教学管理数据仓库的设计与应用

摘要：随着计算机应用的展开与深入，大量数据存储在计算机中，人们迫切需要将这些数据转换成有用的知识，并将获取的知识可以广泛用于各行各业。数据仓库技术的出现为解决这个问题提供了技术支持。本次设计在教学管理数据库的基础上，建立教学管理数据仓库，能为教学管理部门对教学中的学生成绩、教师教学效果等分析提供依据。

关键词：数据仓库 OLAP 多维分析 MDX 教务管理

中图分类号：TP315 文献标识码：A 文章编号：1007-9416(2012)01-0111-02

我国高校管理信息系统建设从起步到现在已有十多年的历史了，伴随着信息技术的快速发展，计算机应用已进入我国的各级教育管理部门，更成为高校教务管理部门更是不可缺少的工具。各个高等院校大多使用了专业的教务管理系统。通过对多数高校目前的教务管理系统的分析可以看出看出：虽然信息管理系统为教务工作的信息化管理和服务提高了显著的效益和效率，但是总体上教务管理信息化的水平仍处于初级阶段，只是基本上实现了管理计算机化，在操作层面实现了信息化，但是并不能有效地利用信息，离真正的科学化、信息化、决策化还有相当长的一段距离。目前的教务管理系统主要是对教务管理工作中的一些事务性工作给予支持和管理，但是并没有对大量的数据进行分析和利用，因而不能对管理决策问题提供足够的支持。

数据仓库理论、OLAP和数据挖掘技术的成熟发展，使得教学管理者进行教学分析、决策成为可能。笔者利用数据仓库、联机分析（OLAP）和数据挖掘技术设计的联机分析系统，是在以往大量历史数据的基础上，构建了适合我校的教学管理数据仓库，以OLAP为手段，运用数据挖掘方法，为学校管理者决策提供依据。

1、数据仓库与OLAP相关技术

1.1 数据仓库

数据仓库之父W.H.Inmon在《Building the Data Warehouse》一书中给出数据仓库的如下定义：数据仓库是面向主题的、综合的、稳定的，并且时变的收集数据以支持管理决策的一种数据决策形式[1]。

数据技术由多种技术构成的综合体，它是由数据仓库、数据仓库管理系统（DBMS）和数据仓库工具3部分组合而成。其中数据仓库管理系统负责管理整个系统的运行，是整个系统的引擎；数据仓库由近期基本数据、远期基本数据、轻度综合数据及高度综合数据构成；而数据仓库工具则是通过联机在线分析处理（OLAP）工具、数据挖掘等高效工具来发挥作用的。

1.2 OLAP

OLAP即联机在线分析处理，是商业智能（Business Intelleg ence）数据分析的核心技术，也是数据仓库应用的前端展示工具。OLAP不仅能实现数据汇总/聚集、建立多维度的分析、查询和报表功能，同时还能够提供切片、切块、下钻、上卷和旋转等数据分析功能，使用户能更快的通过交互方式获得信息。

1.3 数据挖掘

数据挖掘是从大量的、不完整的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、事先未知的、潜在有用的信息和知识的过程[1]。数据挖掘使人们对数据的应用从低层次的统计、查询等日常事务，提升到从数据中挖掘知识，提供决策支持。

2、教学管理多维分析系统

2.1 教学管理多维分析的需求

我参与了我院教学管理数据仓库的创建。经过前期的调研、业务熟悉和需求分析，教学管理对教务多维分析系统的需求主要集中在如下几个方面：

(1)学生成绩分析。统计专业或课程及格率，分析学生成绩、学籍异动(留级或开除等)与入学成绩之间的关系；对某个统考科目的成绩进行分析等。

(2)教师教学效果分析。根据教师的教学考核结果，分析教学效果与教师的学历、职称、教龄等的关系，为制定适合教师发挥潜能的政策提供依据。

(3)招生情况分析。统计历年不同的高考成绩段学生的报到率，建立挖掘模型，根据新学年的招生信息预测报到率。

(4)就业情况分析。通过对就业情况的分析，找出就业率高的专业，为制定新的招生计划提供依据。

2.2 课题体系结构

教学管理数据仓库的OLAP系统采用多用户的三层客户/服务器结构，这种结构的优点是将应用逻辑、GUI及DBMS严格区分开来。复杂的应用逻辑集中存放在OLAP服务器端，由服务器提供高效的存取数据服务，安排后台处理以及报表处理。笔者设计的教学管理数据仓库体系结构如图1所示：

教学管理多维分析系统由四个部分组成：OLTP数据源、OLAP数据仓库、多维分析工具和可视化应用界面。首先从原有的、积累了大量历史数据的教学管理数据库系统中将相关数据进行清洗、加工、整理等操作，将数据抽取到数据仓库；再根据业务的需要通过多维分析系统向DSS人员展现联机在线分析结果；最终用户可通过客户界面访问数据信息，在登录系统后，将按照用户的授权、角色向用户显示集成的信息。

2.3 教学管理数据仓库的设计与实现

要建立教学管理的数据仓库系统，首先需要将原数据库系统中的多个异构数据源的数据经过抽取、校验、清理、转换等处理过程，转换为适合分析的OLAP数据库，可以使用SQL SERVER 2000提供的数据转换服务（DTS）工具，它提供了方便、快捷地将异构数据源转换到目的数据库的服务。数据转换服务可以在原始数据库和目标数据库之间对多个表中选定的列进行数据复制，在复制过程中，你可以使用任何Active X嵌入语言（如Vbscript或javascript）对数据进行相应的加工转换处理。

数据仓库主题设计是一个在较高层次上将数据归类的标准，每个主题对应一个宏观的分析领域，针对具体决策需求可细化为多个事实表与维表。主题设计是数据仓库的关键与难点所在，因为主题设计与业务系统有着非常密切的联系，因此设计人员必须熟悉系统的业务。根据我校教学管理的需求分析，教学管理数据仓库的主题是学生成绩、教师教学、招生、就业等几个方面。

数据仓库通常采用星型数据结构或雪花型数据结构。星型模式结构是一种多维的数据关系，它有一个事实表和一组维表组成[2]。事实表是维度模型的基本表，维度表是事实表不可分割的伴侣[1]。本例中以教学中常见的学生成绩分析为例介绍其多维分析模型的数据结构。对全校的统考课程成绩进行分析，分析不同专业的理论成绩和实践成绩，找出教学的薄弱环节，作为对以后的专业教学计划的制定、实施的依据。本例采用星型模型，创建了如图2所示的多维数据结构。

2.4 分析结果的展现

2.4.1 MDX语言实现立方体查询

多维查询语言MDX（Multidimensional Expression，多维表达式）是微软Analysis Service专用的查询语言，支持多维对象与数据的定义和操作。MDX 提供了查询和操作数据的强大的语法和定义功能，这些数据可以是保存在远程的基于服务器的立方，也可以是本地立方。例如在教务管理数据仓库中，查询每个班级的平均分。使用的MDX语句如下：

select {[Measures].[理论平均分],[Measures].[实践平均分]，[Measures].[总分平均分]} on columns,

{[班级].members} on rows

from 成绩

运行结果如图3所示：

2.4.省略功能强大的工具库进行开发，其界面友好、操作简单，有助于教学管理者进行教学管理决策，下一步将制作水晶报表，并能以WEB方式输出，为用户提供更多的方便。

参考文献

[1]W.H.Inmon著王志海等译建立数据仓库(Building the Data arehouse,

Second Edition 机械工业出版社,2000.5.

[2]Palph Kimball，Margy Ross著.数据仓库工具箱：维度建模的完全指南（第二版） 谭明金译.

[3]郑阿奇.SQL Server实用教程.电子工业出版社,北京:2002,8.

[4]于兴规.谈数据库的发展与未来.应用能源技术,2004,6:47-48.

基金项目

2011GGJS-2072011年度河南省高等学校青年骨干教师资助计划

作者简介

1张青(1973-)，女，河南郑州人，硕士，副教授，研究方向：数据库、数据仓库、数据挖掘。

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文