决策支持系统第四讲数据挖掘概述OLAP资料教程.ppt

集成 目 标 数 据 预 处 理 数 据 模 式 数 据 知 识 源 数 据 预处理 数据挖掘 评价与解释 数据准备 数据挖掘 评价与解释 数 据 选择 三.数据挖掘的优点与缺点 1.优点 （1）减少了用户的工作量。 （2）使用户得到意外的信息。 （3）对数据的迅速变化可作出快速响应，以提供决策支持信息。 三.数据挖掘的优点与缺点 2.缺点 （1）对计算机的性能要求高。 （2）意外的信息不可靠。 （3）即使发现一个潜在的可以利用的关系，其实际使用价值也可能不太明显。 4.2.2 数据挖掘基本过程与步骤 一.数据挖掘的基本过程 1.数据准备 （1）数据集成：从操作型环境中提取并集成数据，解决语义二义性问题。 （2）数据选择：确定发现任务的操作对象； （3）数据预处理：消除噪音、推导计算缺值数据、完成数据类型的转换，削减数据维数或降维。 一.数据挖掘的基本过程 2.数据挖掘 （1）确定数据挖掘的任务或目的； （2）根据不同的数据的特点，用户和实际运行系统的要求决定要使用的数据挖掘的算法； （3）实施数据挖掘，获取有用的模式。 一.数据挖掘的基本过程 3.数据表述与评价 （1）将获取的信息以便于用户理解和观察的方式反映给用户； （2）用评价指标对获取的信息评价，发现不满足用户需求的模式，并返回到DM的前面阶段，重新实施DM。 二.进行数据挖掘的步骤 1.问题定义 2.发现信息 3.制定计划 4.采取行动 5.检测结果 4.2.3 数据挖掘的任务与挖掘方法 一.数据抽取：对数据进行浓缩，给出它的紧凑描述。 1.多维数据分析方法：是一种数据仓库技术，它把汇集操作结果预先计算并存贮起来，供DSS使用。 2.面向对象的归纳方法：对用户感兴趣的数据视图进行泛化，从较高层次上总结了在低层次上的原始关系。 决策支持系统——第四讲 决策支持的新技术 西南民族大学计科学院 第四讲决策支持的新技术 第一节 数据仓库技术 4.1.1 数据仓库的基本知识 4.1.2 数据仓库系统的结构 4.1.3 数据仓库的运行结构 4.1.4 数据集市的结构 第二节 数据挖掘技术 4.2.1 数据挖掘概述 4.2.2 数据挖掘基本过程与步骤 4.2.3 数据挖掘的任务与挖掘方法 4.2.4 数据挖掘与数据仓库的关系 4.1.1 数据仓库的基本知识 一.从数据库到数据仓库 事务处理环境不适宜决策应用的主要原因： 1.事务处理环境和分析处理的性能、特性不同 2.数据集成问题 3.数据动态集成问题 4.历史数据问题 5.数据的综合问题 6.不同的使用对象 4.1.1 数据仓库的基本知识 二.数据仓库的概念 1.W.H.Inmon 是面向主题的、集成的、稳定的、随时间变化的数据集合，用于支持经营管理中的决策制定过程。 面向主题 集成 稳定 随时间变化 2.SAS软件研究所的观点 DB数据 DW数据 细节的 在存取时准确的 可更新的 操作需求事先可知道 事务驱动 面向应用 一次操作数据量小 支持日常操作 综合或提炼的 代保过去的数据 不更新 操作需求事先不知道 分析驱动 面向分析 一次操作数据量大 支持决策需求 3.DW是作为DSS的基础的分析型DB，用来存放大容量的只读数据，为制定决策提供所需的信息。 4.DW是与操作型系统相分离的、基于标准企业模型集成的、带有时间属性的，即与企业定义的时间段相关的、面向主题且不可更新的数据集合。 5.…… 三.数据仓库的特点 1.数据仓库是面向主题的。 2. 数据仓库是集成的。 3.数据仓库是稳定的。 4.数据仓库是随时间变化的。 5.数据仓库中的数据量很大。 6.数据仓库软硬件要求较高。 四.数据库与数据仓库的区别 1.数据库是面向业务的，使用者是企业的一般业务人员，进行企业日常数据处理和维护工作。 2.数据仓库是面向决策的，使用者是企业的高层管理人员，它也是使用关系数据库，当数据仓库不负责处理业务。 3.数据库注重的是企业运行的当前数据，任务是收集和记录企业的原始业务数据，而DW面对的是非即时性的历史数据，通过从业务数据中提取，加工处理后提供给决策人员。 4.1.2 数据仓库系统的结构 关系 数据库 数据文件 其他 数据 数据仓库管理工具 抽取 转换 转载 元数据库 数据建 模工具 综合 数据 当前 数据 历史 数据 用户查 询工具 C/S 工具 OLAP 工具 DM 工具 一.数据仓库管理系统 1.定义部件 2.数据获取部件 3.管理部件 4.目录部件（元数据） 5.DBMS部件 二.数据仓库的结构构成 1.数据仓库的构成 高度综合数据层 轻度综合数据层 当前基本数据层 历史基本数据层 二.数据仓库的结构构成 2.数据