鉴于大家对工科论文十分关注，我们编辑小组在此为大家搜集整理了“ 数据仓库技术在物流信息系统中的应用 ”一文，供大家参考学习!
现代物流系统是现代化仓储必备的系统，总体来说，一个物流过程包括搬运、仓储、配送、包装、运输、物流再加工等环节，各个环节都具有非常大的信息量，随着现代化物流信息的不断增多，存储数据库的规模也变打越来越大，生成了庞大的数据流，面对复杂而庞大的数据，现代化物流企业需要进行高效、准确的数据收集和处理并做出正确的决策，但仅仅是依靠普通的数据库系统中的普通查询和检索已经很难帮助用户得出快速、准确的决策，从而实现对物流过程的控制，降低整个物流过程的成本。随着信息科技、特别是计算机技术的迅猛发展，网络技术和数据库技术为物流业的发展提供了强有力的保障。物流企业能够通过数据挖掘技术从复杂而庞大的数据中得到有用的信息，并通过对这些信息的分析出来，得出企业的经营状况，并对未来的经营情况进行分析和预测。数据仓库技术数据仓库基本概念有关数据仓库的定义，数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”所给出的概念被业界普遍接受。数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，可以支持管理决策(Decision Making Support)。
数据仓库是研究和解决如何从数据库中获取信息的问题。从“Building the Data Warehouse”一书，数据仓库具有以下一些特征：1)面向主题性(subject-oriented)：操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。集成性(integrated)：数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。时变性(time-variant)：数据仓库中的数据并不像业务数据库那样反应业务处理的实时状况，但是数据也不能长期不变，如果依10年前的数据进行决策分析，那决策带来的后果是十分可怕的。因此在数据仓库中不断地生成主题的新快照，以满足决策分析的需要。非易失性(nonvolatile)：数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。
