数据挖掘技术分析及其在高校管理决策中应用.docVIP

数据挖掘技术分析及其在高校管理决策中的应用 【摘要】本文通过对数据仓库、数据挖掘技术和决策支持系统的研究，提出了基于数据挖掘的高校管理决策支持系统。该系统能为高校决策提供科学的依据和指导其发展方向。 【关键词】数据挖掘；决策支持系统；数据仓库；决策树 随着高校招生规模逐年扩大以及教育方式更加灵活多样，几乎每所高校都面临着学生人数的急剧增加与教学资源日趋紧张的矛盾，同时高校的一些机构也在不断地改革变化，这些都给高校的管理带来了前所未有的发展和挑战。在这样的形势下，高校应如何以最小的代价获得最大的发展成为一个亟待解决的新课题。 具体来说，现在要求高校领导层从整体的、宏观的角度认清形势，解决问题，优化教育资源配置，提高教育资源利用率。为此，建立一个有效的高校管理决策支持系统(Decision Supporting System，简称DSS)则显得十分必要。该系统的各项功能除了满足日常简单的查询、统计和维护、全局统筹规划管理高校各种信息、协调各部门工作顺利开展，还能够为高校决策者提供有关教育形势的瞬时变化、发展趋势以及通过高科技手段来开发历史数据，提取隐含在其中的事先未知的、潜在的、深层次的、有价值的信息，以利于管理和决策的开展和进行。 一般在建立DSS时，会利用传统的数据库DB(Database)技术，但传统的DB技术目前无法为数据的合成、分类和综合提供强大的功能支持。此外，为实施有效的分析，信息应以与决策密切相关的主题为中心组织起来，这些都是DB满足不了的。而数据仓库技术的出现给决策支持系统的发展注入了新的活力，它把决策者所需的信息从原始的操作数据中分离出来，把分散的、难以访问的原始数据操作数据转化为集中统一、随时可访问的信息，即数据仓库对信息实现合理、全面而高效的管理。因此，研究数据仓库和它的相关技术并应用于高校决策支持系统中是极其有效的途径。 本文所采用的解决方案，就是一个以数据仓库(Data Warehouse，简称DW)技术为基础，以数据挖掘(Data Mining，简称DM)工具为手段的高校管理决策支持系统。该系统中，DW用于存储和组织高校的基础数据，而DM则可以利用该基础数据，通过一系列技术挖掘出有价值的知识信息，验证和预测高校的各项资源，辅助决策，以便在快速变化的竞争中把握高校的发展方向。 一、数据仓库和数据挖掘技术分析 (一)数据仓库技术分析 1．数据仓库的概念 DW作为决策支持系统的基础，不同的人对数据仓库有不同的定义。公认的数据仓库之父W．H．Immon将其定义为：“数据仓库是支持管理决策过程的、面向主题的、集成的、随时间变化的、持久的数据集合。” 数据仓库中的数据大体分为四级：远期基本数据、近期基本数据、轻度综合数据和高度综合数据。还有一部分重要数据是元数据，即关于数据的数据，数据仓库中用来与终端用户的多维模型与前端工具间建立映射的元数据，称为决策支持系统的元数据。 一个完整的数据仓库系统应当具备建立、管理和使用等功能。W．H．1mmon认为，数据仓库系统可以分为三个组成部分： (1)数据源：提供源数据； (2)后端加工处理：包括来自数据源数据的接受、析取、汇总、变换、打包和储存等； (3)前端服务：面向用户的数据需求，完成数据提取和计算分析等功能。 2．开发数据仓库的流程 开发数据仓库的流程包括以下几步： (1)建立开发数据仓库工程的目标及制定工程计划； (2)建立技术环境，选择实现数据仓库的软硬件资源； (3)根据决策需求确定主题，进行数据建模，选择数据源，对数据仓库的数据进行逻辑结构设计； (4)设计数据仓库中的数据库，基于用户的需求，着重于某个主题，开发数据仓库中数据的物理存储结构，即设计多维数据结构的事实表和维表； (5)数据转换程序实现从源系统中抽取数据、清理数据、一致性格式化数据、装载数据等过程的设计和编码； (6)定义元数据，即表示、定义数据的意义及系统各组成部件之间的关系。元数据包括关键字、属性、数据描述、物理数据结构、源数据结构、映射及转换规则、综合算法、代码、缺省值、安全要求、变化及数据时限等； (7)开发用户决策的数据分析工具，建立结构化的决策支持查询，实现和使用数据仓库的数据分析工具，包括优化查询工具、统计分析工具、客户机／gR务器工具、联机分析处理工具及数据开采工具等，通过分析工具实现决策支持需求； (8)管理数据仓库环境，包括质量检测、管理决策支持工具及应用程序．并定期进行数据更新，使数据仓库正常运行。 3．高校管理中的数据仓库建立 从上可知，DW不是业务数据的简单堆积，而是从大量的事务型数据库中抽取数据，并将其清理、转化为新的存储格式，即为决策目标把数据聚合在一种特殊的格式中。随着此过程的发展和完善，这种支持决策的、特殊的数据存储即被称为DW。对高校管理来说，DSS建立数据仓库