有關(guān)教務(wù)管理的論文

　　教務(wù)管理的論文需要怎么寫呢？論文是大學(xué)生們最痛苦的一件事情！我們不妨一起來參考下范文吧！以下是小編為大家整理的有關(guān)教務(wù)管理的論文范文，歡迎閱讀參考。希望對(duì)您有所幫助！

　　有關(guān)教務(wù)管理的論文

　　淺析教務(wù)管理系統(tǒng)的談?wù)?/strong>

　　摘要：高校教學(xué)管理工作作為學(xué)校教學(xué)機(jī)制正常運(yùn)轉(zhuǎn)的重要前提，在高校管理工作中占有相當(dāng)重要的地位。高校教務(wù)管理系統(tǒng)使用至今，使大量的業(yè)務(wù)信息數(shù)據(jù)化，雖然基本滿足了新的教學(xué)模式的業(yè)務(wù)需求，但由于數(shù)據(jù)量過大，導(dǎo)致隱含的規(guī)律無法被發(fā)掘，從而不能應(yīng)用這些規(guī)律去指導(dǎo)學(xué)校的工作。本文結(jié)合教學(xué)管理具體要求，通過設(shè)計(jì)適合教學(xué)管理決策需求的數(shù)據(jù)倉(cāng)庫(kù)模型設(shè)計(jì)和數(shù)據(jù)處理方法，建立了完備、正確、無冗余的教務(wù)管理系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)模型，為后期進(jìn)行決策分析提供有效的支持和依據(jù)，從理論和實(shí)踐上提供一套有效的方法，為高校全面進(jìn)行數(shù)據(jù)倉(cāng)庫(kù)建設(shè)、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘研究與開發(fā)提供參考。

　　關(guān)鍵詞：數(shù)據(jù)倉(cāng)庫(kù)模型；數(shù)據(jù)倉(cāng)庫(kù)；教務(wù)管理系統(tǒng)；教學(xué)管理

　　引言 教學(xué)管理是計(jì)劃性、創(chuàng)造性和科學(xué)性很強(qiáng)的工作，是保證高校教學(xué)機(jī)制正常運(yùn)轉(zhuǎn)的樞紐，關(guān)系到教學(xué)質(zhì)量和人才培養(yǎng)質(zhì)量的提高，在高校管理工作中占有相當(dāng)重要的地位。教務(wù)管理系統(tǒng)是為了方便教學(xué)管理、提高管理工作效率而開發(fā)的數(shù)據(jù)庫(kù)系統(tǒng)，由于教學(xué)管理工作涉及多方面的內(nèi)容，因此在設(shè)計(jì)這些系統(tǒng)時(shí)，通常會(huì)根據(jù)用戶的需求將其設(shè)計(jì)為幾個(gè)子系統(tǒng)，包括培養(yǎng)計(jì)劃子系統(tǒng)、排課子系統(tǒng)、成績(jī)子系統(tǒng)、學(xué)籍子系統(tǒng)等等，每個(gè)子系統(tǒng)都包含若干個(gè)關(guān)系表，這些關(guān)系表中記錄著各種屬性信息。教學(xué)管理人員可以根據(jù)系統(tǒng)給予的權(quán)限對(duì)學(xué)生在校的各種相關(guān)信息進(jìn)行錄入、修改、審核、發(fā)布、查詢、打印、統(tǒng)計(jì)、匯總等功能。 最大限度地實(shí)現(xiàn)教學(xué)管理過程中的信息共享和交流，是教務(wù)管理系統(tǒng)的主要功能之一。

　　以培養(yǎng)計(jì)劃和排課兩個(gè)工作環(huán)節(jié)之間的聯(lián)系為例。04 年以前，在排課前向各開課學(xué)院下達(dá)教學(xué)任務(wù)的過程是這樣的：學(xué)院教學(xué)秘書根據(jù)下學(xué)期的教學(xué)計(jì)劃，將各個(gè)專業(yè)所上課程摘錄下來，然后將不同專業(yè)所上的相同課程進(jìn)行匯總，再將所有課程按開課學(xué)院進(jìn)行分類匯總，最后將任務(wù)書按開課學(xué)院下到有關(guān)學(xué)院。由于存在著學(xué)生和任課教師不在同一學(xué)院的情況，因此，各學(xué)院之間還需要相互頻繁地交換任務(wù)書。現(xiàn)在這一切，隨著培養(yǎng)計(jì)劃系統(tǒng)的使用得到了很好的解決。由教務(wù)處統(tǒng)一按學(xué)院生成任務(wù)書，并下達(dá)到學(xué)院，并且所生的計(jì)劃數(shù)據(jù)，可以供排課系統(tǒng)直接使用，不用再像以前那樣，需要人工地建立每學(xué)期需要安排的課程和上課的班級(jí)數(shù)據(jù)。

　　高校教務(wù)管理系統(tǒng)使用至今，使大量的業(yè)務(wù)信息數(shù)據(jù)化，基本滿足了新的教學(xué)模式的需求。但是，它也有不足之處。教務(wù)管理系統(tǒng)收集了大量的數(shù)據(jù)，正常運(yùn)行近十年，學(xué)生選課數(shù)據(jù)達(dá)到近30 萬條記錄，成績(jī)歷史數(shù)據(jù)達(dá)到近200 萬條記錄，交費(fèi)數(shù)據(jù)達(dá)到近10 萬條記錄，教師課堂工作量達(dá)到近5 萬條記錄，面對(duì)如此海量的數(shù)據(jù)，目前的教務(wù)管理系統(tǒng)只是對(duì)它們進(jìn)行一下查詢、更新操作，并沒有完全發(fā)揮信息技術(shù)的潛能。沒有去挖掘大量數(shù)據(jù)中所隱含的規(guī)律，從而應(yīng)用這些規(guī)律去指導(dǎo)學(xué)校的工作。因此，如何借用信息化的手段來為教學(xué)管理人員進(jìn)行決策支持服務(wù)，成為急需解決的問題。

　　課題研究的國(guó)內(nèi)外發(fā)展?fàn)顩r及相關(guān)理論國(guó)內(nèi)外發(fā)展?fàn)顩r數(shù)據(jù)倉(cāng)庫(kù)目前大多應(yīng)用于商業(yè)或戰(zhàn)略目的，在教育管理方面的應(yīng)用暫時(shí)不多，且由于國(guó)內(nèi)外教育培養(yǎng)方式的差別，國(guó)外關(guān)于教育管理單方面的數(shù)據(jù)倉(cāng)庫(kù)的研究及設(shè)計(jì)的并不是很多，更多是集中于學(xué)校整體教育評(píng)估的研究。綜合國(guó)內(nèi)外情況，目前關(guān)于數(shù)據(jù)倉(cāng)庫(kù)理論在教學(xué)管理方面的應(yīng)用主要集中在以下幾個(gè)方面：

　　（1）基于教務(wù)數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用開發(fā)研究；年，Nikolaos Dimokas 等人在《》一文中，通過對(duì)希臘第二大綜合性大學(xué)亞里士多德大學(xué)的教育管理系統(tǒng)進(jìn)行分析，確定學(xué)校建立數(shù)據(jù)倉(cāng)庫(kù)的可行性和必要性，通過需求分析，確定所需要的數(shù)據(jù)維度和粒度級(jí)別，選擇星型模型，基于Microsoft SQL Server 2005 建立數(shù)據(jù)倉(cāng)庫(kù)并進(jìn)行聯(lián)機(jī)分析處理，結(jié)合Microsoft SharePoint 2007 和Excel 創(chuàng)建基于web 用戶界面的OLAP 應(yīng)用程序，為學(xué)校教學(xué)管理決策提供了科學(xué)有利的依據(jù)。

　　（2）基于教務(wù)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)挖掘算法研究；年，王長(zhǎng)娥在《數(shù)據(jù)挖掘在教學(xué)評(píng)價(jià)中的應(yīng)用研究》一文中，針對(duì)數(shù)據(jù)挖掘聚類算法k 平均分區(qū)算法和層次凝聚算法的缺點(diǎn)，提出了一種新的改進(jìn)算法(NP 算法)，通過對(duì)濰坊學(xué)院的成人教育數(shù)據(jù)進(jìn)行挖掘，得出了有意義的結(jié)論。

　　（3）針對(duì)教務(wù)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)預(yù)處理算法研究；年，曹薇在《教務(wù)數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)清理方法的研究》一文中，從屬性清理和記錄清理兩方面對(duì)數(shù)據(jù)清理進(jìn)行了研究,研究了如何用貝葉斯分類方法來修補(bǔ)缺失值, 通過對(duì)原有方法的組合和改進(jìn)，提出了一種高效的檢測(cè)相似重復(fù)記錄的方法，減小了時(shí)間復(fù)雜度且提高了精度。

　　相關(guān)理論數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)系統(tǒng)作為數(shù)據(jù)管理手段，從它的誕生開始，就主要用于事務(wù)處理。經(jīng)過數(shù)十年的發(fā)展，在這些數(shù)據(jù)庫(kù)中已經(jīng)保存了大量的日常業(yè)務(wù)數(shù)據(jù)。傳統(tǒng)的業(yè)務(wù)系統(tǒng)一般是直接建立在這種事務(wù)處理環(huán)境上的。數(shù)據(jù)庫(kù)技術(shù)一直力圖使自己能勝任從事務(wù)處理、批處理到分析處理的各種類型的.信息處理任務(wù)，后來人們逐漸認(rèn)識(shí)到，在目前的計(jì)算機(jī)處理能力上，直接使用事務(wù)處理環(huán)境來支持決策是行不通的。近年來，隨著數(shù)據(jù)庫(kù)技術(shù)的應(yīng)用和發(fā)展，人們嘗試對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行再加工，形成一個(gè)綜合的、面向分析的環(huán)境，以更好地支持決策分析，數(shù)據(jù)倉(cāng)庫(kù)(Data Warehouse,簡(jiǎn)稱DW)正是為了構(gòu)建這種新的分析處理環(huán)境而出現(xiàn)的一種數(shù)據(jù)存儲(chǔ)和組織技術(shù)。數(shù)據(jù)倉(cāng)庫(kù)彌補(bǔ)了原有數(shù)據(jù)庫(kù)的缺點(diǎn)，將原來以單一數(shù)據(jù)庫(kù)為中心的數(shù)據(jù)環(huán)境發(fā)展為一種新環(huán)境：體系化環(huán)境。數(shù)據(jù)倉(cāng)庫(kù)的建立并不是要取代數(shù)據(jù)庫(kù)，它要建立在一個(gè)較全面和完善的信息應(yīng)用基礎(chǔ)上，用于支持高層決策分析，而事務(wù)處理數(shù)據(jù)庫(kù)在企業(yè)的信息環(huán)境中承擔(dān)的是日常操作性的任務(wù)。

　　數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理是數(shù)據(jù)在進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)之前的處理過程，在這個(gè)過程中，需要將來自關(guān)系數(shù)據(jù)庫(kù)、實(shí)時(shí)數(shù)據(jù)庫(kù)或者文件系統(tǒng)等多個(gè)外部數(shù)據(jù)源的數(shù)據(jù)進(jìn)行有效的抽取、清理、轉(zhuǎn)化和綜合，檢查數(shù)據(jù)的完整性、一致性等質(zhì)量指標(biāo)，對(duì)其中的噪音數(shù)據(jù)、空值等進(jìn)行處理，最后存入數(shù)據(jù)倉(cāng)庫(kù)[1]。數(shù)據(jù)預(yù)處理與數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的關(guān)系數(shù)據(jù)預(yù)處理過程中要考慮以下幾個(gè)問題[2]：

　　（1）異構(gòu)平臺(tái)下的數(shù)據(jù)透明性（2）數(shù)據(jù)準(zhǔn)確性與實(shí)時(shí)性的平衡（4）成本與維護(hù)性聯(lián)機(jī)分析處理（OLAP）聯(lián)機(jī)分析處理，英文名稱為On-Line Analysis Processing，簡(jiǎn)寫為OLAP。

　　聯(lián)機(jī)分析處理具有靈活的分析功能、直觀的數(shù)據(jù)操作和分析結(jié)果可視化表示等突出優(yōu)點(diǎn)，從而使用戶對(duì)基于大量復(fù)雜數(shù)據(jù)的分析變得輕松而高效，以利于迅速做出正確判斷。它可用于證實(shí)人們提出的復(fù)雜的假設(shè)，其結(jié)果是以圖形或者表格的形式來表示的對(duì)信息的總結(jié)。它并不將異常信息標(biāo)記出來，是一種知識(shí)證實(shí)的方法。

　　研究的主要內(nèi)容（1）在傳統(tǒng)教務(wù)管理系統(tǒng)數(shù)據(jù)庫(kù)基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行清理，消除噪聲和不一致，整合存放在不同數(shù)據(jù)庫(kù)和文件中的數(shù)據(jù)。

　　（2）設(shè)計(jì)合理的系統(tǒng)模型，提取相關(guān)數(shù)據(jù)，采用適合的數(shù)據(jù)預(yù)處理算法，建立完備、正確、無冗余的教務(wù)數(shù)據(jù)倉(cāng)庫(kù)。

　　（3）基于所建立的數(shù)據(jù)倉(cāng)庫(kù)，結(jié)合教務(wù)具體應(yīng)用需求，開發(fā)OLAP 應(yīng)用。

　　（4）設(shè)計(jì)交互性良好的用戶界面，將分析結(jié)果用可視化和知識(shí)表示技術(shù)表示出來。

　　課題研究的主要技術(shù)路線教務(wù)管理系統(tǒng)中的組合數(shù)據(jù)清理技術(shù)以往常用的清理方法是根據(jù)不同的數(shù)據(jù)背景采用如平均、分類、聚類、預(yù)測(cè)、相關(guān)性分析等方法，對(duì)真實(shí)值進(jìn)行估計(jì)，但比較通用的算法目前還沒有。1969 年，J.M.Bates 和首次提出了組合預(yù)測(cè)的理論和方法以來，組合預(yù)測(cè)的理論在國(guó)內(nèi)得到了廣泛的應(yīng)用和發(fā)展。本文從組合預(yù)測(cè)思想的出發(fā)，給出了數(shù)據(jù)清理的組合模型。該模型的思想是：

　　對(duì)于同一數(shù)據(jù)進(jìn)行處理，可以用多種方法，每種方法都有各自的優(yōu)點(diǎn)和缺陷，為了有效的利用各種模型的優(yōu)點(diǎn)，回避其缺點(diǎn)，將不同的方法進(jìn)行組合，只要選好權(quán)重便可以得到較好的處理結(jié)果。實(shí)踐證明，任何一個(gè)獨(dú)立模型，哪怕是效果不佳的模型，只要它含有獨(dú)立的系統(tǒng)信息，當(dāng)與一個(gè)較好的方法進(jìn)行組合后同樣可以改善結(jié)果精度，增強(qiáng)模型的可靠性。本課題使用遺傳算法確定各種單一算法的估計(jì)結(jié)果的最優(yōu)權(quán)，然后加權(quán)平均，得到一種相對(duì)通用的算法。實(shí)驗(yàn)表明，這種組合算法在大多數(shù)情況下比使用單一算法要精確。

　　數(shù)據(jù)倉(cāng)庫(kù)模型設(shè)計(jì)學(xué)校教務(wù)數(shù)據(jù)主要存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中，大量的數(shù)據(jù)和數(shù)據(jù)模型，都是反映歷屆學(xué)生的學(xué)習(xí)情況和教師的教學(xué)任務(wù)以及教學(xué)計(jì)劃，已開發(fā)的數(shù)據(jù)庫(kù)系統(tǒng)基本上是面向事務(wù)處理的簡(jiǎn)單的管理信息系統(tǒng)。隨著學(xué)校對(duì)決策信息需求的日益廣泛、復(fù)雜和迫切，這些傳統(tǒng)的數(shù)據(jù)庫(kù)系統(tǒng)存在的問題也越來越明顯：（1）原有數(shù)據(jù)庫(kù)系統(tǒng)是面向OLTP 而不是面向OLAP 的；（2）原有數(shù)據(jù)庫(kù)系統(tǒng)難以適應(yīng)各類對(duì)象數(shù)據(jù)粒度的不同要求；在數(shù)據(jù)倉(cāng)庫(kù)中，系統(tǒng)體系結(jié)構(gòu)是關(guān)鍵[3]。要成功地實(shí)施數(shù)據(jù)倉(cāng)庫(kù)，首先要擬訂適合高校特點(diǎn)的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)框架，一個(gè)真正實(shí)用、有效、靈活的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)體系結(jié)構(gòu)的建立是十分必要的。近年來，國(guó)際學(xué)術(shù)界正積極對(duì)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的體系結(jié)構(gòu)展開研究，例如，美國(guó)大學(xué)的ADMS 系統(tǒng)[4],Colorado 大學(xué)的H2O 系統(tǒng)[5]和Stanford 大學(xué)的WHIPS 計(jì)劃等。在對(duì)教務(wù)系統(tǒng)進(jìn)行深入調(diào)研和需求分析的基礎(chǔ)上，針對(duì)教務(wù)管理自身的特點(diǎn)，我們提出了一個(gè)集中式數(shù)據(jù)倉(cāng)庫(kù)(即中央教務(wù)數(shù)據(jù)倉(cāng)庫(kù))、分布式數(shù)據(jù)集市(即部門學(xué)院級(jí)數(shù)據(jù)倉(cāng)庫(kù)) 和個(gè)人級(jí)數(shù)據(jù)倉(cāng)庫(kù)相結(jié)合的、適合教務(wù)管理的數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)下面就圖中各個(gè)部分予以簡(jiǎn)要說明：

　　（1）信息源信息源(Information Source)即數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)源。它可以是異種或異構(gòu)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，也可以是數(shù)據(jù)文件、學(xué)校內(nèi)部數(shù)據(jù)、市場(chǎng)調(diào)查報(bào)告或其它各種文檔數(shù)據(jù)等。在本課題中，數(shù)據(jù)主要來自兩種數(shù)據(jù)源：關(guān)系數(shù)據(jù)庫(kù)（Interbase 和SQL Server2000）、文件系統(tǒng)（早期數(shù)據(jù)）。

　　（2）提取器提取器(Extractor)又稱為包裝器/監(jiān)視器(Wrapper/Monitor)。它主要負(fù)責(zé)如下工作：

　　數(shù)據(jù)格式轉(zhuǎn)換監(jiān)視標(biāo)明時(shí)間戳（3）集成器集成器(Integrator)主要負(fù)責(zé)將數(shù)據(jù)按數(shù)據(jù)倉(cāng)庫(kù)的各種規(guī)則（如一致的命名轉(zhuǎn)換、一致的編碼結(jié)構(gòu)、一致的數(shù)據(jù)物理屬性等）將數(shù)據(jù)正確加載到數(shù)據(jù)倉(cāng)庫(kù)中。由于信息源眾多，數(shù)據(jù)集成是數(shù)據(jù)倉(cāng)庫(kù)建設(shè)中最關(guān)鍵和最復(fù)雜的一步，它包含下面幾個(gè)方面：

　　數(shù)據(jù)過濾數(shù)據(jù)匯總數(shù)據(jù)合并（4）元數(shù)據(jù)元數(shù)據(jù)(Metadata)是關(guān)于數(shù)據(jù)的數(shù)據(jù)，它是數(shù)據(jù)倉(cāng)庫(kù)的管理性數(shù)據(jù)，在數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)、運(yùn)行中起著極其重要的作用，是整個(gè)數(shù)據(jù)倉(cāng)庫(kù)的核心。它描述了數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)和環(huán)境，用于存儲(chǔ)數(shù)據(jù)模型和定義數(shù)據(jù)結(jié)構(gòu)、轉(zhuǎn)換規(guī)則、倉(cāng)庫(kù)結(jié)構(gòu)、控制信息等。

　　（5）中央數(shù)據(jù)倉(cāng)庫(kù)中央數(shù)據(jù)倉(cāng)庫(kù)的目標(biāo)是進(jìn)行決策支持，它是支持管理決策過程的、面向主題的、集成的、穩(wěn)定的、時(shí)變的數(shù)據(jù)集合，它面向主題組織數(shù)據(jù)，每個(gè)主題對(duì)應(yīng)一個(gè)客觀分析領(lǐng)域，它可以為輔助決策分析集成多個(gè)部門、不同系統(tǒng)的大量數(shù)據(jù)。

　　為了滿足不同應(yīng)用對(duì)數(shù)據(jù)庫(kù)的不同處理深度的要求，數(shù)據(jù)倉(cāng)庫(kù)中的多重粒度是必不可少的，其數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)組織結(jié)構(gòu)分為四個(gè)級(jí)別，即早期細(xì)節(jié)級(jí)、當(dāng)前細(xì)節(jié)級(jí)、輕度綜合級(jí)和高度綜合級(jí)四級(jí)粒度，如圖3 所示。當(dāng)前細(xì)節(jié)級(jí)保存來自集成器的當(dāng)前細(xì)節(jié)數(shù)據(jù)，為單位當(dāng)年的詳細(xì)數(shù)據(jù)；早期細(xì)節(jié)級(jí)保存歷史詳細(xì)數(shù)據(jù)，一般保存5-8 年的歷史數(shù)據(jù)。詳細(xì)數(shù)據(jù)經(jīng)進(jìn)一步匯總，以綜合的數(shù)據(jù)進(jìn)入輕度綜合級(jí)和高度綜合級(jí)。隨著時(shí)間的推移，由時(shí)間控制機(jī)制將當(dāng)前細(xì)節(jié)級(jí)的老化數(shù)據(jù)轉(zhuǎn)入早期細(xì)節(jié)（即轉(zhuǎn)為歷史數(shù)據(jù)）。

　　（6）數(shù)據(jù)集市與個(gè)人級(jí)數(shù)據(jù)倉(cāng)庫(kù)中央數(shù)據(jù)倉(cāng)庫(kù)使數(shù)據(jù)發(fā)生了質(zhì)的變化，由原始的操作數(shù)據(jù)轉(zhuǎn)化為適合分析的導(dǎo)出性數(shù)據(jù)。隨著數(shù)據(jù)的不斷載入，中央數(shù)據(jù)倉(cāng)庫(kù)將越來越龐大，若所有的決策分析工作都完全基于中央數(shù)據(jù)倉(cāng)庫(kù)，性能將十分低下。因此，有必要建立數(shù)據(jù)集市(部門級(jí)數(shù)據(jù)倉(cāng)庫(kù))以及個(gè)人級(jí)數(shù)據(jù)倉(cāng)庫(kù)，形成一個(gè)分層的數(shù)據(jù)倉(cāng)庫(kù)環(huán)境，校級(jí)、院系級(jí)和高級(jí)管理（個(gè)人）級(jí)數(shù)據(jù)倉(cāng)庫(kù)渾然一體，以適應(yīng)學(xué)校不同層次分析的需要，并與原有的操作型環(huán)境形成一個(gè)四層的體系化環(huán)境數(shù)據(jù)集市(Data Marts)是一種更小、更集中的院系級(jí)數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)集市具有傳統(tǒng)意義上的數(shù)據(jù)倉(cāng)庫(kù)的四個(gè)基本特征，它是按照某一特定的決策支持需求而組織起來的、針對(duì)特定主題的數(shù)據(jù)倉(cāng)庫(kù)。圖4 的四層體系化環(huán)境可以很好地與學(xué)校的各個(gè)院系組織結(jié)構(gòu)對(duì)應(yīng)起來。例如，對(duì)于所有學(xué)校的總體成績(jī)?cè)诮虅?wù)處進(jìn)行宏觀管理，對(duì)于各個(gè)院系的成績(jī)?cè)谠合导?jí)進(jìn)行分析。高層管理的主要任務(wù)是進(jìn)行戰(zhàn)略決策，需要進(jìn)行復(fù)雜的分析加工，個(gè)人級(jí)數(shù)據(jù)倉(cāng)庫(kù)面向這一層。

　　針對(duì)學(xué)校各個(gè)院系對(duì)數(shù)據(jù)訪問的局部性，有必要為訪問數(shù)據(jù)倉(cāng)庫(kù)十分頻繁的關(guān)鍵業(yè)務(wù)部門建立自己的數(shù)據(jù)集市，以便節(jié)約開銷，提高響應(yīng)速度；對(duì)于一般通用業(yè)務(wù)的分析決策應(yīng)用，建立一個(gè)通用的數(shù)據(jù)集市，并且建立一個(gè)學(xué)校高層管理人員使用的個(gè)人級(jí)數(shù)據(jù)倉(cāng)庫(kù)，以支持學(xué)校的宏觀戰(zhàn)略決策。這樣，既可以提高解決分析效率，又便于對(duì)中央數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行有效的維護(hù)。

　　結(jié)束語本文基于實(shí)際工作經(jīng)驗(yàn)，通過對(duì)數(shù)據(jù)倉(cāng)庫(kù)的關(guān)鍵技術(shù)的研究，在詳細(xì)研究數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)、設(shè)計(jì)方法、實(shí)施策略及應(yīng)用技術(shù)等相關(guān)知識(shí)后，結(jié)合教學(xué)管理具體要求，尋找適合教學(xué)管理決策需求的數(shù)據(jù)倉(cāng)庫(kù)模型設(shè)計(jì)和數(shù)據(jù)處理方法，設(shè)計(jì)建立完備、正確、無冗余的教務(wù)管理系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)模型，為以后進(jìn)行決策分析提供有效的支持和依據(jù)。通過本文的研究，從理論和實(shí)踐上提供一套有效的方法，為高校全面進(jìn)行數(shù)據(jù)倉(cāng)庫(kù)建設(shè)、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘研究與開發(fā)提供參考。建設(shè)科學(xué)合理的教務(wù)管理系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)，不僅有效地提高了高校信息管理和數(shù)據(jù)利用的能力，并且加強(qiáng)了高層教學(xué)管理決策的合理性和科學(xué)性，是高校提高綜合競(jìng)爭(zhēng)力的必經(jīng)之路。