D信息系统基础知识.ppt

（2）数据源 数据仓库的数据来源，可以是多个事务型数据库，也可以是各类数据文件。 （3）OLAP服务器 OLAP服务器对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。 （4）前端工具 前端工具主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库的应用开发工具。其中数据分析工具主要针对OLAP服务器，报表工具、数据挖掘工具主要针对数据仓库。 2．分析处理系统的特点 OLAP系统通过多维的方式对历史数据进行查询、分析和生成报表，支持复杂的分析操作，并且提供直观易懂的查询结果。 它主要是进行大量的查询操作，对时间的要求不太严格，主要应用在决策支持方面。例如： 银行信用卡风险的分析与预测； 公司市场营销情况分析； 客户的消费模式分析等。 1.2.3知识处理系统 为决策层提供决策支持服务的信息系统主要是知识处理系统。 知识处理就是帮助组织在信息系统中发现、组织、分配和运用知识。 知识处理系统的主要技术是数据挖掘，它关注探索性的数据分析，发现未知的信息关系或模式。 数据挖掘(Data Mining，DM)又称为知识发现，是从存放在数据库、数据仓库或其他信息库中的大量的数据中获取隐含的、未知的、但又具有潜在应用价值的信息和知识的过程。 1．知识处理系统的结构 数据挖掘系统包括以下三个阶段的工作：数据准备、数据挖掘、结果表达和解释。 数据准备： 将从各种数据源获得的数据进行清理、选择和集成后放入数据库或数据仓库，将专家提供的知识和规数据挖则存放到知识库。 数据挖掘： 挖掘引擎通过一定的分析算法并使用知识库中的规则对数据进行分析，发现数据间潜在的相关性、趋势或模式。 结果表达和解释： 系统对分析结果评估后以一定的文字、图、表等形式进行表达，用户进一步对结果进行解释，形成有用的知识。 数据挖掘的主要分析方法有： ① 分类。首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，然后按照固定分类对没有分类的数据进行分类。例如对信用卡申请者分类为低、中、高风险。 ② 估计。估计一个连续分布的量值。 例如根据购买模式，估计一个家庭的孩子个数 ，估计家庭的收入。 ③ 预测。一般通过分类或估值得出模型，然后用于对未知变量的预测。例如航空公司通过分析客流、燃油等变化趋势，对不同航线制定精细的销售策略。 ④ 关联。发现一个事件导致另一个事件的相关性，确定哪些事情将一起发生。例如超市中客户在购买商品A的同时，经常会购买商品B，或在购买A后，隔一段时间会购买B。 ⑤ 聚类。聚类是对相似的数据进行分组。聚类和分类的区别是它不依赖于预先定义好的类，不需要训练集。例如一些特定症状的聚集可能预示了一个特定的疾病；对用户手机上网的行为进行聚类分析，通过客户分群，进行精确营销。 2．知识处理系统的特点 数据挖掘基于数据库与数据仓库、人工智能、数理统计、可视化、并行计算等技术的支持，扩充了OLAP并达到策略管理能力， 提供预测性而不是回顾性的模型，获得隐藏的和意外的知识，对决策产生价值。 知识处理系统的使用效果直接与数据挖掘分析方法的使用、领域知识库的构建相关。 1.3 职能信息系统 不同类型的组织机构，其职能的划分或管理内容都有很大的差别，需要建设与之相应的职能信息系统。 下面介绍几个职能信息系统使之对信息系统及其应用有更多的认识。 1.3.1企业ERP系统 ERP （Enterprises Resources Planning）是整合企业管理理念、业务流程、基础数据、制造资源、计算机硬件和软件于一体的企业资源管理系统。 企业资源包括企业的“三流”资源，即物流、资金流和信息流。 ERP系统的主要业务系统包括：销售管理、生产管理、库存管理、采购管理、供应链管理、客户关系管理、人力资源管理、财务管理。 数据在各业务系统之间高度共享，所有源数据只需在某一个系统中输入一次，保证了数据的一致性。由于对企业内部业务流程和管理过程进行优化，主要的业务流程实现了自动化。基于网络的分布式体系结构，使用户在能入网的地方都可以方便地接入到系统中来。 ERP体现现代企业管理思想： 对整个企业供应链实施管理，有效地安排企业的产、供、销活动，使它们密切协作形成竞争优势； 体现精益生产和敏捷制造的思想，通过不断降低成本、提高质量、增强生产灵活性、实现无废品和零库存等手段保障企业的竞争优势； 通过快速组织一个特定的供应商和销售渠道来形成“虚拟工厂”实现敏捷制造抢先占有市场； 体现了事先计划与事中控制的思想。 2．金融信息系统 金融业是信息密集型行业，是最早应用信息系统的行业之一。各大金融机构都已利用先进的计算机手段实现了综合业务系统。 例如： 城市间的资