數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘技術(shù)對(duì)于軟件項(xiàng)目管理的應(yīng)用.pdf

1、一直以來(lái)，如何提高項(xiàng)目的成功率被各行各業(yè)所關(guān)注，因此，項(xiàng)目管理也逐步地成為了一門(mén)獨(dú)立的管理學(xué)科。然而，再浩大的工程最終是需要使用工具來(lái)完成的，而什么工具才能幫助項(xiàng)目管理提高項(xiàng)目的成功率？
　　 近年來(lái)，數(shù)據(jù)倉(cāng)庫(kù)（Data Warehouse，DW）、聯(lián)機(jī)分析（Online Analytical Processing，OLAP）以及數(shù)據(jù)挖掘（Data Mining，DM）已經(jīng)在許多商業(yè)環(huán)境分析中發(fā)揮了出色的效用。數(shù)據(jù)倉(cāng)庫(kù)作為數(shù)據(jù)的

2、集散地被廣泛使用，有效利用這份龐大的資源體成為當(dāng)前各項(xiàng)研究的重點(diǎn)課題。
　　 本文以項(xiàng)目管理知識(shí)體系（Project Management Bode of Knowledge，PMBOK）為背景，對(duì)項(xiàng)目管理進(jìn)行了的描述，除將管理過(guò)程中的9大管理領(lǐng)域、軟件項(xiàng)目管理活動(dòng)節(jié)點(diǎn)以及節(jié)點(diǎn)上的產(chǎn)物詳細(xì)描述之外，還結(jié)合現(xiàn)實(shí)項(xiàng)目信息，利用數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)信息，開(kāi)發(fā)數(shù)據(jù)挖掘工具尋找項(xiàng)目中的知識(shí)——項(xiàng)目的意見(jiàn)。
　　 作者借鑒了企業(yè)資源管理系統(tǒng)

3、（Enterprise Resource Planning，ERP）中物料清單(Bill of Material，BOM)、工作中心（Workcentre）和工藝單(Routing)的概念建立項(xiàng)目管理數(shù)據(jù)倉(cāng)庫(kù)，從候選方案中選擇最佳項(xiàng)目管理信息資源結(jié)構(gòu)的組織方式，并建立項(xiàng)目管理信息倉(cāng)庫(kù)。之后，從累積多年的項(xiàng)目信息中篩選、轉(zhuǎn)化、加載具有代表價(jià)值的數(shù)據(jù)導(dǎo)入數(shù)據(jù)倉(cāng)庫(kù)，且形成一套完成的ETL獨(dú)立工具——SSIS_DM。
　　 建立信息數(shù)據(jù)

4、倉(cāng)庫(kù)后，研究重點(diǎn)進(jìn)入對(duì)數(shù)據(jù)挖掘算法的研究。在文本意見(jiàn)挖掘的思路基礎(chǔ)上研究并發(fā)展適合項(xiàng)目意見(jiàn)挖掘的算法，通過(guò)計(jì)算獲得軟件項(xiàng)目過(guò)程節(jié)點(diǎn)產(chǎn)物中的關(guān)鍵詞及其極性，幫助抽取項(xiàng)目觀念，即：SO-PAV算法（Project Artifact Valence，SO-PAV）。其中，對(duì)于特征選擇函數(shù)的比較與選擇都經(jīng)過(guò)了慎重地考慮，并使用事實(shí)數(shù)據(jù)加以實(shí)驗(yàn)說(shuō)明。另外，第六章開(kāi)篇部分的挖掘引擎圖詳細(xì)地描述了挖掘工具的工作原理、相關(guān)算法以及結(jié)果判斷，直至預(yù)測(cè)分析