课程论文基于数据仓库的决策支持系统学生成绩：学生学号：20092251学生姓名：巨贝贝学生专业：计算机应用技术课程名称：数据仓库任课教师：宋旭东提交日期：2010年6月24日大连交通大学研究生学院基于数据仓库的决策支持系统摘要：通过概述数据仓库技术概念及系统结构，介绍了以数据仓库为技术基础，联机事物分析处理和数据挖掘工具为手段，提出了基于数据仓库的决策支持系统设计，并以基于数据仓库的医院决策支持系统为例，说明基于数据仓库的决策支持系统具有广泛的应用前景。关键词：数据仓库决策数据挖掘OLAP1引言随着信息技术、电子商务等的迅速发展和广泛应用，使得社会各部门的管理进入一个崭新的时代，各级管理人员迫切需要面对不同层次的大量信息迅速做出抉择。这就要求各级管理人员能够从大量复杂的业务数据中获取各自权限内的决策信息，及时把握市场变化的脉搏，做出正确有效的判断和抉择。初期的企业决策支持系统（DSS）是使用关系型数据库（RDB），综合数据需要经过一定加工和通过一定的查询途径才能得到，速度慢，实用性差。中期的DSS多采用在原基层数据库的基础上，增加DSS专用数据库的方法。此专用数据库是抽取原内源基础数据库和外源数据库的数据，经进行加工得到综合数据组成的。此方法虽可满足快速查询和显示要求，大大改善系统性能，但仍未解决DSS的根本性问题，即获得数据是非现实的，不是面向主题、面向分析和面向支持管理层的决策制定。以多维数据为核心的多维数据分析是决策的主要内容，数据仓库的多维特征满足DSS对数据的分析要求，并且克服数据库的数据组织性差、利用率低的缺点。数据库应用在经过多年的实践后普遍存在“数据丰富、知识贫乏”的问题，怎么从庞大的数据库中抽出有用的信息已成重中之重，所以DW为DSS发展开辟了新的途径，并且基于数据仓库的决策支持系统设计有着十分重要的应用价值。2数据仓库2.1数据仓库概念数据仓库(DataWarehouse)是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，为支持海量存储和高层决策分析，提供了一种解决方案。它抽取和净化来自不同应用系统的数据，从事物发展和历史的角度进行组织和存储，并通过对这种集成化数据的分析和挖掘，为最终用户提供综合性和分析性的深层次信息，是基于传统数据库技术的一种应用拓展。数据仓库是一个环境，它提供用户用于决策支持的当前和历史数据，这些数据在传统的操作型数据库中很难或不能得到。数据仓库技术是为了有效的把操作形数据集成到统一的环境中以提供决策型数据访问的各种技术和模块的总称。所做的一切都是为了让用户更快更方便查询所需要的信息，提供决策支持。2.2数据仓库的系统结构整个数据仓库系统是一个包含五个层次的体系结构，具体由图1表示：图1：数据仓库的系统结构(1)数据源:是数据仓库系统的基础，是整个系统的数据源泉。通常包括企业内部信息和外部信息。内部信息包括存放于RDBMS中的各种业务处理数据和各类文档数据。外部信息包括各类法律法规、市场信息和竞争对手的信息等等数据库一般是异构的，通过网络互连。(2)数据源的集成与管理：数据集成是构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据转换和清洗，最终按照预先定义的数据仓库模型，将数据加载到数据仓库中去。数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。为了提高性能，在数据仓库中通常采用下列措施：(a)采用并行系统结构；(b)对数据仓库中用得多、开销大的处理；(c)针对数据仓库以读出为主的特点，把查询中常用的结果定义为视图，并将事先计算好的视图存于数据仓库中，在需要时读出即可，无需临时计算。针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。(3)数据集市：数据的最终查询分析，往往是基于某个主题的，不同的决策主题，所需要的数据当然也不尽相同。如果每次都从整个中心数据仓库去获取数据的话，其执行效率显然是比较低的；因此可在单位数据仓库之外，再建立若干部门数据仓库，即数据集市。(4)联机分析处理(OLAP)服务器：对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。OLAP服务器位于客户端与数据仓库之间，负责管理数据模型及其数据，实际上是一个功能强大的多维分析引擎。其具体实现可以分为:RoLAP、MOLAP和HOLAP。RoLAP基本数据和聚合数据均存放在RDBMS之中;MOLAP基本数据和聚合数据均存放于多维数据库中;HOLAP基本数据存放于RDBMS之中，聚合数据存放于多维数据库中。(5)前端工具:主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具。其中数据分