淺析數據倉庫教學管理系統

一、數據倉庫概述

數據倉庫的概念最早是由n提出來的，在他的著作《建立數據倉庫》中是這樣定義的：數據倉庫是一個面向主題的、集成的、想對穩定的、隨時間變化的數據集合。數據倉庫是在傳統數據庫基礎上建立起來的，但是與傳統數據庫又有所區別，傳統的數據庫是單一的數據資源，即以數據庫爲中心，進行聯機事務處理（OLTP，ONLineTransactionProcessing)，數據庫技術的主要任務存儲數據，對存儲的數據進行查詢和修改等操作。而數據倉庫是將各業務系統數據抽取出來，按照決策分析型數據要求對數據進行清理轉換重新組織，建立分析處理環境，然後採用聯機分析（OLAP)技術或者數據挖掘技術處理進行數據分析，挖掘出潛在的有價值的信息，供用戶參考決策。

二、高校教學管理數據倉庫教學管理系統的設計

1.體系結構設計

數據倉庫是基於傳統數據庫積累的數據和其它渠道收集的各種數據信息搭建起來的面向聯機分析處理（OLAP，ONLineAnalyticalprocessing)的分析型信息集合，總體結構爲三個層次：（源數據）數據處理、數據存儲、數據分析。高校教學管理系統數據倉庫包括數據源、數據處理，數據存儲和數據分析四個部分。數據源：主要來自數字化校園管理平臺，涵蓋高校各信息系統，教務管理、學籍管理、招生就業管理以及其他信息系統等的數據。數據處理：包括數據抽取、清理、轉換和集成。首先從數據源中抽取數據，存儲到臨時數據表中，然後對抽取的數據進行清洗和轉換，通過清洗去除決策分析無用的數據信息，通過轉換使數據標準一致，將轉換清理後的數據集成裝入到數據倉庫中。數據存儲：各信息系統的數據與數據倉庫系統的數據是相互獨立的，因此各信息系統數據的變化不會自動更新數據倉庫的數據，我們需要在設定數據同步存儲機制，才能實現更新數據融入數據倉庫存儲。數據分析：數據抽取、清理、轉換、存儲到數據倉庫系統以後，我們需要通過各種技術，如聯機分析（OLAP）技術、數據挖掘（DM）技術、商業智能（BI）技術等形成統計分析報表供用戶查看並做出相應的決策。

2.主題劃分

數據倉庫的重要特點是面向主題。當數據圍繞主題域來組織時，決策分析者將能很明確地找到自己感興趣的東西。建立數據倉庫首先要根據用戶的需要進行主題劃分，然後根據主題建立數據倉庫模型，通過ETL工具從數據源抽取數據到數據倉庫，最後採用聯機分析（OLAP）技術或數據挖掘（DM）技術對數據進行分析挖掘，根據分析及挖掘結果做出相應的決策。根據教學管理系統的應用需求,在高校教學管理新系統中，組織層領導最關注的教學質量，所以系統確定的主題主要包括：包含學生、教師、課程、教學質量等幾個方面。

3.數據倉庫模型設計

數據倉庫模型比較常用的`有兩種：星型和雪花型兩種。星型是由一個事實表和多個維度表進行關聯，具有統計分析和查詢速度快特點，所以在教學管理信息系統中採我們採用星型模型。下面以教學質量主題爲例說明數據倉庫模型的設計。維表我們設計爲時間表、學生成績表、學生就業情況表、學生獎懲表、學生學習情況、教師教學水平表，事實表由就業率、論文發表等級及數量、學生獲獎等級及數量等構成。

4.聯機分析（OLAP）

聯機分析（OLAP）是針對某一個具體主題，採用聯機分析術（OLAP）或數據挖掘（DM）技術對數據倉庫中的信息進行統計分析。聯機分析包括多維數據分析方法，大體上可分爲切塊、旋轉、鑽取。所謂的旋轉就是交換維度的位置關係，以便於決策人員可以不同角度得到多維數據，獲取有價值的信息。通過聯機分析技術的旋轉方法我們可以很容易的發現教學管理系統教學質量問題，如教學計劃不合理、有些教師水平有待提高等，通過鑽取可以更深入的分析出教學計劃不合理的各種因素。

三、結束語

目前絕大部分高校都運行着多個信息系統，如學籍管理、就業招生、教務管理等，各系統包含大量歷史信息和當前信息。這些數據如實的反映了高校過去和現在的運行狀況，但是這些信息因爲信息量大並且存在“信息孤島”問題，並沒有體現它潛在的價值，本文提出了基於數據倉庫的教學管理系統，將這些信息整合到數據倉庫系統中，並藉助於聯機分析（OLAP）技術和數據挖掘（DM）技術進行數據分析並發現隱藏在這些海量數據中的關聯規律，提供給學校領導層進行決策，對於提高高校管理水平和教學質量具有重要的意義。