數(shù)據(jù)倉庫在DSS中的應(yīng)用研究的開題報告

數(shù)據(jù)倉庫在DSS中的應(yīng)用研究的開題報告一、研究背景及意義數(shù)據(jù)倉庫是指將多個數(shù)據(jù)源中的數(shù)據(jù)匯集到一起并在此基礎(chǔ)上建立一個面向主題且集成的數(shù)據(jù)存儲，以便支持業(yè)務(wù)決策。數(shù)據(jù)倉庫（DataWarehouse，DW）可以以一種集成的、主題導(dǎo)向的數(shù)據(jù)集合形式組織數(shù)據(jù)，它可以對操作性數(shù)據(jù)進行聚集、加工、清理等處理，以滿足定制化的查詢和分析需求。它是數(shù)據(jù)挖掘與決策支持系統(tǒng)的重要組成部分。數(shù)據(jù)倉庫與DSS（DecisionSupportSystem，決策支持系統(tǒng)）有密切關(guān)系，數(shù)據(jù)倉庫旨在支持DSS，DSS又需要利用數(shù)據(jù)倉庫存儲和管理數(shù)據(jù)，因此，數(shù)據(jù)倉庫在DSS中有著廣泛的應(yīng)用。數(shù)據(jù)倉庫是極其重要的基礎(chǔ)設(shè)施，能夠支持DSS從海量、分散不均的數(shù)據(jù)中提取需要的信息，幫助決策者最終做出有效的決策。二、研究內(nèi)容本研究主要將分析DSS中數(shù)據(jù)倉庫的應(yīng)用，重點研究以下內(nèi)容：1.數(shù)據(jù)倉庫的概念、結(jié)構(gòu)與特點。闡明數(shù)據(jù)倉庫的基本概念及實現(xiàn)方式，分析數(shù)據(jù)倉庫的基本結(jié)構(gòu)以及特點。2.數(shù)據(jù)倉庫的相關(guān)技術(shù)。介紹數(shù)據(jù)倉庫的數(shù)據(jù)挖掘、ETL、OLAP等相關(guān)技術(shù)，以及各種技術(shù)的組合應(yīng)用。3.決策支持系統(tǒng)的基本概念、特點和分類。著重探討DSS的概念、發(fā)展歷程和特點、分類等方面。4.DSS中數(shù)據(jù)倉庫的應(yīng)用。指出數(shù)據(jù)倉庫在DSS中的重要性及應(yīng)用，分析數(shù)據(jù)倉庫在DSS中的主要應(yīng)用場景和特點。5.案例研究。通過具體案例，說明數(shù)據(jù)倉庫在DSS中的應(yīng)用價值及其實現(xiàn)方式。三、研究方法本研究主要采用文獻資料法、實證研究法和案例分析法。首先，通過文獻資料法，系統(tǒng)梳理、分析數(shù)據(jù)倉庫和DSS的相關(guān)理論、概念和應(yīng)用；其次，運用實證研究法，分析數(shù)據(jù)倉庫在DSS中的具體應(yīng)用；最后，通過案例分析法，分析數(shù)據(jù)倉庫在DSS中的應(yīng)用情況，深入探究數(shù)據(jù)倉庫在DSS中的實際作用和價值。四、預(yù)期成果本研究主要是針對DSS中數(shù)據(jù)倉庫的應(yīng)用進行研究。經(jīng)過對數(shù)據(jù)倉庫的理論、技術(shù)和應(yīng)用的深入研究，與DSS的結(jié)合，得出了數(shù)據(jù)倉庫在DSS中的應(yīng)用價值，提出了相應(yīng)的實踐建議。五、研究進度安排1.第一階段：文獻資料收集和分析，階段時間：2周。2.第二階段：數(shù)據(jù)倉庫理論和技術(shù)的研究，階段時間：4周。3.第三階段：DSS的基本概念和分類研究，階段時間：2周。4.第四階段：數(shù)據(jù)倉庫在DSS中的應(yīng)用研究，階段時間：4周。5.第五階段：案例分析，階段時間：3周。6.第六階段：總結(jié)、撰寫論文、答辯，階段時間：5周。六、參考文獻1.RalphKimball,MargyRoss.(2013).TheDataWarehouseToolkit:TheDefinitiveGuidetoDimensionalModeling,3rdEdition.2.SidAdelman,LarissaT.Moss,MajidAbai.(2017).DataWarehouseDesign:ModernPrinciplesandMethodologies.3.WilliamH.Inmon.(2005).BuildingtheDataWarehouse.4.DavidL.Olson.(2004).DecisionSupportModelsandExpertSystems.5.Keeney,R.L.,&Raiffa,H.(1976).Decisionswithmultipleobjectives:Preferencesandvaluetradeoffs.Wiley.6.J.F.Manyika,M.Chui,S.Bughinetal.(2013).Bigdata:Thenextfrontierforinnovation,competition,andproductivity.McKinseyGlobalInstitute.7.TedFriedman,MarkA.Beyer,etal.(2018).TheGartnerDataWarehouseintheCloudMagicQuadrant.8.IBMBigData&AnalyticsHub.(2017).OLAPandmultidimensionalanalysis.9.RobertJ.Abate.(2009).D