企业数据仓库系统在管理决策中的应用

数据仓库是最近发展起来的数据存储和管理模式,克服了传统关系数据库在管理决策应用中仅面向业务层流程的数据分析的缺点,具有面向主题、数据集成、数据相对稳定以及反映历史变化的特点,在管理决策中还能进行趋势分析等。本文概述了数据仓库系统的原理和特点、数据仓库系统结构、企业数据仓库系统在管理决策中的应用,最后简要介绍了构建数据仓库系统平台的工具Microsoft SQL Server2000。     

基于Web和数据仓库的企业决策支持系统研究

本文针对目前企业决策支持系统面临的问题,提出了Intranet环境下,以数据仓库为中心的企业DSS的总体结构与设计。探讨了基于Web和数据仓库的DSS方法与技术,结合实例介绍了系统的设计与开发过程。     

基于数据仓库的决策支持系统

在分析传统ＤＳＳ不足之后,从实用角度提出基于数据仓库决策支持系统的体系结构,研究了数据仓库的开发过程,并介绍基于数据仓库的决策技术。     

OLAP和DM在MRPII/ERP中的应用研究

本文针对传统MRPII/ERP系统在决策方面的不足,提出把联机分析处理和数据挖掘技术应用到传统MR-PII/ERP中去,以数据仓库作为企业底层的数据源,再配合以各种联机分析处理和数据挖掘技术,并结合MRPII/ERP的管理思想,正好做到取联机分析处理和数据挖掘在决策支持方面之长,补传统MRPII/ERP之短.同时,提出了智能制造资源计划(IMRPII)和智能企业资源计划(IERP)的系统模式,即IMRPII/IERP=MRPII/ERP+DW+OLAP+DM.并且针对MRPII中的预测功能,设计出了智能预测的方法.利用数据挖掘技术,动态地设置预测个体的预测权值,提高了定性预测的准确性和科学性.     

病案统计分析数据仓库的建立

本文以医院病案统计分析中疾病的统计分析为例介绍了用MS Server 2003软件,建立医院病案统计分析数据仓库的方法、步骤及其意义.     

商业智能时代企业经理信息系统的研究

通过对传统的企业经理信息系统数据管理技术局限性的分析和对商业智能3个核心技术的探讨,提出了数据仓库技术是解决经理信息系统数据组织问题的可行途径,并阐述了联机分析处理与数据挖掘技术在提高经理信息系统分析能力方面的作用。最后,给出了商业智能技术在企业经理信息支持系统中应用的实现方法。     

基于元数据的数据仓库在智能决策支持系统中的应用

将人工智能理论引入决策支持系统,构成智能决策支持系统。数据库是智能决策支持系统的重要组成部分,本文介绍了元数据的基本概念,将基于元数据的数据仓库技术运用到智能决策支持系统中,提出一个新的智能决策支持系统框架。     

数据仓库在高校会计分析中的应用

本文介绍了数据仓库在高校财务管理中的用途和建立的必要性,详细叙述了高校数据仓库的内容和建立方法,并通过一个事例重点分析了数据仓库在高校会计分析中的应用。     

浅析数据仓库及数据挖掘技术在ERP中的应用

数据挖掘是指采用人工智能的方法对数据库和数据仓库中的数据进行分析、获取知识的过程.现代企业的发展离不开信息技术的融合运用,本文主要论述数据仓库和数据挖掘技术在ERP中的应用.     

数据仓库技术在高校大类招生专业选择分析中的应用

本文研究数据仓库技术在高校大类招生环境下,学生自主选择专业行为特征分析中的应用,为高校大类招生相关政策的制定提供理论支持及技术手段.首先介绍了数据仓库星形模型分析方法,结合专业选择分析相关需求描述数据仓库建立的一般步骤.随后以北京科技大学经济管理学院2005级学生基本信息及学科成绩为例,重点阐述学生专业选择数据仓库逻辑模型设计.通过确立学生基本影响因素分析和学生成绩分析两大主题,充分分析学生基本属性、学生成绩等对学生选择专业的影响,并给出OLAP分析结论.     

空间OLAP 技术研究

针对决策支持系统中空间数据可视化应用趋势,研究基于空间数据仓库的一种决策分析 工具———在线分析处理,通过改进空间数据立方体的物化视图选择方法,并进行了实例分析, 验证该方法的有效性和优越性,更好地解决空间OLAP 响应时间延迟问题. 进而扩展空间OLAP 应用模型和模式,实现更加完备、灵活的空间OLAP 操作功能.     

基于改进SMOTE的小额贷款公司客户信用风险非均衡SVM分类

研究了小额贷款公司对客户进行信用风险评估时面临的问题,构建了信用风险评估指标体系,改进了支持向量机(Support Vector Machine, SVM)对非均衡样本分类时分类超平面偏移的不足。首先分析小额贷款公司业务区域性强、信用数据来源不规范、评价标准不一致等特点,给出用于客户信用风险评估的四个维度指标。针对传统SMOTE算法在处理非均衡数据时对全部少数类样本操作的问题,提出仅对错分样本人工合成的改进思想,给出具体算法步骤。将改进算法用于某小额贷款公司客户信用风险评估案例中,分类精确度较其他算法有所提升,表明该方法的可行性和有效性。     

仿EM的多变量缺失数据填补算法及其在信用评估中的应用

数据缺失会显著降低信用评估模型的准确性和可用性,尤其是多变量同时有数据缺失时。本文针对模型应用阶段的多变量数据缺失问题,提出了一种新的数据填补算法。该算法由两阶段构成：准备阶段和数据填补阶段。在准备阶段,算法基于朴素贝叶斯方法以初始数据集进行训练,对每个可能缺失的变量构建起相应的单变量预测估计模型;而数据填补阶段则借鉴了EM算法的思想,利用前期的单变量预测估计模型,对给定的多变量数据缺失样本进行交替迭代,逐步填补更新。理论证明,该算法具有单调收敛性。以人人贷数据集和UCI提供的德国和澳大利亚两个信用评估基准数据集为例,将其与众数填补法、EM填补法进行性能对比实验,结果表明本文方法的数据还原性能和填补后信用评估准确性都明显更优。这为解决信用评估时的数据多变量缺失问题提供了一种更好的处理方法。     

区间型符号数据的因子分析及其应用

符号数据分析是一种新兴的数据挖掘技术,区间数是最常用的一种符号数据。基于误差分析理论,研究针对区间数据的因子分析方法。将区间数看作一个由中点和半径构成的有序偶,并将半径视为区间数的极限误差。对中点样本阵进行因子分析,得到因子得分的中点值。然后将半径样本阵按照误差传递公式,得到因子得分的极限误差。由因子得分的中点值和极限误差最终得到因子得分的区间值。最后以股票的市场综合表现评价问题为案例,进行了应用研究。     

数据挖掘技术在CRM中的应用

客户关系管理(CRM)是数据挖掘技术的重要应用领域,也正是因为具有数据挖掘技术的支持才使CRM具有越来越广泛的市场价值和研究价值。本篇论文综述了面向CRM的数据挖掘应用的总体研究情况。包括面向CRM数据挖掘的体系结构;从客户生命周期的角度和行业应用角度分析了CRM中数据挖掘的应用状况;最后结合当前数据挖掘技术的发展指出了CRM中数据挖掘应用的进一步发展趋势以及我国在该领域的研究方向。     

多国股票市场的高频波动相关性研究

本文通过建立包含马尔科夫机制转换结构的MS-MHAR-DCC模型,并选取世界上比较发达的国家和地区股票市场的高频日内交易数据为样本,对多个股票市场波动相关性进行研究。通过引入包含马尔科夫结构的外部随机矩阵,本文识别出金融市场波动相关的截断时期,正态分布设定下相比在t分布设定下识别的截断时期更多且持续时间更长。在模型的截断时期内,多个股票市场的波动相关结构主要受到正向冲击,即在截断时期内的波动相关性大于平常状态的波动相关性。本文还发现,相同地域的股票市场间的动态波动相关性在大部分时期内表现为较强的正相关;美国股票市场和其余5个国家股票市场波动的动态相关性在大部分时期都表现为较强的正相关,表明美国作为全球巨头在世界金融市场波动的引导作用。     

Quantification of Variability and Uncertainty for Censored Data Sets and Application to Air Toxic Emission Factors

Many environmental data sets, such as for air toxic emission factors, contain several values reported only as below detection limit. Such data sets are referred to as "censored." Typical approaches to dealing with the censored data sets include replacing censored values with arbitrary values of zero, one-half of the detection limit, or the detection limit. Here, an approach to quantification of the variability and uncertainty of censored data sets is demonstrated. Empirical bootstrap simulation is used to simulate censored bootstrap samples from the original data. Maximum likelihood estimation (MLE) is used to fit parametric probability distributions to each bootstrap sample, thereby specifying alternative estimates of the unknown population distribution of the censored data sets. Sampling distributions for uncertainty in statistics such as the mean, median, and percentile are calculated. The robustness of the method was tested by application to different degrees of censoring, sample sizes, coefficients of variation, and numbers of detection limits. Lognormal, gamma, and Weibull distributions were evaluated. The reliability of using this method to estimate the mean is evaluated by averaging the best estimated means of 20 cases for small sample size of 20. The confidence intervals for distribution percentiles estimated with bootstrap/MLE method compared favorably to results obtained with the nonparametric Kaplan-Meier method. The bootstrap/MLE method is illustrated via an application to an empirical air toxic emission factor data set.     

Development of an RFID‐based Traceability System: Experiences and Lessons Learned from an Aircraft Engineering Company

This paper presents a case study of the research and development of an RFID‐based traceability system in an aircraft engineering company in Hong Kong. We report the system design and implementation, and discuss our experiences and lessons learned. The aim of the RFID system is to effectively support the tracking and tracing of aeroplane repairable items in the company. The study reveals eight critical success factors for the successful implementation of RFID systems, namely, create strong internal and external motivation for improvement, stir up desire to keep abreast of the latest technology for global competitiveness, strive for cross organizational implementation, avoid major process changes/limit process changes, start with a small RFID project scope, facilitate equipment vendor's investment, use cost‐effectiveness reusable tags, and transfer RFID skills and knowledge from university to industry. We also summarize 13 lessons learned, including three lessons concerning RFID implementation at strategic level, six lessons at management level, and four lessons at operational level resulting from carrying out this project. Given the contextual details of the study, the lessons learned can help other firms to better anticipate the hurdles they will experience, and make them aware of the possible ways to cope with such difficulties before embarking on the journey of RFID implementation.