"□生产□管理技术!·生产技术"基于数据挖掘的决策支持系统■王延平1周亮2(1.山东理工大学山东淄博255049;2.山东东大化工公司山东淄博255000)摘要:为有效处理企业所面临的各类内外部信息,提高企业的管理水平,本文以基于数据挖掘的决策支持系统方法整合企业信息,建立企业信息仓库,在模糊的、随机的信息中通过数据挖掘发现有用知识,给决策者提供决策支持,是一个辅助决策者提高管理效率及水平的有效途径。关键字:数据挖掘决策支持系统数据仓库企业管理中图分类号:TP391在市场经济环境下,企业竞争越来越激烈,如何即使建立了大型的、集成的、信息统一的数据仓库,有效地提高企业管理水平和经济效益,挖掘市场潜但怎样才能在大量的数据中发现有用知识呢?这就力,是现代企业面对的一个重要课题。对此,企业信需要一个全面的解决方案,解决数据的一致性和集息化建设是提高企业管理水平的有效方法,而且企成性,并在这些经过处理的数据中发现知识,以协助业信息化已经从最初的简单整合企业信息资源,发企业进行有效的决策和管理。基于数据挖掘的决策展到现在建立大型的企业信息数据库,并从数据库支持系统就是把传统的决策支持系统和数据挖掘有中发现知识,以提供给决策层应用,从而达到辅助企机地结合在一起,通过数据挖掘技术来提高系统的业管理及决策的目的。智能性,在海量的数据中有效地提取有用数据,发现有用知识。1.基于数据挖掘的决策支持系统构建决策支持系统由两部分组成(见图1.1):数据仓决策支持系统(DSS)是利用大量信息数据结合库、分析系统(即数据挖掘方法)。众多模型,通过人机交互,辅助各级决策者实现科学1.1数据仓库决策的系统。该系统是一个融计算机技术、信息技数据仓库的设计首先要满足决策支持系统的要术、人工智能、管理科学、决策科学等学科和技术于求,决策支持系统数据库所要求的数据要具备三方一体的技术继承系统。面特点:概括性、抽象性、统一性。所以在图2.1中数在企业没有建立起决策支持系统前,各个部门据仓库和部门数据库之间还应有一个虚拟层,用来基本上具备各自的数据信息和独立的信息处理系为数据仓库提取有用数据,这个层的功能实现由数统,但是各个部门间信息不兼容,即使部门之间有交据挖掘的数据清洗过程完成。叉业务,但是由于信息不统一,也无法做到信息的一数据仓库设计的关键是数据库的结构设计,包致性,不能有效地达到共享,造成所谓的信息孤岛。括逻辑设计和物理设计。442007.12·数字石油和化工技术!·生产数据库在物理设备上的存储结构与存取方法称为数据库的物理结构,优秀的物理结构设计能使数据库上运行的各种事务响应时间小、存储空间利用率高、事务吞吐率大。优秀的物理设计最重要的是有一个高效率的存取方法,常见的存取方法有索引存取方法、HASH存取方法等,存取方法本文不再详细叙述。1.2数据挖掘方法数据挖掘从本质上说是一种新的商业信息处理技术。数据挖掘技术把人们对数据的应用,从低层次的联机查询操作,提高到决策支持、分析预测等更高级应用上。它通过对这些数据进行微观、中观乃至宏观的统计分析、综合和推理,发现数据的关联性、未来趋势以及一般性的概括知识等。数据挖掘作为一门数据处理的新兴技术,它具有的特征是处理海量数据,并且即使这些数据是不完全的、冗余的、随机的、复杂数据结构的、维数大的,都可以通过数据清洗来选择有用数据,建立知识模型。数据挖掘是多学科交叉,涉及计算机科学、统计学、数学等学科的技术。图1.1决策支持结构系统(1)联机分析挖掘OLAM(1)数据库逻辑设计OLAM(OnLineAnalyticalMining)联机分析挖逻辑设计前需要首先建立一个涉及企业各个掘的概念是OLAP(OnlineAnalyticalProcessing,联方面的详细商业模型,即概念模型。概念模型是独机分析处理)的发展。用户的决策分析需要对数据立于任何一种数据模型的信息结构,逻辑设计的库中的数据进行大量的分析计算才能得到结果,任务就是把商业模型转换为数据库系统所支持的而普通的数据处理系统对数据库的简单查询,已数据模型相符合的逻辑结构。由于大多数的商用经不能满足决策者提出的需求,因此就出现了多数据库系统是关系型数据库,所以逻辑设计的主维数据库和多维分析的概念,即OLAP。OLAP是联要问题就是把概念模型中各个实体与实体属性的机交互式数据分析一个良好的框架,但是它只能联系转换为关系模式。在企业中涉及很多实体,如处理数值型数据,对决策支持系统来说是一个较部门实体:人力资源部、生产部、财务部、市场部等大的局限性。等。而各个部门中还涉及部门内部的多个实体,如OLAM是在数据立方体上进行多层次