ManagementInformationSystem

管理信息系統第2章信息技術基礎了解數據管理的發展歷程及各發展階段的特點；掌握數據庫系統的特點；掌握數據庫設計的設計內容；掌握計算機網絡的概念和網絡體系結構；理解數據倉庫與數據挖掘技術在管理信息系統中的應用。內容提要內容提要本章關鍵詞數據管理（datamanagement）123數據庫（database，DB）數據庫管理系統（databasemanagementsystem，DMS）概念模型（conceptualmodel）45關系模型（relationalmodel）本章關鍵詞數據倉庫（datawarehouse，DW）678數據挖掘（datamining，DM）計算機網絡（computernetwork）云計算（cloudcomputing）910大數據（bigdata）數據管理技術基礎云計算和大數據數據倉庫2.12.22.32.4數據通信與計算機網絡第2章信息技術基礎數據挖掘2.5數據通信與計算機網絡第2章信息技術基礎計算機網絡是指將地理位置不同的具有獨立功能的網絡設備，通過通信線路連接起來，在網絡操作系統、網絡管理軟件及網絡通信協議的管理和協調下，實現資源共享和信息傳遞的計算機系統。計算機網絡2.1共享資源2.1數據通信與計算機網絡電子化辦公與服務通信遠程教育娛樂計算機網絡的應用1.2管理信息系統資源共享如：高速打印機，軟件、數據庫、主機容量。數據通信電子郵件（E-mail）電子數據交換（EDI）可以實現在政府（如商檢、海關等）、金融（發卡銀行，收單銀行等）或公司（買方、賣方等）之間進行訂單、發票、轉賬等單據的安全準確的交換文件傳輸服務（FTP）可以實現文件的實時傳遞，為用戶復制和查找文件提供了有力的工具。計算機網絡的功能1.2管理信息系統計算機網絡的類型局域網城域網廣域網ABC1.2管理信息系統網絡體系結構123

文件服務器/工作站

瀏覽器/服務器(B/S)客戶機/服務器(C/S)1.2管理信息系統1.2管理信息系統1.2管理信息系統數據管理技術基礎2.2第2章信息技術基礎人工管理階段文件管理階段數據庫系統管理階段數據管理的發展數據管理技術基礎2.2第2章信息技術基礎人工管理階段文件管理階段數據庫系統管理階段數據管理的發展（1）不能長期保存數據。（2）數據并不是由專門的應用軟件來管理，而是由使用數據的應用程序自己來管理。（3）數據不能共享。（4）數據不具有獨立性。人工管理數據管理技術基礎2.2第2章信息技術基礎人工管理階段文件管理階段數據庫系統管理階段數據管理的發展

（1）一個應用程序對應一組文件，不同的應用系統之間可以經過轉化程序共享數據。（2）大量的應用數據以記錄為單位可以長期保留在數據文件中，可以對文件中的數據進行反復地查詢、增加、刪除和修改等操作。（3）數據的獨立性差。（4）數據的共享性差，冗余大。文件管理數據管理技術基礎2.2第2章信息技術基礎人工管理階段文件管理階段數據庫系統管理階段數據管理的發展數據庫系統管理（1）數據庫具有面向各種應用的數據組織和結構。文件系統中，每個文件面向一個應用程序。（2）具有高度的數據獨立性。數據管理技術基礎2.2第2章信息技術基礎第2章信息技術基礎

數據庫（DataBase，DB）是以一定的方式將相關數據組織在一起并存儲在外存儲器上所形成的、能為多個用戶共享的、與應用程序彼此獨立的一組相互關聯的數據集合。數據庫不是根據某個用戶的需要，而是按照信息的自然聯系來構造數據；能以最佳的方式、最小的冗余，為多個用戶或多個應用共享服務。數據庫第2章信息技術基礎數據庫數據庫系統的構成數據庫管理系統信息處理第2章信息技術基礎數據庫系統的構成

數據庫系統的相關人員包括數據庫管理員、系統程序員和用戶。數據庫管理系統第2章信息技術基礎數據庫系統的構成

數據庫（DataBase，DB）是以一定的方式將相關數據組織在一起并存儲在外存儲器上所形成的、能為多個用戶共享的、與應用程序彼此獨立的一組相互關聯的數據集合。數據庫第2章信息技術基礎數據庫系統的構成

數據庫系統的相關人員包括數據庫管理員、系統程序員和用戶。人員第2章信息技術基礎數據結構化數據庫系統的特點數據共享數據獨立性可控冗余度統一的管理和控制第2章信息技術基礎云計算和大數據2.3第2章信息技術基礎云計算應用的核心技術是數據處理技術，大數據為提升云計算的應用價值提供了新的重要的技術與手段。同時，云計算為大數據提供彈性可擴展的基礎設施支持環境以及數據服務的高效模式。第2章信息技術基礎Cloud云計算以集中的資源提供分散的服務在云計算中有三個公認的服務層次（1）基礎設施即服務（IaaS）（2）平臺即服務（PaaS）（3）軟件即服務（SaaS）業務模式基礎設施平臺資源應用資源第2章信息技術基礎Cloud云計算一種是分布式計算與存儲的技術，是為“分”，這大多以Hadoop的MapReduce為代表。第二種是將集中的資源分割后分散使用的技術，即實現資源集約與分配的技術，是為“合”。實現技術主要有兩類：（1）虛擬化技術，包括對計算資源、網絡資源、存儲資源等的虛擬化，它也可分為偏物理的與偏軟件；（2）各種資源的精細化管理，是純軟件層面的技術。技術層面第2章信息技術基礎集中云集中云主要應用于大型互聯網服務提供商和大型研究機構所構建的云服務和數據中心。由于在集中云的計算中，服務器之間要進行大量的交互訪問，因此云數據中心的網絡內部流量巨大，對帶寬和延遲都有著較高的要求。分散云分散云在服務器的內部實現了虛擬機之間的通信，然而由于其對服務器硬件能力的極端榨取，造成了網絡中任一服務器的流量壓力都大幅增加，因此，與集中云一樣也存在著帶寬擴展的強烈要求。云計算的分類第2章信息技術基礎Volume：數據量大大數據的特征Variety：數據多樣性Veracity：真實性Value：價值密度低Velocity：速度快第2章信息技術基礎大數據的處理層次第2章信息技術基礎大數據的處理層次（1）對過去的分析大數據的運用從數據的采集開始。對歷史數據進行積累并找到其中的規律和知識是大數據處理的第一步。隨著互聯網的普及以及物聯網技術的廣泛應用，大量的在于人類活動的記錄及對環境的感知信息都被獲取并保存下來。在積累大量數據之后，就需要使用數據挖掘、機器學習等技術，從海量數據中發現對業務有影響意義的模式。第2章信息技術基礎大數據的處理層次（2）對現狀的監控對現狀的把握體現在對大量實時產生的數據進行監控上。通過對數據（如交通狀況、氣象數據、機械裝置的運行數據等）進行實時監控來發現異常的值和狀態。除了明顯能看出的異常情況之外，一般都需要事先確定異常值的定義和指標體系。異常值的確定又基于對大量歷史數據的分析所發現的模式，因此對過去的分析也會指導對現狀的把握。第2章信息技術基礎大數據的處理層次（3）對將來的預測如果能夠通過對歷史數據分析發現潛在的模式，那么就可以將輸入數據與這些模式相結合來對未來可以發生的狀況進行預測了。如根據大量的歷史醫療數據構建專家系統為前來就診的病患提供初步的病情診斷；通過歷史交易數據和問卷調查數據分析預判出客戶解約的可能性大小等。第2章信息技術基礎大數據的處理層次（4）對行動的優化大數據處理的最后一個層次是對行動的優化。這里的優化指的是根據數據分析和預測的結果所能采取的最佳策略和應對措施，包括了最佳路徑的選擇、最合適的產品的推薦、在最佳電動機攝像頭最恰當的信息、給特定的客戶提供最適合的打折優惠、個性化的產品和服務定制等。云計算和大數據在信息系統中的應用

——商品推薦系統`基于用戶統計信息的推薦`基于內容的推薦云計算和大數據在信息系統中的應用

——商品推薦系統云計算和大數據在信息系統中的應用

——定向廣告投放系統數據倉庫第2章信息技術基礎

數據倉庫（DataWarehouse）是一個面向主題的、集成的、穩定的、包含歷史數據的數據集合，它用于支持管理中的決策制定過程，是區別于數據庫的一種新的數據存儲形式，存儲貫穿整個組織的管理人員對其具有潛在興趣的、當前的和歷史的數據的數據庫。數據倉庫2.4第2章信息技術基礎數據倉庫數據倉庫和數據庫的區別多維立體的數據倉庫多維立體的數據倉庫（1）從客戶群A來看，產品種類1（對應生產線1）在東南地區的銷售情況怎樣？（2）在2018年，產品種類3（對應生產線3）在西北地區的銷售情況如何？（3）產品種類2（對應生產線2）在東南地區的信譽度又是怎樣的呢？多維立體的數據倉庫如果將“年份”、“顧客群”和“信譽度”再做細分，然后再嵌套在“第三維”中，那就是一個復雜的超立體結構了。利用它，我們就可以回答像下面這樣更復雜的問題了：（1）從客戶群A來看，產品種類1在西北地區的銷售情況中，有多少的百分比是與信譽度相關聯的？（2）在東部地區，2018年度客戶群A較2017年度增漲比例是多少?（3）在某網站植入廣告播出后，隨即發生的產品種類1在西部地區的客戶群的銷售額占總銷售額的百分比是多少？第2章信息技術基礎123數據來源于不同的業務處理系統數據來源于第三方工具或網絡

數據來源于合作伙伴數據的來源數據挖掘第2章信息技術基礎

數據挖掘（datamining，DM）從技術角度來講，就是通過對大型數據庫和數據倉庫中大量似乎無關的數據進行分析，以便發現并提取隱藏在數據深處的、人們事先不知道的、但是潛在有用的信息、知識和規律的過程。數據挖掘2.5第2章信息技術基礎數據挖掘的主要功能自動預測趨勢和行為神經網絡遺傳算法自然語言處理聚類分析關聯分析第2章信息技術基礎第2章信息技術基礎1.查詢和報表工具查詢和報表工具與QBE工具、SQL和典型數據庫環境中的報表生成器類似。實際上，大部分數據倉庫環境都支持諸如QBE、SQL和報表生成器之類的簡單易用的數據操作子系統工具。第2章信息技術基礎2.智能代理智能代理運用各種人工智能工具（如神經網絡、模糊邏輯）形成OLAP中的“信息發現”基礎，并創建商務智能。例如，華爾街的股票分析家MurrayRiggiero就運用一種稱為Data/Logic的OLAP軟件，并結合神經網絡為自己高成功率的股票和期貨交易系統制定規則。還有一些OLAP工具（如數據引擎）與模糊邏輯結合分析實時的技術處理。智能代理代表了正在增長的各類加工信息的IT工具的發展方向。第2章信息技術基礎3.多維數據分析工具多維數據分析工具（MultiDimensionalAnalysistools，MDA）是一種進行切片/切換的技術，支持多維度行為細分，不同人群細分，精準的用戶畫像，為企業提供精細化的運營策略，助理企業用數據驅動增長。第2章信息技術基礎4.統計工具統計工具幫助人們利用各種數學模型將信息存儲到數據倉庫中，進而去挖掘出新的信息。例如，美國世嘉公司是最大的影碟游戲出版商之一，它采用數據倉庫和統計工具有效地對每年5000萬美元的廣告預算進行規劃。世嘉的產品專家和營銷策略專家們運用數據中的信息來預測每條零售鏈的銷售趨勢。他們的目標就是要尋找購買均勢，以便確定哪種廣告策略效果最好，并決定怎樣按照媒介、地區和時間的不同重新分布廣告資源。第2章信息技術基礎確定業務問題數據挖掘的過程數據準備數據挖掘結果分析評價知識的運用（1）（2）（3）（4）（5）數據挖掘成功案例

——數據挖掘幫助企業改善客戶信用評分CredilogrosCiaFinancieraS.A.是阿根廷第五大信貸公司，該公司的第一個目標是創建一個與公司核心系統和兩家信用報告公司系統交互的決策引擎來處理信貸申請。同時，Credilogros還在尋找針對它所服務的低收入客戶群體的自定義風險評分工具。除這些之外，其他需求還包括解決方案能在其35個分支辦公地點和200多個相關的銷售點中的任何一個實時操作，包括零售家電連鎖店和手機銷售公司。最終Credilogros通過實現PASWModeler，Credilogros將用于處理信用數據和提供最終信用評分的時間縮短到了8秒以內。這使該組織能夠迅速批準或拒絕信貸請求。該決策引擎還使Credilogros能夠最小化每個客戶必須提供的身份證明文檔，在一些特殊情況下，只需提供一份身份證明即可批準信貸。此外，該系統還提供監控功能。Credilogros目前平均每月使用PASWModeler處理35000份申請。僅在實現3個月后就幫助Credilogros將貸款支付失職減少了20%。數據挖掘成功案例

——數據挖掘幫助DHL實時跟蹤貨箱溫度DHL是國際快遞和物流行業的全球市場領先者，它提供快遞、水陸空三路運輸、合同物流解決方案，以及國際郵件服務。DHL的國際網絡將超過220個國家及地區聯系起來，員工總數超過28.5萬人。在美國FDA要求確保運送過程中藥品裝運的溫度達標這一壓力之下，DHL的醫藥客戶強烈要求提供更可靠且更實惠的選擇。這就要求DHL在遞送的各個階段都要實時跟蹤集裝箱的溫度。DHL的母公司德國郵政世界網（DPWN）通過技術與創新管理（TIM）集團明確擬定了一個計劃，準備使用RFID技術在不同時間點全程跟蹤裝運的溫度。通過IBM全球企業咨詢服務部繪制決定服務的關鍵功能參數的流程框架。DHL獲得了兩方面的收益：對于最終客戶來說，能夠使醫藥客戶對運送過程中出現的裝運問題提前做出響應，并以引人注目的低成本全面切實地增強了運送可靠性。對于DHL來說，提高了客戶滿意度和忠實度；為保持競爭差異奠定堅實的基礎；并成為重要的新的收入增長來源。本章小結本章小結本章主要介紹了數據管理技術、數據倉庫、數據挖掘、數據通訊與計算機網絡、云計算和大數據等知識。利用計算機進行數據管理主要分為人工管理、文件管理和數據庫系統管理階段三個階段。數據挖掘是通過對大型數據庫和數據倉庫中大量似乎無關的數據進行分析，以便發現并提取隱藏在數據深處的、人們事先不知道的、但是潛在有用的信息、知識和規律的過程。計算機網絡是用傳輸介質把分布在不同地理位置的計算機和其他通信設備連接起來，實現數據通信和資源共享的分布式系統。復習思考題復習思考題一、選擇題：1.以下各點中，()不是數據庫管理系統軟件構成中的組成部分。A.數據定義

B.數據處理

C.數據傳輸

D.數據管理2.在數據庫模型中，目前最常用的是()。A.層次模型

B.網狀模型

D.面向對象的模型D.關系模型復習思考題3.以下各點中，()