2.22科技服务信息多维概念模型中的维
    决策人员在分析问题时，针对不同的主题，考虑问题的角度也往往不同，这里的角度在数据仓库技术中称为维川。经过与科技厅管理人员的反复交流，发现该厅进行项目立项审批时所考虑的因素主要有项目负责人的情况、项目本身的情况、项目负责人所在单位的情况等几个方面，在多维概念模型中分别用负责人维、项目维、单位维表示。在成果推广时主要考虑成果的市场需求、利润情况、对环境的影响等几个方面，分别用需求维、利润维、地区维表示。在考虑经费的分配时，主要考虑项目进展情况、项目负责人情况等，分别用进展情况维和负责人维表示。当然，数据仓库中的所有信息都是与时间密切相关的，科技服务信息多维数据仓库中的数据立方均含有时间维。

    2.23科技服务信息多维概念模型中维层次的划分
    在科技服务信息多维概念模型中，维层次的划分方法根据维性质的不同而不同。时间维、地区维、专业维、职称维、学历维、年龄维等需要进行上卷及下钻操作，需进行层次的划分;负责人维、项目维等不需上卷及下钻操作，就不需要划分层次。在需要划分层次的维中，有的维具有多个层次，上下层之间具有包含与被包含关系，如时间维具有年、月、日、时、分、秒等层次，且高层次包含低层次;而职称维、学历维、进展情况维等的层次之间不具有包含关系，它们只是将全集按某一标准划分为不同的类，划分后的所有成员都属于全集;年龄维和利润维的值为数值型，取值范围广，本研究将其划分为几段。在多维概念模型中。任何一个维都具有默认的“全部”层次，它属于所有层次的最高层。
    2.24科技管理信息多维概念模型中的度量值
    建立数据仓库的目的是供决策人员分析时使用，仓库中存储的数据应视分析的需要而定。根据科技服务信息决策中分析的需要，确定科技服务信息多维概念模型的度量如下:立项主题的度量有课题数量和资助金额两个.成果主题的度量是成果应用的次数和成果所创价值，经费主题中则有总经费、已用经费和本期计划经费三个度量。
    2.3 OLAP设计
    在本系统中，尽管在数据存取速度上、多维计算能力上不如OLAP，但它也具有自己特有的优势:数据存储容量大，对软硬件平台的适应性比较好，最重要的是，它可以很好地适应维度变化。最常用的数据模型是星形模型。对于OLAP的前端展现，我们采用Web方式来代替传统的方式。Web具有很好的跨平合性，客户只需利用浏览器而无需安装其他的终端软件就可以浏览丰富多彩的信息，这有利于我们对数据的集中管理，简化用户的安装。这种方式非常适合机关和企事业管理人员使用，他们无需进行任何培训就可
以非常方便地通过网络查看他们关心的信息。
    2.4 智能分析引擎和数据挖掘
    OLAP是 一种强大的数据分析技术，但是它有自己的局限性。它只能通过对历史数据和当前数据的复杂分析来告诉用户所关心主题的过去和现状，并不能预测将来的状况和事物发展趋势。
    智能分析引擎是实现“数据~信息~知识~智慧即提升的关键。智能分析引擎融合多维分析、数理统计、数据挖掘与知识发现、模式识别、专家系统等智能分析和处理技术构建而成，并与前端展现层无缝结合，通过丰富、直观的展现形式将分析结果呈送给相关用户，实现联机分析和决第支持功能。
    为了得到科技信息更加科学的预测模型，最好的方法就是从数据仓库中存储的当前数据和时间跨度较长的历史数据中找出科技信息随时间变化的规律，从而形成预测模式，这就是笔者使用数据挖掘的目标。数据挖掘将其挖掘结果— 数据模式作为预测模型添加到预测模型库中，从而不断丰富和修正现有的预测模型。
  3 结束语
     在当今信息时代，科技信息供需双方往往被淹没在来源于多个渠道的、庞大的、丰富的海量数据中，只有及时地将数据有机地组合在一起，及时地将信息转化为知识和智能，才能更好地指导企业进行决策和行动。商业智能的作用就在于此，它帮助管理者做出科学的计划、判断、决策，避免主观、片面等因素引起的重大失误。文 中 主要 从技术的角度对商业智能的基本概念、技术架构和涉及到的技术进行了探讨，并将商业智能应用于科技服务决策支持系统中。通过商业智能系统的构建，科技信息供需双方和科技信息服务机构可以高效地利用系统中的科技信息，大大提高用户对信息查询分析和决策分析的能力。切实提高了技术成果转
让双方的决策能力，提升科技服务机构的核心竞争力。商业智能引导科技服务体系的信息化建设进入了一个全新的境界。