数据挖掘及展现在企业管理中作用.doc

数据挖掘及展现在企业管理中作用 　 　　[摘 要]在的激烈竞争中，企业必须把业务经营同市场需求联系起来，在此基础上做出科学、正确的决策，以求生存。为此，企业建立自己的数据库系统，由代替手工操作，以此来收集、存贮、管理业务操作数据，改善办公，提高操作人员的工作效率。企业需要把已经广泛收集到的数据集成到数据仓库中，以便从业务数据中提取有用的信息，帮助他们在业务管理和发展上作出即时、正确的判断，数据仓库应运而生。 　　[关键词]数据 仓库 挖掘 展现 　　 　　一、现状 　　目前商业决策面临的最大挑战不是缺少数据，而是数据太多。大部分企业无法发掘数据的价值给公司决策层提供支持。决策人员的困惑在于，一是海量数据无边无际，企业现有的信息系统无法高效地处理；二是数据混乱，根本找不到解决的方法。 　　如何解决这种普遍存在的问题呢？正确的解决方案，应该是能够完全整合现有的业务系统，保护已有，并能充分地分析数据，为决策提供支持。而数据仓库的挖掘和展现就是这样一种解决方案，将企业中现有的数据转化为知识，是帮助企业做出明智的业务经营决策的工具。 　　 　　二、数据仓库的形成 　　上世纪80年代中期，“数据仓库之父”William H.Inmon先生在其《建立数据仓库》一书中定义了数据仓库的概念，随后又给出了更为精确的定义：数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合。与其他数据库应用不同的是，数据仓库更像一种过程，对分布在企业内部各处的业务数据的整合、加工和分析的过程。而不是一种可以购买的产品。 　　数据仓库的目的是要建立一种体系化的数据存贮环境，将分析决策所需的大量数据从传统的操作环境中分离出来，使分散的、不一致的操作数据转换成集成的、统一的信息，企业内不同单位的成员都可以在此单一的环境之下，通过运用其中的数据与信息，发现全新的视野和新的问题、新的分析与想法，进而发展出制度化的决策系统，并获取更多经营效益。 　　数据库已经成为收集和分布信息的系统的基础。数据采集目的在于此后根据数据库内容进行正确决策。这些海量数据的深层隐藏的是很多的商业模式（Pattern），规则（Rules），这些隐藏的“商业知识”对于当前的数据拥有者来说意义非凡，因此他们可能预测整个集团未来的商业策略，市场开发计划，以及为公司带来新的盈利点，而要把这些目前还隐藏在大量看似无关联的数据背后的“知识”挖掘出来需要使用专门的学或测量方法。 　　 　　三、数据仓库的挖掘 　　随着数据库技术、网络技术的不断发展及数据库管理系统的广泛应用，数据库中存储的数据量急剧增大。大中型企业每天的数据增加量都以万记，然而，如何有效地使用这些数据却成为一个问题，因为往往是数据丰富而知识缺乏，人们目前所使用的数据库技术无法将隐藏在数据背后的重要信息挖掘出来利用，所以如何迅速、准确、有效但适量地提供用户所需的信息，发现信息之间潜在的联系，支持管理决策就是数据挖掘和数据仓库要解决的问题。 　　 数据挖掘（Data mining），Data Mining是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，作出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，作出正确的决策。比如，酒店对客人信息的管理，如果某个客人是某酒店的老主顾，那么该酒店很自然地会知道这位客人的某些习惯和喜好，如是否喜欢靠路边，是否吸烟，是否喜欢大床，喜欢什么样的早餐，等等。当客人再次光临时，不用客人自己提出来，酒店就会提供客人所喜欢的房间和服务。 　　随着对数据挖掘需求的不断增加，以数据仓库为基础的商业智能已经成为大型企业未来竞争的重要工具，目前包括IBM、Oracle、SAS、NCR、BO、Brio等众多技术厂商都提供了各自的独家方案和产品，但现实问题是如何利用这些工具进行管理信息平台的架构设计，如何进行系统软件的规划。在商业智能的理想方案中，管理信息平台可以全部由工具搭建生成而不用手工编程，技术人员所做的只是写一个脚本建数据仓库，写几个SQL语句用于数据处理，然后按图索骥画无数张展现图表。但现实远远不会如此简单，由于工具软件的功能所限，很多地方如果采用工具只能是削足适履，最终无法满足系统功能要求。 　 　　在商业智能系统中最为吸引人的特点是它的多维展现特性，能对一个业务主题进行多视角（时间、机构、地域、项目）的分析，并能完成钻取、切片、挖掘等功能。这一点对企业的显得尤其重要，而想完成这些功能，必须对数据采用十分复杂的关键字存储方式，要想对其分析就更是难上加难了，在目前如何对已有的数据进行前端的展现和挖掘是一个十分重要的问题。 　　数据挖掘的过程我们可以为以下几个方面： 　　（一）数据