第6章综合决策支持系统6.1基于模型库与知识库的传统决策支持系统6.2基于数据仓库的新决策支持系统6.1.1传统决策支持系统1、1980年Sprague提出了决策支持系统三部件结构；2、1981年Bonczak等提出了决策支持系统三系统结构；3、根据以上两种结构的优缺点建立起来的统一的DSS结构；4、20世纪90年代初，决策支持系统与专家系统结合起来，形成了智能决策支持系统（IDSS）。1、1980年Sprague提出了决策支持系统三部件结构:2、1981年Bonczak等提出了决策支持系统三系统结构:3、根据以上两种结构的优缺点建立起来的统一的DSS结构:6.1.2传统决策支持系统的发展6.1.2传统决策支持系统的发展6.1.2传统决策支持系统的发展6.1.3传统决策支持系统的关键技术和开发困难DSS的开发困难：（1）模型库系统没有统一的理论和产品，研制者需要自己设计和开发。（2）DSS综合部件对数据、模型、知识3个部件进行有机集成。现已开发出来的决策支持系统都是自行设计和实现模型库系统、自己研制实现模型、知识、数据集成的综合语言。6.2.1数据仓库技术及困难6.2.1.1数据仓库技术1、管理大量数据数据仓库中的数据量是10GB或100GB级的，数据仓库开发需要满足处理大量数据的需求。2、数据的高效装入和数据压缩（1）装入数据：装入的数据量很大，同时也要装入高效的索引。（2）数据压缩：DW数据量大需要进行数据的压缩。3、存储介质的管理数据仓库中的数据量是10GB或100GB级的，数据仓库开发需要满足处理大量数据存储介质的需求。4、元数据管理没有一个好的元数据来运作的话，DSS分析员的工作就非常困难。5、数据仓库语言数据仓库语言可有效管理数据仓库中的数据和快速、高效地访问数据仓库中的数据。6、高效索引数据仓库不仅能够方便地支持新索引的创建和装入，而且要能够高效地访问这些索引。7、数据仓库的特殊管理（1）复合键码：能够支持复合键码。（2）变长数据：有效管理变长数据的能力。（3）快速恢复：快速地恢复数据仓库表。8、多维DBMS和数据仓库多维数据库管理系统（多维DBMS）提供了用多种方法对数据进行切片、分割，动态地考查汇总数据和细节数据的关系，非常适合DSS环境。数据仓库中的细节数据为多维DBSM提供了数据源，数据要定期从数据仓库中导入到多维DBMS中去，为DSS用户服务。数据仓库由于数据量大（具有GB级到TB级的数据），使得数据的存储和管理复杂，因此数据仓库需要一个具有海量存储的硬件平台和一个能进行并行处理的大型数据库系统。总结开发数据仓库的典型错误包括以下几方面：（1）没有理解数据的价值。（2）未能理解数据仓库概念。（3）未清楚了解用户将如何使用数据仓库之前，便贸然开发数据仓库。（4）对数据仓库规模的估计模糊。（5）忽视了数据仓库体系结构和数据仓库开发方法。数据仓库的开发只有克服了以上的错误观念，才能真正发挥它的作用，得到发展。有两类本质不同的最终用户：1.信息的使用者，他们是数据仓库的大多数用户，他们从数据仓库中获取所需要的信息；2.探索者，他们利用联机分析处理（OLAP）和数据挖掘（DM）工具对数据仓库进行深层次的分析，获取辅助决策信息，即利用数据仓库建立决策支持系统。信息使用者以一种可预测的、重复性的方式来使用数据仓库平台。信息使用者完成查询时，他们找到的只是少量“精华”。他们查看相对少量的数据，并通常查看概括数据或聚集数据。信息使用者通常查看相同的商业维度（也就是产品、客户、时间）和指标（即收入和成本）随时间的发展趋势。数据仓库的信息使用者对数据仓库的使用具有以下特征：决策支持系统的用户是探索者。探索者并不知道什么是他们所需要的。“当我看见它的时候，我就会知道我需要的是什么”探索者的一项任务就是根据过去的成功和失败来尽力确定未来处理商务的更好方法。例如，过去哪些商品促销的不错？其中，偏爱这类商品的客户特征是什么？(1)不规律地访问数据(2)只知道总体的需求(3)有规则的访问最近的详细数据(4)查看数据关系而不是数据值(5)利用数据挖掘/统计分析工具进行探索(6)最佳的数据结构是关系结构探索者要完成4种基本类型的工作：探索者要完成4种基本类型的工作：探索者帮助指导战略的处理商务，而信息使用者是从战术上监控这些决策的效果。例如，根据信息使用者的报告，公司正在流失更多的顾客。探索者开始调查以揭示为什么公司正在失去这么多客户。探索者将和业务组一起制定保留高价值客户的战略。信息使用者则需要连续观察客户保留量，并报告执行这些战略的效果和它们与所期望的程度相差多少。数据仓库是为辅助决策而建立的，单依靠数据仓库能力是有限的。数据仓