基于数据仓库技术的农行信息管理系统设计

论文摘要

当前,银行业中现有的系统,大多是为专项业务而设计,产生大量的业务数据,但不能形成业务部门直需的决策支持信息,从而造成了“数据繁杂,信息匮乏”的现象。管理人员需要一种强有力工具,对这些数据进行分类、合并、归纳、整理,以及更深层次的数据分析,最后得到所需要的决策信息。对于数据存在于各个异构的传统数据库中,数据仓库技术是整合数据的一种有效途径。随着数据仓库技术、OLAP技术及数据挖掘技术的逐步成熟,为实现决策支持系统提供了技术上的支持。然而,建设一个企业级数据仓库是一项复杂的工程,根据数据仓库的特点和功能,以及模块化设计思想,多维数据分析是进行信息决策的主要技术手段之一,数据仓库的多维特征,满足决策支持系统从多种角度对数据进行快速、交互地分析,克服传统决策支持系统交互能力差的弊病,使决策者能够对数据进行深入分析。以数据仓库(DataWarehouse)技术为基础,以联机分析处理(OLAP)和数据挖掘(DataMining)工具为手段,实施银行信息科学管理是较合理的解决方案。本课题基于银行信息管理要求,分析了系统应有的功能,设计了蓝图。通过ETL,构建集成的综合数据仓库,描述数据仓库,分析模型的设计和构建过程,数据的清洗整合过程等,为信息科学管理,决策支持完整实施,提供技术上的思路。可使数据在银行各部门间快速共享,打破信息孤岛的格局。使用联机分析、报表统计、数据挖掘等技术,开发信息决策支持系统,使决策科学化、智能化,从而满足对信息现代化管理的要求。

论文目录

• 摘要
• Abstract
• 第1章 概述
• 1.1 数据仓库产生的背景、定义和发展方向
• 1.2 数据仓库在银行业的应用现状分析
• 1.3 数据仓库技术在农行信息管理中的应用意义
• 第2章 银行信息管理决策支持系统设计
• 2.1 系统建设背景
• 2.2 系统建设目标、蓝图设计及研究范围定义
• 第3章 数据仓库解决方案
• 3.1 数据仓库架构框架
• 3.1.1 数据仓库框架概述
• 3.1.2 数据源
• 3.1.3 数据仓库存储架构
• 3.1.4 ETL架构
• 3.1.5 数据访问架构
• 3.2 数据仓库实施方法
• 3.2.1 数据仓库开发流程
• 3.2.2 数据仓库实施成功的基本要素
• 3.3 技术架构设计
• 3.3.1 数据源
• 3.3.2 数据仓库和数据集市
• 3.3.3 ETL应用服务
• 3.3.4 数据分析及报表应用服务
• 3.3.5 元数据管理服务
• 第4章 数据模型设计
• 4.1 数据模型基本概念
• 4.1.1 数据模型基本定义与分类
• 4.1.2 数据建摸的一般流程
• 4.2 信息管理系统中的数据模型
• 4.2.1 数据仓库数据存贮模型
• 4.2.2 数据集市数据存贮模型
• 第5章 数据清理及整合架构设计
• 5.1 抽取
• 5.2 清洗
• 5.3 转换
• 5.4 加载
• 第6章 信息管理系统的关键技术思想
• 6.1 概述
• 6.2 ETL的设计实现
• 6.2.1 ETL的技术结构
• 6.2.2 ETL框架设计
• 6.2.3 数据管理功能实现
• 6.2.4 ETL功能实现
• 6.2.5 ETL处理流程
• 6.3 应用的设计实现
• 6.3.1 主要对象类说明
• 6.3.2 业务对象设计
• 6.3.3 界面
• 6.3.4 应用实现
• 6.4 权限管理
• 6.5 性能优化
• 第7章 总结和展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢