第6章综合决策支持系统.pptx

决策支持系统及其开发;6.1 基于模型库与知识库的传统决策支持系统 6.2 基于数据仓库的新决策支持系统;6.1.1 传统决策支持系统 1、1980年Sprague提出了决策支持系统三部件结构； 2、1981年Bonczak等提出了决策支持系统三系统结构； 3、根据以上两种结构的优缺点建立起来的统一的DSS结构； 4、20世纪90年代初，决策支持系统与专家系统结合起来， 形成了智能决策支持系统（IDSS）。;1、1980年Sprague提出了决策支持系统三部件结构:;2、1981年Bonczak等提出了决策支持系统三系统结构:;3、根据以上两种结构的优缺点建立起来的统一的DSS结构:;;6.1.2 传统决策支持系统的发展;6.1.2 传统决策支持系统的发展;6.1.2 传统决策支持系统的发展; 6.1.3 传统决策支持系统的关键技术和开发困难;DSS的开发困难： （1）模型库系统没有统一的理论和产品，研制者需要自己设计和开发。 （2）DSS综合部件对数据、模型、知识3个部件进行有机集成。 现已开发出的决策支持系统，都是自行设计和实现模型库系统、自己研制实现模型、知识、数据集成的综合语言。; 6.2.1 数据仓库技术及困难 6.2.1.1 数据仓库技术 1、管理大量数据 数据仓库中的数据量是10GB或100GB级的。数据仓库开发需要满足处理大量数据的需求。 2、数据的高效装入和数据压缩 （1）装入数据：装入的数据量很大，同时也要装入高效的索引。 （2）数据压缩：DW数据量大，需要进行数据的压缩。; 3、存储介质的管理 数据仓库开发需要满足处理大量数据存储介质的需求。 ; 4、元数据管理 好的元数据降低DSS分析员的工作难度。 5、数据仓库语言 有效管理DW中的数据，快速、高效地访问DW中的数据。 6、高效索引 DW不仅能够方便地支持新索引的创建和装入，而且要能够高效地访问这些索引。 ; 7、数据仓库的特殊管理 （1）复合键码：能够支持复合键码。 （2）变长数据：有效管理变长数据的能力。 （3）快速恢复：快速地恢复数据仓库表。 8、多维DBMS和数据仓库 多维DBMS提供了用多种方法对数据进行切片、分割，动态地考查汇总数据和细节数据的关系，非常适合DSS环境。 数据仓库中的细节数据为多维DBSM提供了数据源，数据要定期从数据仓库中导入到多维DBMS中去，为DSS用户服务。; （1）DW由于数据量大（具有GB级到TB级的数据），使得数据的存储和管理非常复杂。 （2）DW需要一个具有海量存储的硬件平台和一个能进行并行处理的大型数据库系统。 ; 开发DW的典型错误包括以下几方面： （1）没有理解数据的价值。 （2）未能理解数据仓库概念。 （3）未清楚了解用户将如何使用DW之前，便贸然开发DW。 （4）对数据仓库规模的估计模糊。 （5）忽视了DW体系结构和DW开发方法。 数据仓库的开发只有克服了以上的错误观念，才能真正发挥它的作用，得到发展。; 两类本质不同的最终用户： 1. 信息的使用者，是DW的大多数用户，他们从DW中获取所需要的信息； 2. 探索者，他们利用联机分析处理（OLAP）和数据挖掘（DM）工具，对数据仓库进行深层次的分析，获取辅助决策信息，即利用数据仓库建立决策支持系统。; （1）信息使用者以一种可预测的、重复性的方式来使用数据仓库平台。 （2）通过查询找到的只是少量“精华”。他们查看相对少量的数据，并通常查看概括数据或聚集数据。 （3）信息使用者通常查看相同的商业维度（也就是产品、客户、时间）和指标（即收入和成本）随时间的发展趋势。;信息使用者对数据仓库的使用具有以下特征：; （6）经常处理以前访问的数据。 （7）经常访问各类综合数据。 （8）较少访问最近的详细数据。 （9）能发现少量的精华。 （10）最佳的数据结构是星型模型。; 利用DW建立的新决策支持系统，是在DW基础上，利用联机分析处理（OLAP）和数据挖掘（DM），来挖掘辅助决策信息。 决策支持系统的用户是探索者。 探索者并不知道什么是他们所需要的。 探索者需根据过去的成功or失败，确定未来处理商务的更好方法。 例如，过去哪些商品促销的不错？其中，偏爱这类商品的客户特征是什么？ ;探索者要完成4种基本类型的工作：;（3）建模：开发一种用来描述实体（也就是客户、产品和渠道）特征的模型的过程。根据