Содержание к диссертации
Введение
1 Взаимодействие рынка труда и системы высшего профессионального образования 9
1.1 Региональный рынок труда 9
1.2 Региональный рынок образовательных услуг 12
1.3 Обзор зарубежных практик организации взаимодействия рынка труда и системы профессионального образования 17
1.4 Российский опыт организации взаимодействия рынка труда и системы высшего профессионального образования 20
1.5 Обзор методов и исследований прогнозирования рынка труда 25
1.6 Информационные системы 36
Выводы 47
2 Прогнозирование потребностей регионального рынка труда в специалистах с высшим образованием 49
2.1 Методы прогнозирования рынка труда 49
2.2 Прогноз на основе нормативного метода 52
2.3 Прогноз на основе опроса работодателей 62
2.4 Комбинированный подход к прогнозированию 67
Выводы 82
3 Переподготовка специалистов и перепрофилирование студентов в процессе обучения на основе содержательного анализа программ обучения 84
3.1 Переподготовка специалистов 84
3.2 Перепрофилирование студентов 92
3.3 Применение IS-анализа для решений задач анализа 98
3.3 Метод выделения частично-изоморфных подграфов 101
3.4 Разработка алгоритма сравнения государственных образовательных стандартов 108
3.5 Разработка алгоритма сравнения учебных планов 115
Выводы 117
4 Методические и практические аспекты применения разработанной системы 118
4.1 Сбор первичной информации 119
4.2. Подготовка данных для анализа 121
4.3 Аналитическая и статистическая обработка данных 127
4.3.1 Подсистема мониторинга 132
4.3.2 Подсистема прогнозирования рынка труда в специалистах с ВО... 134
4.3.3 Подсистема переподготовка специалистов или перепрофилирования студентов 139
4.4 Представление результатов 142
Выводы 148
Заключение 149
Список литературы
- Обзор зарубежных практик организации взаимодействия рынка труда и системы профессионального образования
- Прогноз на основе нормативного метода
- Применение IS-анализа для решений задач анализа
- Аналитическая и статистическая обработка данных
Введение к работе
Актуальность темы. Развитие регионов Российской Федерации неразрывно связано с экономикой и социальной модернизацией общества. Важная роль отводится формированию кадрового потенциала региона в совокупности с потребностью предприятий и организаций в специалистах с высшим образованием. Анализируя данные общероссийской статистики, можно сделать вывод о том, что подготовка специалистов в настоящее время проходит без учета потребности предприятий, и, как результат, около половины выпускников не находят работу по специальности. Поэтому на данном этапе стала актуальна проблема информационной поддержки согласования потребностей рынка труда с выпуском специалистов, особенно при рассмотрении с точки зрения результатов функционирования системы «людские ресурсы - образовательные услуги - потребности в специалистах на рынке труда». Данной проблемой занимаются в Петрозаводском государственном университете (В. Н. Васильев, В. А. Гуртов, Е. А. Питухин, М. В. Суворов), Владимирском государственном университете (С. М. Аракелян, В. Г. Прокошев), в центре профессионального образования Самарской области (С. Ю. Алашеев, Т. Г. Кутейницина, Н. Ю. Посталюк).
Данная работа направлена на разработку технологии информационной поддержки согласования потребностей рынка труда региона и подготовки специалистов с высшим образованием, в которой используются многомерные базы данных (МБД) и технология OLAP (Online Analytical Processing -оперативный анализ данных).
Цель исследования. Целью диссертационной работы является исследование проблемы взаимодействия рынка труда и системы высшего профессионального образования, а также разработка системы для информационного сопровождения принятия управленческих решений в сфере рынка труда и образовательных услуг, направленной на согласованный с социально-экономическими потребностями региона выпуск специалистов с
5 высшим образованием.
Для достижения поставленной цели необходимо решить следующие задачи:
Выполнить анализ предметной области и существующих систем информационной поддержки.
Разработать методику среднесрочного прогнозирования потребности региона (на примере Пензенской области) в специалистах с высшим образованием, используя метод опроса работодателей и нормативный метод.
Разработать методику и создать систему информационной поддержки согласования выпуска специалистов с высшим образованием с потребностями региональной экономики (систему мониторинга рынка труда) на основе технологии OLAP и МВД.
Разработать методику ускоренной подготовки и переподготовки специалистов для устранения дефицита в кадрах.
Методы исследования. При решении поставленных задач использовались методы математической статистики и прогнозирования, теория графов, принципы модульного и объектно-ориентированного проектирования и программирования, теории баз данных.
Научная новизна исследования состоит в следующем:
Впервые разработаны методика и двухэтапный алгоритм комбинированного среднесрочного прогнозирования (5 лет и более) потребности в специалистах, отличающиеся от известных возможностью строить среднесрочные прогнозы с учетом особенностей развития региональной экономики.
Разработаны и методика и алгоритмы ускоренной переподготовки специалистов и перепрофилирования студентов, которые в отличие от известных основаны на установлении изоморфизма государственных образовательных стандартов (ГОСов) и учебных планов, представленных в виде графов или гиперграфов.
3.Разработаны методика и система мониторинга рынка труда и выпуска специалистов, которые в отличие от известных используют технологию ОЬАРиМБД.
Практическая ценность. Предложенная технология информационной поддержки согласованной подготовки специалистов с высшим образованием и потребностей рынка труда региона с использованием многомерных баз данных и технологии OLAP позволяет собрать воедино данные, находящиеся в различных источниках, устранить недостаточную оперативность анализа данных и недостаточную степень учета окружающих факторов.
Разработанный алгоритм, реализующий методику переподготовки специалистов, основанный на содержательном анализе программ обучения, позволяет сократить время и уменьшить затраты на переподготовку.
Программно реализован модуль информационной поддержки рынка труда и системы высшего профессионального образования, который имеет в своем составе подсистему прогноза (краткосрочного и среднесрочного), подсистему переподготовки, а основой всего служит технология OLAP и информация, хранимая в МБД.
Основные положения, выносимые на защиту:
Методика и двухэтапный алгоритм комбинированного среднесрочного прогнозирования, которые позволяют получать более точные среднесрочные прогнозы с учетом особенностей развития региональной экономики.
Методика и двухэтапный алгоритм переподготовки специалистов на основе содержательного анализа ГОСов и учебных планов, которые позволяют ускорить процесс переподготовки и уменьшить затраты.
3.Методика и система информационной поддержки согласования выпуска специалистов с высшим образованием и потребностей региональной экономики, которые позволяют своевременно принимать меры по обеспечению региона в кадрах.
Внедрение результатов работы. Материалы исследования использованы при выполнения НИР «Федеральная целевая программа развития
7 образования на 2006-2010 гг. Задача III "Повышение эффективности
управления в системе образования". Мероприятие 14 "Развитие
интегрированных образовательных учреждений, реализующих
образовательные программы различных уровней образования, и
университетских комплексов, развитие, апробация и внедрение механизмов
взаимодействия учреждений профессионального образования и
работодателей"». Основные теоретические и практические результаты
диссертационной работы использованы при разработке программного
обеспечения системы информационной поддержки. Разработанная система
внедрена:
1.В Управлении федеральной государственной службы занятости
населения по Волгоградской области.
В Управлении государственной службы занятости населения по Пензенской области.
В Управлении образования Воронежской области.
Апробация работы. Основные положения и результаты диссертационной
работы докладывались и обсуждались на следующих конференциях и
семинарах: II, IV, V научно-методических конференциях профессорско-
преподавательского состава, сотрудников и студентов «Инновации в науке,
образовании и бизнесе» (Пенза, 2004 г., 2006 г., 2007 г.), II Международной
научно-практической конференции «Интеллектуальные технологии в
образовании, экономике и управлении» (Воронеж, 2005 г.); III
Международной научно-методической конференции «Новые
образовательные технологии в вузе» (Екатеринбург, 2005 г.); X Международной научно-методической конференции «Университетское образование» (Пенза, 2006 г.); XXXIII, XXXIV международных конференциях и IV, V международных конференциях молодых ученых «Информационные технологии в науке, . образовании, телекоммуникации, бизнесе» (Ялта-Гурзуф, 2006 г.); Всероссийской научно-методической конференции «Телематика '2006» (Санкт-Петербург, 2006 г.); I Международной научно-
8 технической конференции «Аналитические и численные методы
моделирования естественнонаучных и социальных проблем» (Пенза, 2006 г.);
III Всероссийской научно-практической интернет-конференции «Спрос и
предложение на рынке труда и рынке образовательных услуг в регионах
России» (Петрозаводск, 2006 г.); Всероссийской научно-практической
конференции «Развитие университетского комплекса как фактор повышения
инновационного и образовательного потенциала региона» (Оренбург, 2007
г.); Международной научно-практической конференции «Новые
информационные технологии в образовании» (Екатеринбург, 2007 г.);
научно-технических конференциях профессорско-преподавательского
состава Пензенского государственного университета (2004-2007 гг.).
'Публикации. По материалам диссертации опубликовано 15 печатных работ.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 128 наименований, приложения, содержащего акты внедрения. Основная часть работы изложена на 163 машинописных страницах, содержит 48 рисунков и 8 таблиц.
Обзор зарубежных практик организации взаимодействия рынка труда и системы профессионального образования
Следует отметить, что с середины 80-х годов прошлого века во многих развитых странах мира активизировалась работа по приведению довузовского профессионального образования в соответствие с актуальным состоянием и тенденциями развития местных рынков труда. Среди причин, побудивших правительства обратить внимание на проблему дисбаланса рынков труда и профобразования, можно отметить следующие:
«давление» работодателей, инициировавших социальный диалог по качеству профессионального образования и предъявивших как основные потребителей кадров особые требования к выпускникам профессиональных образовательных учреждений,
необходимость повысить конкурентоспособность выпускников на рынке труда и обеспечить их социальную адаптацию средствами эффективной профессионализации;
создание основы для взаимопризнания профессиональных сертификатов выпускников в рамках формирования международных рынков труда и т. д.
Так, в США [21,60] в 1990 г. была создана межведомственная комиссия по вопросам профессиональных умений, в состав которой вошли лидеры бизнеса, представители сферы труда, образования и правительственных структур. После того как Комиссия поставила «вопрос ребром»: либо высокие умения, либо низкая зарплата, с 1994 г. правительство создало Национальный совет по стандартам умений, в рамках которого разрабатываются стандарты и оценочные процедуры для 15 секторов экономики США.
Представляет интерес зарубежная практика интеграции производства и образования в форме технопарков. Непрерывность процессов модернизации оборудования и совершенствования технологий породила даже такие специфические формы, как концентрация предприятий вокруг мощного научно-образовательного комплекса, либо, наоборот, появление учебных заведений, целевым порядком обслуживающих высокотехнологичные корпорации.
Главным «поставщиком» кадров высокой квалификации для американской Силиконовой долины, где сосредоточено 20% мирового производства компьютеров и электронных компонентов, является Стенфордский университет. Доля преподавателей-практиков и консультантов по промышленности достигает здесь почти 75%. В Кембриджской зоне задействован мощный потенциал сразу трех научнообразовательных центров - Гарвардского и Бостонского университетов, а также Массачусетского технологического института.
Профильная подготовка кадров обычно контролируется профессиональными ассоциациями, которые тесно сотрудничают с консультативными фирмами, благотворительными фондами, бесприбыльными организациями. Они формируют банк данных об учебных программах и проводят их аккредитацию, устанавливая степень соответствия последних требованиям производств. А параллельно «взрыхляют» почву для привлечения субсидий в наиболее перспективные разработки и проекты. На региональном уровне действуют специальные органы по координации усилий ведомств, вузов и предприятий типа «советов наукоемких производств штата». Все эти вопросы рассматриваются как часть государственной инновационной политики.
Масштабы поддержки зависят от капиталоемкости проектов и степени коммерческого риска и иной раз доходят до 80-85% стартовых издержек. В первую очередь материально подпитывается совместная научно-исследовательская деятельность учебных заведений и предприятий. Субсидирование идет на контрактной основе. Основными заказчиками чаще выступают государственные ведомства, чьи сотрудники и сами раз в 2 года проходят спецкурсы повышения квалификации.
Большая часть средств оседает не непосредственно в вузах и фирмах, а в их кооперационных венчурных структурах - исследовательских центрах нововведений. Создаются они, как правило, по региональному принципу на уровне штатов и поддерживаются специальной крупномасштабной программой национального научного фонда США - государственного органа по финансированию НИОКР.
Характерно, что в США, Италии, Великобритании [21,56,79] такая система предусматривает и финансирование средних и мелких предприятий. Точнее, их консорциумов, внедренческих кооперативов. От участников корпорации требуется соблюдение определенных условий, одним из которых является охват различных групп: не менее 10% - студенты, 5% -преподаватели, остальные - действующие работники с учетом масштаба ротации кадров по мере реализации проекта.
Методы прямого финансирования дополняются дифференцированной налоговой политикой - полным или частичным снятием налогообложения со средств, направляемых в вузы и исследовательские центры. Скидка на прибыль при обучении, соответствующем установленным стандартам, колеблется от 7-Ю до 25% в США, 20% - в Японии, 7,5% - в Италии. В ряде стран используется такая налоговая льгота как сокращение или освобождение от взносов на социальное обеспечение.
Во многих западных странах существует система заказов на специалистов со стороны определенных цеховых объединений и крупных компаний. Уже с начальных курсов студентов готовят к работе на определенной должности в конкретной фирме, в результате компания получает почти готового профессионала. При высших учебных заведениях в США существуют центры трудоустройства выпускников, которые очень тщательно занимаются студентами последних курсов обучения. Специалисты центров выясняют профессиональные интересы старшекурсников, следят за успеваемостью и рекомендуют их в различные компании.
Прогноз на основе нормативного метода
При прогнозировании развития региональных образовательных систем возможно несколько подходов, существенно -отличающихся друг от друга выбором доминирующего интереса того или иного субъекта. Так, интересы личности, интересы региональной системы образования и интересы региональной экономики могут значительно отличаться даже в рамках одного региона. Известны следующие принципы проектирования [50] и прогнозирования развития региональных образовательных систем: пропорциональное развитие существующих образовательных учреждений и специальностей подготовки (от достигнутого); развитие с целью удовлетворения потребностей личности в образовании (по конкурсу на вступительных экзаменах); развитие на основе оплаты студентами образовательных услуг (для выживаемости в условиях рынка); развитие на основе удовлетворения потребности региональной экономики и рынка труда (по потребности экономики); движение к структуре системы образования в странах/регионах с эффективной рыночной экономикой, близких по территории и структуре экономики (по аналогии).
В данной методике проводится расчет региональной потребности в выпускниках с профессиональным образованием с позиции обеспечения потребности региональных экономик. Методика прогнозирования потребностей региональных экономик каждого из 89 субъектов федерации в выпускниках учреждений высшего образования в разрезе 28 укрупненных групп учебных специальностей может в дальнейшем быть использована для обеспечения конкурсного механизма размещения государственного заказа на подготовку специалистов в образовательных учреждениях России.
Методика прогнозирования перспективных потребностей рынка труда в выпускниках системы профессионального образования берет за основу анализ в разрезе субъектов федерации следующих значимых параметров [43], касающихся мониторинга текущих и прогнозирования перспективных потребностей регионального рынка труда в кадрах с различным уровнем профессионального образования. Среди них: структура промышленного производства; среднегодовая численность промышленно-производственного персонала; распределение численности занятого населения по отраслям экономики и социальной сферы; распределение занятого населения по уровню образования в различных отраслях экономики; доля ежегодного обновления занятого населения; матрица соответствия структуры подготовки специалистов с высшим образованием (по 28 направлениям) и структуры отраслей экономики (по 13 направлениям);
Классификация отраслей экономики дана в [78]. Это: 13 направлений отраслей экономики: 1. Промышленность 2. Сельское и лесное хозяйство 3. Транспорт и связь 4. Строительство 5. Оптовая и розничная торговля, питание 6. ЖКХ, непроизводственное обслуживание населения 7. Здравоохранение, физкультура и социальное обеспечение 8. Народное образование 9. Культура и искусство Ю.Наука и научное обслуживание 11.Управление 12.Финансы, кредит и страхование 13.Другие отрасли
Направления подготовки специалистов с высшим образование даны в [105] и представлены в таблице 2.2. Это расчет потребностей отраслей экономики в специалистах с высшим образованием. Одним из значимых параметров в данном методе является - прогноз численности населения, который возможно, получить 2 путями: 1. Провести прогнозирование демографических показателей в регионе. 2. Воспользоваться данными статистических сборников [92,103], содержащих прогноз населения по регионам (такие сборники публикуются каждые 5 лет). В данной работе был выбран 2 метод.
Большая часть значимых параметров наблюдается с промежутком в одни год, поэтому время рассматриваемой модели дискретно. Введем переменную диапазона или индекс /, который будет изменяться от начального года исследования /0 - год начало сбора детальной статистики до конечного if - некоторый обозримый горизонт планирования с шагом 1 год, где і, - текущий год. То есть время (годы) измерения и фиксирования данных будет изменяться по закону /(/) = t(i)+t(i0). Ptv(i)eNU28 вектор потребности экономики Субъекта Федерации (СФ) в специалистах с высшим профессиональным образованием в год t(i) в разрезе 28 укрупненных групп специальностей.
Применение IS-анализа для решений задач анализа
Постановка задачи: дано большое количество рабочих мест, требуется в сжатые сроки заполнить места специалистами определенной специальности, не выпускаемых на определенный момент времени ни одним из ВУЗов региона. Причем такая потребность будет сохраняться ежегодно в течение ряда лет. Надо найти специальность близкую востребованной и перепрофилировать студентов старших курсов на обучение по востребованной специальности.
Данная задача похожа на задачу переподготовки специалистов, только в ней необходимо учитывать курс, на котором учатся студенты, и учебные планы специальности, а не ГОС ВПО.
Учебный план специальности (направления подготовки) разрабатывается в строгом соответствии с ГОС ВПО(фрагмент учебного плана представлен на рис.3.4). Учебный план составляется на весь срок подготовки студентов (специалиста, бакалавра, магистра). На основании учебного плана составляются семестровые учебные планы, в которых указываются все дисциплины, которые студент должен изучить в семестре, виды занятий и их трудоемкость, формы отчетности и распределения часов в каждую неделю (аудиторных и самостоятельных). Фрагмент учебного семестрового плана представлен на рис.3.5.
Учебный план разрабатывается кафедрой, которая отвечает за подготовку специалиста (выпускающей кафедрой), согласовывается с деканатом, учебно-методическим управлением вуза, методическим советом вуза и утверждается ректоратом.
Учебный план базируется на примерном учебном плане, примерные учебные планы (ПУП), распространяемые Миниобрнауки России и носящие рекомендательный характер, призваны оказать помощь в составлении учебных планов в вузах. Учебный план содержит общую трудоемкость каждой дисциплины, объем (в часах) аудиторных занятий и самостоятельной работы студентов (СРС).
Дисциплины по выбору студента являются обязательными (студент обязан выбрать для изучения одну или несколько из предложенных дисциплин), а факультативные дисциплины, предусматриваемые учебным планом высшего учебного заведения, не являются обязательными для изучения студентом.
В учебном плане специфика подготовки для конкретной отрасли или вида деятельности учитывается, прежде всего, за счет дисциплин специализации, При реализации основной образовательной программы высшее учебное заведение имеет право:
изменять объем часов, отводимых на освоение учебного материала для циклов дисциплин, - в пределах 5%, а на отдельные дисциплины внутри цикла - в пределах 10%;
формировать цикл гуманитарных и социально-экономических дисциплин, который должен включать одиннадцать базовых дисциплин, приведенных в ГОС ВПО, в числе которых обязательны следующие 4 дисциплины: "Иностранный язык" (в объеме не менее 340 часов), "Физическая культура" (в объеме не менее 408 часов), "Отечественная история", "Философия". Остальные базовые дисциплины могут реализовываться по усмотрению вуза. При этом возможно их объединение в междисциплинарные курсы при сохранении обязательного минимума содержания;
осуществлять преподавание гуманитарных и социально-экономических дисциплин в форме авторских лекционных курсов и разнообразных видов коллективных и индивидуальных практических занятий, заданий и семинаров по программам, разработанным в самом вузе и учитывающим региональную, национально-этническую, профессиональную специфику, а также научно-исследовательские предпочтения преподавателей, обеспечивающих квалифицированное освещение тематики дисциплин цикла;
устанавливать необходимую глубину преподавания отдельных разделов дисциплин, входящих в циклы гуманитарных и социально-экономических, математических и естественнонаучных дисциплин, в соответствии с профилем специальных дисциплин, реализуемых вузом;
Аналитическая и статистическая обработка данных
Перед тем, как загрузить информацию в МБД, её следует извлечь из разных источников, очистить, преобразовать и консолидировать (рис. 4.2). В дальнейшем эта информация должна периодически обновляться. Применительно к анализируемым данным по системе образования Пензенской области, такие обновления происходят один раз в год, данные по состоянию рынка труда обновляются с периодичностью один месяц или даже чаще. Рассмотрим каждый из этих этапов поочерёдно [48].
Извлечение данных - это процесс выборки данных из операционных баз данных и других источников. Анализ существующих источников информации по системе образования и рынку труда показывает, что большая часть информации представлена в виде табличных данных, которые имеются либо в электронном, либо в печатном виде. Современные средства сканирования и распознавания изображений позволяют практически полностью автоматизировать этот этап подготовки данных.
Но лишь очень немногие источники данных обеспечивают удовлетворительный контроль информации. Поэтому прежде, чем заносить информацию в базу данных, обязательно требуется выполнить её очистку. Обычно очистка предусматривает заполнение отсутствующих значений, корректировку опечаток и других допущенных при вводе данных ошибок, определение стандартных сокращений и форматов, замену синонимов стандартными идентификаторами и т. д. Данные, которые определяются как ошибочные и не могут быть исправлены, отбрасываются.
Следует отметить, что полученная при выполнении очистки информация может использоваться для выявления ошибок в источниках данных и последующего повышения качества содержащейся в них информации.
После очистки данных необходимо преобразовать всю полученную информацию в формат, который будет отвечать требованиям используемого программного продукта (ОЬАР-сервера[8,17]). Процедура преобразования приобретает особую важность, когда необходимо объединить данные, поступившие из нескольких разных источников. Этот процесс называется консолидацией.
Этап загрузки информации в МБД заключается в создании необходимой структуры данных и заполнении ее информацией, полученной на предыдущих этапах подготовки данных.
В работе на данном этапе используется технология OLAP, которая позволяет заметно сократить время сбора и анализа первичной информации, необходимой для принятия решений в той или иной сфере человеческой деятельности, а также повысить наглядность и информативность отчетов о процессах и явлениях, происходящих в этих сферах. Разнообразие сфер и тематики использования OLAP практически не поддаются перечислению.
OLAP-системы позволяют накапливать большие объемы данных, которые собираются из различных источников. Такая информация обычно поступает в электронном виде. Далее эти подробные, актуальные данные из различных пунктов сбора объединяются в одном месте, после чего аналитики смогут извлечь из них значимую информацию.
Технология OLAP позволяет рассматривать проблему представления результатов мониторинга с принципиально новых и расширенных позиций.
Возможно представление данных в виде таблиц, диаграмм, гистограмм и др. Кроме того, имеются расширенные возможности отображения результатов мониторинга на электронной географической карте, что повышает их наглядность.
Такое разнообразие в представлении результатов мониторинга показывает обширный спектр преимуществ и важных усовершенствований, достигаемых при использовании технологии OLAP. Наиболее существенными являются:
Высокая степень наглядности результатов мониторинга за счет создания отчетов (в бумажном или электронном виде).
Соответствие принципу развития. Получаемые результаты не являются окончательным этапом мониторинга. В узком смысле, кроме всего прочего, они могут послужить входными данными для мониторинга в других аспектах рассматриваемой проблемы. В широком смысле, - могут явиться самостоятельной информационно-справочной системой, позволяющей пользователю регулировать уровни абстракции выходных данных и конкретизировать их там, где это необходимо.
Соответствие принципу системного единства. Пользователь избавлен от необходимости самостоятельно разрабатывать технологию и правила совмещения разнотипной информации, собирать ее воедино из разрозненных и по-разному структурированных массивов данных и бумажных отчетов.
Термин "OLAP" неразрывно связан с термином "хранилище данных" (Data Warehouse).npHBefleM определение, сформулированное "отцом-основателем" хранилищ данных Биллом Инмоном в 1990 г.: "Хранилище данных - это предметно-ориентированное, привязанное ко времени и неизменяемое собрание данных для поддержки процесса принятия управляющих решений" [72]. Хранилище данных обладает следующими свойствами [66]:
Предметная ориентация. В отличие от БД в традиционных системах, где данные подобраны в соответствии с конкретными приложениями, информация в хранилищах данных ориентирована на задачи поддержки принятия решений.
Интегрированность данных. Данные в информационное хранилище поступают из различных источников, где они могут иметь разные имена, атрибуты, единицы измерения и способы кодировки. После загрузки в хранилище данных они представляются пользователю в виде единого информационного пространства.
Инвариантность во времени. В традиционных системах истинность данных гарантирована только в момент чтения, поскольку уже в следующее мгновение они могут измениться в результате очередной транзакции. Важным отличием хранилищ данных является то, что данные в них сохраняют свою истинность в любой момент времени. Это достигается за счет введения в таблицы БД полей с атрибутом "время" (день, неделя, месяц). Информация в хранилищах данных представляет собой снимки данных, сделанные в определенные отрезки времени. Каждый элемент явно или косвенно хранит временной параметр, например день, месяц или год.
