基于数据仓库的决策支持系统的分析.doc

基于数据仓库的决策支持系统的分析专业：信息管理与信息系统 班级：信管本科班 学号： 姓名： 日期：2015年6月30日摘要:数据仓库的出现解决了Dss应用的基础性问题一一数据管理,即通过数据仓库将数据库系统中的原始数据组织成适合决策分析需要的分析型数据。伴随数据仓库技术出现的数据挖掘技术和联机分析处理(OLAP)技术又为数据分析提供了强有力的支持。这样,基于数据仓库的决策支持系统集成了数据仓库、数据挖掘、联机分析处理等多种信息处理技术,是一种新形式的决策支持系统,是辅助企业管理者做出正确决策的理想系统。基于数据仓库的决策支持系统的应用己慢慢开始起步,对其进行理论上的研究将具有很大的实用意义。关键词：决策支持系统；数据仓库；联机分析处理；数据挖掘Abscract:Data warehouse can meet the requirements of the database management subsystems of DSS and organize primitive data in the databases to analytical data suited to administrative decision.With the emergence of data warehouse,data mining technology and OLAP technology also come out.These two technologies provide the powerful support for data analysis.Thus,DSS based on data warehouse integrates many kinds of infomation disposal technology,data warehouse technology,data mining teechnology and OLAP technology included.It is a new form of perfect system assisting corporative administrators with correct decision made.The application of DSS based on data warehouse stands at an underway stage,soThe theoretical research on the system will make sense for practice. Key word : DSS;Data Warehouse;OLAP;Customer Analysis目录1.绪论21.l研究背景21.2 研究内容31.3本文的研究内容及意义32.决策支持系统的基本理论32.1决策支持系统概况32.2 决策支持新技术33.数据仓库的基本理论43.1数据仓库的基本概念43.2数据仓库的体系结构44.基于数据仓库的综合决策支持系统54.1传统决策支持系统与新决策支持系统的比较54.2综合决策支持系统64.3数据仓库技术在决策支持系统中的作用65. 总结与展望6参考文献71绪论1.l研究背景随着信息技术的飞速发展，企业内部产生了越来越多的数据，但这些数据并没有产生有用的信息，只是简单的存储在数据库中。为此出现了“数据爆炸，知识贫乏”的窘迫局面。以前，用户常常在数据的管理、数据的收集上下很大功夫，可是今天的用户却发生了很大的变化：人们不仅想得到数据，更多地是想从这些数据中获得更大的收益。因为数据就是数据，没有经过分析的数据是无法决策的，基于数据仓库的决策支持系统正是迎合了这种需要。 1.2 研究内容 研究与本课题相关的理论和技术，包括决策支持系统的相关理论，数据仓库构建的相关理论，联机分析处理技术的相关理论，数据挖掘技术的理论和算法；数据仓库的设计，包括概念模型设计，逻辑模型设计，物理模型设计；数据的转换、清洗和装载方案设计；多维数据集的创建、处理和查询；根据建立的多维数据集来建立数据挖掘模型，利用微软聚类算法来实现分类挖掘任务；用 Delphi 编写客户端界面以及整个系统的各个模块，最终建立一个展现平台。1.3本文的研究内容及意义安全问题是企业应用电子商务过程中最担心的问题,电子商务系统是建立在计算机网络系统之上的商务系统。对于大多数网民来讲,互联网为人与人、人与企业之间的交流带来了更多的便利,然而也为不法分子获取不法利益提供了更多的途径。数字签名是可以解决电子商务活动中否认、伪造、篡改及冒充等问题的一项技术本文通过对电子商务及电子商务安全的描述,逐一介绍电子商务安全内容及其安全需求,钊一对电子商务安全面临的各种威胁,从安全体系方面说明其应对方式。着重讲解电子商务领域中的数字签名技术及其各种实现方案,对比传统数字签名中的不足,说明安全数字签名的原理及其实现流程。最后重点介绍基于RSA和DES算法的安全数字签名,设计出一种结合RSA和DES算法的安全数字签名方案。2.决策支持系统的基本理论2.1决策支持系统概况决策支持系统作为一门新兴的信息技术，能够为企业提供各种决策信息支持和许多商业问题的解决方案，从而减轻了管理者从事低层次信息分析、处理的负担，使得他们专注于最需要决策方面的工作，从而提高决策的质量和效率。它通过结合个人的智力资源和计算机的能力来改进决策的质量。它是一个基于计算机的支持系统，服务于处理半结构化或非结构化问题的管理决策制定者。不同的人对决策支持系统有着不同的理解。并且决策支持系统基本结构主要由四部分组成，即数据部分、模型部分、推理部分和人机交互部分。2.2 决策支持新技术数据仓库、联机分析处理、数据挖掘是20世纪 90 年代中期在国外兴起的 3 项决策支持技术。数据仓库是在数据库的基础上发展起来的，数据库用于事务处理，而数据仓库可用于决策分析，而且主要用于决策分析，联机分析处理把数据的组织由二维平面结构扩充到多维空间结构，并提供了多维数据分析方法。数据挖掘则是在人工智能学习中发展起来的，它是从多个数据库中发现知识过程的核心。数据仓库、联机分析处理、数据挖掘的结合开创了决策支持系统的新方向，而数据仓库是 3 个技术的主体和基础，没有基本的数据支撑，就不可能有科学的决策。3.数据仓库的基本理论3.1数据仓库的基本概念数据仓库是一个用以更好地支持企业或组织决策分析处理的、面向主题的、集成的、不可更新的、随时间不断变化的数据集合。数据库内数据是动态变化的，只要有业务发生，数据就会被更新，而数据仓库则是静态的历史数据，只能定期添加、刷新。数据库中的数据结构比较复杂，有各种结构以适合业务处理系统的需要，而数据仓库中数据的结构则相对简单。数据库中数据访问频率较高，但访问量较少，而数据仓库的访问频率较低但访问量却远高于数据库的访问量。数据库在访问数据时要求响应速度快，其响应时间一般在几秒内，而数据仓库的响应时间则可长达数小时。3.2数据仓库的体系结构数据仓库将独立于业务数据库系统，但是数据仓库又同业务数据库系统息息相关。也就是说数据仓库不是简单地对数据进行存储，而是对数据进行“再组织”。数据仓库的体系结构框架是影响数据仓库性能的关键因素之一，数据仓库的体系结构框架决定了数据加载、访问和传递的方式。在确定数据仓库结构时需要考虑最终用户和数据使用部门的数目、数据的多样性和数量、更新周期，以及存储访问的速度。在数据仓库体系结构中应该设计三个独立的数据层次：信息获取层、信息存储层和信息传递层。信息获取层负责数据的收集、提纯、净化和聚合，以及从外部数据源和业务处理系统中获取数据。这些数据应该是准确的，并且要被用于各个部门进行决策支持，因此需要有通用的含义。信息存储层是一个保存数据的区域，这些信息是在信息传递层次中可以得到的信息。对于支持集成传递要求所必需的性能水平，单一的设计会产生消极影响。所以，数据仓库的一个重要特征就是灵活性，在体系结构中需要利用信息传递层来实现灵活性。信息传递层是数据仓库结构中支持一套共用的表示工具和分析工具的组成部分。它通过生成的报表和查询来提供数据需求。这是最终用户与数据仓库交流的层次，也是数据仓库与用户接触的地点。 图1 数据仓库的体系结构4. 基于数据仓库的综合决策支持系统在决策支持系统D的研究领域中,以往大多数专家都沿着EDP/MSI/DSS(电子数据处理/管理信息系统/决策支持系统)的路线评价DSS的特征与区别,并且强调DSS对高层决策者和经理人员的信息支持。因此研究的重心大多集中于DSS的模型管理(定量模型和定性模型)、人机界面、智能DSS或基于知识的DSS等。然而,决策支持系统并不仅仅是基于非常复杂的模型的分析与评价,凡是能够提供管理人员所需要任何信息的全部技术支持形式都应该归入决策支持的范畴。4.1传统决策支持系统与新决策支持系统的比较传统的DSS通常是建立在数据库(DB)为基础的关系数据库管理系统(RDBMS)上,但是,随着DSS用户的系统所涉及的数据量的不断增大,查询也越来越复杂,这样传统的基于数据库的DSS的弊端也暴露了出来:(1)数据缺乏组织性:数据库中存储的是大量的企业业务运行数据(oPeartiondat)a,它们来自企业内部不同部门的日常业务操作产生的明细数据,是一种原始数据。这些数据因为各个部门的不同需要,而有着有利于各个部门的不同的组织、存储形式。而DSS需要的则是对这些原始数据进行进一步分类、合并、整理和分析后产生的有组织的信息。(2)数据访问效率低:企业在每一阶段的业务都积累了大量的数据,RDB是面向应用的、事务驱动的。应用本来就是千差万别、零繁琐碎的,而且为了提高性能,数据还常常被分布在多个子系统中,使得RDBMS对这些数据的访问十分困难,更难以进行DSS所需的快速分析。(3)数据处理效率低:企业DSS需要高质量的管理数据,RDB不能提供数据分析,大量的数据不能得到及时的综合分析,使管理信息系统(MSI)的作用不能充分体现,影响了数据处理的效率。(4)数据不能转化为有用的信息:DSS通常需要一段历史时期的数据来分析趋势,而数据库一般只存储短期数据,且各个应用领域的保存期限各不相同,大量的内外运行数据不能转化为管理决策信息为DSS服务。4.2综合决策支持系统把数据仓库、OLAP、数据挖掘、模型库结合起来形成的综合决策支持系统,是更高级形式的决策支持系统。其中数据仓库能够实现对决策主题数据的存储和综合,OLAP实现多维数据分析,数据挖掘用以挖掘数据库和数据仓库中的知识,模型库实现多个广义模型的组合辅助决策,专家系统利用知识推理进行定性分析。它们集成的综合决策支持系统,将相互补充、相互依赖,发挥各自的辅助决策优势,实现更有效的辅助决策。综合体系结构的三个主体既可以相互补充又可以相互结合。它可以根据实际问题的规模和复杂程度决定是采用单个主体辅助决策,还是采用两个或是三个主体的相互结合辅助决策。利用第一个主体的辅助决策系统就是传统意义下的决策支持系统。利用第一个主体和第三个主体相结合的辅助决策系统就是智能决策支持系统。在OLAP中利用模型库的有关模型，可以提高OLAP的数据分析能力。将三个主体结合起来,即利用”问题综合和交互系统”部件集成三个主体,这样形成的综合决策支持系统是一种更高形式的辅助决策系统,其辅助决策能力将上一个新台阶。由于这种形式的决策支持系统包含了众多的关键技术,研制过程中将要克服很多困难,这也是我们今后努力的方向。4.3数据仓库技术在决策支持系统中的作用将数据仓库用于决策支持系统中,主要有以下几个方面的作用: (1)增强了决策支持系统决策的客观性。DSS中数据仓库的数据是面向分析组织的,比面向应用组织的传统数据库更加适合决策分析需求;数据仓库的数据类型丰富、数据容量大、保存时间长,为预测趋势、制定决策战略提供了充足的信息,使决策方案更具客观性。(2)增强了决策支持系统的实用性。DSS中的数据仓库集模型库、方法库、数据库为一体,以数据驱动运行模式代替传统DSS的模型驱动模式,且实现了分析方法与数据结构相分离,使方法库及数据的扩充具有相对独立性。(3)提高了数据查询、分析效率。数据仓库通过提取器自动追加数据及数据视图生成器自动生成数据视图,能及时快速地准备好各层次数据,使查询瞬间完成,可大大提高数据获取效率。(4)具有强大的数据分析工具。利用分析工具OLAP、数据挖掘工具及图形工具等,使决策者能从各角度分析数据,提供更全面、更丰富的战略性辅助信息及被忽略的重要因素。(5)具有动态扩展性能。基于数据仓库的DSS通过内在反馈机制,使用户需求逐渐明确,DSS系统结构日趋完善。5. 总结与展望基于数据仓库的决策支持系统是国外90年代发展起来的新技术,它一经面世就以其巨大的应用价值和可操作性的技术方案得到了企业界、学术界和商业界的高度重视,得到了很快的发展。现在,国内很多企业信息技术应用己达到了一定的阶段,积累了大量的数据,GB级的数据量己经很普遍,有的甚至达到了TB级,这样就为数据仓库打下了坚实的基础。另一方面,随着各个大型数据库公司的数据仓库方案的提出、完善,数据仓库技术的一些难题得到了解决。这些,都是基于数据仓库的决策支持系统得到快速发展的原因所在。参考文献1Hhimon著.王志海等译.数据仓库.机械工业出版社.2埃里克A海尔菲特著.张建军主译.财务分析技术.中国财政经济出版社,2009.3MaXiaoqiang.Suryondatawarehousing.TeehniealReport.