论文部分内容阅读
决策支持系统(DSS)主要针对管理信息系统无法提供有效决策支持这一缺陷而提出。它直接面向决策,用于支持和辅助管理者进行决策,因此对数据的处理侧重于分析处理。传统决策支持系统以数据库作为数据管理的手段,而数据库系统主要用于事务处理,使得传统的决策支持系统存在于事务处理环境之中。虽然数据库技术在联机事务处理方面的应用获得了巨大的成功,但鉴于事务处理和分析处理具有极不相同的性质,它对于分析处理的支持一直不能令人满意。在传统的事务处理环境构建DSS,已极大地限制了DSS作用的发挥。DSS要在企业决策支持小发挥应有的作用,必须对数据库系统中的原始数据进行再加工,形成一个综合的、面向分析的环境,以更好地支持决策分析,数据仓库正是为满足这一要求而出现的。数据仓库的出现解决了DSS应用的基础性问题——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已慢慢开始起步,对其进行理论上的研究将具有很大的实用意义。 本文首先介绍了决策支持系统的产生背景、定义和传统决策支持系统的体系结构以及决策支持系统的发展概况,指明决策支持系统的发展方向是通过不断融入新出现的决策支持技术来提高系统的辅助决策能力。其次,分别介绍了基于数据仓库的决策支持系统的相关技术——数据仓库技术、数据挖掘技术和联机分析处理(OLAP)技术。在数据仓库技术部分,介绍了数据仓库的产生背景、概念、体系结构、数据组织结构、数扼组织方式、数据仓库的关键技术以及数据仓库的创建步骤;在数据挖掘技术部分,介绍了数据挖掘的概念及特点、数据挖掘的目标、使用的典型方法及工具,重点阐述了数据挖掘的过程;在OLAP技术部分,介绍了OLAP的概念及特征、OLAP的多维数据结构、数据处理方式和分析方法,重点阐述了OLAP系统的体系结构和数据组织的三种方式。在此基础上,构建了基于数据仓库的决策支持系统的框架,阐述了数据仓库和决策支持系统的关系,并对系统的结构、功能、数据仓库解决方案、基于数据仓库的数据挖掘等问题进行了较为深入的探 武汉理工大学硕士学位论文讨。 基于数据仓库的决策支持系统有着广阔的应用前景,在国外许多公司己建立了基于数据仓库的应用系统并获得了较高的投资回报,在国内的应用也慢慢开始起步。本文在前面对基于数据仓库的决策支持系统作理论探讨的基础上,给出了基于数据仓库的客户分析系统(CA S)的结构和功能组成,阐述了CAS在企业分析客户组成、客户购买模式等方面的应用。