在本文中，作者刘峰、罗莉、刘晋州探讨了如何利用数据仓库和数据挖掘技术构建建筑市场信用评价系统。文章首先介绍了数据仓库和数据挖掘的基本概念，然后详细描述了基于数据仓库的数据挖掘模型，并对建筑市场信用评价系统的构建提出了相应的解决方案。
数据仓库是一种集成的、面向主题的、随时间变化的、持久的数据集合，它支持管理决策过程。数据仓库的设计应考虑面向主题性、集成性和稳定性等关键特征。其中，面向主题性指的是数据归类以宏观分析领域作为标准；集成性意味着数据来自多个应用系统，需要根据特定规则重新组织，而非简单拷贝；稳定性则体现在数据的历史性，数据一旦进入数据仓库，其内容便不再更新，确保数据的稳定性。
数据挖掘是从大量、不完全、有噪声、模糊、随机的数据中揭示出隐含的、正确的、新颖的、先前未知的、有潜在使用价值的信息模式的过程。它结合了机器学习、统计分析和数据库技术，可以高度自动化地分析原始数据，并做出归纳性的推理，帮助决策者认识数据的真正价值。数据挖掘技术能够处理结构化数据以及半结构化数据，如文本、图形、图像数据等，并使用数学或非数学方法进行知识发现。
文章还介绍了基于数据仓库的数据挖掘模型。该模型包括从数据仓库选择数据，通过数据接口转换，在数据挖掘系统管理器中进行挖掘处理的整个过程。数据仓库完成了数据的净化、筛选、集成和存储工作，为数据挖掘提供了高效执行算法的基础，使得数据挖掘工作更专注于算法的有效性和可靠性。
在构建建筑市场信用评价系统方面，文章提出了以数据仓库技术为基础，以数据挖掘工具为手段的解决方案。系统的设计包括概念模型设计、逻辑模型设计和物理模型设计。概念模型设计主要完成工作包括确定系统面向的主题以及建立概念模型框架。
建筑市场信用评价系统能够帮助政府职能部门对工程建设市场主体及专业技术人员进行长效监管，对参与者的市场行为进行动态记录和信用评价，供社会公众监督。通过该系统，可以建立多方监督制约机制，保护和鼓励守信行为，惩罚失信行为，营造公正公平的建筑市场环境，保护国家利益、社会公众利益和工程建设项目参与者的合法权益。
数据仓库和数据挖掘技术在建筑市场信用评价系统构建中的应用，旨在通过高效整合和深度分析历史数据，以提高信用评价的准确性和系统决策的科学性。这项研究对于推动建筑市场的规范化管理、提高行业透明度以及增强市场参与者的信用意识具有重要的实际意义。
