数据仓库在电力业务决策支持系统中的应用

电力18讯：    摘要：电力行业利用数据仓库技术建立有效的数据集成管理机制，充分利用电力长期积累的大量数据为其科学化管理决策和发展新业务服务。

关键词：数据仓库；数据挖掘；元数据；决策支持系统

中图分类号：TM76 文献标志码：B 文章编号:1003-0867(2007)02-0046-03

在电力行业，各类专业业务系统错综复杂，加之信息化建设过程中缺乏统一的规划与设计，极易形成信息孤岛，使得企业信息不能合理地进行组织并实现共享。随着企业管理扁平化、精细化的需求日益迫切，企业信息化应用的整合迫在眉睫。

企业管理者的决策分析，需要依靠对企业生产经营活动的全面了解，而企业生产经营活动的信息，分布在众多的业务管理系统中。如何快速、有效的为企业管理者提供企业级管理信息的全方位视图？围绕电力企业关键指标体系，结合数据仓库技术，构筑企业级的数据仓库及辅助决策系统，是一个行之有效的方法。

1 数据仓库开发的必要性

数据仓库及辅助决策系统将为企业管理者全面及时了解各项业务信息提供重要途径，为领导决策指挥提供强大的支持。

随着数据仓库理论的完善和实践的不断积累，关于数据仓库建设产生了各种不同的设计方法和学术理念。但是无论采用何种方法和理念，从非集成运行的传统应用软件中收集原始数据，经过筛选、综合后以某种有意义的方式进行统一的、全局的利用，其工程过程必然是复杂、昂贵且耗时的。

如何缓解数据分析应用的及时性和数据仓库工程建设的复杂性之间的矛盾，使得数据仓库的作用能够被最大限度的发挥出来，是很多软件公司近几年来重点研究的课题。随着软件复用技术及能力的成熟度越来越高，框架理论和技术在数据仓库领域也表现出了强大的生命力。

通过建设数据仓库及辅助决策系统应用框架，并在这一应用框架内有效的集成各类数据仓库专门领域的平台和工具，使得框架一方面能够较好的满足企业管理者所需要的大多数关键指标的数据抽提、分析和展现的需求：另一方面具有良好的可扩展性，表现出较强的数据驱动能力，能够快速的适应新的指标分析展现和管理的要求。

数据仓库系统的建设分成三个主要阶段：建立和其业务相关的决策支持系统，也就是针对地域或部门首先建立一些单独的数据集市，满足边开发边见效的初衷；建立针对不同专题的系统，如客户关系管理系统（CRM）和风险控制系统等；完成构造整个企业级数据仓库系统，完善企业专题应用并实现数据挖掘。

大型数据仓库的建设往往从数据集市的建设开始，这些数据集市在企业级数据仓库完全建成之前能够发挥重要作用。另一方面，考虑到企业级数据仓库的建设是最终目标，因此在进行任何数据集市建设的同时都必须考虑到它们是未来数据仓库的一部分，要完全避免数据集市的重构现象。因此，开始数据集市的建设同时，如何使用方便的集成的方案和产品就显得至关重要了。

数据仓库及辅助决策系统在设计上需充分考虑到系统的通用性。数据仓库及辅助决策系统在建设定位上应作为一个基础应用平台。其体系结构与功能设计应具有良好的业务无关性。无论今后在该系统中进行何种业务数据的组织、分析和展示，都应能够遵循同样的实施过程来得以实现，针对业务特性而进行的二次开发的工作量应被最小化。

2 数据仓库的设计

数据仓库及辅助决策系统在设计上需充分考虑到对未来变化的适应能力。就目前而言，存在两类可预知的变化。

一是应用环境的变化。随着企业应用整合的快速推进，以及国网公司SG186工程的建设实施，各大业务系统将在不同程度上进行改造或完善。这种改造或完善将带来其数据组织方式，以及数据部署方式的变化。

二是应用需求的变化。随着企业管理扁平化、精细化程度的不断提高，对数据分析的需求也必然不断提高。从广度上看，企业管理者关心的指标会增加或发生变化；从深度上看，对于数据颗粒度的细化要求以及钻取深度的要求都会逐步提高。数据仓库及辅助决策系统应能够快速适应这种变化。

数据仓库及辅助决策系统在其工作的各个环节，都需要进行大量的数据处理。从应用实际出发，高效性是保证系统可用性的重要前提。高效性主要体现在两个方面。

一是从业务系统获取数据的高效性。大部分关键性业务系统是OLTP系统，其对系统性能的要求非常严格。数据仓库及辅助决策系统应保证在业务数据的获取过程中不会对业务系统自身的性能产生其无法接受的影响。

二是系统自身数据处理、分析展示的高效性。作为一个基于数据仓库的应用系统，数据处理过程存在数据量大、逻辑运算复杂等特点，因此性能优化设计至关重要。此外，要实现高效的分析与展示，数据多维立方体的模型设计也非常重要。

数据仓库应用的实施，是一个非常复杂的系统工程，必然存在很多的困难。

一是大量的技术问题需要解决。虽然数据仓库理论已趋于成熟，业界各类相关支撑技术及产品也层出不<