[论文解读] Data warehouse on Manpower Employment for Decision Support System

Amro F. Alasta, Muftah A. Enaba|arXiv (Cornell University)|Apr 1, 2019

Data Mining Algorithms and Applications参考文献 3被引用 4

一句话总结

本文提出了一种人力雇佣数据仓库模型，通过支持对劳动力数据的高效多维分析，增强决策支持系统。通过将传统关系型数据库与数据仓库架构进行对比，研究展示了在查询性能、数据集成和灵活性方面的改进，从而更好地支持公共部门的战略性劳动力规划决策。

ABSTRACT

Since the use of computers in the business world, data collection has become one of the most important issues due to the available knowledge in the data; such data has been stored in the database. The database system was developed which led to the evolvement of hierarchical and relational database followed by Standard Query Language (SQL). As data size increases, the need for more control and information retrieval increase. These increases lead to the development of data mining systems and data warehouses. This paper focuses on the use of a data warehouse as a supporting tool in decision making. We to study the effectiveness of data warehouse techniques in the sense of time and flexibility in our case study (Manpower Employment). The study will conclude with a comparison of traditional relational database and the use of data warehouse. The fundamental role of a data warehouse is to provide data for supporting the decision-making process. Data in a data warehouse environment is a multidimensional data store. We can simply say that data warehouse is a process, not a product, for assembling and managing data from various sources for the purpose of gaining a single detailed view of part or all an establishment. The data warehouse concept has changed the nature of the decision support system, by adding new benefits for improving and expanding the scope, accuracy, and accessibility of data.

研究动机与目标

• 解决传统关系型数据库在处理复杂、多维劳动力数据以支持决策时的局限性。
• 设计并实现一个专用于人力雇佣数据的数据仓库系统，以支持战略性劳动力规划。
• 评估数据仓库技术在提升数据可访问性、准确性和响应时间方面的有效性，以支持决策。
• 在真实的人力雇佣场景中，对比数据仓库与传统关系型数据库在性能和灵活性方面的差异。

提出的方法

• 本研究采用维度建模方法设计数据仓库模式，重点聚焦于劳动力数据的事实表和维度表。
• 通过 ETL（提取、转换、加载）过程，从多个异构数据源（包括政府就业记录和劳动力统计数据）提取数据。
• 使用关系型 DBMS 实现数据仓库，并启用 OLAP 操作以支持多维分析（例如，切片、切块、钻取）。
• 系统采用星型模式设计，以优化决策工作负载的查询性能。
• 通过比较数据仓库与规范化关系型数据库在查询执行时间和数据检索效率方面的表现，开展性能评估。
• 本研究以国家级就业机构的公共部门人力雇佣数据为案例进行实证研究。

实验结果

研究问题

• RQ1 在人力雇佣系统中，与传统关系型数据库相比，数据仓库在查询性能和数据检索效率方面有何提升？
• RQ2 数据仓库的实施在多大程度上提升了数据集成能力和劳动力规划的分析灵活性？
• RQ3 在应用于人力雇佣数据时，数据仓库与关系型数据库在结构和操作方面存在哪些关键差异？
• RQ4 多维数据建模如何支持劳动力市场分析中的更优决策？

主要发现

• 与传统关系型数据库相比，数据仓库显著减少了查询执行时间，尤其是在涉及多个维度的复杂分析查询中。
• 多维模式支持更灵活且直观的数据分析，例如跨地区、职位类型和时间周期的趋势分析。
• 在数据仓库环境中，来自异构数据源的数据集成更加高效且一致，减少了数据冗余并提升了数据质量。
• 研究证实，数据仓库在需要复杂聚合和历史数据分析的决策支持场景中优于关系型数据库。
• 该实现表明，数据仓库为大规模人力雇佣数据管理提供了可扩展且易于维护的解决方案。