طراحی و پیاده سازی انبار داده با مدل داده با استفاده از سرویس های داده مبتنی بر پیمایش

قیمت: 42,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

طراحی و پیاده سازی انبار داده با مدل داده با استفاده از سرویس های داده مبتنی بر پیمایش

عنوان لاتین

Design and Implementation of Data Warehouse with Data Model using Survey-based Services Data

سازمان های تجاری مختلف یا بدنه های حکومت توانایی تصمیم گیری خودشان را با استفاده از انبار داده افزایش می دهند. برای بدنه های حکومت، انبار داده یک هدفی با سیاست گذاری برای فرموله کردن آسان تر مبتنی بر داده قابل دسترس از جمله یک سرویس داده مبتنی بر پیمایش را ارائه می دهد. در این مقاله ما یک سرویس داده مبتنی بر پیمایش با طراحی و پیاده سازی چارچوب انبار داده برای داده کاوی و گزارش هوش تجاری ارائه می دهیم. در طراحی انبار داده ما یک مدل داده چند بعدی برای ایجاد مرکز داده های (Data marts) چندگانه و طراحی یک فرایند ETL برای تجمیع مرکز داده ها از منبع داده را توسعه می دهیم. توسعه مرکز داده چندگانه تولید گزارش آسانتر را با شناسایی ابعاد معمول در میان مرکز داده ها فعال خواهد کرد. قابلیت های الحاق متقابل مرکز داده ها از طریق ابعاد مشترک، توانایی برای سهولت سراسری drill across مرکز داده ها برای گزارش و تحلیل داده را نشان می دهد. به علاوه ما همچنین بررسی کیفیت داده روی منبع داده و نیز قوانین تشخیص داده را برای فیلتر طرح داده بی بدیل و محدوده داده ذخیره شده در انبار داده برای تحلیل را ترکیب می کنیم.

Various business organization or government bodies are enhancing their decision making capabilities using data warehouse. For government bodies, data warehouse provides a means by enabling policy making to be formulated much easier based on available data such as survey-based services data. In this paper we present a survey-based service data with the design and implementation of a Data Warehouse framework for data mining and business intelligence reporting. In the design of the data warehouse, we developed a multidimensional Data Model for the creation of multiple data marts and design of an ETL process for populating the data marts from the data source. The development of multiple data marts will enable easier report generation by identifying common dimension amongst the data marts. The cross-join capabilities of the data marts through common dimensions, demonstrate the ability to easily drill across the data marts for cross data analysis and reporting. In addition, we also have incorporate data quality checking on the data source as well as data detection rules to filter out unmatched data schema and data range from being stored in the data warehouse for analysis