第5章：基于数据仓库的决策支持系统(5).pptVIP

第5章 基于数据仓库的决策支持系统 (5) 5.6基于数据仓库的决策支持系统的原理与实例 5.6.1基于数据仓库的决策支持系统的原理与结构 5.6.2基于数据仓库的决策支持系统简例 5.6.3 基于数据仓库的决策支持系统实例 5.6.1基于数据仓库的决策支持系统的原理与结构 1．基于数据仓库的决策支持系统的的原理 20世纪90年代中期，国外兴起了三项决策支持新技术，即数据仓库（DW）、联机分析处理（OLAP）、数据挖掘（DM）。 数据仓库、联机分析处理、数据挖掘的结合创立了决策支持系统的新方向。 （1）数据仓库的决策支持 包括：查询与报表；多维分析与原因分析；预测未来；实时决策和自动决策。 （2）联机分析处理的决策支持 包括：切片和切块；向下钻取和向上钻取；旋转等。 （3）数据挖掘的决策支持 包括：关联分析、时序模式、聚类、分类、公式发现、偏差检测、预测。 （4）数据仓库、联机分析处理、数据挖掘的结合 以数据仓库为基础，充分利用数据资源，发挥联机分析处理的多维数据分析能力和数据挖掘获取知识的能力，以决策支持系统的方式，为决策者提供快速和有效的辅助决策信息和知识。 2.基于数据仓库的决策支持系统的的结构 5.6.2基于数据仓库的决策支持系统简例 我们以航空公司数据仓库决策支持系统为例进行说明。 数据仓库决策支持系统应用说明 以上决策支持系统只是找出了西南地区航运负增长问题的原因。 还可以昆明航线上航班时间以及其他方面进行原因分析，找出其他原因，为决策者提供更多的辅助决策信息。 同样，可以从国内各地区航空市场状况中对比去年同期增长显著的中南地区，找出总周转量大幅提高的原因。 从正反两方面来进行多维分析和原因分析，将可以得到更多的辅助决策信息，减少负增长，增大正增长，提高更大利润。 进行多方面分析的大型决策支持系统，将可以发挥更大的辅助决策效果。 5.6.3基于数据仓库的决策支持系统实例 Wal*Mart建立了基于NCR Teradata数据仓库的决策支持系统，它是世界上第二大的数据仓库系统，总容量达到170TB以上。 强大的数据仓库系统将世界4000多家分店的每一笔业务数据汇总到一起，让决策者能够在很短的时间里获得准确和及时的信息，并做出正确和有效的经营决策。 利用数据仓库，沃尔玛对商品进行市场类组分析(Marketing Basket Analysis)，即分析哪些商品顾客最有希望一起购买。 沃尔玛利用自动数据挖掘工具对这些数据进行分析和挖掘。一个意外的发现就是：跟尿布一起购买最多的商品竟是啤酒！ 沃尔玛就在它的一个个商店里将它们并排摆放在一起，结果是尿布与啤酒的销量双双增长。 由于这个故事的传奇和出人意料，所以一直被业界和商界所传诵。 Teradata数据库里存有196亿条记录，每天要处理并更新2亿条记录，要对来自6000多个用户的48，000条查询语句进行处理。 销售数据、库存数据每天夜间从4，000多个商店自动采集过来，并通过卫星线路传到总部的数据仓库里。 沃尔玛数据仓库里最大的一张表格(Table)容量已超过300GB、存有50亿条记录，可容纳65个星期4，000多个商店的销售数据，而每个商店有五万到八万个商品品种。 利用数据仓库，沃尔玛在商品分组布局、降低库存成本、了解销售全局、进行市场分析和趋势分析等方面进行决策支持分析： 1. 商品分组布局 分析顾客的购买习惯，掌握不同商品一起购买的概率，甚至考虑购买者在商店里所穿行的路线、购买时间和地点，从而确定商品的最佳布局。 2.降低库存成本 沃尔玛将成千上万种商品的销售数据和库存数据集中起来，通过数据分析，以决定对各个商店各色货物进行增减，确保正确的库存。 沃尔玛的经营哲学是“代销”供应商的商品，也就是说，在顾客付款之前，供应商是不会拿到它的货款的. 3.了解销售全局 各个商店在传送数据之前，先对数据进行如下分组：商品种类、销售数量、商店地点、价格和日期等。 通过这些分类信息，沃尔玛能对每个商店的情况有个细致的了解。在最后一家商店关门后一个半小时，沃尔玛已确切知道当天的运营和财政情况。 4、市场分析 利用数据挖掘工具和统计模型对数据仓库的数据仔细研究，以分析顾客的购买习惯、广告成功率和其他战略性的信息。 5、趋势分析 沃尔玛利用数据仓库对商品品种和库存的趋势进行分析，以选定需要补充的商品，研究顾客购买趋势，分析季节性购买模式，确定降价商品，并对其数量和运作作出反应。 启 示 （1）沃尔顿在自传中写道： “我能顷刻之间把信息提取出来，而且是所有的数据。我能拿出我想要的任何东西，并确切地讲出我们卖了多少”。 （2）沃尔玛神奇