数据仓库辅助决策支持系统的作用.docxVIP

数据仓库辅助决策支持系统的作用　　决策支持系统是在业务信息系统的基础上发展起来的，介于业务系统之上辅助企业科学决策的系统。过去，XX烟草的DSS在实际应用开发过程中暴露出一些问题，有以下两个方面：一是DSS使用的数据库只能对销售业务系统的原始数据进行一般的加工和汇总，致使决策所需信息不够全面，难以全面满足决策的需要；二是第一套传统的DSS是模型驱动，其模型库管理系统是DSS的核心部件，但相对于决策本身的动态性和复杂性模型库提供的分析能力有限。XX年，XX烟草在认真贯彻执行国家局的信息化建设思想中，充分结合实际情况，以信息资源规划和管理为核心，全面整合了已建的各类业务信息系统，建设功能完善的行业数据中心和辅助决策支持系统。根据XX烟草数据中心及辅助决策支持系统的建设经验，谈谈基于数据仓库的辅助决策支持系统在数字烟草中的作用。目前开发的综合DSS是以数据仓库技术为基础，以数据挖掘工具为手段，最后进行前端展示的一整套解决方案。一、基于数据仓库和数据挖掘的决策支持系统1.数据仓库的基本概念数据仓库是支持决策过程的、面向主题的、集成的、稳定的、不同时间的数据集合，具体分析如下：数据面向主题性主题是抽象的概念，对应客观分析领域的一个分析对象，根据决策确定主题后就可围绕主题选择数据源，基于主题组织的数据被划分为各自独立的领域，每个领域有自己的逻辑内涵，互不交叉。XX烟草的多个业务系统经过长期使用，生成了海量的数据，业务明细数据中虽然包含着大量对决策有价值的信息，但由于它们的组织方式是面向业务应用的，而不是面向决策主题的，所以很难从中抽取有价值的信息。随着基础业务系统不断改进和扩充，异构的数据结构、不同的数据库、分布存放、备份到各种介质、数据量极大等问题造成难于全面、综合地掌握经营信息，而且原先基于OLTP技术的查询系统在执行复杂、大量计算的查询、分析、监控方面将表现出极低的效率，此系统将所有数据集成起来，按照主题进行划分，使得信息充分整合，逻辑更加清晰。数据集成与综合性XX烟草的多个业务系统独立建设形成了信息“孤岛”，导致多个查询系统，使用起来非常不方便。为了反映运作的全局模式，数据仓库必须集成所有相关数据。另一方面，为了反映从烟叶生产到卷烟销售完成中整个供应链的方方面面的需求，支持多方面多层次的科学决策，数据仓库又必须对数据进行不同程度的综合。数据历史性数据历史性主要表现在两个方面：一是数据仓库内数据是关于各个主题不同时间的综合信息；二是数据一旦进人数据仓库就不应该更新，具有一定的稳定性。数据的多维组织模型多维组织模型对决策影响最为关键。由于决策所需的数据总是与维数和不同级别的统计和计算有关。但是，在具体操作过程中我们发现，有些视角，比如客户，XX烟草共有客户达10万以上，造成了建维的难度。还有比如访销线路，由于经常变化，也造成了建维的难度。最后思考了一些变通的方法使得问题得到了解决。因此，决策支持系统必须以多维数据分析为核心。数据的不一致性由于多个系统的整合必然会导致统计口径存在差异，从而引起数据的不一致性，甚至错误数据，可能误导决策。因此，在建模之前必须首先解决数据不一致的问题。2.数据挖掘的基本概念数据挖掘是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则。数据挖掘技术涉及数据库、人工智能、机器学习、神经计算和统计分析等多种技术，它使DSS跨入了一个新阶段。数据挖掘的特点是：查询一般是决策制定者提出的即时随机查询，往往不能形成精确的查询要求、数据变化迅速，可能很快过时。因此需要对动态数据作出快速反应，以提供决策支持。目前，企业管理的核心是建立竞争优势，提高市场竞争力，而原有的管理软件已经越来越不能适应管理实践的要求，新的时代需要新一代的管理软件。面向整合各业务系统软件的数据分析功能是对业务系统积累的数据进行分析处理，形象地说就是帮助用户发现业务系统积累的数据的潜在价值。可以这么说，业务系统能够帮助用户规范企业的管理，而拥有强大数据分析功能的系统则能够使用户从这种规范的管理中获得更大的效益。3.基于数据仓库和数据挖掘的决策支持系统数据仓库和数据挖掘是作为两种独立的信息处理技术出现的，数据仓库技术用于数据的存储和组织，数据挖掘技术则致力于知识的自动发现。由于这两种技术内在的联系性和互补性，为了充分发挥它们各自的特长，可以将它们结合起来，设计出一种新的DSS构架，即以数据仓库为基础、以数据挖掘工具为手段并以模型库为辅助决策的解决方案。基于数据仓库和数据挖掘DSS构架的主要特点是：数据仓库对底层数据库中的事务级数据进行集成、转换和综合，重新组织成面向全局的数据视图，为DSS提供数据存储和组织的基础。数据挖掘以数据仓库的大量数据为基础，发现数据中的潜在模式，并以这些模式为基础做出预测。数据挖掘表明，知识就隐藏在日常积累下来的