第 1 章 绪论
1.1 选题背景及意义
在信息化的时代，各行各业都在积极进行着信息化的建设。随着计算机技术、网络技术的广泛应用和飞速发展，金融行业的信息化建设越来越发达，电子银行、网上交易等新业务的出现，体现出金融行业已经进入了电子信息化时代[1]。金融行业作为信息化最前沿的行业，在业务处理、支付清算、金融监管等领域，开发了货币管理、金融统计监测、信贷登记咨询等一系列业务。金融行业在世界范围内蓬勃发展，大量的不同名目的基金证券等金融产品被反复交易，这些交易信息日积月累，成为企业宝贵的历史数据。本文介绍的某投资公司的资金管理人操纵着大量基金和证券等金融商品的买卖，通过对各类金融指标的分析、预测和综合评估，观测并分析不同金融产品的增长收益趋势，通过研究大量的历史交易数据，制定下一步的投资计划。随着金融市场的竞争日益激烈，从大量的历史交易数据中提取出有价值的信息及其内涵，从而帮助资金管理人制定出最佳的投资策略，显得十分重要，而传统的基于事务处理的数据库系统已经无法满足这种需求。而且资金管理者需要用到大量查询应用，其中包括大量的历史交易数据和实时的金融产品的价格波动等相关信息，需要访问的数据量较大，并且需要占用大量资源进行汇总计算。另外辅助分析和决策的信息又涉及相对分散的业务数据和动态变化的实时细节性的业务数据，数据存在差异性导致难以集成，访问数据的能力也较差。现有的金融信息系统已经不能满足资金管理人处理大量数据和多样化展示的需求，因为无论是查询数据、统计数据或者报表，现有的处理方式都是按照指定的要求来查询和处理数据，这种方式很难获得数据中潜藏的内在信息；同时该金融信息系统是基于传统的 C/S 架构，存在着界面单一、操作复杂、维护困难、性能低下等问题，旧的系统已不能满足用户更高的，全方位的体验需求。因此迫切需要新一代的用户平台来满足用户的这些需求。
从 20 世纪 80 年代以来，联机事务处理数据库在实际应用方面发挥了重要作用，但是随着交易的不断增多，企业的业务不断增长，积累了大量的历史数据，而传统的数据处理和分析技术已经不能满足企业对于数据处理和分析的需求，如何从海量数据中提取出对企业分析和决策有用的信息，成为企业提高信息利用率的关键问题。数据仓库的目的就是合并和组织这些数据，并对数据进行分析以便用来支持业务决策。在 OLAP（联机分析处理）出现之前，较常用的数据分析技术是关系数据库、电子数据表以及各种统计方法。在传统的针对事务处理的关系数据库中，需要编写大量且复杂的 SQL 查询语句实现数据统计和分析。随着数据量的日益增大，信息的潜在价值得到越来越多的关注，传统的数据库技术和电子数据表已经很难适应最终用户经常变化的分析以及复杂的查询需求。OLAP 技术与数据仓库的结合，使数据仓库能够快速低响应复杂而繁复的分析查询，数据仓库也更有效地应用于联机分析处理。利用 OLAP 确立用户关注的重点，对海量历史数据作进一步的分析和潜在信息挖掘，体现信息的真正价值，使资金管理人为下一步的交易和投资可以做出更准确的分析和决策。传统的报表系统作为商务智能的低端实现，是把数据库中存储的数据转变为金融从业人员需要的信息而广泛使用的技术，例如常用的 Excel、水晶报表等。随着信息技术的飞速发展，人们对应用程序是否在可以提供完善的功能的同时，具备更佳的交互性和用户体验有了新的期待。传统的定制好的报表系统过于死板，不能满足用户的个性化定制的需求，而且传统的基于 Web 的应用程序也不能满足用户更高的全方位的体验需求，一种具有高交互性、丰富用户体验以及功能强大的网络应用程序——丰富因特网应用程序（Rich Internet Application，RIA）的出现为这个矛盾提供了一个解决方案[2,3]。传统的基于页面的、服务器端数据传递模式的网络程序，其表示层建立于适合于文本的HTML 页面，已经不能满足用户的更高的全方位的体验需求，RIA（丰富因特网应用程序）的适时出现就是为了解决这个矛盾。相对于传统的 Web 应用程序而言，RIA 技术的客户端描述引擎更加健壮，具有更复杂的逻辑，为用户提供比 HTML 更加密集、丰富和易于交互的界面，使用户获得类似于桌面应用程序一样丰富的体验；相较于桌面应用程序，RIA 技术的开发和部署和 Web 应用很相似，代价也相对较小[4]。对于企业而言，RIA 的部署优势在于 RIA可以继续使用现有的程序模型，无需大规模替换现有的 Web 应用程序，就可以构建反应迅速、易于使用、更为直观且支持脱机使用的应用程序；RIA 的丰富用户体验还可以为企业带来多元化的业务效益，如减少带宽成本、减少支持求助、延长网站逗留时间、频繁的重复访问等，以减少支持求助和增强用户关系，达到提高品牌忠诚度和提高销量的目的。
第 2 章 数据仓库和联机分析处理（OLAP）概述
2.1 数据仓库
2.1.1 数据仓库的概述和特点
数据仓库作为一种企业信息管理技术，是计算机应用领域里的一个崭新的研究方向，它的主要研究目标是通过通畅、合理、全面的信息管理，用于支持管理决策[13]。它把数据转换成商业信息，帮助决策者从大量的数据中分析出有价值的信息，构建商务智能，为企业解决复杂而多样的商业难题提供帮助。数据仓库是一个面向主题的、具有集成性、相对稳定的、与时间相关的数据集合，用于支持经营管理中的决策制定过程。这是数据仓库之父 William H.Inmon 的“Building the Data Warehouse”为数据仓库做出的定义。可以从以下两个方面理解数据仓库的定义：一方面，数据仓库与企业现有的传统关系数据库不同，它主要服务于某些特定主题，面向分析型数据处理，主要为企业管理者和决策者用于数据分析和支持决策；另一方面，数据仓库对来自多个异构的数据源中的数据进行抽取或者复杂的统计计算，再按照特定的主题重新组织数据，包含企业当前的和历史的数据，这些数据随时间变化而定期更新[14]。从数据仓库的定义可以看出，数据仓库具有以下几个主要特点：面向主题。传统的关系数据库的数据组织是面向事务来处理用户的查询任务的，业务系统彼此之间各自分离，而数据仓库是按照特定的主题域组织数据[15]。主题是指在较高层次综合、归类并分析企业信息系统中的数据，是针对具体的决策问题设置的，是对应企业中某一宏观分析领域所涉及的分析对象。当前大多数的数据仓库都是基于传统关系数据库实现的。集成性。数据仓库中存储的数据是对原来分散的数据源如数据库或者文件中的数据，通过抽取、清理、转换并汇总整理得到的。原始数据存储在分散的异构的数据源中，可能存在数据重复或者不一致性，统一数据并消除不一致性才能保证数据的质量，得到正确的分析处理结果。原始数据的结构是面向事务处理的，因此要对数据结构进行重组才能更好的为数据分析提供支持。
第 3 章 系统总体设计和数据仓库实现......13
3.1 系统设计结构....13
3.2 数据仓库设计....14
3.2.1 主题设计.......14
3.2.2 数据模式结构设计.........15
3.3 数据仓库实施....16
3.4 获取数据......17
3.5 开发环境......19
3.6 本章小结......19
第 4 章 中间层设计与实现........20
4.1 WCF 简介 ....20
4.1.1 WCF 体系结构 .........20
4.1.2 WCF 通信模型 .........21
4.1.3 终结点.....21
4.2 WCF 服务层实现 ....22
4.3 WCF 业务逻辑层实现 ........22
4.4 WCF 服务发布 ........24
4.5 本章小结......24
第 5 章 数据展示层设计与实现......26
5.1 Silverlight 技术........26
5.2 MVVM 设计模式....29
5.3 多维数据表的实现........33
5.4 分析结果展示....41
5.5 系统测试......41
5.6 部署应用......42
5.7 本章小结......42
结论
本文以基于 OLAP 的多维数据金融系统的设计与实现为背景，介绍了数据仓库和联机分析处理技术在金融数据存储和处理方面的应用，以及应用在富因特网应用技术的客户端呈现。系统的研究目的是为金融行业的资金管理者构建一个快速响应查询和分析需求，提供在线的多维分析操作，并具有更强互动性和更丰富用户体验的数据处理工具，为制定合理的投资计划提供分析和决策支持。本文研究工作主要是对多维金融数据进行联机分析处理，以及具有良好用户体验的在线多维分析处理的研究和实现，主要包括数据仓库的设计与实现，系统三层结构之间的数据通信和交互，提供良好用户体验的在线多维数据展示和分析的用户界面实现三个方面。
1)数据仓库的设计与实现。根据金融数据的特点及业务需求，设计了相应的数据仓库模式结构，包括一个事实表和若干个维度表，满足用户从多角度多方位分析数据。系统使用 SQLServer Analysis Services 实施数据仓库，并提供数据访问和分析服务。#p#分页标题#e#
2)三层结构之间的通信和交互。系统体系结构分为三层：数据服务层、中间层和数据展示层。数据服务层负责为处于数据展示层的用户提供数据，中间层使用 WCF 技术作为一个桥梁，从数据展示层读取请求，根据请求从数据服务层读取数据，再把数据返回给数据展示层，让用户可以观察和分析数据。其中研究了 WCF 服务层如何为外界提供服务定义接口，以及业务逻辑层使用 ADOMD.NET 对象和 MDX 查询访问多维数据，数据展示层的 Silverlight技术如何调用 WCF 服务。
3)多维数据展示和分析的用户界面设计与实现。数据展示层应用 Silverlight 技术为用户提供了良好的全方位用户体验，采用 MVVM 模式也让开发者可以更便捷和高效的处理代码和业务逻辑。在系统实现时，使用了第三方控件节省了时间和人力，提供基于 Web 的上卷、下钻、切片、切块和旋转等多维分析操作，也使用户可以更直观地从多角度和多方位观察和分析数据。
参考文献
[1] 张成虎.金融电子化[M].北京：经济管理出版社，2001:3-5.
[2] 周林，谢峰.基于 RIA 架构的应用开发改进方案[J].微计算机信息，2007(23):2-3.
[3] Rosen.迎接 RIA 时代的来临（上）[M].统一教学网，2006(6):30-31.
[4] 付华，钟勇.富因特网应用程序在 Web 数据展现中的应用[J].计算机应用，2009,29(B06):292-295.
[5] 杨光，张雷，艾波.OLAP 技术及其发展[J].计算机应用，1999,7:7-10.
[6] 骆伟忠，陈松乔.基于 OLAP 技术实现银行客户分析系统[J].微计算机信息，2004,20(5):89-92.
[7] 江键，陈福生.OLAP 在银行数据仓库中的设计与实现[J].计算机工程与设计，2006，20(27):3884-3886.
[8] Gangadharan G. R，Swami. Sundaravalli /jrbylw/ N. Business Intelligence System: Design andimplementation strategies[C]. Proceedings of the 26thInternational Conference on InformationTechnology Interfaces (ITI 2004). Croatia: Cavtat, 2004:139-144.
[9] Yang Wenchuan, Yang Chao. A Decision Engineering System over Financial DataWarehouse[C]. 2005 International Conference on Neural Networks and Brain Proceedings(ICNNB 2005). China: Beijing, 2005:1050-1052.
[10]张静. 基于金融统计业务的多维分析模型设计[J]. 计算机与数字工程，2006,34(2):139-142.
