基于数据挖掘企业决策支持系统分析.docVIP

基于数据挖掘企业决策支持系统分析 　　1数据挖掘的关键技术分析 　　数据挖掘是建立在数据库基础上结合了人工智能、概率、数据统计等技术发展起来的新型数据处理技术。所谓挖掘就是从大量的不完全、模糊、随机数据中提取隐含信息和知识的过程。其主要的关键技术有以下几种。 　　1.1 数据仓库 　　传统书库模式占据数据处理业务主导地位情况已经于数据处理需求产生了矛盾,只能进行查询的数据库已经与智能化需求显然是不能相互促进和发展的,以此研究者提出了数据仓库和数据挖掘技术,并转向将其作为未来数据库发展的方向。从单一的查询转为智能化的数据处理,实现可挖掘可归纳的数据处理目标。数据仓库作为为一个集成了多种数据源的中央平台,可以从多元的联机事务处理中收集和提取数据,并通过计算机将数据从新排列构成容易分析的形式,实际上就是企业内部的信息平台,这为数据挖掘提供了数据库基础。 　　1.2 智能化技术 　　智能化技术实际上就是对人类行为的模拟,即利用计算机的知识获取、知识表达、知识比对来完成对人类行为的模拟。在数据发掘中智能化技术可以完成对数据的“人为”化处理,即利用知识学习和比对完成数据挖掘。 　　1.3 概率和统计 　　概率和统计是一种数学方法,其重要的作用就是对数据信息所表达的数学内涵进行解释,将其与数据处理结合起来可以有效的在海量数据中获得有价值的规律和隐含信息,着无疑可以成为数据挖掘技术的重要基础。 　　 　　2数据挖掘技术支持的企业决策系统构成 　　2.1 数据采集和监控系统 　　数据挖掘的基础数海量的数据,因此数据的采集就成为了决策系统的重要基础,可以看作是企业数据信息网络的终端。企业要实现生产智能化和管理决策的科学化,就需要采集和生产监控系统。(1)数据采集系统是企业利用大量的控制系统、单机片构成自动化可控的数据采集终端,对生产、工程、仓储等信息进行采集。其中包括的数据内容将是实时性和全程性的,如:在石油企业中采集系统将生产装置、油品灌装、计量系统等所产生的数据分部门进行采集和汇总,形成了全面的生产和储运数据。(2)生产检查系统的功能则是在生产中显示??程图、按设备进行区域、流程管理、对设备状态进行监控,对生产线生产数据进行记录,对异常情况进行监督、提示等,并对设备的控制权限进行管理。这两个系统一个负责对数据进行采集,一个负责对反馈指令进行执行和监督。 　　2.2 生产调度系统 　　在企业的生产过程中需要一个统一的调度系统对自动化生产进行全面的管理和控制,企业的领导决策层将通过这个系统对整个生产的流程进行监督和管理。在决策支持系统中是一个重要的执行系统。其连接的是一线设备和后台数据处理系统。为此企业应建立一个集中业务处理、数据分析、网络查询为一体的调度体系,保证数据共享的安全和一致性,并便于完成对生产的调度和管理。这个系统是数据挖掘产生指导性信息后,负责决策执行的重要系统。 　　2.3 班组核算系统 　　企业的决策是为了指导一线生产,因此在数据挖掘支持的决策系统中不能缺少的是对成本和管理的完整体系,其管理是分级的由上至下的管理模式,此系统的构成的核心就是核算。利用三级核算的体系,企业将成本核算进行细致的划分,如:分厂、车间、班组三级成本核算的体系。通过对生产成本的核算来完成对一线生产的控制。同时也将班组核算系统作为一个管理的终端。此系统功能包括了:数据维护、数据输入、数据处理、数据查询、报表处理等。 　　 　　3数据挖掘系统的构成 　　3.1 数据仓库 　　数据仓库是前面提及的数据挖掘的重要信息平台,因此在实现数据挖掘与决策支持的时候也不能离开数据仓库的构建。通常采用的是星型模型和雪花模型进行设计,在设计的时候应确保数据仓库的规范化和各个层面的紧密关联。可以通过以下步骤完成,分析和筛选主体系统需要的各种数据源的情况,包括计算机平台、客户情况、数据结构、数据源处理流程、仓库更新计划等;定义数据抽取的原则,以此为法则方便从每个数据源中抽取相应的数据实现挖掘,并定义其数据转换后装载到相应的数据表;对一个控制主体进行细致化,如成本核算,对其进行业务层面分解,形成主题表格,以此将数据仓库中的多个数据集合连接到对口的“位置”上,完成数据集市的构建。 　　3.2 数据抽取 　　这个过程是按照元数据库中的主题表格定义、数据源定义、数据抽取法则等对完全不相关的数据进行处理,从而完成调用、清理、转换等,对数据进行重组和加工,然后装载到数据仓库的目标数据库中。 　　这个阶段可以看作是实现计划和各个车间原始数据的转换,是对数据的更新,具体完成的任务有:完成数据的转换,利用转换系统将原始的数据转移到数据挖掘所需要的数据库表格中,也就是将原始的表格与数据挖掘结合起来;运行筛选程序对业务进行细致划分;在数据完成转移后,对系统