大云網論文資料論文范文正文

電力經營管理分析與輔助決策系統解決方案

2013-12-05 15:03:53 電力信息化　點擊量：評論 (0)

摘要：電力企業通過多年信息化建設,已經建成了完善的業務支撐系統，同時也積累了大量數據。目前電力企業面臨的一個新課題是如何有效利用現有的數據，為高層管理決策提供服務。本文介紹了通過數據倉庫技術實現電力

對分析需要的數據按照多維數據模型進行再次重組，以支持用戶多角度、多層次的分析，發現數據趨勢。

前端工具與應用：前端工具主要包括各種數據分析工具、報表工具、查詢工具、數據挖掘工具以及各種基于數據倉庫或數據集市開發的應用。其中數據分析工具主要針對OLAP服務器，報表工具、數據挖掘工具既針對數據倉庫，同時也針對OLAP服務器。

我們可以選用目前業界較先進的IBM數據倉庫平臺，前端展示工具選用BRIO或BO。

3 技術方案

3.1 數據抽取轉換加載（ETL）

數據獲取功能是將數據從數據源經過必要的抽取、清洗、轉換等處理后加載到數據倉庫系統中，即ETL過程。

圖3.1 ETL過程示意圖

3.2 建立統一的綜合數據分析平臺（OLAP）

多維數據分析(OLAP分析)作為決策支持系統提供的主要分析手段之一，通過對多維形式組織起來的數據采取鉆取、切片、切塊、旋轉、透視等操作來剖析數據，使用戶能從多個角度、多側面地觀察數據倉庫的數據，從而深入地了解包含在數據信息中的內涵。

3.3 數據挖掘（Miner）

數據挖掘是信息領域發展最快的技術，是從大型數據庫或數據倉庫中發現并提取隱藏在其中的信息的一種新技術，目的是幫助決策者尋找數據間潛在的關聯，發現被忽略的要素，而這些信息對預測趨勢和決策行為也許是十分有用的。它能從DW中自動分析數據，進行歸納性推理，從中發掘出潛在的模式，或產生聯想，建立新的業務模型，幫助決策，調整市場策略，做出正確的決策。數據挖掘表明，知識就隱藏在日常積累下來的大量數據之中，而僅僅依靠復雜的算法和推理并不能發現知識，數據才是知識的真實源泉。

電力業務系統的長期運行所積累的海量數據成了“數據爆炸但知識貧乏”的“數據墳墓”，所以目前需要對數據進行較高層次處理的技術，從中找出規律和模式，以幫助人們更好地利用數據進行決策和研究。

4 應用方案

4.1 企業級報表

企業級數據報表是數據倉庫的基本功能之一。通過這些報表的查詢可以快速得到相關上報數據，可以大大減輕各單位逐級上報數據的工作量，保證上報數據的及時性和準確性，讓決策層充分了解各個地市(乃至分公司)的銷售和工作質量情況,為決策層做出及時的決策和調整相關的營銷策略提供有效的科學依據。

企業級報表包括營銷關鍵指標報表、營銷工作日報、營銷上報數據、營銷排名情況等。

4.2