Please wait a minute...
Advanced Search
现代图书情报技术  2002, Vol. 18 Issue (4): 64-68     https://doi.org/10.11925/infotech.1003-3513.2002.04.24
  金融证劵信息管理 本期目录 | 过刊浏览 | 高级检索 |
数据仓库技术以及在证券业应用展望
万里云
(深圳巨灵信息技术有限公司   深圳 518034)
The Technology of Datawarehouse and Its Application in Securities
Wan Liyun
(Shenzhen Genius Information Technology Co.,LTD,Shenzhen 518034,China)
全文: PDF (0 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

首先简要介绍了数据仓库技术,并对其功能和组成进行了描述;然后讲述了证券业的特点及数据仓库在其中的应用前景,最后得出结论:数据仓库技术在证券业有很广阔的应用前景。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 数据仓库联机分析处理联机事务处理数据挖掘数据融合数据集市    
Abstract

The paper first introduces the data warehouse technology briefly, then the characters of securities and the applications of the technology of datawarehouse in securities.

Key wordsDatawarehouse    OLAP    OLTP    Data mining    Data fusion    Data marts
收稿日期: 2002-03-01      出版日期: 2002-08-25
ZTFLH: 

G250.73

 
通讯作者: 万里云   
作者简介: 万里云
引用本文:   
万里云. 数据仓库技术以及在证券业应用展望[J]. 现代图书情报技术, 2002, 18(4): 64-68.
Wan Liyun. The Technology of Datawarehouse and Its Application in Securities. New Technology of Library and Information Service, 2002, 18(4): 64-68.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2002.04.24      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2002/V18/I4/64

[1] 美 Efrem G.Mallach 著.李昭智等译. 决策支持与数据仓库系统.电子工业出版社,2001
[2] 美 Microsoft Corporation 著.郭东青等译. 数据库创建、数据仓库与优化,清华大学出版社.2001
[3] 高洪深.决策支持系统、理论、方法、案例. 清华大学出版社,2001
[4] http://www.datawarehousing.com.

[1] 沈志宏,赵子豪,王海波. 以图为中心的新型大数据技术栈研究 *[J]. 数据分析与知识发现, 2020, 4(7): 50-65.
[2] 齐惠颖,江雨荷. 基于多组学数据融合构建乳腺癌生存预测模型 *[J]. 数据分析与知识发现, 2019, 3(8): 88-93.
[3] 张勇,李树青,程永上. 基于频次有效长度的加权关联规则挖掘算法研究 *[J]. 数据分析与知识发现, 2019, 3(7): 85-93.
[4] 陆泉,朱安琪,张霁月,陈静. 中文网络健康社区中的用户信息需求挖掘研究*——以求医网肿瘤板块数据为例[J]. 数据分析与知识发现, 2019, 3(4): 22-32.
[5] 牟冬梅,法慧,王萍,孙晶. 基于结构方程模型的疾病危险因素研究*[J]. 数据分析与知识发现, 2019, 3(4): 80-89.
[6] 李勇男. 贝叶斯理论在反恐情报分类分析中的应用研究*[J]. 数据分析与知识发现, 2018, 2(10): 9-14.
[7] 牟冬梅, 王萍, 赵丹宁. 高维电子病历的数据降维策略与实证研究*[J]. 数据分析与知识发现, 2018, 2(1): 88-98.
[8] 胡忠义, 王超群, 吴江. 融合多源网络评估数据及URL特征的钓鱼网站识别技术研究*[J]. 数据分析与知识发现, 2017, 1(6): 47-55.
[9] 江思伟, 谢振平, 陈梅婕, 蔡明. 混合特征数据的自解释归约建模方法*[J]. 数据分析与知识发现, 2017, 1(12): 92-100.
[10] 牟冬梅,任珂. 三种数据挖掘算法在电子病历知识发现中的比较*[J]. 现代图书情报技术, 2016, 32(6): 102-109.
[11] 李峰,李书宁,于静. 面向院系的高校毕业生图书馆记忆系统[J]. 现代图书情报技术, 2016, 32(5): 99-103.
[12] 翟东升, 蔡力伟, 张杰, 冯秀珍. 基于专利数据仓库的技术功效图挖掘方法研究——以3D打印技术为例[J]. 现代图书情报技术, 2015, 31(7-8): 131-138.
[13] 赵静娴. 基于决策树的网络伪舆情识别研究[J]. 现代图书情报技术, 2015, 31(6): 78-84.
[14] 何建民, 王哲. 社交网络话题信息传播影响簇发现谱系挖掘方法[J]. 现代图书情报技术, 2015, 31(5): 65-72.
[15] 黄文彬, 徐山川, 马龙, 王军. 利用通信数据的移动用户行为分析[J]. 现代图书情报技术, 2015, 31(5): 80-87.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn