数据仓库辅助决策支持系统的作用

时间：2021-01-07 08:03:00　来源：柠檬阅读网本文已影响人

决策支持系统（decisionsupportsystems.简写为DSS）是在业务信息系统的基础上发展起来的，介于业务系统之上辅助企业科学决策的系统。过去，重庆烟草的DSS在实际应用开发过程中暴露出一些问题，有以下两个方面：一是DSS使用的数据库只能对销售业务系统的原始数据进行一般的加工和汇总，致使决策所需信息不够全面，难以全面满足决策的需要；
二是第一套传统的DSS是模型驱动，其模型库管理系统是DSS的核心部件，但相对于决策本身的动态性和复杂性模型库提供的分析能力有限。2004年，重庆烟草在认真贯彻执行国家局的信息化建设思想中，充分结合实际情况，以信息资源规划和管理为核心，全面整合了已建的各类业务信息系统，建设功能完善的行业数据中心和辅助决策支持系统。根据重庆烟草数据中心及辅助决策支持系统的建设经验，谈谈基于数据仓库的辅助决策支持系统在数字烟草中的作用。

　　目前开发的综合DSS是以数据仓库（datawarehouse，简写为DW）技术为基础，以数据挖掘（datamining，简写为DM）工具为手段，最后进行前端展示的一整套解决方案。

　　一、基于数据仓库和数据挖掘的决策支持系统

　　1.数据仓库的基本概念

　　数据仓库是支持决策过程的、面向主题的、集成的、稳定的、不同时间的数据集合，具体分析如下：

　　（1）数据面向主题性

　　主题是抽象的概念，对应客观分析领域的一个分析对象，根据决策确定主题后就可围绕主题选择数据源，基于主题组织的数据被划分为各自独立的领域，每个领域有自己的逻辑内涵，互不交叉。重庆烟草的多个业务系统经过长期使用，生成了海量的数据，业务明细数据中虽然包含着大量对决策有价值的信息，但由于它们的组织方式是面向业务应用的，而不是面向决策主题的，所以很难从中抽取有价值的信息。随着基础业务系统不断改进和扩充，异构的数据结构、不同的数据库、分布存放、备份到各种介质、数据量极大等问题造成难于全面、综合地掌握经营信息，而且原先基于OLTP技术的查询系统在执行复杂、大量计算的查询、分析、监控方面将表现出极低的效率，此系统将所有数据集成起来，按照主题进行划分，使得信息充分整合，逻辑更加清晰。

　　（2）数据集成与综合性

　　重庆烟草的多个业务系统独立建设形成了信息“孤岛”，导致多个查询系统，使用起来非常不方便。为了反映运作的全局模式，数据仓库必须集成所有相关数据。另一方面，为了反映从烟叶生产到卷烟销售完成中整个供应链的方方面面的需求，支持多方面多层次的科学决策，数据仓库又必须对数据进行不同程度的综合。

　　（3）数据历史性

　　数据历史性主要表现在两个方面：一是数据仓库内数据是关于各个主题不同时间的综合信息；
二是数据一旦进人数据仓库就不应该更新，具有一定的稳定性。

　　（4）数据的多维组织模型

　　多维组织模型对决策影响最为关键。由于决策所需的数据总是与维数（每一维代表对数据的一个特定的观察视角，如地区、时间等）和不同级别（如部门、单位、地区等）的统计和计算有关。但是，在具体操作过程中我们发现，有些视角，比如客户，重庆烟草共有客户达10万以上，造成了建维的难度。还有比如访销线路，由于经常变化，也造成了建维的难度。最后思考了一些变通的方法使得问题得到了解决。因此，决策支持系统必须以多维数据分析为核心。

　　（5）数据的不一致性

　　由于多个系统的整合必然会导致统计口径存在差异，从而引起数据的不一致性，甚至错误数据，可能误导决策。因此，在建模之前必须首先解决数据不一致的问题。

　　2.数据挖掘的基本概念

　　数据挖掘是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则。数据挖掘技术涉及数据库、人工智能、机器学习、神经计算和统计分析等多种技术，它使DSS跨入了一个新阶段。数据挖掘的特点是：查询一般是决策制定者（用户）提出的即时随机查询，往往不能形成精确的查询要求、数据变化迅速，可能很快过时。因此需要对动态数据作出快速反应，以提供决策支持。目前，企业管理的核心是建立竞争优势，提高市场竞争力，而原有的管理软件已经越来越不能适应管理实践的要求，新的时代需要新一代的管理软件。面向整合各业务系统软件的数据分析功能（也就是数据挖掘）是对业务系统积累的数据进行分析处理，形象地说就是帮助用户发现业务系统积累的数据的潜在价值。可以这么说，业务系统能够帮助用户规范企业的管理，而拥有强大数据分析功能的系统则能够使用户从这种规范的管理中获得更大的效益。

　　3.基于数据仓库和数据挖掘的决策支持系统

　　数据仓库和数据挖掘是作为两种独立的信息处理技术出现的，数据仓库技术用于数据的存储和组织，数据挖掘技术则致力于知识的自动发现。由于这两种技术内在的联系性和互补性，为了充分发挥它们各自的特长，可以将它们结合起来，设计出一种新的DSS构架，即以数据仓库为基础、以数据挖掘工具为手段并以模型库为辅助决策的解决方案。

　　基于数据仓库和数据挖掘DSS构架的主要特点是：数据仓库对底层数据库中的事务级数据进行集成、转换和综合，重新组织成面向全局的数据视图，为DSS提供数据存储和组织的基础。数据挖掘以数据仓库的大量数据为基础，发现数据中的潜在模式，并以这些模式为基础做出预测。数据挖掘表明，知识就隐藏在日常积累下来的大量数据之中，仅靠复杂的算法和推理并不能发现知识，数据才是知识的真正源泉。由于新系统的内在统一性，很好地解决了相互间的衔接问题，数据仓库为数据挖掘提供了充分可靠的数据基础，数据挖掘可以从数据仓库中找到所需的数据，挖掘出的知识可以直接用于指导决策分析处理过程并立即补充到系统的知识库中。

　　这种新的DSS构架真正展示了信息的本质，表明了DSS的设计观念从模型驱动到数据驱动的转变。

　　二、用于客观评价的辅助决策支持系统

　　基于数据仓库和数据挖掘的决策支持系统与传统的决策支持系统的本质区别在于：新方法是在没有明确假没的前提下去挖掘信息、发现知识并由此做出决策。数据挖掘所得到的信息应具有事先未知、有效性和实用性三个特征，其中最重要的是事先未知决策过程的待求问题是数据挖掘过程的基础，它驱动了整个数据挖掘过程。也是检验最后结果和指引分析人员完成数据挖掘的依据。决策过程中各步骤如下：

　　1.整合

　　已实现了销售、财务、客户等系统，这些系统的建立对于业务的发展起到了很好的推动，但随着系统越来越多，必须利用数据仓库和数据集市等手段将数据充分整合。清晰地定义出待求问题，认清数据挖掘的目的是基于数据挖掘决策支持的重要一步，数据挖掘的结论是不可预测的，但要探索的问题应是有预见的。数据准备包括数据的选择、数据的预处理和数据的转换。数据的选择是在数据仓库中搜索所有与问题有关的多维数据信息并从中选择出适用于数据挖掘应用的数据：数据的预处理是研究数据的质量，为进一步的分析做准备，并确定将要进行的挖掘操作的类型。数据的转换是将数据转换成一个分析模型。

　　2.验证

　　清晰地定义出待求问题，认清数据挖掘的目的是基于数据挖掘决策支持的重要一步，数据挖掘的结论是不可预测的，但要探索的问题应是有预见的。数据准备包括数据的选择、数据的预处理和数据的转换。数据的选择是在数据仓库中搜索所有与问题有关的多维数据信息并从中选择出适用于数据挖掘应用的数据：数据的预处理是研究数据的质量，为进一步的分析做准备，并确定将要进行的挖掘操作的类型。数据的转换是将数据转换成一个分析模型。以上这些工作必须利用验证这个步骤来进一步确认。

　　3.发现

　　对所得到的经过验证的数据进行挖掘和统计，除了完善选择合适的挖掘算法外，其余一切工作都能自动完成。新决策支持系统与传统决策支持系统的根本区别在于传统决策支持系统是根据选定的模型在数据库中准备数据的，这样就无法真正从实际问题的求解环境出发，做出的决策方案不可避免地会有一定的偏差：而新系统完全是数据驱动的系统，挖掘的知识和以此为基础产生的决策方案由数据确定，这样完全由数据自身的特点决定的分类结果，显然更加合理和实用。

　　4.优化

　　提出决策方案，针对数据挖掘的初步结果，利用分析和预测算法进行分析和预测，再辅以基于模型库的推理，即可产生合理的决策方案更新知识库，然后将分析所得到的知识集成到系统的组织结构中去，更新知识库内容，优化运营。

　　重庆烟草辅助决策支持系统构建全过程图

　　三、项目应用效果

　　1.信息展现的及时性。以前的业务数据呈报往往是以“月”为单位，而这样的报送必然导致一些重要的业务信息被掩盖或延迟区县公司的反应时间，而目前系统的信息统计、展现是以“日”为单位，头一天的业务信息可以在第二天早晨上班的时间就能得到准确的报告。

　　2.分析表呈现的多样性。以往的业务报表往往只能提供二维的表体，新系统中不仅可以展示出多维分析表，而且提供了丰富的图形，使管理层不仅能从数据中得到最新的业务情况，而且还能从图形中看到整体的情况及个体的分布状态等。

　　3.粒度的精细化。以往观察业务数据，往往只能是区县公司上报的既定数据，而新系统中管理人员可根据自己的需要，轻松地了解到区县公司的详细经营数据。

　　4.高效性和易用性。以前分析数据的提供很难动态地生成，分析数据的获取需技术人员花费大量的时间进行定制、调试、测试等工作，然后再由业务人员进行使用，这样不可避免地出现一个时间空当。而目前，无需技术人员的参与，业务人员就可以根据要求或仅仅是自己个人的想法，运用鼠标就可以实现大多数决策所需的分析表。

　　5.分析的多角度化。以前的系统，往往只能从单一的角度分析业务情况，而系统实现后，可以从业务品种、机构、时间等多个角度分析业务特征，以此确定针对不同区域的情况制定不同的业务策略，同时有助于决策层及时掌握各业务品种的交易频率和收益情况。

　　6.提高数据统计的准确度。过去统计要求由区县公司制作报表，汇总上报。由于取数时点不同，统计口径难以一致等原因，统计数据往往不准确，现在系统统一了数据来源和统计要素、指标等统计口径，大大提高了数据的准确度。

　　四、结论

　　由于新决策支持系统是以数据驱动为上，解决了以模型驱动为主的传统决策支持系统做出决策方案往往出现偏差的缺陷，做出的决策方案完全由数据自身特点决定。

　　总之，重庆烟草辅助决策支持系统按照国家局“统一平台、统一数据库、统一网络”的要求，遵循“系统集成、资源整合、信息共享”的思想，依托先进的数据仓库和多维模型技术，实现了信息由分散到集中，市场反映从滞后到敏捷，管理从初级量化到准确量化，决策从经验化到智能化，提高了企业科学管理水平。

相关热词搜索： 支持系统 数据仓库 辅助决策作用

数据仓库辅助决策支持系统的作用

最新文章

热门文章