DSS第6章.ppt

数据仓库的信息使用者对数据仓库的使用具有以下特征： （1）在搜索数据前，已经知道对数据的需求。 （2）他们是有规律地访问数据。 （3）能知道他们正在寻找什么。 （4）他们访问的数据量较小。 （5）访问可预测的数据。 数据仓库的信息使用者对数据仓库的使用具有以下特征(续): （6）经常处理以前访问的数据。 （7）经常访问各类综合数据。 （8）较少访问最近的详细数据。 （9）能发现少量的精华。 （10）最佳的数据结构是星型模型。 探索者要完成4种基本类型的工作： （1）概况分析：概况分析用来评定是否有充分的样本数据量。在抽取、建模和分类之前，概况分析活动对于确保数据质量非常关键。 （2）抽取：数据抽取的任务就是从数据仓库中抽取指定的数据，送入用来支持探索者分析活动的临时仓库中。 探索者要完成4种基本类型的工作： （3）建模：建模是开发一种用来描述实体（也就是客户、产品和渠道）特征的模型的过程，根据数据仓库中的实体来分类这些实体，并可预测将来的结果。 探索者普遍使用的模型应包括客户分段、后续产品、欺诈检测、渠道响应、客户生存期价值和推销响应。 （4）分类：探索者依据这些实体与这个模型的匹配来分类数据仓库中的其他实体。 （2）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，并作出正确和有效的经营决策。而沃尔玛的员工也可以随时访问数据仓库，以获得所需的信息。 （3）沃尔玛的创始人萨姆沃尔顿在他的自传中说： “我总是喜欢尽快得到那些数据，我们越快得到那些信息，我们就能越快采取行动，这个系统已经成为我们的一个重要工具”。 （5） 数据仓库存有196亿条记录，每天处理并更新2亿条记录，要对来自6000多个用户的48000条查询语句进行处理。 （6）沃尔玛数据仓库里最大的一张表格容量已超过300GB，存有50亿条记录，可容纳65个星期4000多个商店的销售数据，而每个商店有5万～8万个商品品种。 4、沃尔玛进行决策支持分析 （1）商品分组布局 合理的商品布局是一种微观销售策略，它能节省购买时间并刺激顾客的购买欲望。 沃尔玛利用市场类组分析（MBA），分析顾客的购买习惯，掌握不同商品一起购买的概率及购买者在商店里的穿行路线和时间，从而确定商品的最佳布局。 4、沃尔玛进行决策支持分析(续) （2）降低库存成本 加快资金周转，降低库存成本是一个重要问题。 沃尔玛通过数据仓库系统，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类货物进行增减，确保正确的库存。 数据仓库系统不仅使沃尔玛省去了商业中介，还把定期补充库存的担子转嫁到供应商身上。 4、沃尔玛进行决策支持分析(续) （3）了解销售全局 每天，各商店都把商品种类、销售数量、商店地点、价格和日期等分类信息传回总部，使沃尔玛能确切知道当天的运营和财政情况。 凭借对瞬间信息的随时捕捉，沃尔玛对销售的每一点增长、库存货物百分比的每点上升和通过削价而提高的每一份销售额都了如指掌。 4、沃尔玛进行决策支持分析(续) （4）市场分析 沃尔玛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。 6.3.1 传统决策支持系统与 新决策支持系统的比较 1. 传统决策支持系统的特点 (1)用模型和模型的组合来辅助决策 多模型的组合扩大了模型辅助决策的能力。多模型的组合的实现是靠数据或数据处理来完成模型间的连接。 多模型的组合使模型的范围由数学模型扩展为数据处理模型等。 人机交互的手段丰富了多模型组合辅助决策的效果，也为人控制多模型的组合提供了支持手段。 （2）用知识推理进行定性分析 知识推理的专家系统主要是进行定性分析。它结合到决策支持系统中形成智能决策支持系统。 实质上完成了定量分析和定性分析相结合的辅助决策方式。 2. 新决策支持系统的特点 （1）数据仓库和联机分析处理的数据组织方式是多维数据 数据仓库的数据组织为空间的多维结构形