基于OLAP技术的物流数据仓库应用研究

摘 要：在介绍OlAP(On-Line Analytical Processing)技术和数据仓库的基础上，分析了物流数据仓库的应用，给出物流信息数据采集流程、物流信息平台开发流程和决策支持子系统结构模型。对在OLAP技术下的数据仓库的决策功能进行了研究，指出OLAP技术与智能决策技术的复合应用能提高企业的决策能力和竞争力。

　　关键词：OLAP技术，数据仓库；物流，决策

　　OLAP(On—Line Analytical Processing)技术是基于现代通信技术与网络技术支持下的在线实时分析工具，其分类、整理、分析数据快速方便，支持复杂的分析操作，侧重决策支持，可以多角度地对数据进行处理。将OLAP技术下的物流数据仓库构建与企业管理信息系统相结合，能增强企业对数据和商业情报的挖掘与利用，提高企业物流管理信息系统的辅助决策能力。

　　1  OLAP技术与数据仓库

　　1．1  OLAP技术的核心及多维分析操作

　　OLAP针对特定问题进行联机数据访问，它的技术核心是“维” (Dimension)。维一般包含着比较复杂的层次关系，通过把一个实体的多项重要属性定义为多个维，使用户能对不同维上的数据进行比较，满足对决策信息的寻求。如一个企业为了调整经营战略而考虑产品的分销情况时，可以从时间、地区和产品等不同维来深入观察产品的分销，形式化表示为“维1，维2，…，维n”等度量指标，即“地区、时间、产品、销售量、库存量”等，这些维的不同组合所考察的度量指标构成多维数组，形成了OLAP分析的基础。

　　OLAP的多维分析操作有钻取、切片、切块及旋转等。钻取是改变维的层次，变换分析的粒度，切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分布，如果剩余的维只有两个，则是切片，如果有3个，则是切块：旋转是变换维的方向，即在表格中重新安排维的放置。以上多种分析操作有时需要联合运用，以便快速有效地分析数据，获取有用信息。这些OLAP技术与OLTP(On-Line Transaction Processing)相比，更能围绕所需目标信息，对大量数据进行多方式操作，挖掘数据的内在信息关系，为物流决策者提供直接的可视化分析结果。

　　1．2  数据仓库的信息特点

　　数据仓库DW(Data Ware- house)是一个面向主题、集成、随时间变化，但信息本身又相对稳定的数据集合，它用于对管理决策过程的支持。对于供应链上的物流信息，数据仓库内包含物流节点从过去某一时刻到目前的各个阶段记录的数据信息，并经加工、汇总和整理得到多层数据集。决策人员按所需目标信息为主题进行查询，可以对供应链节点运营发展过程及趋势做出定量分析和预测。数据仓库中的信息相对稳定，插入和查询操作较多，修改和删除操作很少，目的是尽可能保留原始 论文检测天使-免费论文检测软件http://www.jiancetianshi.com
第一时间内所获得的既定分类数据间的关联性。

　　2  物流数据仓库的应用

　　在物流领域建立数据仓库主要实现对物流服务需求分析、物流成本分析和物流过程分析，这主要以分析实时数据为主，将数据在供应链上按需重组，辅助决策者获取与目标相关的信息。

　　2．1  物流信息数据采集

　　信息数据采集是一个动态过程，物流作业中产生的信息经过一系列的数据加工才最终被存放在数据仓库中。如图1所示，最左端为物流基础作业信息源，包括物流基础作业和增值服务作业的数据信息，也包括HTML文件，知识库等各种信息。信息首先经过包装器／监视器，包装器负责把信息从信息源的数据格式转换成数据仓库的数据格式和数据模型，加工形成可以多维分析的数据：监视器负责自动监测信息源中数据变化，并把这些变化传递给集成器；集成器对收到的信息进行过滤、提取和合并处理，然后再存放在数据仓库中。

　　2．2  物流管理信息系统平台开发

　　由数据仓库支持的物流信息系统平台能够满足管理人员的决策需要，能快速响应其对信息数据的多维查询和分析的需要。图2展示了物流企业管理信息系统平台建设中数据仓库与应用程序同步开发过程。图2中的业务过程模型展示企业所从事的物流作业环节；数据模型展示支持业务过程所需的数据；过程描述是统一规范定义企业具体的业务过程，形成书面标准格式，数据描述是规定信息数据的格式、种类、时间等数据属性，建立数据信息的维度。在完成详细的过程描述和数据描述后，一部分工作是按照数据描述开发数据仓库的层次结构，另一部分是编译业务过程描述，开发系统平台的应用程序，以实现管理人员对物流信息系统的交互式操作。

　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0424/fontbr /> 

　　2．3  物流决策支持子系统

　　建立物流管理信息系统是为企业进行物流管理与决策服务，决策支持系统是其中的一个子系统。决策支持系统由人机交互子系统、数据仓库管理子系统和模型库管理子系统组成，如图3所示。图3中人机交互子系统实现控制数学模型和数据处理模型的结合与运行：模型库管理子系统负责建立、存放、删除、检索、统计、维护和管理有关模型，并负责模型与数据仓库管理子系统间的数据交换，提供模型的操作与管理语言：数据仓库管理子系统承担数据存储、删除、检索、排序、索引、统计和维护的任务，并提供数据操作的语言接口，对数据仓库进行目标信息存取。

　　在决策支持子系统中，模型库自带所需的数据文件，各模型之间通过数据相连，把公用的数据放人数据仓库中进行共享，形成系统决策基础。物流决策者通过人机交互子系统对确定的主题进行分析、对比、预测，对决策用的数据进行各种查询，要求控制输出形式(如图表、图形、语音合成等)，并要求对输出的结论进行解释等命令，根据这些命令调用不同的子系统，获得分析处理结果后，通过人机交互方式输出给决策人员，完成一个决策过程。

　　3  OLAP技术与数据仓库对物流决策的支持

　　3．1从数据仓库获取物流决策信息

　　对数据仓库中的数据利用OLAP技术进行联机分析，并利用多维数据集和数据集聚技术对数据仓库中的数据进行组织和汇总，并对这些数据进行评价，最后将分析查询结果快速返回给决策者。

　　图4为物流决策信息获取过程示意图，物流作业产生的原始数据信息经数据抽取(如分类、求和、统计等处理)完成数据的再组织，进入数据准备区，再将数据进行清理、净化、转换之后，经数据加载形成可靠的易于进行决策的数据仓库。在数据仓库中，还要对某些无效的旧数据进行清除。一般采用数据搬迁工具和数据净化软件防止数据污染，它们是通过对数据进行语法分析，利用神经网络方法或模糊逻辑方法找出数据之间的各种关系，防止无效的旧数据存人数据仓库，达到数据净化的目的。

　　根据决策分析端的查询主题需要，采用OLAP技术从数据仓库中提取分析有用的数据。如决策者需要分析某一阶段内物流订货作业与发货作业量，以便调整库存量来控制成本，减少下阶段的资金占用，即可利用OLAP技术对物流数据仓库进行分析。在数据提取中，完成数据清理转化，必要时要对缺损的数据加以补充，捉供给决策人员相关信息。决策人员也可改变分析、决策的主题进行查询，如需查询不同地理位置的分销商对该物品的经销情况或供应链上各地销售商对该物品的售后数据，则能从当前主题转到下一主题进行数据提取分析。物流信息的动态产生过程决定了物流决策过程的及时性和准确性，而基于OLAP技术的数据仓库的应用，能够满足数据的优化处理，便于迅速提供决策支持。

　　3．2  OLAP技术支持智能决策

　　在数据仓库应用中，OLAP技术是前端展现工具，它可以与数据挖掘工具、知识发现技术和专家系统配合使用，增强决策分析功能。图5为专家系统、数据挖掘和知识发现技术与OLAP技术复合的智能决策支持模型。利用OLAP技术可实现数据仓库前端应用与后端智能分析判断的结合，使决策分析具有人为目标导向性和智能优化信息的特点，提高决策的准确性。

　　4  结束语

　　随着传统竞争方式逐步转变为一体化的供应链竞争，物流分析、决策用的数据量急剧增长，决策难度增强，运行在Intranet环境下的分析、决策模型从一台机器上的集中式处理，变成在Internet环境下的分布、并行处理方式。企业对物流信息数据的处理从数据库OLTP模式转变到了网络环境下的数据仓库OLAP模式，实现了对原始信息数据的加工优化能力，以及与智能决策技术的复合应用，这将提高企业在战术、战略上的决策能力和市场竞争能力。

　　[8]电大学习网.免费论文网[EB/OL]. /d/file/p/2024/0424/fontbr />