基于数据仓库的决策支持系统的设计与实现.pdf

《基于数据仓库的决策支持系统的设计与实现.pdf》由会员分享，可在线阅读，更多相关《基于数据仓库的决策支持系统的设计与实现.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第2 9 卷第2 0 期计算机工程与设计2 0 0 8 年l o 月V 0 1 2 9N o 2 0C o m p u t e rE n g i n e e r i n ga n dD e s i g nO c t 2 0 0 8基于数据仓库的决策支持系统的设计与实现陈俊，王毙声(中国航天工程咨询中心，北京1 0 0 0 3 7)摘要：在大型企业中，随着财务信息化建设的发展，积累了大量的财务数据讨论了如何利用这些数据快速而正确地支持决策在对数据仓库技术和决策支持系统研究的基础上，提出并实现了一种基于数据仓库技术的决策支持系统(D S S)，内容包括系统体系结构、数据仓库模型，联机分析处理(O

2、U 心)策略以及基于门户技术的个性化展示方式，并对系统的关键技术进行了阐述该系统实现了将企业所掌握的数据转换为信息，进而转换成知识，提高企业决策能力，决策效率、决策准确性关键词：决策支持系统；数据仓库；数据挖掘；联机处理分析；门户中图法分类号：T P 3 9 2文献标识码：A文章编号：1 0 0 0 7 0 2 4(2 0 0 s)2 0-5 2 8 0 0 4D e s i g na n dr e a l i z a t i o no fd e c i s i o ns u p p o r ts y s t e mb a s e do nd a t aw a r e h o u s eC H

3、 E NJ t m,艮蝌GK u n-s h e n g(C h i n aA e r o s p a c eE n g i n e e r i n gC o n s u l t a t i o nC e n t e r,B e i j i n g1 0 0 0 3 7，C h i n a)A b s t r a c t：W i t ht h ed e v e l o p m e n to ff m a n c i a li n f o r m a t i z a t i o n,l a r g ec o m p a n yh a sa c c u m u l a t e dm o r et

4、h a nt e nm i l l i o n sf i n a n c i a li t e m s H o wt om a k ec o r r e c ta n df a s td e c i s i o nb yu s i n gt h e s ei t e m s T h es o l u t i o nf o rf i n a n c i a lm a n a g e m e n tD S Sb a s e d0 1 1D Wt e c h n o l o g i e si sp r e s e n t e da n dr e a l i z e d,w h i c hi n c

5、l u d e st h ea n a l y s i so fs y s t e ma r c h i t e c t u r e，D Wd a t am o d e l，0 U 峨p e r s o n a ld i s p l a yb a s e d P o r t a l，a n dk e yp o i n t si ns y s t e mi m p l e m e n t a t i o n T h i ss y s t e mr e a l i z e dt h ep r o g r e s st h a tc h a n g i n gd a t at oi n f o r

6、m a t i o n,t h e nt ok n o w l e d g e，w h i c hh e l pt h ec o m p a n yt oi m p r o v et h ec a p a b i l i t y,e f f i c i e n c ya n dc o n c t l l e s si nD S S K e yw o r d s：D S S；d a t aw a r e h o u s e；d a t am i n i n g；O L A P；p o r t a l0 引言随着业务的扩展和时间的推移，企业的财务数据正在以成倍的速度增长，传统数据库已无法支撑D S

7、 S 对数据的分析功能。这是因为：财务数据除了物理存储地点上的差异外，还可能在数据格式上有所不同。传统的数据库系统难以实现集成这些来自不同数据源的数据，从各个部门和财务模块抽取的数据缺乏统一的标准，原始数据格式不一致，且存在着大量的冗余数据：D S S 的关键是对历史数据进行分析以辅助决策，而传统数据库是面向日常操作和事物处理的，对快速响应要求较高，但查询和分析能力较弱川；D S S 的建立需要对数据、模型、知识和接口进行集成，但传统数据库语言数值计算能力差，因而采用数据库技术建立的决策支持系统，知识表达和知识综合能力比较薄弱，难以满足财务管理日益提高的决策需求。决策支持系统以集成数据为基础，

8、然而现实中的数据往往分散管理且大多数分布于异构数据平台，数据不易集成，模型库所提供的分析能力有限。它所提供的模型独立于环境之外，决策者和模型交互很少，不符合决策要求。数据仓库以及基于此技术的商业智能为决策支持系统提供了新的手段，有效弥补了传统D S S 的不足。数据仓库的创始人W H I n m o n 对数据仓库概念的定义是：数据仓库是面向主题的、集成的、稳定的(不可更新)、随时间变化(不同时间)的数据集合，它用于支持经营管理中的决策制定过程。数据仓库作为一个集成了许多数据源的中央数据库系统，从许多不同的联机事务处理数据源收集和提取数据，并通过一系列汇总计算将数据组织成易于分析的形式，从而为

9、企业提供了一个信息集成平台。l 系统整体架构近年来，国际上许多大型企业集团已经纷纷建立自己的财务数据中心，为科学决策奠定了基础并取得了显著的效果。数据仓库系统是具有综合企业数据，能够对大量企业数据进行快速和准确分析，辅助做出更好的商业决策的系统脚。该文提出的基于数据仓库的财务决策支持系统，是在传统决策支持系统的基础上，通过构建企业财务数据仓库，结合联机分析处理等形成的。该系统为企业的财务动态分析、预测和监控提供了更好的决策支持。系统的框架图如图1 所示。收稿日期：2 0 0 7-1 0-1 2E-m a i hj a m i e _ s x ：1 6 3 c o r n作者简介：陈俊(1 9

10、8 2 一)，男，湖北随州人，硕士研究生，研究方向为决策支持系统、数据仓库；王毫声(1 9 一)，男，黑龙江齐齐哈尔人，硕士，研究员，研究方向为系统工程、计算机技术-5 2 8 0-万方数据图1 系统框架图1 中主要有5 部分：第1 部分包括不同的数据来源；第2 部分是数据抽取、转换和加载的过程，该过程完成从多个数据源抽取数据，并对数据进行转换、规约，然后将整理好的数据加载到数据仓库；第3 部分是企业级数据仓库，为了更好地进行决策支持分析，数据仓库中的数据可进行二次抽取，加载到面向分析主题的数据集市脚；第4 部分是联机分析处理和数据挖掘，实现对数据多维度，多层次的分析和隐性知识的发掘；第5 部

11、分是门户系统，将分析结果内容进行组合，针对不同用户展现不同的定制内容。2 数据仓库系统需求分析需求分析是数据仓库设计中很重要的一个阶段，好的需求分析会使数据仓库创建成功的机率大大增加脚。在一个企业中，大单位、大项目，大资金往往是决策者关注的问题，财务决策支持系统应当能够对重大财务风险事项预警、跟踪；能够监控大额投资融资、借贷担保抵押、财务公司运作状况等M，防止出现重大风险事件，把财务风险控制在可承受的范围内；能够对金融性投资、存款、往来款、银行账户嗍等情况进行监督，发现存在的问题，及时预警；需要为决策者提供各项主要的财务指标，并能够根据决策者的意愿进行指标的定制，为财务决策提供依据。根据以上分

12、析，确定数据仓库系统围绕单位、项目、资金、时间展开分析。3 数据仓库模型的设计3 1 主题的确定数据仓库设计首先应明确其主题，主题是一个在较高层次将数据归类的标准嘲，每一个主题对应一个宏观的分析领域，针对具体决策需求可细化为多个主题表，具体来说就是确定决策涉及的范围和所要解决的问题。但是主题的确定必须建立在现有联机事务处理(O L T P)系统基础上，否则按此主题设计的数据仓库存储结构将成为一个空壳，缺少可存储的数据。但一味注重O L T P 数据信息，也将导致迷失数据提取方向，偏离主题。为此，在模型设计过程中，需要在O L T P 数据和主题之间找到一个“平衡点”，根据主题的需要完整地收集数

13、据，这样构建的数据仓库才能满足决策和分析的需要。根据财务需求分析，决策者主要是需要面向大单位、大项目、大资金的财务分析，通过分析这些财务数据，对企业的下一步经营决策进行调整。3 2 维度及其级别的选择维度是人们观察客观世界的维度，它一般包含着层次关系，这种层次关系有时会相当复杂忉。通过把一个实体的多项重要属性定义为多个维度，可以使用户能够对不同维度上的数据进行分析比较。与维度相关联的事实，也称为度量，是数据仓库中的信息单元，可以将其看成是多维空间中多个维交叉点上的值。从系统需求分析和确定的主题可以确定需要的维度：单位维度、项目维度、时间维度和指标维度。通过对主题和维度的分析，确定数据仓库框架选

14、用星型结构，结构如图2 所示。一图2 星型结构层次结构是使用有序层次作为组织数据的逻辑结构，层次结构可以用来定义数据聚集“。例如，在时间维中，层次结构能够聚集从m o n t h 层到q u a r t e r 层到y e a r 层的数据。一个层次结构可以用来定义导航切片路径，建立一组结构。级别是维度层次结构的一个元素。级别述了数据的层次结构，从数据的最高(汇总程度最大)级别直到最低(最详细)级别。级别仅存在于维度内。级别基于维度表中的列或维度中的成员属性。级别在维度内定义，以指定维度层次结构的内容和结构，即级别的定义确定层次结构中包含的成员及它们在层次结构中的相互位置。例如，“时间”维度包

15、含级别“年”、“季度”、和“月”。“时间”维度的级别和成员之间的关系如图3 所示。向上聚集回矩向下蕞季度月第一季度第三季度1 月J 1 2 月1 1 3 月I|4 月1 1 5 月1 1 6 月Jr 7 月I I s 月1 1 9 月|1 1 0 月I I l l 月J l l 2图3。时间”维度同样的分析方法，将“单位”维度进行级别划分，现实中的单位之间存在“父子关系”，其级别和成员之间的关系如图4 所示。对于“项目”和“指标”维度，层次结构的组织同“单位”维一5 2 8 l 一万方数据向上聚集图4 啤位”维度度，亦具有“父子关系”。在使用父子维度时，区分层次结构中的级别对象和级别很重要。父

16、子维度始终只包含一个级别对象，而维度的层次结构通常包含多个级别。对于父子维度，从维表中选择两列。一列用来标识维度的成员，一列用来表识成员的父代。这两列为表中的每一行表识一个父子链接。所有的链接结合起来确定维度的层次结构。3,3 数据仓库物理设计在完成数据仓库的模型设计和维度设计后，然后建立数据仓库的物理结构，其维度表和事实表的结构关系如图5 所5 2 8 2-生垒：!l L 量堕型丛曼曼垦三E 坚三F KB A S E _ Q U A _ N E F E R E N C E _ B A S E _ Y E A季垩廑麴量型型坚竖!墨二E 塾年编号N U M B E R F K _ B A S E

17、 _ M O N R E F E R。E N C E _ B A S E _ Q U A旦堡绩曼丛!型堡!曼三E 2年编号N U M B E R季度编号N U M B E R 示。该图以财务事实表为核心，结合“时间”、“项目”、“单位”、“指标”4 个具有层次结构的维度，实现了对基本数据的存储和预处理，为多维数据分析处理奠定了基础。4 联机分析处理(O L A P)联机分析处理是指对共享的多维信息的快速分析，是以总计管理作为基础、以报表为基本骨干、以多维方阵、决策控制为组织形式的“】。4 1 构建多维数据集数据的多维分析是决策支持的支柱，也是O L A P 的核心在数据仓库中经常要进行复杂查询

18、因此数据仓库立方体的有效计算已成为影响数据仓库性能的重要因素埘。为了保证数据立方体的有效计算，可以采用的策略有：数据的聚集、数据压缩并进行近似查询、合理选择立方体的存储格式等州。数据仓库模型基于事实表及维表，创建多维分析的超立方体模型，如图6 所示，使得用户能够方便的进行多维度的查询。F KB A S ED A Y1 E F E R E N C EB A S EM O N一芒兰五三j1 日编号D A T Ep k 11 月度编号N U M B E R lI 季度编号N U M B E R1 年度编号N U M B E RF KD A T AD A Y一级单位整丝塑呈型望坚旦!墨单位简称是甭育F

19、 级-二级单位皇!垡!l L 曼塑型坚!垦三l!芝单位简称V A R C H A R 2是否有下级一级单位编号一单位编号p k l单位简称是否有F 级l二级单位编号 I一级单位编号1 一C一一一厂二_ 二丙瓢一塑U 编呈E k：f k p单付编号N，n c 2 同编号，f k 3 指枷、编号N，指标值DP R E c I S I o N指标差额值P R E c I s I o N数据标记N U M B E RBB A s EP R 0F 畔A T A-D A Y-R E F E R E N c E-B A s E-T A R三级项目项目编号p k 项简称V是否有下级N U二级项目编号日p级项目

20、编弓N U一二级项目塑旦篓呈塑型丛曼E 垦三E 坠项目简称()是否育下级N U M B E R一级项U 编号M r MF KBQ 刁盎百一级项目垄l i 绩呈堕望竺璺!垦毛E 坠项目简称是否有下级塑堡堡呈业指标名称(是青有下级二级指标编号c n p一级指标编号_级指标塑堡塑呈型型坚!垦!指杯名称是否有下级一级指标编号三竺一堂塑堕!塑型坚!垦业指杯名称是否有F 级图数据仓库事实表与维表及其之间的关系位位位圃啡一一向下钻取万方数据-循林耀时I知一图6 超立方体维基于多维数据集的O L A P 有钻取(r o l l 叩和d r i l l 曲帅)、切片和切块、以及旋转等基本多维分析操作，帮助用户从

21、多角度，多层面观察数据仓库中的数据，深入了解隐藏在数据后面的规律和趋势，从而有效地辅助决策。钻取是改变维的层次，变换分析的粒度。它包括向上钻取和向下钻取。r o l lu p 是在某一维上将低层次的细节数据概括到高层次的汇总数据；而d r i l ld o 啪则相反，它从汇总数据深入到细节数据进行观察。切片和切块是在一部分维度上选定值后，关心度量数据在剩余维度上的分布。如果剩余的维度只有两个，则是切片，否则是切块。旋转是变换维的方向，即在表格中重新安排维的放置(例如行列互换)。4 2 两种O L A P 的比较根据多维数据存储的位置，O L A P 一般分为M O L A P(m u l t

22、i d i m e n s i o n a l0 L A P)和R O L A P(r e l a t i o n a lO L A P)两种，此外，还有混合的H O L A P(h y b r i dO U 心)。4 2 1R O 乙”的特点数据结构和组织模式需要预先设计和建立；数据查询需要进行表连接，在查询性能测试中往往是影响速度的关键；数据汇总查询(例如查询某个单位的所有产品销售额)，需要进行G r o u p b y 操作，虽然实际得出的数据量很少，但查询时间变得更长；为了改善数据汇总查询的性能，可以建立汇总表，但汇总表的数量与用户分析的角度数目和每个角度的层次数目密切相关。可以采取对

23、常用汇总数据建立汇总表，对不常用的汇总数据进行G r o u pb y 操作，这样来取得性能和管理复杂度之间的均衡。4 2 2M O b”的特点需要预先定义概要文件；数据查询采用索引搜索与直接寻址的方式相结合，不需要进行表连接，在查询性能测试中比起R O L A P 有相当大的优势；在进行数据汇总查询之前，M O L-A P 需要预先按概要文件中定义的数据汇总关系进行计算，这个计算通常以批处理方式运行。计算结果回存在数据文件中，当用户查询时，直接调用计算结果，速度非常快。无论是数据汇总还是计算衍生数据，预先计算的方式实际上是用空间来换时间。当然，用户也可以选择动态计算的方式，用查询时间来换取存

24、储空间。M O L A P 可以灵活调整时空的取舍平衡。用户难以使用概要文件中没有定义的数据汇总关系和衍生指标。在大数据量环境下，关系型数据库可以达到T B 级的数据量，现有的M O L A P 应用局限于基于文件系统的处理和查询方式，其性能会在1 0 0G B 级别开始下降，需要进行数据分区处理，因此扩展性不如R O L A P。因此，M O L A P 多数用于部门级的主题分析应用。综上所述，无论R O L A P 还是M O L A P，都能够实现联机分析处理的基本功能，两者在查询效率，存储空间和扩展性方面各有千秋。根据前面数据库模型的设计和数据库表的设计，确定选用R O L A P。5

25、 企业门户实现对O L A P 结果的个性化展现数据仓库的建设及其O L A P 完成了对数据的分析处理，如何将这些结果整理以便更好的展现给决策者。下面来介绍门户技术在辅助决策中的作用。门户技术是现今较为成熟的内容整合框架。内容整合是指将已有的信息集合起来，按一定的逻辑关系对这些信息进行统一的规划和组织，实现信息的有效共享，并且根据用户的行为习惯，优化用户访问信息资源的模式，为用户提供个性化，条理化的服务，为后续的信息和管理提供规范，从而实现信息的增值利用附“。通过企业门户，决策者在很短的时间内获得大量的重要信息和经验，然后可以把更多的时间用于决策。在组织决策过程中，针对特定的问题和机会，决策

26、者需要广泛合作，收集更相关的信息，进行定量或定性的分析，提出不同的解决方案并最终进行选择，而企业门户为组织提供了一个分析问题、建立模型、模拟决策过程及解决方案的平台，能够更快、更方便地做出更好的决策。企业门户中的商业智能对企业运作的日常数据查询、分析，挖掘出大量的数据，发现相关趋势、模式、关系，决策者可以获得商业分析报告、多维视图、复杂模式分析和趋势预测，进行方案的比较和选择；对于复杂的决策，企业协作门户能够识别相关专家，使决策者与专家工作于同一个决策空间，学习专业知识，共享经验和体会，通过协作去正确地制定决策，解决难题。6 结束语基于以上方案建立的财务决策支持系统已经在某些大型企业集团中取得

27、了显著的效果，为财务决策者的科学决策提供了强有力的支持。财务决策支持系统的整个逻辑结构以数据仓库为基础，通过联机分析处理为决策者提供多角度，多层次的数据观察，同时借助于门户技术，优化决策者访问信息资源的模式，使决策者能够更快的进入决策主题并全方位掌握财务动态。参考文献：【l】池太崴数据仓库结构设计与实施【M】北京：电子工业出版社，2 0 0 5【2】I B m 0 1 BWH B u i l d i n gt h eo p e r a t i o n a ld a t as t o r e M】2 r i dE d N 倒vY o r k,N Y：W i l e yP u b l i s h

28、i n gl n c，1 9 9 9【3】飞思科技产品研发中心O r a c l e 数据仓库构建技术D 删北京：电子工业出版社，2 0 0 3【4】李贺，单锦雨企业财务预警系统分析与设计研究【J】情报科学，2 0 0 5 2 3(3)：4 3 7-4 3 9(下转第5 2 8 6 页)5 2 8 3-万方数据使用者感知乐曲类霉!得到乐曲系统根据音乐理论产生数据库并髓轨选择若干个体对所选个体实施进化对进化结果以乐曲的方式表现出来图3 交互式遗传算法作曲过程图4 乐曲评价界面用户对于这l O 个乐曲片段的评价值知表4 所示。图5显示出随着进化的发展，平均评价值的变化趋势。从表4 和图5 中都能看

29、出随着进化的向前发展，平均评价值越来越高。这表明虽然评价者本身存在着个体的差异，但是随着遗传操作的进行，系统所产生的乐曲片段已能逐渐符合人的欣赏习惯。5 结束语本文以人为适应度函数建立了交互式遗传算法作曲系统。人的判断、评价、识别和情感在交互式系统中扮演着重要的角色m。从实验结果来看，每一个评价者的评判值随着进化的发展而变得更高。这表明虽然评价者本身存在着个体差异，系统所产生的作品与用户的评价还是对应的。这表示当前这种以人为评价中心的作曲系统具有一定的现实意义。参考文献：【1】刘健算法作曲及分层结构控制【J】武汉音乐学院学报，2 0 0 3(2)：表4 进化乐曲评价评价值进化代数平均值第1 人

30、第2，人第3 人第4 人第5 人】352l32 S2244233 O3453343 844465l4 05353223 O6S64334 27675244 88764565 69685676 41 0796587 O捌叁表岁岁U日P、d西一12 3 45 6 7891 0进化代敦图5 进化乐曲评价6 7 7 5 J u d yA F r a n k l i n R e c u r r e n tn e p a ln e t w o r k sf o rm u s i cc o m p u t a-t i o n J I n f o r m sJ o u r n a lO nC o m p u

31、t i n g，2 0 0 6，1 8(3)：3 2 1-3 3 8 L u c kG，T o i v i a i n e nP E n s e m b l em u s i c i a n s s y n c h r o n i z a t i o nw i t hc o n d u c t o r s g e s t u r e s：A na u t o m a t e df e a t u r e-e x t r a c t i o na n a l y s i s【J】M u s i cP e r c e p t,2 0 0 6，2 4(2)：1 9 5-2 0 6 冯寅。局昌乐算法作

32、曲的研究进【J】J o u r n a lo fS o R w a r e，2 0 0 6，1 7(2)：2 0 9 2 1 5 A n g e IS 纽c h e z，J u a nJ o s 6P a n t r i g o，J e s f sV i r s e d a,e ta 1 S p i e l d o s e：A ni n t e r a c t i v eg e n e t i cs o f t w a r ef o ra s s i s t i n gt Om u s i c e n m p o s i-t i o nt u k s J 计算机科学，2 0 0 7，1 0：6

33、 1 7 6 2 6 U n e h a r aM，O m s a w aTM u s i cc o m p o s i t i o nb yi n t e r a c t i o nb e-t w e e nh u m a na n dc o m p u t e r【J】N e wG e n e r a t i o nC o m p u t i n g,2 0 0 5 2 3：1 8 1-1 9 1 M a n a r i sB，R o m e r oJ,Z i p f sL a w M u s i cc l a s s i f i c a t i o na n da e$-t h e t

34、i c s J C o m p u t e rM u s i cJ o u r n a l，2 0 0 5，2 9(I)：5 5-6 9 U n e h a r aM，O n i s a w aT M u s i cc o m p o s i t i o ns y s t e mw i t hh u m a ne v a l u a t i o n J S o f tC o m p u t i n g,2 0 0 3(7)：1 6 7-1 7 8(上接第5 2 8 3 页)【5】崔也光财务报表分析 M】天津：南开大学出版社，2 0 0 3【6】于戈，鲍玉斌，王大玲擞据仓库设计【M】北京：机械工

35、业出版社，2 0 0 4【7】陆昌辉，刘青宝，邓苏，等维度汇总性问题及其对策【J】国防科技大学学报，2 0 0 6，2 8(4)：8 4 8 7【8】N i e m iT，N i i n i m a k iM，N u m m e n m a aJ，e ca 1 C o n s t r u c t i n ga nO L A Pc u b ef r o md i s m b u t e dX M Ld i n e 1 N e wY o r k：P r o co ft h e 5 t hA C MI n t e r n a t i o n a lW o r k s h o po nD a t aW

36、 a r e h o u s i n ga n d-5 2 8 6 0【AP A C MP r e s s，2 0 0 2：2 2 2 7【9】王威。蒋东兴，刘启新支持信息集成的校园信B f-j 户的研究与设计【J】计算机工程与设计，2 0 0 6，2 7(2 0)：3 7 4 1-3 7 4 4【1 0】T h eJ S R1 6 8s p e c i f i c a t i o n E B O L h t t p：w w w j r s l 6 8 o r g【l l】于宁，王行言，罗念龙高校教学决策支持系统数据仓库的研究与实现 J】计算机工程与设计，2 0 0 6，2 7(2 0)：3

37、8 5 3 3 8 5 7【1 2】范明，王雨油田财务决算c 支持系统的设计【J】计算机辅助工程，2 0 0 5，1 4(1)：4 1-4 3 踢踟m网旧忉嘲万方数据基于数据仓库的决策支持系统的设计与实现基于数据仓库的决策支持系统的设计与实现作者：陈俊，王崑声，CHEN Jun，WANG Kun-sheng作者单位：中国航天工程咨询中心,北京,100037刊名：计算机工程与设计英文刊名：COMPUTER ENGINEERING AND DESIGN年，卷(期)：2008，29(20)被引用次数：4次 参考文献(12条)参考文献(12条)1.池太崴 数据仓库结构设计与实施 20052.Inmon

38、 W H Building the operational data store 19993.飞思科技产品研发中心 Oracle数据仓库构建技术 20034.李贺.单锦雨 企业财务预警系统分析与设计研究期刊论文-情报科学 2005(03)5.崔也光 财务报表分析 20036.于戈.鲍玉斌.王大玲 数据仓库设计 20047.陆昌辉.刘青宝.邓苏 维度汇总性问题及其对策期刊论文-国防科技大学学报 2006(04)8.Niemi T.Niinimaki M.Nummenmaa J Constructing an OLAP cube from distributed XML data 20029.王威

39、.蒋东兴.刘启新 支持信息集成的校园信门户的研究与设计期刊论文-计算机工程与设计 2006(20)10.The JSR 168 specification11.于宁.王行言.罗念龙 高校教学决策支持系统数据仓库的研究与实现期刊论文-计算机工程与设计 2006(20)12.范明.王雨 油田财务决策支持系统的设计期刊论文-计算机辅助工程 2005(01)相似文献(10条)相似文献(10条)1.期刊论文 王成.李民赞.王丽丽.董平.乔晓军.郝瑞瑞.杨月英.Wang Cheng.Li Minzan.Wang Lili.Dong Ping.Qiao Xiaojun.Hao Ruirui.Yang Yue

40、ying 基于数据仓库和数据挖掘技术的温室决策支持系统-农业工程学报2008,24(11)农业领域的专家知识多足描述性和经验件的知识,难以进行精确的数学描述,这给农业决策支持系统的构建带来了一定的困难.为解决这种传统的决策支持系统的小足,介绍了基于数据仓库技术和数据挖掘技术构建的温室决策支持系统.该系统通过建立数据仓库来存储各种来自异质的信息源的数据,利用联机分析处理实现多维数据分析,然后通过数据挖掘技术从数据仓库中获得新的农业知识,以丰富决策支持系统的知识库.在系统的实现过程中,采用了SQLServer分析服务,实现数据挖掘与数据仓库以及应用程序的紧密耦合,从而大大提高了数据挖掘效率.将数据

41、仓库、联机分析处理、数据挖掘三者结合起来形成了一种新的温室决策支持系统.2.学位论文 封玲 基于数据仓库的医保决策支持系统的研究与开发 2005 医疗保险制度改革是一项复杂的系统工程，政策性强、涉及人员范围广，在各项保险改革中最为复杂。目前在医疗保险制度实施的过程中存在一些问题，其中医疗保险费用支出增长过快的问题最为突出。为查找某市医保费用高支出规律以及解决实际工作的统计需要，基于数据仓库的决策支持系统是提供医保决策信息最为可行的方案。基于数据仓库的医保决策支持系统针对大量医保数据进行三类决策应用：OLAP分析、数据挖掘和统计分析，集成的医保数据仓库保证了数据的全局性，使得分析结果具有科学性和

42、准确性。基于数据仓库的医保决策支持系统，在医保联机事务处理（OLTP）系统的基础上构建医保数据仓库，目的是为了分析医保费用支出与医保就诊、参保人员和参保单位之间的关系，以及进行相关医保信息的统计，从而找出医保费用高支出规律，辅助某市医保政策的进一步改进与完善。本文首先介绍了关于决策支持系统、数据仓库、以及数据仓库应用的相关原理性知识；然后根据医保决策支持系统的开发过程，将前述原理在实践中进行具体应用，依次阐述了医保决策支持系统的数据源、医保数据仓库的构建过程以及基于医保数据仓库的三大决策应用，统计分析应用、OLAP分析和数据挖掘；最后是医保决策支持系统应用效果例举。本文的主要工作之一，是以医保

43、OLTP系统作为数据仓库的数据源，并以此为基础构建一个一致的、完整的、全局的数据平台，为决策支持系统提供有力的数据支持。从需求分析开始，经概念设计、逻辑设计到物理设计是数据仓库设计与构建的一个完整过程。按照该过程构建的医保数据仓库包含三个主题：医保就诊主题、参保人员主题、参保单位主题，并且它是一个四级的数据平台，第一级为数据源；第二级为数据仓库的细节数据；第三级为数据仓库的轻度综合数据；第四级为针对决策支持系统具体应用的数据集市。本文的主要工作之二，是基于数据仓库的统计分析应用。统计分析属于演绎型的分析方法，从数学统计角度给决策管理者提供准确有效的统计信息。统计分析应用首先根据用户需求进行数据

44、分析与集成，构建合理的数学统计模型，再选用适当的工具进行数据加工处理，最终形成用户所需的统计信息。基于数据仓库的统计分析应用是建立在数据仓库基础上针对全局性数据的统计分析，是为了满足用户实际工作需求而进行的开发，弥补了OLAP分析与数据挖掘的不足。此外，本文还介绍了基于数据仓库的OLAP分析和数据挖掘，这两种应用属于归纳型分析方法，尤其适合于医保费用高支出规律的发现和趋势的预测。该系统已交付用户正在使用，并且已得到了一些有价值的结果。3.期刊论文 龚远超 数据仓库在决策支持系统中的应用-中国高新技术企业2007(6)决策支持系统是20世纪80年代兴起的,但是由于没有模型库系统软件产品的支持,决

45、策支持系统的开发受到很大的阻碍.但是兴起的数据仓库技术却为决策支持系统带来了新的生机.本文分析了建立在数据库基础上的决策支持系统的不足,倡导建立基于数据仓库系统的决策支持系统.在论述了数据仓库的概念和基本体系结构后,给出了采用数据仓库技术建立的决策支持系统的基本框架.4.学位论文 周海松 一种基于数据仓库的决策支持系统的设计与实现 2007 本文主要论述了一种基于数据仓库的决策支持系统的设计与实现，其中工程是依托水口调度决策支持系统项目而建立的，该项目是福建闽江防办和福建水口水库联合立项的项目。项目背景是，水口水库在闽江防汛中有着极为重要的作用，能有效的缓解福州的汛情压力。为确保水库优化调度工

46、作水平的提高，为闽江防汛调度提供决策支持并产生较好的经济效益。水口电厂决定在原有的水情测报系统上增加水库调度决策支持系统。在系统的设计方面，因为要用多个方面的数据形成对决策系统的支持，所以数据的底层组织摒弃了传统的数据库方式，而使用了数据仓库，主要是利用了数据仓库的以下几个方面的优点：1)数据仓库的数据是经过加工后的数据，数据有一定的总结性。2)数据来自于各个数据源数据库，使之有较强的数据集成性。3)数据仓库的数据不仅有实时数据也有历史数据，这正是数据分析的数据基础。4)数据仓库的数据稳定性较强，一般只在定时的数据刷新时更改数据。水口决策支持系统的推理方法使用了演绎推理的方法，因为水库调度已经

47、存在多种成熟的调度模型，所以决策支持系统主要使用了数学演绎推理法作为其决策支持的推理方法。其数学模型建立在蕴含大量数据支持的数据仓库上，形成相应的数据分析结果。水口决策支持系统是一个综合性的系统，涉及多方面内容，有数据仓库的设计，数据仓库的建立，数学模型的建立和选择等，最终形成的系统特点如下：1本系统使用了数据仓库作为数据组织形式。通过对系统的论证以及对比了数据库和数据仓库的优缺点，本系统摒弃了传统的数据库，采用了数据仓库作为底层的数据支持，使用了数据仓库的广泛性，历史性，稳定性，集成性等优点，使该系统成为基于数据仓库的调度系统。2本系统使用了新型决策支持系统模型 本系统使用了新型决策支持系统

48、的模型。该系统的决策支系统模型是基于数据仓库的数学分析模型，上层是结果展示，下层是数据仓库支持。该模型符合实际调度需求的需要，同时符合决策支持系统的模型的规范。水口水库调度决策支持系统使用了数据仓库，决策支持等多种最新的计算机技术，从建成后使用的效果来看，它完全满足水口水库的日常调度和日常水务计算工作的要求，并在多场洪水调度中提供了重要的决策支持数据，为正确调度提供了依据。5.期刊论文 宋志强.何宏.沈贵林.吕绍旭.SONG Zhi-qiang.HE Hong.SHEN Gui-lin.LU Shao-xu 基于数据仓库的军事物流决策支持系统应用研究-物流科技2006,29(12)针对传统的数

49、据库模式下的军事物流决策支持系统存在的数据分散、数据规范不统一、数据可分析能力低等缺点,引进了数据仓库技术,分析了其体系结构,并将数据仓库技术应用到军事物流管理决策中,本文提出了基于数据仓库的军事物流决策支持系统,进而构建了军事物流决策支持系统系统架构和决策支持系统中数据仓库体系结构,最后对基于数据仓库的军事物流决策支持系统的应用与发展进行了展望.6.学位论文 蒋韶生 决策支持系统中数据仓库的研究与实现 2005 数据仓库是近年发展起来的一门数据处理和数据管理技术，它的出现大大促进了决策支持系统理论方法的研究和应用的发展。应用数据仓库技术建立决策支持系统，可以充分利用现有的数据资源，有效提高管

50、理决策水平，基于数据仓库技术的理论方法和应用研究已成为当前决策支持系统的一个研究热点。本文以基于银行业的互联网上的决策支持系统为背景，研究了数据仓库的建模及其在决策支持系统中的应用。文中首先简述了决策支持系统(DSS)的产生和发展现状以及数据仓库技术的最新进展，分析了在DSS中引入数据仓库技术的原因是出于DSS发展的需要，指出数据仓库的建立并不是要替代数据库，而是要建立一个在全面而完善的信息应用基础之上的，支持高层决策的分析环境。接着阐述了数据仓库技术理论，探讨了决策支持系统中数据仓库层的设计方法和软件开发方法，并提出了一种新的多维数据的建模方法。本文的重点是数据仓库的设计研究和性能优化。在详