新决策支持系统.docx

新决策支持系统.docx

《新决策支持系统.docx》由会员分享，可在线阅读，更多相关《新决策支持系统.docx（8页珍藏版）》请在冰豆网上搜索。

新决策支持系统

本科课程设计

题目：

新决策支持系统

姓名：

刘方

学号：

08212152129

专业：

信息管理与信息系统

院系：

信息工程学院

实习单位：

安徽新华学院

完成时间：

2011年11月5日

安徽新华学院教务处制

目录

概要1

第1章决策支持系统概述2

第2章数据仓库技术2

2.1数据仓库的简介2

2.1.1数据仓库的特点3

2.1.2数据仓库的内容3

2.2数据集市4

2.2.1数据集市的建立4

2.2.2数据集市的重要性5

第3章新决策支持系统与商业智能6

3.1新决策支持系统结构6

3.2新决策支持系统与商业智能7

3.2.1商业智能的应用范围7

3.2.2商业智能的实施步骤8

第4章总结9

参考文献10

概要

20世纪80年Bonczak等提出了决策支持系统的三系结构，既语言系统、问题处理系统、知识处理系统。

初级的决策支持系统大多处理较为复杂的数值性问题，其解决问题的途径也以模型导向为主，并未包含决策者的经验、知识，然后经过推理、思考、求精和猜测而作出决策。

而到20世纪90年代中期兴起的数据仓库迅速地发展，它与联机分析处理和数据挖掘结合起来形成了新的决策支持系统。

新决策支持系统的特点是从数据资源中获取辅助决策信息和知识，完全不同于传统决策支持系统用于模型资源和知识资源辅助决策。

关键词：

决策支持系统；数据仓库；数据资源；

Abstract

IntwentiethCentury80yearsBonczakproposeddecisionsupportsystemthreesystemstructure,boththelanguagesystem,problemprocessingsystem,knowledgeprocessingsystem.Theprimarydecisionsupportsystemmostlydealingwithmorecomplexnumericalproblems,thewaystosolvetheproblemsinmodeloriented,donotincludethedecisionmakers'experiences,knowledge,andthenafterreasoning,thinking,refinementandforecastanddecisionmaking.Bynineteennintiesmetaphasearisendatawarehousedevelopingrapidly,itandonlineanalyticalprocessinganddataminingcombinetoformanewdecisionsupportsystem.Newdecisionsupportsystemischaracterizedbytheresourcefromthedataacquisitiondecisionmakinginformationandknowledge,iscompletelydifferentfromthetraditionaldecisionsupportsystemisusedtomodeltheresourcesandintellectualdecision.

Keywords:

decisionsupportsystem;datawarehouse;dataresource;

第1章决策支持系统概述

决策支持系统（decisionsupportsystem，简称dss）是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。

它是管理信息系统（mis）向更高一级发展而产生的先进信息管理系统。

它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。

决策支持系统应具有一般管理信息系统的功能，但为了能辅助决策者进行某些综合性、战略性的决策，亦应具有一定的处理非结构化和半结构化问题的能力。

为此，一般而言，决策支持系统除通常管理信息系统应有的功能模块外，最初级的决策支持系统也至少应具有一个比传统的管理信息系统功能强大的对话生成和管理系统（DGMS）、一个比传统的管理信息系统功能更为完善的数据库管理系统（DBMS）以及传统管理信息系统中很少有的模型库管理系统（MBMS）。

对话生成和管理系统是决策者与系统进行交流和沟通的接口。

决策者通过对话生成和管理系统去操作和控制系统，并了解系统的响应和从系统获得信息。

决策制定的过程中必须使用许多内部或外部数据，所以一个功能强大的数据库是构成决策支持系统的必要条件。

模型是简化及表达现实问题的一种方法，也是描述决策过程的有力手段。

因此，模型化可广泛用于从分析问题、选择模式、简化问题以至表达问题的各个阶段。

第2章数据仓库技术

数据仓库技术是基于信息系统业务发展的需要，基于数据库系统技术发展而来，并逐步独立的一系列新的应用技术。

2.1数据仓库的简介

数据仓库概念创始人W.H.Inmon在《建立数据仓库》一书中对数据仓库的定义是：

数据仓库就是面向主题的、集成的、相对稳定的、随时间不断变化（不同时间）的数据集合，用以支持经营管理中的决策制定过程、数据仓库中的数据面向主题，与传统数据库面向应用相对应。

主题是一个在较高层次上将数据归类的标准，每一个主题对应一个宏观的分析领域：

数据仓库的集成特性是指在数据进入数据仓库之前，必须经过数据加工和集成，这是建立数据仓库的关键步骤，首先要统一原始数据中的矛盾之处，还要将原始数据结构做一个从面向应用向面向主题的转变；数据仓库的稳定性是指数据仓库反映的是历史数据的内，而不是日常事务处理产生的数据，数据经加工和集成进入数据仓库后是极少或根本不修改的；数据仓库是不同时间的数据集合，它要求数据仓库中的数据保存时限能满足进行决策分析的需要，而且数据仓库中的数据都要标明该数据的历史时期。

2.1.1数据仓库的特点

数据仓库最根本的特点是物理地存放数据，而且这些数据并不是最新的、专有的，而是来源于其它数据库的。

数据仓库的建立并不是要取代数据库，它要建立在一个较全面和完善的信息应用的基础上，用于支持高层决策分析，而事务处理数据库在企业的信息环境中承担的是日常操作性的任务。

数据仓库是数据库技术的一种新的应用，而且到目前为止，数据仓库还是用关系数据库管理系统来管理其中的数据。

2.1.2数据仓库的内容

RM的核心内容是通过不断的改善与管理企业销售、营销、客户服务和支持等与客户关系有关的业务流程，提高各个环节的自动化程度，从而缩短销售周期，降低销售成本，扩大销售量，抢占更多的市场份额，寻求新的市场机会，最终达到从根本上提升企业核心竞争力的目的。

在静态层面，可以将CRM概括成一种管理思想在管理软件系统中加以体现。

其目标是通过采用信息技术销售管理、客户关怀、服务和支持等经营环节的信息有序、充分并及时地在企业内部和客户之间流动，实现客户资源的有效利用。

其核心思想是将客户群体看成是企业宝贵的外部资源。

在动态层面，CRM的生命周期又包括数据集成、客户分析和面向客户的战略决策三个阶段，其中CRM实施成功与否的关键是第2步，即用先进理念和精准模型对集成化数据进行模拟和分析，从而挖掘客户的潜在价值，发展潜在客户。

　　因此可以将客户关系管理的定义概况为客户关系管理是管理理念与信息技术相结合的产物，在管理理念方面表现为以客户为中心、通过客户关怀提升客户满意度和客户忠诚度的思想，在应用系统和企业行为方面表现为以Internet和电子商务、多媒体数据挖掘、专家系统和人工智能和呼叫中心等最新的信息技术为基础，实现企业识别、保留和挽回最具价值的客户，从而提升企业核心竞争力。

2.2数据集市

数据集市（DataMart），也叫数据市场，是一个从操作的数据和其他的为某个特殊的专业人员团体服务的数据源中收集数据的仓库。

从范围上来说，数据是从企业范围的数据库、数据仓库，或者是更加专业的数据仓库中抽取出来的。

数据中心的重点就在于它迎合了专业用户群体的特殊需求，在分析、内容、表现，以及易用方面。

数据中心的用户希望数据是由他们熟悉的术语表现的。

如下图：

图1数据集市

2.2.1数据集市的建立

建立不同规格的数据仓库、数据集市的成本，国外的咨询机构有专门的评估，在一定程度上可以借鉴。

但是这些结果在国内也许并不适用，因为国情不同，在国内的构建成本需要专门的调研。

以人们为企业构建的客户主题数据集市为例，一般成本在20万元到50万元人民币之间。

数据集市的设计可以采用迭代式的方法。

在迭代式开发中，每个迭代为上一次的结果增加了新的功能。

功能增加的顺序要考虑到迭代平衡以及尽早发现重大风险。

通俗地说，就是在正式交货之前多次给客户交付不完善的中间产品“试用”。

这些中间产品会有一些功能还没有添加进去、还不稳定，但是客户提出修改意见以后，开发人员能够更好地理解客户的需求。

如此反复，使得产品在质量上能够逐渐逼近客户的要求。

这种开发方法周期长、成本高，但是它能够避免整个项目推倒重来的风险，比较适合大项目、高风险项目。

理论上讲，应该有一个总的数据仓库的概念，然后才有数据集市。

实际建设数据集市的时候，国内很少这么做。

国内一般会先从数据集市入手，就某一个特定的主题（比如企业的客户信息）先做数据集市，再建设数据仓库。

数据仓库和数据集市建立的先后次序之分，是和设计方法紧密相关的。

而数据仓库作为工程学科，并没有对错之分，主要判别方式应该是能否解决目前存在的实际问题，并为今后可能发生的问题保持一定的可伸缩性。

2.2.2数据集市的重要性

快速发展的、充满竞争的商业世界对于及时、准确的信息有着永无止境的需求，一些IT专家对此认为其必然结果就是创建数据集市。

其他专家却质疑用户和客户所要付出的工作和成本。

毕竟，难道不能直接从遗留系统和在线事务处理（OnLineTransactionProcessing，OLTP）系统通过特定的报表获得相同的信息吗?

在EDS的商业智能小组里，人们就经常被问到这一问题。

经验让人们有许多机会使人们的同行和客户了解这项有用技术的价值。

　　那么，一个组织为何要构建数据集市呢?

虽然OLTP和遗留系统拥有宝贵的信息，但是可能难以从这些系统中提取有意义的信息并且速度也较慢。

而且这些系统虽然一般可支持预先定义操作的报表，但却经常无法支持一个组织对于历史的、联合的、“智能的”或易于访问的信息的需求。

因为数据分布在许多跨系统和平台的表中，而且通常是“脏的”，包含了不一致的和无效的值，使得难于分析。

数据集市将合并不同系统的数据源来满足业务信息需求。

若能有效地得以实现，数据集市将可以快速且方便地访问简单信息以及系统的和历史的视图。

一个设计良好的数据集市将会：

发布特定用户群体所需的信息，且无需受制于源系统的大量需求和操作性危机。

支持访问非易变（nonvolatile）的业务信息。

（非易变的信息是以预定的时间间隔进行更新的，并且不受OLTP系统进行中的更新的影响）。

调和来自于组织里多个运行系统的信息，比如账目、销售、库存和客户管理以及组织外部的行业数据。

通过默认有效值、使各系统的值保持一致以及添加描述以使隐含代码有意义，从而提供净化的（cleansed）数据。

为即席分析和预定义报表提供合理的查询响应时间（不同于OLTP系统中所需的调优需求）。

通过提供对于遗留系统和OLTP应用程序的选择来减少对这些应用程序的要求，以获得更多所需信息。

第3章新决策支持系统与商业智能

3.1新决策支持系统结构

数据仓库（DW）中增加联机分析处理（OLAP）和数据挖掘（DM）等分析工具，能较大地提高辅助决策能力。

联机分析处理对数据仓库中得数据进行多维数据分析，既多维数据的切片、切块、旋转、钻取等，只有通过分析更详细的数据，才能得到更深层中的信息和知识。

如节假日销售的影响、某日的促销活动的影响等，在综合数据中是反映不出来的。

数据挖掘技术能获取关联知识、时序知识、聚类知识、分类知识等。

数据仓库和联机分析处理及数据挖掘结合的决策支持系统，既DW+OLAP+DM得决策支持系统是以数据仓库为基础的，我们称之为基于数据仓库的新决策支持系统，其结构如下图2：

图2基于数据仓库的新决策支持系统结构

新决策支持系统的特点是从数据中获取辅助决策的信息和知识。

而这些数据是企业或部门已经发生的事件记录。

可以说新决策支持系统式发现已经发生过的事件中的规律，从而指导今后将采取的行动。

3.2新决策支持系统与商业智能

商业智能的概念于1996年最早由加特纳集团（GartnerGroup）提出，加特纳集团将商业智能定义为：

商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。

商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。

3.2.1商业智能的应用范围

商业智能系统可辅助建立信息中心，如产生各种工作报表和分析报表。

用作以下分析：

销售分析主要分析各项销售指标，例如毛利、毛利率、交叉比、销进比、盈利能力、周转率、同比、环比等等；而分析维又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路；同时根据海量数据产生预测信息、报警信息等分析数据；还可根据各种销售指标产生新的透视表。

商品分析商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。

主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品商业智能

、畅销商品、滞销商品、季节商品等多种指标。

通过D系统对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。

人员分析通过D系统对公司的人员指标进行分析，特别是对销售人员指标（销售指标为主，毛利指标为辅）和采购人员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩，提高员工积极性，并为人力资源的合理利用提供科学依据。

主要分析的主题有，员工的人员构成、销售人员的人均销售额、对于销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等等。

3.2.2商业智能的实施步骤

实施商业智能系统是一项复杂的系统工程,整个项目涉及企业管理,运作管理，信息系统,数据仓库，数据挖掘,统计分析等众多门类的知识。

因此用户除了要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功.商业智能项目的实施步骤可分为：

（1）需求分析:

需求分析是商业智能实施的第一步，在其他活动开展之前必须明确的定义企业对商业智能的期望和需求,包括需要分析的主题，各主题可能查看的角度（维度）;需要发现企业那些方面的规律.用户的需求必须明确。

（2）数据仓库建模：

通过对企业需求的分析,建立企业数据仓库的逻辑模型和物理模型，并规划好系统的应用架构,将企业各类数据按照分析主题进行组织和归类。

（3）数据抽取:

数据仓库建立后必须将数据从业务系统中抽取到数据仓库中，在抽取的过程中还必须将数据进行转换,清洗，以适应分析的需要。

（4）建立商业智能分析报表：

商业智能分析报表需要专业人员按照用户制订的格式进行开发,用户也可自行开发（开发方式简单，快捷）。

（5）用户培训和数据模拟测试:

对于开发—使用分离型的商业智能系统,最终用户的使用是相当简单的，只需要点击操作就可针对特定的商业问题进行分析.　　（6）系统改进和完善：

任何系统的实施都必须是不断完善的.商业智能系统更是如此,在用户使用一段时间后可能会提出更多的，更具体的要求,这时需要再按照上述步骤对系统进行重构或完善。

第4章总结

本文描述的基于数据仓库的新决策支持系统模型在传统的基于数据库的决策支持系统上增加了数据仓库的处理机制，并运用了数据挖掘和联机分析技术。

可以使得大量历史数据在准备阶段就由数据仓库来管理，大大降低了数据挖掘的障碍，而且数据仓库对数据进行了不同程度的集成和综合从而更有效地支持了多层次\多种知识的挖掘和分析。

参考文献

[1]王珊.数据仓库技术与联机分析处理[M].北京1科技出版社91998.5

[2]P.Gray,~..watson.数据仓库中的决策支持[M].北京1北京理工大学出版社92000.

[3]慕红宇9熊金明.基于数据仓库的数据挖掘技术。

华东地质学院学报92002925（4）1348-352.

[4]唐林燕.数据仓库和数据挖掘技术在ERP中的应用.计算机工程92002928（6）1205-207.

[5]陈文伟廖建文著.决策支持系统及其开发（第三版）.清华大学出版社，2009.