数据仓库在口岸物流数据分析中的应用摘要：为将口岸物流信息化积累的海量数据用于决策支持，应用数据仓库技术对口岸物流历史数据进行多维联机分析处理(OnlineAnalyticalProcessing，OLAP)，创建基于数据仓库技术的口岸物流数据多维分析模型，并探讨数据仓库技术在口岸物流分析中发挥的作用、构建模式和应用前景.结果表明建立数据仓库进行OLAP可对口岸物流相关部门和单位提供决策参考依据.关键词：口岸物流；数据仓库；OLAP：TP311.13；U11文献标志码：AApplyingdatawarehousingtechnologytoportlogisticsanalysisMENGYanping,WANG激e,HUANGYoufang,YANGBin(LogisticsResearchCenter,ShanghaiMaritimeUniv.,Shanghai200135,China)Abstract：Inordertosupportdecision-makingwiththemassivedataaccumulatedbythedevelopmentofinformationconstructionofportlogistics,amulti-dimensionalanalysismodelofportlogisticsbasedonthedatawarehousingtechnologyisbuilt,andusedtodothemulti-dimensionalOnlineAnalyticalProcessing(OLAP).Theconstructionmodes,functionandapplicationprospectsofusingdatawarehouseinportlogisticsarealsoexplored.TheresultsshowthattheanalysisbyusingthedatawarehousetechnologyonOLAPwillprovidereferencefordecision-makingofdepartmentsandunitsrelatedtoportlogistics.Keywords：portlogistics；datawarehousing；OLAP0引言口岸是1个国家对外开放的窗口［1］，是对外经济和贸易的重要通路，是国内、国际物流的枢纽和中心.口岸物流是以港口、机场等大型交通枢纽为依托的对外物流，是国际物流的重要组成部分.［2］其活动的集中度较高，规模较大，且货物通过口岸的时间、场所也相对集中，因此物流的重要组成部分――运输、仓储、保税、加工，均具有较大规模.口岸物流直接关系到口岸竞争力和地区投资环境.随着口岸数据库的成熟和信息技术应用的普及，口岸物流活动积累了海量数据，并正以指数级增长.由于这些数据分散在外贸监管部门、运输管理部门、运输经营单位、仓储企业、生产贸易企业和金融机构等多个部门，涉及多类型、多体系、多管理体制的信息系统，未形成1个有机整体［3］，很难对决策起支持作用.目前都是通过定性的方法对口岸物流的一体化过程进行分析，还未见利用定量或数据挖掘技术的方法来分析口岸物流.本文利用某口岸物流历史数据来建立数据仓库，对数据进行多维分析，在属性上进行细节数据的下钻及汇总数据的上卷，实现灵活的查询，满足报表需求，帮助口岸物流相关单位和企业及时、准确地了解信息，辅助决策.1业务分析和数据理解1.1数据获得数据仓库(DataWarehouse)是1个用于决策支持的面向主题(SubjectOriented)、集成(integrated)和稳定(Non-Volatile)的随时间变化的数据集合，是集成和存储各种分析数据的最佳手段.通过对大量分散数据进行抽取、转换、集成和综合管理，为决策分析提供统一、高质量的数据平台.数据仓库的数据主要于现有的多个同构或异构的数据库系统，集成后又按照主题进行重组.口岸物流［4］不是传统的口岸运输、仓储等物流活动的简单相加，而是以口岸物流一体化为特点的综合物流服务网络，涉及到物流的各个环节和物流管理的多个部门，所以数据有多个渠道、多个部门.本文的数据主要来自某口岸的海关、港航等相关数据库，涵盖范围涉及货主、货代、船代、海关、检验检疫、国税和码头等单位在码头堆场、港口、海关等空间的物流活动.1.2业务理解和数据理解建立数据仓库，首先需要对口岸物流进行业务理解和数据理解，分析口岸物流中的主要业务.口岸物流业务十分复杂，涉及多个部门和多种类型，每种业务类型下面又有不同情况，其数据记录业务过程的具体执行情况，数据库中每种单据涉及每个业务环节，有并行流程、串行流程，并且很多业务过程会随时间、环境的变化而变化.如海关一旦实行新的口岸物流政策，口岸物流的流程就会发生变化，如特殊区域的建立(如保税港)，其流程就具有特殊性.数据理解需要确定进入数据仓库所需的数据表，对数据进行描述和初步探索，检查数据的质量，分析每张表的关键字段、字段类型以及表之间的关联等...