数据仓库在决策支持系统中应用.doc

数据仓库在决策支持系统中应用摘要：文章概述性的介绍了决策支持系统的数据分析技术、数据挖掘和数据仓库相关技术，基于传统决策支持系统的缺点不足之处，提出了一种基于数据仓库技术的决策支持系统，介绍了其设计方案和开发方法。 关键词：数据仓库；决策支持系统；DSS；OLAP；DM；DW 中图分类号：TP311.131 文献标识码：A 文章编号：1007-9599 (2012) 09-0000-02 一、引言 决策支持系统是在管理学和运筹学的基础上，以计算机技术和信息技术作为手段，通过人机交互实现管理决策活动。但随着市场经济和计算机技术的迅猛发展，各行各业竞争日益激烈，在企业基于数据库技术的传统决策支持系统已达不到要求的背景条件下，建立基于数据仓库的决策支持系统是必然的。数据仓库技术的有点可以提高决策支持系统的能力，实现对企业信息的高度集成化、合理和有效的管理目的。 二、决策支持系统的相关技术 （一）数据分析技术(OLAP)。数据分析技术OLAP应用与联机事务处理(OLTP)的应用不同。数据分析技术OLAP侧重于对高层管理和分析人员提供决策支持，是可以设计应对复杂的分析操作，在分析人员的分析要求操作下，采用灵活快速地进行查询处理，并且可以针对大数据量和类型复杂的数据进行查询处理。最终以直观易懂的形式提供查询结果给高层管理人员以制定决策。数据分析技术OLAP还具有多维数据分析的特点，通过对多维数据进行钻取、剖切和旋转来实现对数据库所提供的数据进行深入的多维数据分析，成功为决策者提供准确的决策支持依据。决策支持是多维结构的支柱以及数据分析技术OLAP的核心。数据分析技术的多维数据分析特点可以与数据仓库的多维数据组织相互结合、相互补充。设计中可以采用数据分析技术与数据仓库技术相结合解决传统决策支持系统中大量数据处理的问题。（二）数据挖掘技术(DM)。数据挖掘技术主要基于人工智能、统计学和机器技术等技术。数据挖掘技术是一种决策支持过程，可以自动化的分析企业的原有数据，对其进行归纳性的推理，挖掘出其中的潜在模式，辅助决策人员做出正确的决策。数据挖掘的对象可以是数据库、文件系统，以及以其他组织在一起的数据集合，例如web数据资源和数据仓库。数据挖掘首先应具有用于挖掘的数据源，在基于明确挖掘目标的前提下，结合各个专业人员参与，同时配有大量的资金是实现数据挖掘的关键。实现数据挖掘具有一定困难，难度在于数据积累的缺少、构建业务模型、缺少有经验的实施者、各类人员之间的沟通障碍和初期资金投入较大等。虽然具有以上难度，但数据挖掘技术的前景由于其技术优点还是被普遍看好的。（三）数据仓库技术(DW)。数据仓库是一个数据集合，数据集合具有集成的、随时间变化、不可更新和面向主题的特点。数据仓库可以支持企业的决策分析处理。数据仓库存放的是静态的历史数据，和传统的数据库相比，只能定时的刷新和添加。数据仓库的结构比较简单，为中高层的管理人员提供决策支持。数据仓库具有访问频率低和访问量高的特点。数据仓库与数据库相比，数据仓库访问量高于数据库的访问量，数据仓库的访问响应时间要求相比数据库并不高，不像数据库要求响应时间要在几秒钟内。可以应对不同层次的管理人员，通过采用数据仓库技术进行决策分析，可以提高管理决策的质量和效果。 三、传统决策支持系统的缺点与不足 （一）没有有效的分析工具。首先应了解企业决策的过程，该过程包括提出问题、分析问题和解决问题的循环。而在其中的分析过程实质上是对数据信息不断的抽取过程，并对大量的分散数据进行快速综合的分析，最终捕获决策的相关信息。传统的决策支持系统过于注重抽象的理论研究，不够重视的分析工具，使分析工具不够有效，所以得不到相应有效的分析结果。（二）统一性和完整性的不足。传统决策支持系统的系统结构是以模型库、数据库、方法库所组成。但模型库、数据库和方法库在决策支持系统开发过程中都是被独立设计的，这样在系统结构上就存在统一性和完整性的不足，应用效果的并不理想。（三）数据源分析缺点。传统决策支持系统是直接利用关系数据库中的数据进行数据处理，只能对原始数据进行一般的汇总加工，提供决策的信息不足以满足决策支持系统的需要。数据库中的数据源由于抽取的数据各个部门没有统一的格式标准，造成分析的不稳定性；这样在没有统一标准的前题下，没有统一格式的数据利用率就会很低，并且数据的可信度也会降低，会无法转化为对决策者有用的决策信息。传统决策支持系统是对存储的数据在固定的期限内才会进行提取分析，这时所累计的大量数据进行详细的分析必然会导致分析效率的下降，给分析人员带来大量的工作内容，但如果不能进行详细的分析，必然会导致有用的信息不能得到有效的分析利用吗，从而提供准确有效的决策信息。（四）部件使用不理想。传统决策支持系统的各部件中，可以直接使用