该文在指出了进销存管理系统中传统数据库的不足，将数据仓库技术引入，叙述了应用于决策支持系统中的数据仓库模型和多维分析OLAP工具，以物流贸易企业的进销存管理业务为设计背景，介绍了数据仓库技术在开发电子元器件进销存管理系统中的应用。
关键词：决策支持；进销存系统；数据仓库；OLAP
中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）30-0001-03
1概述
进销存管理在企业管理中一直占有重要地位，随着近年来经济的发展，企业管理的数据量越来越庞大，为了更好的处理企业商贸流通中的各类数据量，很有必要组建一个具有强大功能的数据管理系统和辅助决策支持系统[1]，在此基础上构建起一套完整的进销存管理系统。
传统的进销存系统构建与单一数据库系统之上[2-3]，在大数据时代暴露出很多不足，由于其通常是直接建立在业务处理层次上的，决策支持系统和管理信息系统共同存储于同一个数据库系统中，因此不能同时满足分析处理层和事务处理层的需求，难以适应不同用户对不同数据综合程度的要求；而且其对数据的加工和分析提炼功能不强，只能进行一些简单的管理和处理操作，从而导致进销存管理系统处于半手工半自动化状态，利用率不高，无法给企业管理者提供可靠的决策信息支持。
企业为了面临瞬息万变的经济环境，很需要一个可以处理巨大数据量的决策支持系统，该系统不仅具有传统系统的查询和维护功能，更需要具有对巨大的数据量进行ETL（抽取、转化、加载）操作，对数据实现加工和分析功能，得到数据更深层次的信息，更好的支持决策支持，为决策者提供多方位、准确的决策信息[4]。
数据仓库技术促使了新决策支持系统的出现，其在进销存管理系统中的应用也成为构建决策支持系统的趋势。把数据仓库技术应用于企业的进销存管理系统中解决了传统数据库中存在的问题，使得企业在运营过程中实现了“整合数据，从数据中找知识，运用数据知识、用数据说话”。综上所述，本文利用数据仓库技术设计并实现一个电子元器件进销存管理系统。
2主要相关技术
2.1 数据仓库技术介绍
为了使企业常年积累的各方面统计信息和历史数据能够被更有效的使用和管理，并且能更好地为决策者服务[5]，就提出了数据仓库的概念。在《建立数据仓库》一书中，数据仓库之父w.H.Inmon阐述了数据仓库的具体定义，即数据仓库技术是集成的、面向主题的、不可更新的、随时间变化的数据集合，对经营管理中的决策制定过程提供支持[6]。它把不同组织方式、不同介质的数据集合转换成统一的分析型数据，为来自不同数据源的数据提供了统一的数据视图[7]。数据仓库是一种可以统一查询多个分布式异构数据库的技術，它将大量无规律的、散乱的数据聚集在一起，经过抽取、转化、加载等处理过程，除了基本的查询和处理功能之外，最重要的是对数据进行整合、归类、分析并可以根据需求将数据以多维视图的形式存储在数据仓库中，从而提供多元化的企业分析，这种数据的处理及存储顺序可以大大增强决策者和进销存系统之间的互动性。
数据仓库的关键特征：1）面向主题：数据仓库是面向在数据模型中已定义好的企业的主要主体领域，比如采购、产品等。重点关注数据建模与分析并不是决策者的事务处理和日常操作；除去无用数据，提供简明视图。2）随时间而变化：数据仓库是从历史的角度提供信息，其每个关键结构中都包含时间元素，其时间元素的范围比传统数据库中的时间范围长很多。3）数据集成：一个数据仓库的构造是来自多个异种数据源；因此当不同来源的数据移到数据仓库时都要经过数据清理和数据集成。4）数据不易丢失：数据仓库不需要对操作型环境中的数据进行更新，也不需要传统数据库中的并发控制、事务处理和恢复等机制，它只需要数据的初始转载和数据访问。
从上面章节可以了解到数据仓库是一个多维度的数据集，因此使用最广泛的数据仓库模型也是多维度数据模型，具体分为星型模式、雪花模式和事实星座模式三种。星型模式：事实表处于中心位置，维表围绕在中心事实表，事实表中有大量没有冗余的数据。事实表中存放商业事实，包括维和量度两类属性列。每一维对应一个维表，通常用于分组，排序和对量度进行概括。事实表和维表之间联系通过主键或外键联系。将星型模式进行变种便是雪花模型：把其中某些维表进行规范化，将数据进一步分解到附加表中，从而形成类似于雪花形状的模式图形。事实星座是一种多个事实表共享维表的模型。
数据仓库并不是传统数据库的替代品，而是在传统数据库基础上，继承了传统数据库的功能，对其进行重新组织和扩展，使得功能更加强大。
2.2 OLAP技术介绍
联机分析处理（OLAP）系统是数据仓库系统最主要的应用。根据OLAP委员会的定义：对于从原始数据中转化出来的、能真正被用户所理解的、并真实反映企业维特性的信息，OLAP可以让管理人员、执行人员或分析人员能够从多种角度来对进行快速、一致、交互的存取，从而可以使用户对数据更深入了解，它的技术核心是“维”这个概念[8]。
OLAP
