基于商業(yè)智能構(gòu)建高校智能體系的現(xiàn)狀分析和研究技術(shù)

彭紅利PENG Hong-li；王艷WANG Yan

（①西安建筑科技大學(xué)，西安 710055；②西安航空職業(yè)技術(shù)學(xué)院，西安 710089）

（①Xi'an University of Architecture and Technology，Xi'an 710055，China；②Xi'an Aeronautical Polytechnic Institute，Xi'an 710089，China）

1 國內(nèi)外研究開發(fā)現(xiàn)狀和發(fā)展趨勢

我國的高等教育研究從20 世紀(jì)90年代到現(xiàn)在，經(jīng)過了信息時(shí)代開始走向一個(gè)新的階段，更加的國際化，在教育研究方面表現(xiàn)出越來越多的技術(shù)化和專業(yè)化?，F(xiàn)在的高等教育研究越來越多的使用到互聯(lián)網(wǎng)和數(shù)據(jù)庫，這就是研究技術(shù)化的集中體現(xiàn)。一些大學(xué)從很早的時(shí)候就開始基于計(jì)算機(jī)化和網(wǎng)絡(luò)化開展各項(xiàng)事務(wù)，比如學(xué)生注冊(cè)選課系統(tǒng)、交費(fèi)系統(tǒng)、工資系統(tǒng)、財(cái)務(wù)系統(tǒng)等，這對(duì)于高等教育研究來說是前進(jìn)的一大步。而且在大學(xué)管理的很多個(gè)領(lǐng)域都可以應(yīng)用到這些理論和模式，比如規(guī)劃研究、學(xué)生事務(wù)的研究、財(cái)政狀況的研究、教師事務(wù)的研究等。這也是目前美國院校研究所涵蓋的六個(gè)主要研究內(nèi)容。

我國的商業(yè)智能技術(shù)要遠(yuǎn)遠(yuǎn)的落后于一些發(fā)達(dá)國家。與此有關(guān)的一些研究報(bào)告顯示，在2006年，世界上的商業(yè)智能系統(tǒng)的市場規(guī)模已經(jīng)達(dá)到了140 億美元。這個(gè)商業(yè)智能系統(tǒng)在國外被應(yīng)用的比較廣，而且很成功，比如借助了商業(yè)智能系統(tǒng)的cadbury 巧克力公司，它的市場份額就在很短的時(shí)間內(nèi)提升了2%等，還有很多這樣成功的應(yīng)用商業(yè)智能系統(tǒng)的案例。

現(xiàn)階段我國的高等教育信息化主要體現(xiàn)在三個(gè)方面：一是包括檔案、人事考勤等在內(nèi)的行政管理類；二是包括教務(wù)系統(tǒng)、就業(yè)管理、新生入學(xué)管理等在內(nèi)的教學(xué)教輔類；三是包括水電繳費(fèi)、上機(jī)管理、門禁管理、校園網(wǎng)繳費(fèi)在內(nèi)的一卡通應(yīng)用類。并且這每個(gè)系統(tǒng)之間都是一個(gè)獨(dú)立的個(gè)體，它們的結(jié)構(gòu)、分布情況都是不一樣的，這無疑會(huì)給信息的整理工作帶來很多的挑戰(zhàn)。如果高校的領(lǐng)導(dǎo)想整體的了解一下高校的狀況，沒有的一個(gè)直接的途徑，必須先進(jìn)入每個(gè)系統(tǒng)，然后再通過手工整理每個(gè)系統(tǒng)中的信息和數(shù)據(jù)，最后匯總起來才可以。所以，現(xiàn)在很多的高校開始把各種應(yīng)用系統(tǒng)整合在一起，建立一種統(tǒng)一的信息門戶，實(shí)行單點(diǎn)登錄，只有這樣，數(shù)據(jù)的整合工作才能變得方便和快捷。

總之，雖然采用商業(yè)智能技術(shù)對(duì)高校的信息整合工作很有益處，但是現(xiàn)階段在我國的普及面還不是很廣，甚至一些高校還僅僅處在起步階段。所以以高等教育院校積極的普及這種商業(yè)智能系統(tǒng)，為更多的用戶提供決策支持。

2 項(xiàng)目研究內(nèi)容、關(guān)鍵技術(shù)和研發(fā)目標(biāo)

2.1 研究內(nèi)容

2.1.1 學(xué)生事物的研究 按系部或二級(jí)學(xué)院按班級(jí)對(duì)學(xué)生個(gè)人全部信息，學(xué)生每學(xué)期所選課程，學(xué)生每學(xué)期各門功課考試成績。

2.1.2 教師事物的研究 按系部或二級(jí)學(xué)院對(duì)教師個(gè)人信息，教師工資和課時(shí)費(fèi)，教師每學(xué)期所上的課程，課程名稱和課時(shí)，教師每年的科研項(xiàng)目，發(fā)表論文。

2.2 關(guān)鍵技術(shù)

2.2.1 數(shù)據(jù)倉庫建立 數(shù)據(jù)倉庫實(shí)際上是一個(gè)“以大型數(shù)據(jù)管理信息系統(tǒng)為基礎(chǔ)、附加在這個(gè)數(shù)據(jù)庫系統(tǒng)之上地、存儲(chǔ)了從企業(yè)所有業(yè)務(wù)數(shù)據(jù)庫中獲取的綜合數(shù)據(jù)的、并能利用這些綜合數(shù)據(jù)為用戶提供經(jīng)過處理后的有用信息的應(yīng)用系統(tǒng)”，它絕不僅僅是一個(gè)簡單的信息庫。

ETL (ExtractionTransformationLoading) 就是抽取、清洗、轉(zhuǎn)換、裝載，是數(shù)據(jù)倉庫在實(shí)現(xiàn)過程中，將數(shù)據(jù)由數(shù)據(jù)源系統(tǒng)并向數(shù)據(jù)倉庫系統(tǒng)加載的主要過程。ETL 過程關(guān)系勤數(shù)據(jù)地質(zhì)量，這是非常重要的一個(gè)環(huán)節(jié)，它是數(shù)據(jù)整合的解決方案，也是建立數(shù)據(jù)倉庫系統(tǒng)的關(guān)鍵一環(huán)。用戶從數(shù)據(jù)源抽取出所需的數(shù)據(jù)以后，經(jīng)過對(duì)數(shù)據(jù)清洗，最終按照預(yù)先定義好的數(shù)據(jù)倉庫的模型，將數(shù)據(jù)加載到數(shù)據(jù)倉庫中去。

2.2.2 聯(lián)機(jī)分析處理 1993年關(guān)系數(shù)據(jù)庫之父（EECodd）首先提出了聯(lián)機(jī)分析處理 (on -LineAnalytiealProcessing，oLAp)，這是一種能夠?yàn)闇?zhǔn)確定義多維模型、操縱多維立方體提供技術(shù)基礎(chǔ)。這項(xiàng)技術(shù)是孕育用戶分析大型數(shù)據(jù)庫對(duì)數(shù)據(jù)包含信息深入洞察的技術(shù)。OLAP 具有匯總、合并和聚集的功能，它還能夠從不同的角度觀察信息，它是一種分析技術(shù)。但是在采用OLAP 的工具的時(shí)候需要其他分析工具的輔助，它雖然支持多維分析和決策，也可以進(jìn)行深層次的分析，但只是靠OLAP 是不能的。

2.2.3 數(shù)據(jù)挖掘 通過分析和分類大量的歷史和存儲(chǔ)數(shù)據(jù)，可以發(fā)現(xiàn)有效的數(shù)據(jù)模式與關(guān)系的過程就是數(shù)據(jù)挖掘(DataMining，DM)，其中還包括過去和預(yù)測未來趨勢的有用信息。數(shù)據(jù)挖掘是一門涉及面很廣的交叉性學(xué)科，包括機(jī)器學(xué)習(xí)、數(shù)理統(tǒng)計(jì)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)庫、模式識(shí)別、粗糙集、模糊數(shù)學(xué)等相關(guān)技術(shù)，同時(shí)它也是一種發(fā)掘型的工具、是一種決策支持的過程。數(shù)據(jù)挖掘可以做到聯(lián)機(jī)分析處理所不能做到的工作，它可以發(fā)現(xiàn)復(fù)雜精細(xì)的答案。

數(shù)據(jù)挖掘能夠作為一種依據(jù)，利用預(yù)定的規(guī)則，它可以幫助挖掘和分析數(shù)據(jù)庫和數(shù)據(jù)倉庫中的已有數(shù)據(jù)，然后識(shí)別與抽取出隱含的模式和有趣的知識(shí)，決策者在決策時(shí)往往會(huì)參考此項(xiàng)數(shù)據(jù)。從數(shù)據(jù)中發(fā)現(xiàn)模式是數(shù)據(jù)挖掘的目的，模式按照功能的不同可以被分成兩大類：預(yù)測型(Predictive)模式、描述型(Deseriptive)模式。

2.3 研發(fā)目標(biāo) 在高等院校的校園網(wǎng)站上，根據(jù)用戶的不同需求，可以直接抽取原始數(shù)據(jù)，生成相關(guān)的數(shù)據(jù)報(bào)表或者是數(shù)據(jù)分析圖。

項(xiàng)目將采用商業(yè)智能將高校信息系統(tǒng)中的數(shù)據(jù)轉(zhuǎn)化為知識(shí)，幫助學(xué)校高層領(lǐng)導(dǎo)做出一些重要決策。

3 技術(shù)方案及創(chuàng)新點(diǎn)

3.1 技術(shù)方案 本項(xiàng)目的研究工作主要包括商業(yè)智能理論分析，商業(yè)智能活動(dòng)圖如圖1 所示，商業(yè)智能架構(gòu)圖如圖2 所示。實(shí)現(xiàn)商業(yè)智能的步驟是建立數(shù)據(jù)倉庫、根據(jù)主題建立數(shù)學(xué)模型，數(shù)據(jù)挖掘及產(chǎn)生數(shù)據(jù)分析結(jié)果。

①在進(jìn)行商業(yè)智能系統(tǒng)的總體架構(gòu)設(shè)計(jì)前，需要先進(jìn)行需求分析。

②在數(shù)據(jù)倉庫設(shè)計(jì)的過程中，應(yīng)該注意一些問題。比如分析不同用戶的主題時(shí)，應(yīng)該先分析同類數(shù)據(jù)源和異類數(shù)據(jù)源的不同，并對(duì)用戶的需求進(jìn)行一個(gè)充分的掌握；建立面向主題的數(shù)據(jù)倉庫時(shí)，應(yīng)選擇MicrosoftSQLServer2005數(shù)據(jù)庫管理系統(tǒng)；海量的數(shù)據(jù)可能會(huì)對(duì)數(shù)據(jù)倉庫的應(yīng)用和性能帶來一定的影響，這時(shí)可以采取分區(qū)表技術(shù)解決。

③設(shè)計(jì)ETL 程序包應(yīng)該以SQLServer2005 的5515 服務(wù)為基礎(chǔ)，然后創(chuàng)建一個(gè)中間數(shù)據(jù)庫，對(duì)多個(gè)業(yè)務(wù)系統(tǒng)數(shù)據(jù)源進(jìn)行抽取、清洗、轉(zhuǎn)換、加載，在這個(gè)過程中也應(yīng)該考慮到ETL 程序包的執(zhí)行效率優(yōu)化的問題。

圖1 商業(yè)智能活動(dòng)圖

圖2 商業(yè)智能架構(gòu)圖

④研究相關(guān)的OLAM 相應(yīng)理論，在數(shù)據(jù)倉庫的基礎(chǔ)上，利用SQLserver2005 的SSAS 服務(wù)，創(chuàng)建了面對(duì)主題的多維分析模型，并對(duì)其進(jìn)行了分析;以sQL server2005 數(shù)據(jù)挖掘的流程為指導(dǎo)，在多維分析模型的基礎(chǔ)上創(chuàng)建了挖掘模型，面對(duì)探討的問題，討論了基于MierosoftsQLserver2005的決策樹算法，實(shí)現(xiàn)了基于OLAM 技術(shù)的各類指標(biāo)的查詢、分析與挖掘。

⑤要想展現(xiàn)數(shù)據(jù)的多樣化，那么系統(tǒng)前端數(shù)據(jù)展現(xiàn)平臺(tái)應(yīng)該采用SQLServer2005 Reportserviees。

3.2 創(chuàng)新點(diǎn)

①提出將商業(yè)智能應(yīng)用于高校信息系統(tǒng)。目前商業(yè)智能系統(tǒng)已經(jīng)隨著高校校園信息化進(jìn)程的推進(jìn)而得到了廣泛的應(yīng)用，但是各應(yīng)用系統(tǒng)的數(shù)據(jù)是分布的、異構(gòu)的、彼此獨(dú)立的，信息不能互通。本項(xiàng)目研究有效解決各種應(yīng)用系統(tǒng)的數(shù)據(jù)整合問題。

②本項(xiàng)目提出了以數(shù)據(jù)倉庫技術(shù)為核心、以聯(lián)機(jī)分析處理技術(shù)和數(shù)據(jù)挖掘技術(shù)為手段的商業(yè)智能解決方案。它可以滿足各種不同用戶的需求，最終形在報(bào)表和統(tǒng)計(jì)分析圖，也可以用于指導(dǎo)學(xué)校高層領(lǐng)導(dǎo)的重要決策。

[1]蔣萌.中職學(xué)校數(shù)字化校園建設(shè)的實(shí)踐探索[J].浙江現(xiàn)代教育技術(shù)，2009(01).

[2]劉小波,陳志民,葉志嬋,劉華日.無線網(wǎng)絡(luò)在數(shù)字化校園中的應(yīng)用[J].現(xiàn)代計(jì)算機(jī)(專業(yè)版),2010(04).

[3]楊福燕.多媒體網(wǎng)絡(luò)教學(xué)之探討[J].科技信息，2009(17).