大云网论文资料论文范文正文

电力经营管理分析与辅助决策系统解决方案

2013-12-05 15:03:53 电力信息化　点击量：评论 (0)

摘要：电力企业通过多年信息化建设,已经建成了完善的业务支撑系统，同时也积累了大量数据。目前电力企业面临的一个新课题是如何有效利用现有的数据，为高层管理决策提供服务。本文介绍了通过数据仓库技术实现电力

对分析需要的数据按照多维数据模型进行再次重组，以支持用户多角度、多层次的分析，发现数据趋势。

前端工具与应用：前端工具主要包括各种数据分析工具、报表工具、查询工具、数据挖掘工具以及各种基于数据仓库或数据集市开发的应用。其中数据分析工具主要针对OLAP服务器，报表工具、数据挖掘工具既针对数据仓库，同时也针对OLAP服务器。

我们可以选用目前业界较先进的IBM数据仓库平台，前端展示工具选用BRIO或BO。

3 技术方案

3.1 数据抽取转换加载（ETL）

数据获取功能是将数据从数据源经过必要的抽取、清洗、转换等处理后加载到数据仓库系统中，即ETL过程。

图3.1 ETL过程示意图

3.2 建立统一的综合数据分析平台（OLAP）

多维数据分析(OLAP分析)作为决策支持系统提供的主要分析手段之一，通过对多维形式组织起来的数据采取钻取、切片、切块、旋转、透视等操作来剖析数据，使用户能从多个角度、多侧面地观察数据仓库的数据，从而深入地了解包含在数据信息中的内涵。

3.3 数据挖掘（Miner）

数据挖掘是信息领域发展最快的技术，是从大型数据库或数据仓库中发现并提取隐藏在其中的信息的一种新技术，目的是帮助决策者寻找数据间潜在的关联，发现被忽略的要素，而这些信息对预测趋势和决策行为也许是十分有用的。它能从DW中自动分析数据，进行归纳性推理，从中发掘出潜在的模式，或产生联想，建立新的业务模型，帮助决策，调整市场策略，做出正确的决策。数据挖掘表明，知识就隐藏在日常积累下来的大量数据之中，而仅仅依靠复杂的算法和推理并不能发现知识，数据才是知识的真实源泉。

电力业务系统的长期运行所积累的海量数据成了“数据爆炸但知识贫乏”的“数据坟墓”，所以目前需要对数据进行较高层次处理的技术，从中找出规律和模式，以帮助人们更好地利用数据进行决策和研究。

4 应用方案

4.1 企业级报表

企业级数据报表是数据仓库的基本功能之一。通过这些报表的查询可以快速得到相关上报数据，可以大大减轻各单位逐级上报数据的工作量，保证上报数据的及时性和准确性，让决策层充分了解各个地市(乃至分公司)的销售和工作质量情况,为决策层做出及时的决策和调整相关的营销策略提供有效的科学依据。

企业级报表包括营销关键指标报表、营销工作日报、营销上报数据、营销排名情况等。

4.2