基于数据挖掘技术的决策支持系统设计

１ 决策 系统 的基 本结构
首先 ，需要将不 同部门级系统 中的数据综合、归类 ，并进行必要 的 抽象 ，即建立数据仓库 （ ａ ａｅｏｓ ，Ｄ ），以Ｄ ｄｔ ｗ ｒｈｕｅ Ｗ ａ Ｗ为基础进行联 机 分析处理 （ｎｉｅｏａ ｓ ｒｃｓ ｎ ，Ｏ Ａ ｏｌ ｎｌ ｉｐｏｅｓ ｇ Ｌ Ｐ）和数据挖掘 （ ａａｍｎｎ ， ｎ ． ｙｓ ｉ ｄ ｔ ｉｉｇ Ｄ Ｍ），为科学决策提供依据支持。 Ｄ Ｗ、Ｏ Ａ 和Ｄ Ｌ Ｐ Ｍ是 三种相互独立 又相互关联的技术。ＤＷ是从数据 库技术发展中出现的一种 为决策服务 的数据组织 、存储技术 。Ｄ Ｗ由基 本数据 、历史数据 、综合数据和元数据组成 ，能提供综合分析 、时问趋 势分析等决策信息。０Ｌ Ｐ Ａ 是对多维数据进行分析的技术。由于大量数据 集中于多维空 间中 ，Ｏ Ｐ 技术提供从多视角分析途径获取用户所需要的 辅助决策的分析数据 。Ｄ 对数据库或Ｄ Ｍ Ｗ中的数据使用一系列方法进行 挖掘 、分析 ，从中识别和抽取隐含 的潜存的有用信息 ，并利用这 技术 进行辅助决策 ，如图ｌ 。
１ ）分类模 式 ：分类模式是一个分类 函数 ，能够把数据集 中的数据 项映射到某个给定的类 上。分类 模式往往表现为一棵分类树 ，根据数据 值从树根开始搜索 ．沿 着数据满足的分 支往上走 ，走到树叶就能确定类 别 。２）回归模式 ：回归模 式的函数定义与分类模式相似 ，它们的差别 在于分类模式的预测值是离散的 ，回归模式 的预测值是连续 的。３）时 间序列模式 ：时间序列模式根据数据随时间变化 的趋势预测将来 的值 ， 这 里 要考 虑 到 时 间 的特 殊 性 质 ，像 一些 周 期性 的 时间 定 义 如星 期 、月 、 季节 、年等 ，不同的 日子如节假 日可能造成的影响 ，日期本身 的计算方 法 ，还有一 需要特殊考虑的地方 如时间前后 的相关性等。只有充分考 虑 时 间 因素 ，利用 现有 数 据 随 时 间变 化 的 一 系 列 的值 ，才 能更 好 地 预测 将 来的值 。４）聚类模式 ：聚类模式把数据划分到不同的组中 ，组之 间 的差别尽可能大 ，组 内的差别尽可能小 ． ．与分类模式不同，进行聚类前 并 不 知 道 将 要划 分 成 几个 组 和什 么 样 的 组 ，也 不 知 道 根据 哪一 个 数据 项 来定 义组 。一般来说 ，业务知识丰 富的人应该 可以理解这些组的含义， 如果产生的模式无法理解或不可用 ，则该模式 可能是无 意义的 ，需要 回 到 上 阶段 重 新 组织 数 据 。
图１基于Ｄ Ｍ的决策支持系统结构 图
数 据 包 含 的信 息 更 抽 象 的描 述 。所 谓 处 理 过 程 是 指 Ｄ Ｍ是 一 个 多 步 骤 的
２ 数据仓 库
ＤＷ作 为 决 策 支 持 系 统 的基 础 ，它 是 面 向 主 题 的 、集 成 的 、稳 定 的 、随时间变化的数据集合。Ｄ ｗ具有如下特征
对大量数据进行分析的过程，包括数据预处理 、模式提取 、知识评估及
过 程 优化 。Ｄ Ｍ主 要提 供 了以下 几 种模 式 ：
１ Ｗ是 面向主题 的。面 向主题的组织数据是ＤＷ的基本特征 ，主 ）Ｄ 题从逻辑意义上讲对应企业某一分析领域所分析 的对象 。２）Ｄ Ｗ是集 成 数据 的统一体。ＤＷ的数据来源于事务数据库 ，这些数据是构成ＤＷ的基 础 。这 些 事 务 数据 库 的数 据 通 过清 洗 处 理 后 ，形 成 整合 的 、结 构 化 的 、 易于导航的数据＋能够对决策分析快速正确地反应 。３）Ｄ Ｗ是随时闻而 变的、持久 的数据集合 。Ｄ Ｗ包含大量 的数据 ，是对事务数据库不 同历 史时期的数据的综合 、重组 、统计导出的数 据集合 。事务数据库需要频 繁地进行增 、删 、改等事务操作 ，而在 Ｄ Ｗ中更多 的是增 ，很 有删 、 改，Ｄ Ｗ在一定的周期保持稳定 。 ＤＷ把 高 校 分 散 的 、难 以访 问 的 日常 营 运 数据 转 化 为 集 中 统 一 、随 时 可用 的信 息 。Ｄ Ｗ结 构 上 可 分 为 ：数 据 源 、后 端 加 工、 前 端 服 务 以及 数 据仓 库 的管 理 。 １ ）数 据 源 为Ｄ Ｗ提 供 源 数 据 ，如 各种 子 系 统 数 据 库 、联 机 事 务 处 理 系统 的事务数据 、外部数据源等都可 以作为Ｄ Ｗ的数据源。２）后端加 ［ Ｊ具即数据Ｅ Ｌ（ 一 Ｔ 抽取 、转换 、装载 ）：负责从数据源中抽取数据 ，对
Ｄ Ｍ的过 程 也 就 是 从数 据 库 或 数 据 仓 库 中识 别 出有 效 的 、新 颖 的 、 潜 在 有 用 的 ， 以及 最 终 可理解 的模 式 的 高级 处 理 过程 。所 谓 模 式 ，可 以 看 作 是 我 们 所说 的知 识 ，它 给 出 了数 据 的特 性 或 数据 之 间的 关 系 ，是 对
数据进行检验和整理 ．并根据Ｄ Ｗ的设计要求 ，对数据 进行重新组织和 加Ｔ ，装 载到Ｄ ｗ的目标数据库 中，并且可 以周期性地刷新Ｄ Ｗ以反映源 的变化以及将Ｄ Ｗ中的数据作转储 。３ ）前端工具主要是ＤＭＴ具和Ｏ Ａ ＿． ＬＰ 分析丁具 ．这些工具从Ｄ Ｗ获取数据 ，Ｏ Ａ Ｈ 务器存储数据立方体 ，它 Ｌ Ｐ￣ 是功能强大的多用户的数据操纵引擎 ，特别用来支持 和操作多维数据结 构 。４ 数据仓库管理主要是通过 元数据来实现 的，元数据仓储用于存 ） 储数据模型和元数据 ．其中 ，元数据描述 了Ｄ Ｗ中源数据和 目 标数据本 身的信 息 ，定义 了从源数据到 目标数据 的转换过程，这些可以通过数据 建模Ｔ具 管理 以适应高校事务的发展 ，来满足高校决策和综合分析的需 要 。５）Ｄ ｗ监控和管理工具对 Ｄ Ｗ的运行 提供监控和管理手段 ，包括系 统资源的使用情况、用户操作的合法性 、安全管理 、存储管理等多方面 的 内容。Ｄ Ｗ存储经检验 、整理、加工和重新组织后 的数据 ，它可以是 关系数据库或多维数据库 。 ３ 联 机分 析处 理
敞袱 碰撤
利用关系数据库中的数据进行Ｏ Ａ ，往往会 因查询的数据信息不是 ＬＰ 缺乏分析能力 ，就是 困各信息系统之间相互隔离、结构各异 ，使决策人 员不能据此对某一主题 的相关数据进行多角度的比较 、分析 ，从 而得出 科 学的分析结果。而基 于Ｄ Ｗ的Ｏ ＡＰ Ｕ Ｌ 贝 较好地避免了该类 问题 。它根据 用户对企业业务理解 的各种维度 ，或者说从用 户分析企业时的各种宏观 领域 出发 ，从企业具有的各种原始数据转换出各类信 息， 提供给分析、 管理和领导人员快速 、方便 、交互地访问 ，从不 同领域 、不 同角度查看 企业情况 ，获得企业信息 ，了锯企业发展动态，从而为快速响应市场 、 抢 占市场先机、完善企业管理 、提高企业竞争力和做出有效决策提供坚 实的基础。Ｏｌ 主要有两个特点 ，一是在线性 ，体现为对用户请求的快 ＡＰ 速响应和交互式操作 ，它的实现是 由ＣＳ ｄ 这种体系结构来完成 的；二是多 维分析 ，这也是Ｏ Ａ ￣术的核心所在 。 ＬＰ ４ 数据 挖掘
淼霸
信 系统设 计
彭 奕 平
（ 西 旅 游 商 贸 职 业 学 院 ，江 西 南 昌 ３ ０ ０ 江 ３ ０ ０）
摘 要 为有效 利用高校部 门级信息 系统 的衍生数据 ，以支持 高层管理决 策 ，建 立基 于数据挖掘技 术的决策支持 系统 。设计 系统结构并对 数据 仓库 、联机分 析处理 、数 据挖掘等 关键概念进行 阐述 ，通 过挖掘实例 验证决策 支持 系统的有效性 和实用性 。 关 键词 数据挖掘 ；数据仓 库 ；联机分 析处理 ；决策 支持系统 中 图分 类号 Ｔ 文 献标 识码 Ａ Ｐ 文 章编 号 １ ７ ～ ６ １ （０ ０１２ ０ ３ 一 ｌ ６ ３ ９ ７ 一２ １）０ — ０ ３ Ｏ