一、基于数据仓库的决策支持系统的结构研究（论文文献综述）
李英楠[1]（2020）在《基于Hive的购销数据仓库系统的设计与实现》文中研究说明科学技术的发展带来了人们生活办公方式的转变,当今时代所倡导的人工智能,大数据等技术的发展都以数据作为基石。数据的价值在生活的方方面面都日益明显,而对于一个企业来说数据的价值更是在一个企业当中扮演着至关重要的角色,企业在日常经营与生产中积累了海量的数据,数据进入了DT时代,如何合理地处理和利用这些数据成了所有企业所关心的重要问题。大数据技术在这种背景下孕育而生,并在潮流之中稳步向前发展,在大数据的浪潮之中,Hadoop技术脱颖而出,并得到了学术界和工业界的广泛认可,Hadoop集群之上的开源数据仓库应用Hive具有模式自由、扩展性高和容错性高等特点,能够很好的为企业级数据仓库的建设提供服务,因此,越来越多的企业开始考虑如何很好地利用Hive数据仓库带来的优势,创建自己企业的数据仓库,使自身的信息化建设迈上一个新的台阶。数据仓库是一个面向主题,经过加工和集成,相对稳定并且随时间变化的数据集合,然而传统数据仓库扩展性、容错性等较低,处理大规模数据效果非常差劲,使数据仓库完全脱离了时代的潮流,发挥不出应有的功能。在数据仓库中,查询是其所有操作的重要组成部分,数据仓库中的数据会长期存在,方便用户直接进行查询操作。大数据背景下,新的数据仓库建设方案迫在眉睫。针对上面所提出的问题本文提出了一种大数据时代下新的数据仓库建设思路,更好的服务于当今社会背景下的企业的信息化建设。企业数据仓库为企业提供数据支持,方便企业更好地进行数据管理和数据挖掘工作,是企业信息化建设的核心所在。文章以数据仓库建设的背景和意义作为文章的开始,而后深刻地分析了现在国内外对数据仓库技术的研究成果,在对现有技术的研究之上,本文采用自动化的数据处理技术和新颖的数据分层思想,并且对目标系统进行了需求分析和设计得知数据处理、数据建模、数据仓库管理和可视化是我们目标系统的四个重要组成部分。因此本文的主要研究内容有:1、数据处理使用Hadoop平台,Hadoop为数据仓库提供高效且廉价的数据处理平台,利用Hive sql方便了数据处理流程,并且自主设计使用SHELL脚本实现了ETL自动化过程,通过实验分析得出最佳线程数,使用Yarn来进行资源管理提高数据仓库的稳定性和扩展性,并且利用Map Reduce并行计算的优势,能够很好地支持企业大规模数据的处理。2、数据建模数据建模的核心是逐层解耦。越到底层越接近业务发生的记录,越到上层,越接近业务目标。数据仓库的建设使用维度建模法,在建模的同时设计数据分层,使数据变得更加可靠,数据结构更加明确,方便我们对数据进行血缘追踪,为数据开发提供极大的便利。3、可视化部分利用spring MVC+spring+mybatis+Echars作为整个系统的框架,向企业展示他们所关心的关键购销数据。4、测试部分针对各个功能模块设计了相应的测试用例。根据我们所设计的测试用例对系统的性能、功能以及安全性进行测试,测试结果在我们的预料之中,系统运转正常。
许诗怡[2]（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》文中提出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。
夏明慧[3]（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》文中研究指明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。
肖聪[4]（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》文中研究说明大数据、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[5]（2020）在《数据挖掘技术在高校教育投入中的应用研究》文中指出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。
游骏鹏[6]（2020）在《基于数据仓库的企业决策支持系统的设计与实现》文中认为随着信息技术的发展和大数据时代的到来,传统的依赖于决策者的经验和直觉来判断、制定决策的方式受到了挑战,急需借助量化的方式为公司的决策者提供客观信息支持从而辅助决策。此外,公司内部使用的传统手工报表的工作方式在数据的协作、共享和维持一致性方面存在交流成本较大的问题。因此,开发一套基于数据仓库的企业决策支持系统,以数据展现的方式为公司人员提供信息支持和决策辅助。本项目基于Hadoop分布式集群和J2EE（Java 2 Platform Enterprise Edition）架构,提供了一套完整的数据解决方案。项目总体上分为数据获取、数据存储与处理、数据应用三大部分:在前两部分,进行数据仓库的构建,依赖Hadoop的计算能力,将数据的ETL（Extract-Transform-Load,数据抽取、转化、加载）操作贯穿于整个数据流程中;数据应用部分则是通过数据分析手段定义模型,根据模型对经过计算的数据通过Spring Boot等开发框架进行基于维度选择的报表展现。项目在面向用户的角度上分为文件上传、工作日历、用户分析、招聘分析、运营统计和权限控制六大功能模块,每个模块根据需求又分为若干子模块,以这些功能为公司人员提供信息和决策支持,从而促进企业的发展和经营效益的获取。本人参与了项目完整流程的开发,并依据软件工程思想和软件工程开发流程撰写了此论文。在本论文中,笔者首先描绘该企业决策支持系统的建设背景,然后对开发中使用的相关技术进行介绍,说明了系统实现的可行性。然后,通过对资源和用户的识别,进行了系统的功能性和非功能性需求分析。之后,在概要设计阶段,从总体架构、模块架构和数据库设计三方向对系统进行宏观上的构建。再在上述工作基础上,进行系统细节上的详细设计的探索说明,并通过代码转换为项目。最后,以系统的功能性和非功能性测试为系统上线作最后把关。
谢迎凤[7]（2020）在《某电信公司的商业智能分析系统的设计与实现》文中研究指明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。
张雪雯[8]（2020）在《基于数据仓库的管理驾驶舱系统的设计与实现》文中研究指明随着信息技术的快速发展,ERP系统、OA系统、CRM系统等管理信息系统已经广泛应用于各大企业的经营管理活动中,但随着企业业务范围的不断扩大,企业产生的数据量日益增长,对信息的简单管理已经不能满足当代企业的管理需求,各管理信息系统产生的数据缺乏互相联系,形成了大量的“信息孤岛”。企业如何将这些信息联系并利用起来,进而为管理层提供决策支持已经成为企业发展的当务之急。为解决上述问题,本文通过对某投资企业信息系统现状及各部门需求的调研,采用B/S架构设计并实现基于数据仓库的管理驾驶舱系统,将与企业经营状况相关的系统数据、电子文档数据和外部数据收集起来,并在此基础上进行数据分析与数据挖掘。在设计管理驾驶舱系统时,本文通过需求分析将系统模块划分为数据获取模块、数据管理模块、数据分析模块、风险预警模块、系统管理模块和登录模块。数据获取模块中为了解决数据集成的问题,在Hadoop集群上通过星型建模方式建立Hive数据仓库,并使用Kettle对源数据进行ETL处理,将数据按照一定的规则转换后加载至数据仓库中进行存储,形成了统一的数据中心。数据管理模块旨在解决数据仓库中元数据管理的问题,保证数据的质量。数据分析模块中使用大数据分析组件Kylin对数据进行OLAP分析,同时,为了更加直观的展示OLAP的分析结果,通过HTML5、Vue和ECharts组件将分析结果以多样化图表的形式进行展示,实现数据的可视化。风险预警模块的目的是提高企业应对财务危机的能力,本文设计并训练Logistic回归模型,用于预测财务危机发生的概率,实现对财务危机风险的预警功能。系统管理模块中使用Shiro框架实现用户权限控制,并在登录模块中对用户名及密码进行验证,实现系统的访问控制,保证系统的安全性。目前,管理驾驶舱系统已经建设完成并投入使用,系统运行状况良好,不仅为企业管理层决策提供了良好的数据支撑,还通过建立健全数据分析的指标体系,消除了数据上报口径不一致的问题,提高了数据分析的效率。
李颢[9]（2020）在《医疗数据仓库中数据抽取-转换-加载（ETL）系统的研究与实现》文中进行了进一步梳理本文针对已建成的某三级甲等医院内使用的各种信息系统中已积累的海量数据,提出了如何利用各种信息化手段,汇集与挖掘已有数据,为病患医治提供有效的技术支持。为实现该目的,医院对于搜集到的各种医疗相关数据,应通过预处理再传输到相应的数据仓库中,然后实施联机性的全面剖析和总结,最终对有关数据实施有效的挖掘。这样一来,医院就能够进一步的分析有关于患者、用药、治疗以及医师等各个方面的潜在关系。对于此类知识的发现与使用,能够对医院的更多决策制定形成有力的支持及辅助作用,另外亦可以对未来的其他医疗数据的进一步处理提供可靠的技术支持与宝贵的经验。本文考虑了医院信息的需求和紧迫性,以及医疗信息领域当前的数据交换问题。为了解决这些问题,本文提出了一种基于“五要素”的广义通用数据模型,并根据医院数据中心医疗数据的特点进行了数据处理的研究与设计,在MapReduce思想与方法基础上,本文提出了基于Key-Value的数据映射和归集存储方法,并采用了本文自主设计的通用自定义函数,完成了“患者主索引服务EMPI”的数据归集等工作。提出以本体为基础的元数据经管方式,有效处理在ETL中元数据语义约束和蕴含语义信息的诸多问题,能够对元数据改变比较大的医学领域给以更多的支持。在设计过程中,我们将使用星型和扩展雪花模型建立针对不同主题的数据集市,以满足不同业务领域中决策分析的需求。通过以上工作,本文基本完成了基于数据中心的智能医院系统平台的需求分析,设计,实现和验证,该医院的实践证明上述方法和技术是有效的。
李伟超[10]（2020）在《停车管理数据仓库构建与可视化分析》文中指出停车困难的问题日益严峻,不仅反映了停车站点现存资源的规划缺乏一定的科学性,也体现了企业对于大量停车数据信息分析利用的不完整。充分应用相关数据进行分析并制定正确的决策需要完整、科学的企业解决方案系统,现有的企业级数据管理系统更偏向于数据的查询以及存储功能,面向业务数据分析的应用仍具有一定的不足,而商务智能系统在具备数据存储、数据查询功能的技术基础上提供了面向用户的多维数据分析操作,通过运用商务智能系统可以系统地构建一整套针对相关数据存储、数据质量处理、数据建模分析以及分析结果展示的智能数据平台,在基于数据仓库针对企业数据分析功能的基础上应用可视化技术对数据分析结果进一步展示,实现了对企业相关业务决策制定的支持。本文主要以SQL Server Business Intelligence工具构建停车管理企业的商务智能系统,其中核心技术包括ETL流程设计、数据仓库构建以及可视化技术研究应用。其中,通过ETL技术实现了停车管理部门相关业务数据的质量完善以及各类源数据整合;在构建数据仓库过程中,针对已完善的数据制定相关的分析业务主题并构建多个数据维度,实现停车管理数据的多维度分析;最终应用数据可视化技术灵活、直观地对停车管理数据分析结果进行展示,为用户制定相关决策提供数据支持。本文在ETL流程设计中,针对数据抽取的方式采取了全表插入的方法;对数据进行修改实现数据的清洗设计,并以统一数据类型的方法进行数据转换。在构建数据仓库过程中,针对停车管理企业的业务规则制定了4个业务主题,并对各个主题及其属性组进行逻辑关系划分,最终构建相应的事实表以及维度表完成数据仓库的构建。在以数据报表形式对数据分析展示的基础上进行技术拓展,应用开源代码以及map V、Fine Report工具软件实现基于数据仓库的可视化分析综合应用。通过应用本文研究的技术方法,帮助企业分析了实际的运营情况,对相关决策的制定起到了积极的作用,基本满足企业解决实际问题的需求。
二、基于数据仓库的决策支持系统的结构研究（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、基于数据仓库的决策支持系统的结构研究（论文提纲范文）
（1）基于Hive的购销数据仓库系统的设计与实现（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 国内外研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第2章 相关理论基础 |
| 2.1 数据仓库技术 |
| 2.1.1 数据仓库的产生背景 |
| 2.1.2 数据仓库定义 |
| 2.1.3 数据仓库特点 |
| 2.1.4 数据仓库基本特性 |
| 2.1.5 数据仓库的相关概念 |
| 2.1.6 数据仓库的结构 |
| 2.1.7 数据仓库开发过程 |
| 2.1.8 数据仓库建模方法 |
| 2.2 ETL技术 |
| 2.2.1 ETL技术定义 |
| 2.2.2 ETL作用 |
| 2.3 sqoop技术介绍 |
| 2.4 Flume技术介绍 |
| 2.5 SSM框架 |
| 2.5.1 Spring |
| 2.5.2 Spring Mvc |
| 2.5.3 Mybatis |
| 2.6 ECharts |
| 2.7 本章小结 |
| 第3章 系统分析 |
| 3.1 业务需求分析 |
| 3.2 建设目标 |
| 3.3 系统功能性分析 |
| 3.4 系统性能需求 |
| 3.5 平台构建原则 |
| 3.6 本章小结 |
| 第4章 系统设计 |
| 4.1 系统架构设计 |
| 4.2 数据仓库设计 |
| 4.2.1 数据处理模块 |
| 4.2.2 数据建模模块 |
| 4.3 数据可视化 |
| 4.4 本章小结 |
| 第5章 系统实现 |
| 5.1 系统开发环境 |
| 5.2 系统主要功能实现 |
| 5.2.1 数据仓库实现 |
| 5.2.2 Web可视化实现 |
| 5.2.3 其它功能模块 |
| 5.3 本章小结 |
| 第6章 系统测试 |
| 6.1 测试环境 |
| 6.2 系统测试内容 |
| 6.2.1 系统功能测试 |
| 6.2.2 系统性能测试 |
| 6.3 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文工作总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 致谢 |
（2）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 |
（3）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 |
（4）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 |
（5）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 |
（6）基于数据仓库的企业决策支持系统的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 项目背景 |
| 1.2 项目研究意义与目的 |
| 1.3 国内外发展现状 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 2 系统相关技术简介 |
| 2.1 数据仓库 |
| 2.2 Hive |
| 2.3 数据库 |
| 2.4 Sqoop |
| 2.5 Spring Boot框架 |
| 2.6 My Batis框架 |
| 2.7 本章小结 |
| 3 系统需求分析 |
| 3.1 系统需求分析总览 |
| 3.2 数据获取需求分析 |
| 3.3 数据存储与处理需求分析 |
| 3.4 数据应用需求分析 |
| 3.5 系统非功能性需求分析 |
| 3.6 本章小结 |
| 4 系统概要设计 |
| 4.1 系统总体架构设计 |
| 4.2 系统模块设计 |
| 4.3 数据库设计 |
| 4.3.1 MySQL表 |
| 4.3.2 Hive表 |
| 4.4 本章小结 |
| 5 系统详细设计与实现 |
| 5.1 数据获取的文件上传模块 |
| 5.1.1 模块设计描述 |
| 5.1.2 模块流程图 |
| 5.1.3 模块时序图 |
| 5.1.4 模块类图 |
| 5.2 数据存储与处理 |
| 5.2.1 问题识别与解决思路 |
| 5.2.2 数据仓库层次设计 |
| 5.2.3 ETL模块 |
| 5.3 数据应用的招聘分析模块 |
| 5.3.1 模块设计描述 |
| 5.3.2 模块流程图 |
| 5.3.3 模块类图 |
| 5.3.4 模块时序图 |
| 5.4 数据应用的工作日历模块 |
| 5.4.1 模块设计描述 |
| 5.4.2 模块流程图 |
| 5.4.3 模块类图 |
| 5.5 数据应用的用户分析模块 |
| 5.5.1 模块设计描述 |
| 5.5.2 模块流程图 |
| 5.5.3 模块类图 |
| 5.5.4 聚类分组算法实现过程 |
| 5.6 本章小结 |
| 6 系统测试 |
| 6.1 功能性测试 |
| 6.2 非功能性测试 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）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 |
（8）基于数据仓库的管理驾驶舱系统的设计与实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文的背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 国内外数据仓库发展现状 |
| 1.2.2 国内外管理驾驶舱系统发展现状 |
| 1.3 论文的主要工作 |
| 1.4 论文组织结构 |
| 2 关键技术及理论 |
| 2.1 数据仓库技术 |
| 2.1.1 数据仓库概述 |
| 2.1.2 Hive |
| 2.1.3 ETL |
| 2.2 联机分析处理技术 |
| 2.2.1 OLAP概述 |
| 2.2.2 Apache Kylin |
| 2.3 逻辑回归模型 |
| 2.4 本章小结 |
| 3 管理驾驶舱系统的需求分析 |
| 3.1 整体需求分析 |
| 3.1.1 业务范围定义 |
| 3.1.2 系统角色定义 |
| 3.2 功能性需求 |
| 3.2.1 数据采集与处理需求 |
| 3.2.2 数据管理需求 |
| 3.2.3 数据分析需求 |
| 3.2.4 财务危机预警需求 |
| 3.2.5 系统管理需求 |
| 3.3 非功能性需求 |
| 3.4 本章小结 |
| 4 管理驾驶舱系统的总体设计 |
| 4.1 系统总体结构设计 |
| 4.1.1 ETL层设计 |
| 4.1.2 数据存储层设计 |
| 4.1.3 应用层设计 |
| 4.1.4 展现层设计 |
| 4.2 系统功能结构设计 |
| 4.3 本章小结 |
| 5 数据仓库的设计与实现 |
| 5.1 数据仓库的设计原则 |
| 5.2 基础数据表设计 |
| 5.3 概念模型设计 |
| 5.4 逻辑模型设计 |
| 5.5 物理模型设计 |
| 5.6 本章小结 |
| 6 管理驾驶舱系统的详细设计与实现 |
| 6.1 数据获取模块 |
| 6.2 数据管理模块 |
| 6.3 数据分析模块 |
| 6.3.1 分析方法概述 |
| 6.3.2 数据分析的设计与实现 |
| 6.4 风险预警模块 |
| 6.4.1 样本数据选择 |
| 6.4.2 财务预警指标体系 |
| 6.4.3 样本数据预处理 |
| 6.4.4 Logistic回归分析 |
| 6.5 系统管理模块与登陆模块 |
| 6.6 本章小结 |
| 7 管理驾驶舱系统测试 |
| 7.1 测试综述 |
| 7.2 功能性测试 |
| 7.3 非功能性测试 |
| 7.4 测试结果分析 |
| 7.5 本章小结 |
| 8 总结与展望 |
| 8.1 总结 |
| 8.2 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）医疗数据仓库中数据抽取-转换-加载（ETL）系统的研究与实现（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 国内外相关研究 |
| 1.3 医疗信息化关键问题 |
| 1.4 课题研究内容 |
| 1.5 论文结构安排 |
| 第二章 课题与相关技术支持 |
| 2.1 数据仓库 |
| 2.1.1 数据仓库技术的发展 |
| 2.1.2 数据仓库概念及特点 |
| 2.2 数据资源目录与元数据 |
| 2.2.1 对象元数据 |
| 2.2.2 服务元数据资源库 |
| 2.2.3 ETL元数据资源库 |
| 2.2.4 数据ETL的“星型”模型 |
| 2.3 ETL过程功能分析 |
| 2.4 MVC与三层体系架构技术 |
| 2.4.1 MVC架构技术简介 |
| 2.4.2 三层架构体系简介 |
| 第三章 医院数据中心ETL系统分析与设计 |
| 3.1 系统需求分析 |
| 3.2 系统总体设计 |
| 3.2.1 系统总体框架设计 |
| 3.2.2 数据中心技术架构设计 |
| 3.2.3 系统功能单元设计 |
| 3.3 数据中心数据模型设计 |
| 3.3.1 数据仓库数据模型设计 |
| 3.3.2 数据集市数据模型设计 |
| 3.3.3 临床数据资源库CDR概要设计 |
| 3.4 数据中心ETL设计 |
| 3.4.1 患者主索引服务设计 |
| 3.4.2 基于MapReduce的 EMPI设计 |
| 3.5 MVC框架及功能设计 |
| 3.5.1 MVC逻辑结构设计 |
| 3.5.2 数据存取功能设计 |
| 3.6 本章小结 |
| 第四章 医院数据中心ETL实现及测试 |
| 4.1 数据MapReduce实现 |
| 4.1.1 键值(key-value)数据存储 |
| 4.1.2 数据汇集的实现 |
| 4.2 数据ETL过程实现 |
| 4.2.1 临床数据资源库ETL案例 |
| 4.2.2 数据清洗应用案例实现 |
| 4.3 三层架构与MVC实现 |
| 4.3.1 基于MVC的用户管理系统技术分解 |
| 4.4 数据中心应用案例展现 |
| 4.4.1 患者360 视图效果展示 |
| 4.4.2 数据集市效果展示 |
| 4.4.3 医疗质监数据效果展示 |
| 4.5 ETL系统测试 |
| 4.5.1 系统测试 |
| 4.5.2 性能测试 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（10）停车管理数据仓库构建与可视化分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究动态 |
| 1.3 研究内容 |
| 1.4 研究方法与技术路线 |
| 1.5 论文结构安排 |
| 第二章 商务智能相关理论及方法 |
| 2.1 商务智能主要理论 |
| 2.1.1 商务智能概念 |
| 2.1.2 商务智能核心架构 |
| 2.2 商务智能主要技术方法 |
| 2.2.1 ETL技术 |
| 2.2.2 数据仓库技术 |
| 2.2.3 联机分析处理技术 |
| 2.2.4 数据挖掘技术 |
| 2.2.5 报表展示技术 |
| 2.3 数据可视化理论及方法 |
| 2.3.1 数据可视化技术概述 |
| 2.3.2 基于数据仓库的数据报表技术 |
| 2.3.3 动态可视化技术 |
| 2.4 本章小结 |
| 第三章 基于停车管理的数据仓库设计与构建 |
| 3.1 业务需求分析 |
| 3.2 数据仓库设计 |
| 3.2.1 概念模型设计 |
| 3.2.2 逻辑模型设计 |
| 3.2.3 物理模型设计 |
| 3.3 ETL流程设计 |
| 3.3.1 数据抽取设计 |
| 3.3.2 数据清洗与转换设计 |
| 3.3.3 数据加载设计 |
| 3.4 本章小结 |
| 第四章 停车数据的可视化分析 |
| 4.1 基于数据仓库的数据报表系统设计与展示 |
| 4.1.1 报表主题分析与设计 |
| 4.1.2 报表设计 |
| 4.1.3 报表展示 |
| 4.1.4 报表的部署与管理 |
| 4.2 停车管理数据的可视化展示 |
| 4.2.1 可视化技术方法的比较与选择 |
| 4.2.2 规划目标分析以及应用软件设置 |
| 4.2.3 基于前端技术软件的停车数据可视化分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究结论 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 作者简介 |
四、基于数据仓库的决策支持系统的结构研究（论文参考文献）
- [1]基于Hive的购销数据仓库系统的设计与实现[D]. 李英楠. 西南大学, 2020(05)
- [2]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
- [3]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)
- [4]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)
- [5]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)
- [6]基于数据仓库的企业决策支持系统的设计与实现[D]. 游骏鹏. 北京交通大学, 2020(03)
- [7]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)
- [8]基于数据仓库的管理驾驶舱系统的设计与实现[D]. 张雪雯. 北京交通大学, 2020(03)
- [9]医疗数据仓库中数据抽取-转换-加载（ETL）系统的研究与实现[D]. 李颢. 电子科技大学, 2020(07)
- [10]停车管理数据仓库构建与可视化分析[D]. 李伟超. 西安电子科技大学, 2020(05)