数据仓库层

　　数据仓库层是决策支持系统的核心，它完成三方面的工作：第一，对业务系统中的原始数据进行（ETL）抽取、清洗、转换，将数据转换为相同的结构，之后加载到数据仓库中；第二，对数据仓库中的数据进行二次抽取，加载到具体分析主题的数据集市；第三，通过管理工具对数据仓库进行管理和维护。

　　我校采用星型结构模型来构建数据仓库，该模型扩展型强，能够适应新增分析指标和维度的需要，而且容易理解、可读性强。图2是星型结构的教学成果事实表模型。此外，设计过程采用缓慢变化维度的思路，例如：人员的职称、岗位等人事信息发生变动时，维度表将新增一条记录，这种处理方式既能保留教师科研活动的历史信息，又可以根据工号对某位教师的所有科研成果进行汇总。

图2 教学成果事实表模型

　　在ETL阶段，由于我校业务系统统一采用Oracle数据库，极大地方便数据抽取工作。针对ETL过程中步骤繁琐、可读性差、不易维护的问题，制定ETL规范，对抽取规则、数据转换和加载的规则、ETL过程对象的命名规则等进行明确定义。图3是根据ETL规范生成的教学、学生、科研主题的依赖关系图。

图3 教学、学生、科研主题ETL依赖关系

　　数据仓库的总体建设采取重点突破、螺旋式的开发方法。首先确定以教学、科研、人事三个大的主题为中心，而后逐步细化并扩展范围，包含生源质量、就业情况、开课情况、师资状况、教学质量等各类信息。

　　分析应用层

　　分析应用层通过数据可视化工具，向用户提供即时查询、报表定制、数据挖掘等多种服务，实现数据仓库中所存储知识向用户的传递。对于用户而言，数据访问层就是决策支持系统的全貌。因此，向用户提供一个健壮、灵活的展示方式，直接决定用户对于决策支持系统的整体评价。

　　通过调研，我们对开源工具PENTAHO、SQLSERVER2008R2以及Busi-nessObject等商业智能工具，从基本功能、实现效率、管理功能、移植与扩展性、文档等多方面进行测试和比较，于2010年初采购企业级数据展示工具，至今已基于该工具开发了多个应用。