基于数据仓库的油料供应决策支持.docx

??

?

??

基于数据仓库的油料供应决策支持

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

文／张福临何宏刘科

摘要：针对当前油料供应管理领域缺乏辅助决策分析工具的状况，对数据仓库、联机分析处理和数据挖掘技术进行了研究，提出了油料供应决策支持框架，解决了油料供应数据仓库的创建、OLAP数据分析与展现问题。

关键词：数据仓库；决策支持；OLAP

随着油料供应管理信息系统的推广应用，系统所产生的数据变得越来越多，而这些数据包含了对油料供应决策具有很高价值的信息。上级机关由于需要纵览下属单位的油料供应管理情况，往往对具体的操作数据并不感兴趣，而是希望了解隐藏在大量数据背后的信息，从而为油料供应的正确决策提供支持。因此，如何从这些大量数据中提取对油料供应决策分析有价值的信息，为上级机关提供辅助决策分析，已成为亟待解决的问题。

1．油料供应决策支持框架

数据仓库、联机分析处理、数据挖掘三种技术结合起来形成的油料供应决策支持，是更高级形式的决策支持。其中数据仓库能够实现对决策主题数据的存储和聚合，为01．AP和数据挖掘提供可供分析的数据。OLAP作为决策支持的前端展现，侧重于对数据仓库中数提的分析，将复杂的分析查询快速地、直观地返回用户。数据挖掘侧重于隐式的知识发现，数据分析人员可以从数据中找到油料供应模式和更深层次的信息，便于决策者运用挖掘的知识进行油料供应业务的预测与分析。这三者相互补充、相互依赖，实现更加有效的辅助决策。

油料供应数据仓库的主要数据来源于内部数据源和外部数据源。其中内部数据源数据指油料供应管理信息系统自身产生的数据，主要是机关本级及其所属单位的日报数据（如每日加油记录）和月报数据（如月份油料库存报告），外部数据源数据主要包括油料供应指标文件(如增拨油料指标文件、转供油料指标文件1、非油料供应管理信息系统（如油料装备管理系统、油料提运系统）的数据。（见图1）

2．油料供应数据仓库的设计

2.1确定主题

通常油料供应决策人员最关心的主题是库存油料、油料供应、油料指标申请与分配等，本文选取油料库存、油料供应作为研究的主题。

2.2确定事实与维度

(1)油料库存分析主题包含的维度如下：

油库维（分大单位、分部或基地、油库三个层次）、油料维（油品名称）、

时间维（分年、月、每日三个层次）、度量（油料库存数量）

(2)油料供应分析主题包含的维度如下：

油库维、用油单位维（分基层单位、大单位两个层次）、指标类别维（实物、价拨、代报、转账）、油料维、时间维、度量（发油数量）

2.3建立数据立方体

由于油料供应数据仓库的空间大小主要由事实表的大小决定，维表一般都比较小，而连接操作导致的性能下降是主要问题。因此，本文采用了星型模型来表达多维数据立方体。（见图2、3）

3．数据仓库实现及OLAP分析

根据定义的主题星型数据模型，本文使用Ora(：leAnalyl.icWorkspa(：eManagerlOg(简记为AWMlOg)构建表示OLAP数据的逻辑维模型来定义维、级别、层次、属性和测度以组织数据，并将维映射到源数据。（见图4、5）

OracleDisCoverer工具是OraCle系列产品面向决策支持工具集的组成部分，具有实现O-LAP的功能，可直接连接油料供应数据仓库对历史数据进行有效分析。本文运用OracleID:is-coverer工具曾展示了两个油库在2001年和2002年对其供应实体进行油料保障的数据。

4．结束语

油料供应管理涉及的业务种类多、供应关系复杂，决策者单凭直觉和经验很难从业务数据中直接得出规律性或趋势性的信息。油料供应决策支持框架的设计为决策者提供了一套统一存储、展现与分析数据、挖掘业务信息的工具集，有效解决了辅助决策分析的问题。如何在系统体系结构上把OLAP和数据挖掘有机结合在一起，解决多维数据环境的数据挖掘问题，将是下一步工作的重点。

（作者单位：后勤工程学院）

?

-全文完-