第２７卷第１３期Ｖ０１．２７Ｎｏ．１３计算机工程与设计ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＤｅｓｉｇｎ２００６年７月Ｊｕｌｙ２００６商务智能在现代企业中的应用与研究焦慧敏１，汪林林２（１．重庆邮电学院计算机学院，重庆４０００６５；２．重庆邮电学院软件学院，重庆４０００６５）摘要：针对目前现代企业信息系统存在的问题，引入商务智能架构体系，提出了一种改进的商务智能体系结构，给出了一个完整的商务智能系统建设方案，并对其中的数据仓库主题分析的选择、ＥＴＣＬ过程实现以及数据仓库的查询优化进行了研究和实现。实际应用结果表明，该系统不仅提高了企业对现有的信息数据的利用效率，还提高了企业决策分析的能力。关键词：商务智能；数据仓库；数据集市；ＯＬＡＰ；ＥＴＣＬ；数据挖掘中图法分类号：ＴＰ３１１．５２文献标识码：Ａ文章编号：１０００．７０２４（２００６）１３．２５０３．０４ＲｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｂｕｓｉｎｅｓｓｉｎｔｅｌｌｉｇｅｎｃｅｉｎｍｏｄｅｍｅｎｔｅｒｐｒｉｓｅＪＩＡＯＨｕｉ．ｍｉｎｌ．Ⅵ俏卜ＴＧＬｉｎ—ｌｉｎ２（１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｃｈｏｎｇｑｉｎｇ４０００６５，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＳｏｆｔｗａｒｅ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｃｈｏｎｇｑｉｎｇ４０００６５，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｍｏｄｅｍｅｎｔｅｒｐｒｉｓｅｉｎｆｏｒｍａｔｉｏｎｓｙｓｔｅｍ，ＢｕｓｉｎｅｓｓＩｎｔｅｌｌｉｇｅｎｃｅａｒｃｈｉｔｅｃｔｕｒｅｉｓｉｎｔｒｏｄｕｃｅｄ，ａｋｉｎｄｏｆｉｍｐｒｏｖｅｄｓｙｓｔｅｍｓｔｒｕｃｔｕｒｅｏｆｂｕｓｉｎｅｓｓｉｎｔｅｌｌｉｇｅｎｃｅｉｓｐｒｏｐｏｓｅｄ，ａｃｏｍｐｒｅｈｅｎｓｉｖｅｍｅｔｈｏｄｏｆｂｕｓｉｎｅｓｓｉｎｔｅｌｌｉｇｅｎｃｅｓｙｓｔｅｍｃｏｎｓｔｒｕｃｔｉｏｎｉｓｐｕｔｆｏｒｗａｒｄ．Ｔｈｅｅｓｓｅｎｔｉａｌｔｅｃｈｎｏｌｏｇｙｏｆｔｈｅｂｕｓｉｎｅｓｓｉｎｔｅｌｌｉｇｅｎｃｅｓｙｓｔｅｍｉｓｒｅｓｅａｒｃｈｅｄａｎｄｒｅａｌｉｚｅｄｉｎｃｉｎｄｉｎｇｓｕｂｊｅｃｔａｎａｌｙｓｉｓｃｈｏｉｃｅ，ａｎｄｄａｔａｗａｒｅｈｏｕｓｅｑｕｅｒｙｏｐｔｉｍｉｚａｔｉｏｎ．ＴｈｅｒｅｓｕｌｔｉｎｔｈｅｐｒａｃｔｉｃａｌａｐｐｌｉｃａｔｉｏｎｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｕｓｉｎｇｅｆｆｉｃｉｅｎｃｙＥＴＣＬ’ｓｐｒｏｃｅｓｓｒｅａｌｉｚａｔｉｏｎｏｆｔｈｅｅ）【ｉｓｔｅｄｉｎｆｏｒｍａｔｉｏｎｄａｔａｉｓｈｅｉｇｈｔｅｎｅｄ，ａｎｄｔｈｅａｂｉｌｉｔｙｏｆｔｈｅｅｎｔｅｒｐｒｉｓｅｄｅｃｉｓｉｏｎａｎａｌｙｓｉｓｉｓｉｍｐｒｏｖｅｄ．Ｋｅｙｗｏｒｄｓ：ｂｕｓｉｎｅｓｓｉｎｔｅｌｌｉｇｅｎｃｅ；ｄａｔａｗａｒｅｈｏｕｓｅ；ｄａｔａｍａｒｔ；ＯＬＡＰ；ＥＴＣＬ；ｄａｔａｍｉｎｉｎｇＯ引言大连商品交易所为例，具体分析了商品交易所计算机监控系统的系统结构及建设方案，并对其中的关键技术进行了详细描述。随着信息化的发展，现代企业信息化进程得到巨大发展和广泛应用，各种应用系统的广泛应用以及互联网的蓬勃发展，为计算机应用系统的运行积累了大量的历史数据。但在很多情况下，这些海量数据在原有的作业系统中是无法提炼并升华为有用的信息并提供给业务分析人员与管理决策者。一方面，联机作业系统因为需要保留足够的详细数据以备查询而变得笨重不堪，系统资源的投资跟不上业务扩展的需求；另一方面，管理者和决策者只能根据固定的、定时的报表系统获得有限的经营与业务信息，无法适应激烈的市场竞争。现在，大多数企业并不缺少数据，而是苦恼于海量数据以及数据的不一致性；随着数据量的增加，数据变得越来越难以访问、管理。如何把已有的海量数据转换成更有价值的商用信息，以便用于决策支持呢？商务智能被广泛认为是最好的解决方案之一。商务智能系统建设的目标就是要为企业提供一个统一的分析平台，充分利用原有系统中积累的宝贵数据，对其进行深层次的发掘，并从不同的角度分析企业的各种业务指标和构建业务知识模型。本文在讨论了商务智能的基本概念后，以收稿日期：２００５．１２．２３。１商务智能体系结构及系统实现商务智能系统是建立在数据仓库、ＯＬＡＰ、数据挖掘等技术的基础之上，通过收集、整理和分析企业内外部的各种数据，加深企业对客户及市场的了解，并运用一定的工具对企业运营状况、客户需求、市场动态等做出合理的评价及预测，为企业管理层提供科学的决策依据。商务智能体系结构一般为：源数据层、数据转换层、数据仓库（数据集市）层、ＯＬＡＰ及数据挖掘层和用户展现层。商务智能的核心采用了数据仓库技术、ＯＬＡＰ技术及数据挖掘技术。数据仓库是商务智能系统的基础，是面向主题的、集成的、稳定的和随时间不断变化的数据集合。联机在线分析处理（ＯＬＡＰ）技术的核心是“维”，通过对数据的钻取、切片及旋转等分析动作，来完成决策支持和环境下的查询及报表。基于底层数据存储的不同，可以将ＯＬＡＰ分为ＭＯＬ—ＡＦ和ＲＯＬＡＰ两种。当进行ＯＬＡＰ查询时，需将用户的分析动作解释成相应的结构化查询语言（ＳＱＬ）语句来执行操作者简介：焦慧敏（１９７４一），男，山西洪洞人，硕士研究生，研究方向为数据库、数据仓库和系统体系结构设计；汪林林（１９４５－），男，安徽休宁人，教授，博士生导师，研究方向为数据库与数据挖掘、空间数据库与ＧＩＳ、计算机网络、计算金融、电信增值业务和分布式计算。・——２５０３———万方数据作并返回查询结果。数据挖掘是指运用人工智能、机器学习、统计学等技术，对企业中的数据进行分析推理，找出隐含或未知的模式，提供给管理人员，以提高其决策水平。基于ＯＬＡＰ的决策支持，是更多地依靠系统与专业技术人员的交互来完成对历史数据的统计和分析的，而数据挖掘则自动化程度较高，主要用于发现隐含在数据中的有用信息。１．１现有系统存在的问题２０世纪９０年代以来，计算机的监控系统得到了很大的发展和应用，随着网络管理系统、数据库管理系统、主机管理系统、杀毒软件以及防火墙等系统的相继投入使用，各管理系统积累了大量的历史数据。这些系统的建设为商品交易所的期货交易系统提供了有力的安全保障，但它们是在不同历史时期，根据不同业务的需要，由不同供应商提供的，体系结构和管理实施等方面存在着较大的差异，各系统间的数据也相对分散和，难以共享，没有建立起统一的、用于分析处理的基础数据平台。要把这些来自于不同的系统中的海量数据提炼并升华为有用的信息，及时提供给业务分析人员与管理决策者，使计算机系统的运行更加安全和稳定，并能在指定的条件下及时预警。而目前管理者和决策者只能根据固定的、定时的报表系统获得有限的信息，无法适应越来越庞大的计算机系统的稳定性、健壮性和安全性要求。本系统收集分散的各种详细数据源，建立以各种主题为导向的数据仓库，并从中分析监控数据的内在规律，方便企业高层行政主管、业务主管对主机状况、网络状况、数据库状况和环境状况，以及部分应用状况的综合分析，及时掌握系统的各项运行指标等诸多有效信息，使管理人员的工作由事务型向思维型转变，由事后处理型向事前预测型转化，为管理者做出科学的计划、判断和决策提供帮助。１．２系统设计该系统采用Ｂ／Ｓ架构，服务器端提供的服务包括数据逻辑、数据服务、性能监控以及元数据存储、数据挖掘和数据聚集等。客户端执行的功能包括用户界面、查询分析、报表格式化以及数据访问等功能。系统结果如图１所示。图１系统结构・——２５０４－——万方数据数据源层：也可称作操作型数据层，是整个数据仓库的基础，提供了整个系统最原始的数据。通常为业务数据库和其它外部数据，业务数据包括：网管管理系统数据、主机相关运行指标的数据、数据库监控信息的数据、杀毒软件的数据、防火墙系统的数据、入侵检测系统的数据、基本信息维护的数据以及外部其它各式的数据。数据获取层：也可称作数据转换层，主要是把数据源层的数据通过ＥＴＣＬ过程转换到数据仓库中，包括数据的抽取（Ｅｘ．ｔｒａｃｔ）、转换（Ｔｒａｎｓｆｏｒｍ）、清洗（Ｃｌｅａｎｉｎｇ）和加载（Ｌｏａｄ）４个部分，这一层在一定程度上决定着数据仓库中数据的质量。ＥＴＣＬ指的是数据抽取、转换、清洗、加载的过程，其目的是从数据源中抽取该系统所需要的数据，对其进行检验和清洗，并根据数据仓库设计要求对数据进行重新组织和加工，并装载到数据仓库的目标数据库中。数据存取层：该层是按主题进行分析和对相关的数据进行挖掘的数据源，包括每一个按主题进行分类的数据集市和专门用于数据挖掘的数据挖掘库。数据分析服务层：该层是数据存储和前端分析工具的桥梁，它包括ＯＬＡＰ分析引擎、安全控制机制等等，能按照用户的要求设计、生成具有分析功能的分析主题，予以组织，以便进行多角度、多层次的分析，并发现趋势。它们响应前端用户的分析请求，将数据传送给前端的分析工具显示。前端展现层：在用户眼中，用户界面的显示才是最重要的，本系统中采用Ｈｙｐｅｒｉｏｎ公司的ＢＩ软件来设计基于Ｗｅｂ的数据展现和图形展现，并提供给用户多种查询方式，能根图２展示样式１和传统的系统结构相比，本系统采用了基于主题的数据据用户要求钻取到相关层，获得相关的明细数据。用户可以通过Ｂ／Ｓ和Ｃ／Ｓ两种方式获取展示的数据。展现层中主要使用一些展现方法，如二维笛卡尔坐标系、三维笛卡尔坐标系、二维墙面坐标系、三维墙面坐标系和一些特殊效果处理，如光照、雾化、融合和纹理等，还有可视化工具，如图表、曲线、决策树、规则图、直方图、饼图和高低区域图等。展示样式如图２和图３所示。集市，而不是针对部门的数据集市。针对不同的主题，用户可以进行不同的查询和分析，对于主题本身的选择，采取传统方图３展示样式２法和“基于特征值的数据仓库主题搜索方法”相结合，并单独成立一个数据集市作为数据挖掘库，这样对数据挖掘来讲，可以减少冗余数据，大大提高数据挖掘的速度和效率；对于客户端的用户，用户可以在本地对数据进行离线统计分析，减少了网络的负荷，提高了运行速度和效率。２系统实现中的关键技术研究２．１主题分析和数据建模由于数据仓库在规模大小、集成程序和体系结构方面都与传统的数据库不同，因此传统的数据结构无法满足其要求，必须寻找一种新的数据结构来描述数据模型。在该系统的数据分析中会涉及到大量的ＯＬＡＰ操作，包括切片、切块、旋转和钻取等，通过对现有系统大量数据的分析，并结合数据仓库环境的特点，我们选定星型模式来描述数据模型。星型模式通常由一个包含主题的事实表和多个包含事实的非规范化的维表组成，通过事实表将各种不同的维表连接起来，维表中的对象通过事实表与另一维表中的对象相关，这样建立各个维表对象之间的联系。为了给决策分析者提供不同的分析角度，每个主题的数据都采用数据集市的方式存贮。在主题的确立上采用两种方式来实现：・根据业务需求的划分，我们将数据仓库系统按要求划分为以下几个主题：主机主题、网络主题、数据库主题、防病毒主题、防火墙主题、环境主题等；・在其它主题的建立上，本系统使用了一种“基于特征值的数据仓库主题搜索方法”，根据数据仓库主题的特征属性来确定其它的主题。此方法能够自动地从关系数据库中寻找具有这种数据仓库主题特征的表，为数据仓库设计的主题选择提供辅助参考。定义给出了数据库中表Ｒ的主题相关属性值，其中外键特征值‘数值特征值胛、时间特征值ｄｉｌｌ］视图特征值ｔ都是静态的，元组特征值是动态的。取静态特征值的平均数与动态特征值的乘积作为表的主题特征值，定义表Ｒ的主题特征向量为Ｍｄ＝－ｔｘ（彻＋丹访／４。朋万越大越适合作为主题。万方数据２．２ＥＴＣＬ中的实现方法（１）抽取方式根据本系统的特性，ＥＴＣＬ数据加载采用时戳方式对数据进行抽取，在原有系统业务表中统一添加时间字段作为时戳（如表中已有相应的时间字段，可以不必添加），每当数据源系统中更新修改业务数据时，同时修改时间戳字段值，对关系型数据库中的表，可以使用触发器的技术来实现，对于其它的数据，通过编写抽取器代码的方式来实现。当作ＥＴＣＬ加载时，通过系统时间与时戳字段的比较来决定进行何种数据抽取。ＥＴＣＬ系统设计清晰、源数据抽取相对简单，速度快。在抽取策略上，制定一个行之有效的数据抽取时间和方式（比如００：００．４：００），为系统不断补充合格的数据，实现数据的递增加载。（２）数据清理在ＥＴＣＬ中，数据清理是一很重要的工作，而重复记录消除是数据清理研究中一个很重要的方面，它的目的是检测并消除那些冗余的、可能对后来的０ＬＡＰ和数据挖掘造成影响的数据。已有研究都是通过设定一个相似度阀值来判断两条记录是否为重复记录。过大的阈值将导致返回率下降，过小的阀值将导致误检率上升。本系统使用了一种双阀值的重复记录消除方法，利用数据仓库环境下数据库表之间的外键联系做进一步判断，可以有效地提高判断质量。减小误检率。ＦＫＳｉｍ（Ｒ１，Ｒ２）＝ｓｉｍ（Ｒ１，Ｒ２），如果ｓｉｍ（Ｒｌ，Ｒ２）＞＝ＵＰ或者ｓｉｍ（Ｒ１，Ｒ２）＜＝ＬＯＷＦＫＳｉｍ（Ｒ１，Ｒ２）＝（１．ｄｌＩ＊ｓｉｒｅ（Ｒ１，Ｒ２）＋ｄ＊ｓｉｍ（ＦＫ（Ｒ１），ＦＫ（Ｒ２）），ＬＯＷ＜ｓｉｍ（Ｒ１，Ｒ２）＜ＵＰ集合ｓ１和ｓ２的相似度ｓｉｍ（ｓｌ，ｓ２）ｄ为贡献因子，它的意思是在原始相似度处于ＬＯＷ和ＵＰ之间的时候，应该用另一个相似度来衡量ｒ１、ｒ２的相似程度。则ＦＫ（Ｒ）表示所有外键参照Ｒ中记录的记录集。（３）缺失数据的处理除了原始数据本身有缺失数据外，前面在抽取数据时也会产生新的缺失数据。如果缺失数据的前后时间间隔不大，我们采用线性插值的方法将其补上。例如：如果我们已知ｎ时刻，ｎ＋ｉ时刻的ｃｐｕ的占用率为：Ｔｎ，Ｔｎ“而缺少中间的数据，则中间时刻ｎ＋ｊ的取值为％＝Ｌ占孚－Ｊｏ郇ｆ２．３数据仓库中的查询优化由于数据仓库中数据主要是批量增加数据，数据的修改量很小，维护索引的开销就很小，因此，在数据仓库中可以根据需要添加足够多的索引，以此来提高查询的性能。在查询的过程中，事先生成一些实物化视图。这样，查询时就可以直接使用存储在实物化视图中的数据，而不需要实时计算。这是一种利用空间的代价来换取时间效率的方法。基于数据仓库星型模式的特点，本系统在进行数据仓库的查询时引用了一种新的多表排序连接算法，这种算法直接应用于数据仓库可以提高数据库的查询性能。算法过程如下ＡｌｇｏｒｉｔｈｍＭｕｌＳｏｒｔＪｏｉｎ（Ｆ，Ｄ１，Ｄ２，…，Ｄｍ）Ｉｎｐｕｔ：事实表Ｆ（ＩＤｌ，…，ＩＤｍ，Ａ１，…，Ａｐ）－——２５０５－——维表ＤＩ（ＩＤＩ，Ｂ１ｌ，…，Ｂｌｑ），Ｄ２（ＩＤ２，Ｂ２１，…，Ｂ２ｒ），…，Ｄｍ（ＩＤｍ，Ｂｍｌ，…，Ｂｍｓ）Ｏｕｔｐｕｔ：Ｆ和Ｄ１，Ｄ２，－．．，Ｄｍ的连表Ｔ｛ＦＯＲ（ｉｍｉ．１；ｉ＜－ｍ；ｉ＋＋）｛将维表Ｄｉ的所有记录读入内存；按属性值Ｄｉ［ＩＤｉ］排序关系得到排序表ＤＤｉ；｝ＦＯＲ（ｉｎｔｊ＝ｌ；ｊ＜＝Ｆ．ｃｏｕｎｔ；ｊ＋＋）／／Ｆ．ｃｏｔｍｔ为事实表的记录数｛ｒ＝事实表中的第ｉ条记录ＦＯＲ（ｉｎｔｉ＝ｌ；ｉ《＝ｍ；ｉ＋＋）｛ｄｉ＝根据ｒ［ＩＤｉ］查找排序表ＤＤｉ得到的记录；／／ｒ［ＩＤｉ】为事实表的对应于维表的外键的值）利用ｒ，ｄｌ，ｄ２，－－－，ｄｉｎ形成完整的连接结果元组ｔ；Ｔ＝Ｔ起，及时的将信息转化为知识和智能，才能更好的指导企业进行商业决策和行动。商务智能的作用就在于此，它帮助管理者做出科学的计划、判断、决策，避免主观、片面等因素引起的重大失误。本文主要从技术的角度对商务智能的基本概念、技术架构和涉及到的技术进行了探讨，并对具体实现进行了深入研究，在大连商品交易所计算机系统监控项目已经投入到应用中，对整个期货交易系统起到保驾护航的作用，有效地增强了企业的敏捷度和竞争力。通过集成化的商务智能系统的构建，企业高效地利用现有的信息基础设施中的数据，大大提高了用户对数据查询分析和决策分析的能力。商务智能是一个跨学科的方向，还存在很多没有解决的问题，比如在数据仓库中的可视化的数据挖掘系统等问题，需要进一步进行研究。参考文献：［１】ＣＨＡＵＤＨＵＲＩＳ．ＤＡＹＡＬＵ．ＡｎｏｖｅｒｖｉｅｗｏｆｄａｍｗａｒｅｈｏｕｓｉｎｇａｎｄＯＬＡＰ７４．ｔｅｃｈｎｏｌｏｇｙ［Ｊ］．ＡＣＭＳｉｇｍｏｄＲｅｃｏｒｄ，１９９７，２６（１）：６５—ｕ｛ｔ）；）ＶｄｉＴＵＲＮ（Ｔ）；｝这个算法所产生的Ｉ／Ｏ开销为ＢＦ＋ＢＤｌ＋ＢＤ２＋…＋ＢＤｍ＋Ｕ脚吲ⅢＩＮＭＯＮＷＨ．ＢｕｉｌｄｉｎｇｔｈｅＳｏｎｓ／ｎｃ，１９９６．ｄａｔａｗａｒｅｈｏｕｓｅ［Ｍ］．ＪｏｈｎＷｉｌｅｙａｎｄＮＥｌＬＯＰ’ＱＵＡＳＳＤ．Ｉｍｐｒｏｖｅｄｑｕｅｒｙｐｅｒｆｏｒｍａｎｃｅｗｉｔｈｖａｒｉａｎｔｉｎｄｅｘｅｓ［Ｊ］．ＡＣＭＳｉｇｍｏｄＲｅｃｏｒｄ，１９９７，２６（２）：３８－４９．ＷＡＮＧＬ，ＷＵＥＳＥＫＥＲＡＤ，ＪＡＪＯＤＩＡＳ．Ｐｒｅｃｉｓｅｌｙ块磁盘存取。其中ＢＦ为事实表Ｆ的磁盘块教，ＢＤｌ，ＢＤ２，…，ＢＤｍ分别为维表Ｄ１，Ｄ２，…，Ｄｍ的磁盘块数，ｕ为结果Ｔ的磁盘块数。因为事实表的记录数远远大于维表，所以ＢＦ＞＞ＢＤｌ，ＢＦ＞＞ＢＤ２，…，ＢＦ＞＞ＢＤｍ，总的磁盘存取块数近似等于ＢＦ＋Ｕ。对于传统的多表连接处理方法，如果两两表连接的次序为ＦｘＤｌｘＤ２ｘ…ｘＤｍ，则因为ＢＦｘＤｌｘＤ２ｘ…ｘＤｉ＞ＢＦ，最终连接运算所要求的磁盘块存取数将大于（２ｍ．１）ＢＦ＋Ｕ，其中读操作为ｍ次，写操作为ｍ－１次，显然，当ｍ＞ｌ时，多表排序连接算法要比普通的多连接算法磁盘存取块数少很多。ａｎｓｗｅｒｉｎｇｍｕｌｔｉ—ｄｉｍｅｎｓｉｏｎａｌｒａｎｇｅｑｕｅｒｉｅｓｗｉｔｈｏｕｔｐｒｉｖａｃｙｂｒｅａｃｈｅｓ［Ｒ】．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＥｉｇｈｔｈＥｕｒｏｐｅａｎＳｙｍｐｏｓｉｕｍｏｎＲｅｓｅａｒｃｈ加ＣｏｍｐｕｔｅｒＳｅｃｕｒｉｔｙ，２００３．吲ＧＡＯＡｉｑｉａｎｇ，ＬＩＱｉｎｇｚｈｏｎｇ．Ｔｈｅｄａｔａｍａｎｉｐｕｌａｔｉｏｎａｎｄｑｕｅｒ－ｙｉｎｇｏｐｔｉｍｉｚａｔｉｏｎＩｎＡｐｐｌｉｃａｔｉｏｎ，２００２．ＳＣＤＤＷＳ【Ｃ】．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄ吲王珊．数据仓库技术与联机分析处理【Ｍ】．北京：科学出版社，１９９９．３结束语在当今信息时代，企业往往被淹没在来源于多个渠道的庞大、丰富的海量数据中，只有及时地将数据有机的组合在一ｍ网王裕明，吴忠．商务智能中元数据管理模型研究【Ｊ】．计算机应用与软件，２００５，（８）：３４．３５，１１７．王卫平，徐宏发．基于ＷｅｂＳｅｒｖｉｃｅｓ的商务智能的网络研究［Ｊ】．计算机系统应用，２００５，（７）：１６．１９．英文摘要书写要求摘要写得好，能起到帮助读者了解论文主要内容的作用。因此，必须对论文进行认真的主题分析，找出论文的主题概念，简明、准确、完整地写出摘要。英文摘要一般是中文摘要的转译，其书写要求如下：（一）内容要求（１）文摘由三部分组成：研究的问题，方法和措施，得出的结果或结论；与此无关的内容均可省略，英文摘要一般不超过１５０个英文单词。・——２５０６・——（２）取消或减少背景信息、知识介绍，论文中谈及的未来计划不纳入摘要，在引言中出现的内容不要写入摘要。（３）不要对论文内容作评论，尤其是自我评价，也不要说别人的缺点。（二）翻译要求（１）尽量采用被动语态，用第三人称，不用”Ｗｅ”等第一人称作主语；用过去时态叙述作者工作，用现在时态叙述结论。（２）尽量用短句子，动词尽可能靠近主语。（３）尽量用词义清楚并为人熟知的词，不用自己无把握的难词；可省去不必要的词语，诸如副词、形容词、”Ｉｎｔｈｉｓｐａｐｅｒ＇’等。万方数据
