輸

45、入列，BookSell進(jìn)展預(yù)測(cè)。時(shí)序發(fā)掘模型：是用于圖書(shū)的分析，用每周銷售視圖來(lái)做事例，ID和 Week作為輸入鍵對(duì)SellSum進(jìn)展預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)發(fā)掘模型：是預(yù)測(cè)新書(shū)的銷量，圖書(shū)表作為事例，Category、Press、Price、Pages和CD列進(jìn)展輸入，對(duì)DaySellNumber進(jìn)展預(yù)測(cè)。順序分析發(fā)掘模型：用于實(shí)現(xiàn)圖書(shū)銷售的關(guān)聯(lián)分析，會(huì)員表作為事例，圖書(shū)銷售表銷售表作為嵌套表，對(duì)Name進(jìn)展預(yù)測(cè)。線性回歸發(fā)掘模型：是對(duì)圖書(shū)價(jià)錢的預(yù)測(cè)，圖書(shū)表作為事例,Pages為輸入列，對(duì)Price進(jìn)展預(yù)測(cè)。.系統(tǒng)界面設(shè)計(jì).會(huì)員信息分析界面設(shè)計(jì) 對(duì)于會(huì)員信息分析的Windows窗體設(shè)計(jì)視圖如圖.所示。

46、在對(duì)應(yīng)的窗體類CustomerAnalysisForm.cs中定義了如下成員字段： protected SqlConnection _connDatabase; protected AdomdConnection _connAnalysis;protected AdomdCommand _cmd;其中前兩個(gè)數(shù)據(jù)銜接對(duì)象分別指向SQL Server數(shù)據(jù)庫(kù)BookSell和Analysis Server數(shù)據(jù)庫(kù)，后一個(gè)數(shù)據(jù)命令對(duì)象那么用于在Analysis Services數(shù)據(jù)庫(kù)上執(zhí)行DMX查詢對(duì)象的創(chuàng)建都在窗體的構(gòu)造函數(shù)中完成：public CustomerAnalysisForm(SqlConn

47、ection connectionDatabase, AdomdConnection connectionAnalysis) _connDatabase = connectionDatabase; _connAnalysis = connectionAnalysis; _cmd = _connAnalysis.CreateCommand(); InitializeComponent(); 窗體在初始化和封鎖將翻開(kāi)和封鎖相應(yīng)的數(shù)據(jù)銜接；窗體的初始化過(guò)程同時(shí)還運(yùn)用SQL數(shù)據(jù)命令將一切會(huì)員的ID號(hào)載入到“會(huì)員編號(hào)組合框cmbcustomerID中：private void CustomerAnaly

48、sisForm_Load(object sender, EventArgs e) SqlCommand cmd = new SqlCommand(SELECT DISTINCT ID FROM Customer ORDER BY ID, _connDatabase); SqlDataReader reader = cmd.ExecuteReader(); while (reader.Read() cmbCustomerID.Items.Add(reader); reader.Close(); dgvLevels.AutoGenerateColumns = false; 圖.會(huì)員分析窗體Cust

49、omerAnalysisForm選擇會(huì)員編號(hào)并按下“載入會(huì)員信息按鈕后，程序?qū)⒃俅谓?jīng)過(guò)SQL命令來(lái)讀取會(huì)員的個(gè)人信息，并顯示在窗體上部的各個(gè)控件中： private void btnLoadInfo_Click(object sender, EventArgs e) if (cmbCustomerID.Text = ) MessageBox.Show(會(huì)員編號(hào)不能為空, 錯(cuò)誤, MessageBoxButtons.OK, MessageBoxIcon.Error); return; SqlCommand cmd = _connDatabase.CreateCommand(); cmd.Comm

50、andText = SELECT Birthday, Area, Degree, Gender, RegTime, Levels, Score FROM Customer WHERE ID= + cmbCustomerID.Text; SqlDataReader reader = cmd.ExecuteReader(); if (reader.Read() dtpBirthday.Value = (DateTime)reader; if (reader != DBNull.Value) cmbArea.Text = reader.ToString(); if (reader != DBNull

51、.Value) cmbDegree.Text = reader.ToString(); if (bool)reader) rdbMale.Checked = true; else rdbFemale.Checked = true; dtpRegTime.Value = (DateTime)reader; cmbLevel.Text = reader.ToString(); nudScore.Value = (int)reader; reader.Close(); 窗體下部是一個(gè)TabControl容器控件，它的個(gè)TabPage頁(yè)分別用于實(shí)現(xiàn)會(huì)員的級(jí)別分析、消費(fèi)分析、類型分析和圖書(shū)引薦功能。當(dāng)用

52、戶按下“會(huì)員級(jí)別標(biāo)簽頁(yè)中的“預(yù)測(cè)按鈕后，程序首先根據(jù)相關(guān)輸入來(lái)構(gòu)造DXM預(yù)測(cè)查詢字符串，而后調(diào)用貝葉斯模型CustomerLevels來(lái)預(yù)測(cè)會(huì)員級(jí)別:private void btnPredictLevels_Click(object sender, EventArgs e) if (cmbArea.Text = | cmbDegree.Text = ) MessageBox.Show(地域或?qū)W歷不能為空, 錯(cuò)誤, MessageBoxButtons.OK, MessageBoxIcon.Error); return; int iAge = DateTime.Now.Year - dtpBir

53、thday.Value.Year; _cmd.CommandText = string.Format(SELECT Predict(Levels), PredictHistogram(Levels) From CustomerLevels NATURAL PREDICTION JOIN (SELECT AS Age, AS Area, AS Degree, AS Gender) AS t, iAge, cmbArea.Text, cmbDegree.Text, rdbMale.Checked); AdomdDataReader reader = _cmd.ExecuteReader(); if

54、 (reader.Read() MessageBox.Show(string.Format(該會(huì)員最有能夠成為級(jí)會(huì)員, reader), 預(yù)測(cè)結(jié)果); AdomdDataReader reader = (AdomdDataReader)reader; DataTable table = new DataTable(); table.Load(reader); dgvLevels.DataSource = table; reader.Close(); 留意在上面的DXM預(yù)測(cè)查詢中運(yùn)用了Predice和PredictHistogram兩個(gè)預(yù)測(cè)函數(shù)，其中后者前往的結(jié)果包含會(huì)員到達(dá)各個(gè)級(jí)別的概率和支持

55、計(jì)數(shù)，詳細(xì)信息將顯示在DataGridView控件中。窗體對(duì)會(huì)員級(jí)別的預(yù)測(cè)效果如圖.所示。圖.預(yù)測(cè)會(huì)員級(jí)別類似的，當(dāng)用戶按下“會(huì)員消費(fèi)標(biāo)簽頁(yè)的“預(yù)測(cè)按鈕后，程序?qū)⒄{(diào)用決策樹(shù)模型CustomerConsume來(lái)預(yù)測(cè)會(huì)員的消費(fèi)程度：private void btnPredictConsume_Click(object sender, EventArgs e) if (cmbArea.Text = | cmbDegree.Text = ) MessageBox.Show(地域或?qū)W歷不能為空, 錯(cuò)誤, MessageBoxButtons.OK, MessageBoxIcon.Error); retur

56、n; int iAge = DateTime.Now.Year - dtpBirthday.Value.Year; _cmd.CommandText = string.Format(SELECT Predict(Dayconsume), PredictHistogram(Dayconsume) From CustomerConsume NATURAL PREDICTION JOIN (SELECT AS Age, AS Area, AS Degree, AS Gender) AS t, iAge, cmbArea.Text, cmbDegree.Text, rdbMale.Checked);

57、AdomdDataReader reader = _cmd.ExecuteReader(); if (reader.Read() MessageBox.Show(該會(huì)員最有能夠?qū)儆?+ that.GetConsumeDescription(double)reader); AdomdDataReader reader = (AdomdDataReader)reader; dgvConsume.Rows.Clear(); double dConsume; while (reader.Read() if(readerDayconsume != null & double.TryParse(reade

58、rDayconsume.ToString(), out dConsume) dgvConsume.Rows.Add(that.GetConsumeDescription(dConsume), reader$PROBABILITY, reader$SUPPORT); reader.Close(); reader.Close(); 在預(yù)測(cè)輸出時(shí)，程序經(jīng)過(guò)成員方法GetConsumeDescription將日均消費(fèi)數(shù)值轉(zhuǎn)換為消費(fèi)程度的文字描畫(huà)；對(duì)會(huì)員消費(fèi)的預(yù)測(cè)效果如圖.所示。protected string GetConsumeDescription(double consume) if (cons

59、ume = ) return 忠實(shí)會(huì)員; else return 普通會(huì)員; 圖.預(yù)測(cè)會(huì)員消費(fèi)程度再看“會(huì)員消費(fèi)標(biāo)簽頁(yè)中的“預(yù)測(cè)按鈕，其單擊事件處置代碼中調(diào)用了聚類分析模型CustomerType來(lái)預(yù)測(cè)會(huì)員類型，窗體的預(yù)測(cè)效果如圖.所示。private void btnPredictType_Click(object sender, EventArgs e) if (cmbDegree.Text = ) MessageBox.Show(學(xué)歷不能為空, 錯(cuò)誤, MessageBoxButtons.OK, MessageBoxIcon.Error); cmbDegree.Focus(); retu

60、rn; int iAge = DateTime.Now.Year - dtpBirthday.Value.Year; int iRegDays = (DateTime.Now - dtpRegTime.Value).Days + ; decimal dDayConsume = nudScore.Value / iRegDays; _cmd.CommandText = string.Format(SELECT Cluster(), PredictHistogram(Cluster() From CustomerType NATURAL PREDICTION JOIN (SELECT AS Age