第15章+决策支持系统.pptVIP

虽然关系数据库有很多优点，但是决策支持系统直接使用信息系统所建立的数据库也是很不方便的。综合的数据均要经过一定的加工和通过一定的查询途径才能得到，因而速度较慢。关系数据库较之其它数据库本身就较馒，因而加剧了这个矛盾，所以现代的决策支持系统多用在原来的基层数据库的基础上，建立一个DSS专用数据库的方法，来解决这个问题。其结构见下图： 由上图我们可以看出，DSS数据库是由原来的内库基础数据库和外源数据库抽取数据，经过加工以后得到的综合数据组成的。它可以满足快速的查询和显示的要求。这样做的结果是争取了时间，但增大了空间。显然 DSS数据库的数据和原来的数据有冗余和相关。其优点是减少了 I／O时间和计算时间，其缺点是数据冗余功能重复，还有取得的数据是非现实的，也即是由较早的原始数据加工而得到的数据。 由于数据仓库的出现，给DSS的数据提取创造了很好的条件。因而数据仓库可以达到充当DSS数据库的角色。 数据仓库是最近发展起来的数据存储和管理方式。简单地说数据仓库(data warehouse)是集成数据的存储中心。它是由数据库、DSS数据库逐渐发展起来的。 由于决策的需要，集中统一的数据库不能满足需要，我们把一些汇总的数据事先算好放在DSS数据库中。由于决策分析的需要，只是汇总的数据也不能满足要求，还要查看历史的数据，数据仓库就是既有汇总数据，又有历史时序数据的数据管理方法。不仅如此，数据仓库还可由不同种类的异构的数据库中提取数据，加工后放到数据仓库中。其结构见下图。 不同的异构的源数据库可能是由于企业信息系统的 开发历史造成的内部多种数据库，也可能是外部的 各种数据库。随着网络技术的发展，由外部的多种 数据库抽取数据是不可避免的。 数据仓库不像传统的数据库是面向业务层的，它主要是面向高层应用进行决策支持的。因而实际上它是DSS数据库的扩充。数据仓库不仅具有数据的一般加工和汇总的能力，而且具有深度加工和数据挖掘的功能。 数据挖掘的概念见下图： 由图我们可以看出，源数据经过集成得到数据，数据 经过选择得到目标数据，目标数据经过处理后得到预 处理后数据(后数据)。后数据经过挖掘得到各种模式 的数据，各种模式的数据经过解释就是知识。 总之，数据仓库能支持大量的数据存储，快速并行的处理；保存历史序列数据，能进行趋势分析；支持数据的集成和综合；支持直接用户的查询。所以数据仓库才是理想的决策支持系统数据库。 2.模型库 数据库是为决策提供了数据能力或资料能力。模型库则是给决策提供分析能力的部件。 模型能力的定义是转化非结构化问题为结构化问题的程度。只有把模型能力加入到传统信息系统中，才能将传统的信息系统转变成真正的决策支持系统。显然只是快而准地提供信息，不能算作是真正的决策支持系统。 传统的应用模型也是很多的，如军事运筹学和企业管理科学。但传统的模型是独立的，它有自己的输入和输出，见下图： 此图所示模型没有综合到一个大系统之中，这种方法对经理或管理人员来说很容易错用，误用，最后到不用。也就是说它没有一组集成好的模型使经理在决策中容易使用它。它具有以下缺陷： 需要的数据和参数常不合用，或难以产生。 模型的输出难以使用。 对复杂问题的大的模型难建，又难维护 。 大的模型难懂，难以相信。 决策者和模型的交互很少。 DSS的模型库就要克服这些问题。 DSS对模型能力的要求，从任务上说能支持决策的设计和选择阶段，能支持以下活功：规划 prjection，推论deduction，分析 analysis，创造creation、比较comparison，最优化optimization，，模拟 simulation等，总体上说应当让用户很容易修改目标函数，容易修改参数，容易和模型交互。 为了使模型体很好工作，要求有以下组成部分： 一个模型库和管理它的一组软件。 集成模型库和数据库的部件。 集成模型库和会话部件的部件。 在模型库中存放模型有三种形式，即语句存储，子例程子程序方式存储，以及像数据一样存储。 语句存储是把一段用一个名字代表，只要写出这个名字就可以调到这段程序。例如各种语言中所用的函数，当我们写出 SIN时，该机器即可自动调用正弦函数，而其输入数据即由后面括号中的变量给出，形如SIN(X)。其它各种命令语句，例如 PRINT，LET等也是这种形式。 子例程子程序(SUBROUTINE)是FORTRAN语言中的一段程序，给它冠以SUBROUTINE就可以用CALL来调用它，例如： SUBROUTINE EVENT (JOB，1) 1 CALL ARRIVE (JOB) RETURN 2 CALL DEPART (JOB) RETURN END