基于数据仓库的决策支持系统在网络教务管理中的应用.docVIP

基于数据仓库的决策支持系统 在网络教务管理中的应用 Application of DSS Based on Data Warehouse to Network Educational Administration 王红梅 石季英 张红颖 孙雨耕 天津大学自动化学院 E-mail:whm0607@ 作为数据库技术的一个新的发展方向，BW技术与DB技术的结合产生的集成、一致的环境，将使决策者更快地获得更准确的信息。本文在论述基于数据仓库的决策支持系统的三个组成部件和已存在的教务管理信息系统的基础上，给出了基于数据仓库的DSS系统在网络教务管理中的实现方案。 关键词：决策支持系统 数据仓库 教务管理 联机分析处理技术 数据挖掘 1 引言 目前高校教务管理系统使用的是面向应用的联机数据处理型数据库系统。能够完成教学计划、课室安排、学籍管理、成绩管理、外来数据管理等基本的教务管理工作，但在教务工作趋势的预测和教务管理战略的制定方面存在着各种局限性。主要原因是，基于操作型数据库的教务系统是按照需求驱动的生命周期法进行开发的，其信息模型设计是以实体－关系模式为基础的二维平面设计，元数据的管理采用数据字典的方式。为此学校教务决策者需要新的技术来弥补原有数据库系统的不足，需要把已经广泛收集到的数据集成到数据仓库中，以便从操作数据中提取有用的信息，帮助他们在教务管理和发展上作出即时、正确的判断。基于数据仓库的决策支持系统(Decision Support System ，DSS)真正使用户利用工具直接从信息池中随机地提取分析数据，有效地服务于教务的全方位决策。本文给出了基于数据仓库的决策支持系统在教务管理系统中的应用的研究。 2 决策支持系统 基于数据仓库的决策支持系统(DSS)由三个部件组成：数据仓库技术（Data warehousing），联机分析处理技术(OLAP, On-Line Analytical Processing)，数据挖掘技术(Data Mining )。其系统结构图见图1。 元数据 元数据 ? 数据仓库DBMS MRDB MDDB 信息发布 系统 操作型数据和 外界数据源 数据集市 操纵平台 抽取 　 净化 　 转换 　 载入 创建 挖掘 工具 查询 工具 用户 图1 DSS体系结构 2.1 数据仓库技术（Data warehousing） 数据仓库概念的创始人W.H.Inmon在《建立数据仓库》一书中指出：“数据仓库是面向主题的、集成的、稳定的、随时间变化的数据集合，用以支持经营管理中的决策制定过程”[1]。 数据仓库的目的是要建立一种体系化的数据存贮环境，将分析决策所需的大量数据从传统的操作环境中分离出来，使分散的、不一致的操作数据转换成集成的、统一的信息，学校内不同单位的成员都可以在此单一的环境之下，通过运用其中的数据与信息，发现全新的视野和新的问题、新的分析与想法，进而发展出制度化的决策系统，并获取更多效益[2]。 数据仓库从操作型数据库或外界数据源获得原始数据，先按辅助决策的主题要求形成基本数据层， 再按综合决策的要求形成综合数据层。随着时间的推移，由时间控制机制将当前基本数据层转为历史数据层。 2.2 联机分析处理技术(OLAP, On-Line Analytical Processing) 联机分析处理(OLAP,On-line Analytical Processing)是一种针对特定问题进行联机数据访问和分析的技术。它是决策人员通过对信息的多种可能的观察形式进行快速、一致和交互式的存取来获得对数据的深入观察。 随着数据仓库的发展，OLAP也得到了迅猛的发展。数据仓库侧重于存储和管理面向决策主题的数据；而OLAP则侧重于数据仓库的数据分析，并将其转换成辅助决策信息。OLAP的一个主要特点是多维数据分析，这与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。因此，利用OLAP技术与数据仓库的结合可以较好地解决传统决策支持系统既需要处理大量数据又需要进行大量数值计算的问题。 OLAP的多维数据分析主要通过对多维数据的维进行剖切、钻取和旋转来实现对数据库所提供的数据进行深入分析，为决策者提供决策支持。多维结构是决策支持的支柱，也是OLAP的核心。多维结构中的维突破了三维概念，可以有四维、五维甚至更多维的数据结构，即超立方体和多立方体的数据结构。我们可以利用分析工具对多维数据结构进行切片、切块、向上钻取、向下钻取、跨越钻取和旋转等处理得到所需的决策分析数据。 2.3数据挖掘技术(Data Mining ) 数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的技术。它能挖掘出数据键潜在的模式(pattern)，找出最有价值的信息和知识