摘要：文章概述性的介绍了决策支持系统的数据分析技术、数据挖掘和数据仓库相关技术，基于传统决策支持系统的缺点不足之处，提出了一种基于数据仓库技术的决策支持系统，介绍了其设计方案和开发方法。
关键词：数据仓库；决策支持系统；DSS；OLAP；DM；DW
中图分类号：TP311.131文献标识码：A 文章编号：1007-9599 (2012) 09-0000-02
一、引言
决策支持系统是在管理学和运筹学的基础上，以计算机技术和信息技术作为手段，通过人机交互实现管理决策活动。但随着市场经济和计算机技术的迅猛发展，各行各业竞争日益激烈，在企业基于数据库技术的传统决策支持系统已达不到要求的背景条件下，建立基于数据仓库的决策支持系统是必然的。数据仓库技术的有点可以提高决策支持系统的能力，实现对企业信息的高度集成化、合理和有效的管理目的。
二、决策支持系统的相关技术
（一）数据分析技术(OLAP)。数据分析技术OLAP应用与联机事务处理(OLTP)的应用不同。数据分析技术OLAP侧重于对高层管理和分析人员提供决策支持，是可以设计应对复杂的分析操作，在分析人员的分析要求操作下，采用灵活快速地进行查询处理，并且可以针对大数据量和类型复杂的数据进行查询处理。最终以直观易懂的形式提供查询结果给高层管理人员以制定决策。数据分析技术OLAP还具有多维数据分析的特点，通过对多维数据进行钻取、剖切和旋转来实现对数据库所提供的数据进行深入的多维数据分析，成功为决策者提供准确的决策支持依据。决策支持是多维结构的支柱以及数据分析技术OLAP的核心。数据分析技术的多维数据分析特点可以与数据仓库的多维数据组织相互结合、相互补充。设计中可以采用数据分析技术与数据仓库技术相结合解决传统决策支持系统中大量数据处理的问题。（二）数据挖掘技术(DM)。数据挖掘技术主要基于人工智能、统计学和机器技术等技术。数据挖掘技术是一种决策支持过程，可以自动化的分析企业的原有数据，对其进行归纳性的推理，挖掘出其中的潜在模式，辅助决策人员做出正确的决策。数据挖掘的对象可以是数据库、文件系统，以及以其他组织在一起的数据集合，例如web数据资源和数据仓库。数据挖掘首先应具有用于挖掘的数据源，在基于明确挖掘目标的前提下，结合各个专业人员参与，同时配有大量的资金是实现数据挖掘的关键。实现数据挖掘具有一定困难，难度在于数据积累的缺少、构建业务模型、缺少有经验的实施者、各类人员之间的沟通障碍和初期资金投入较大等。虽然具有以上难度，但数据挖掘技术的前景由于其技术优点还是被普遍看好的。（三）数据仓库技术(DW)。数据仓库是一个数据集合，数据集合具有集成的、随时间变化、不可更新和面向主题的特点。数据仓库可以支持企业的决策分析处理。数据仓库存放的是静态的历史数据，和传统的数据库相比，只能定时的刷新和添加。数据仓库的结构比较简单，为中高层的管理人员提供决策支持。数据仓库具有访问频率低和访问量高的特点。数据仓库与数据库相比，数据仓库访问量高于数据库的访问量，数据仓库的访问响应时间要求相比数据库并不高，不像数据库要求响应时间要在几秒钟内。可以应对不同层次的管理人员，通过采用数据仓库技术进行决策分析，可以提高管理决策的质量和效果。
三、传统决策支持系统的缺点与不足
（一）没有有效的分析工具。首先应了解企业决策的过程，该过程包括提出问题、分析问题和解决问题的循环。而在其中的分析过程实质上是对数据信息不断的抽取过程，并对大量的分散数据进行快速综合的分析，最终捕获决策的相关信息。传统的决策支持系统过于注重抽象的理论研究，不够重视的分析工具，使分析工具不够有效，所以得不到相应有效的分析结果。（二）统一性和完整性的不足。传统决策支持系统的系统结构是以模型库、数据库、方法库所组成。但模型库、数据库和方法库在决策支持系统开发过程中都是被独立设计的，这样在系统结构上就存在统一性和完整性的不足，应用效果的并不理想。（三）数据源分析缺点。传统决策支持系统是直接利用关系数据库中的数据进行数据处理，只能对原始数据进行一般的汇总加工，提供决策的信息不足以满足决策支持系统的需要。数据库中的数据源由于抽取的数据各个部门没有统一的格式标准，造成分析的不稳定性；这样在没有统一标准的前题下，没有统一格式的数据利用率就会很低，并且数据的可信度也会降低，会无法转化为对决策者有用的决策信息。传统决策支持系统是对存储的数据在固定的期限内才会进行提取分析，这时所累计的大量数据进行详细的分析必然会导致分析效率的下降，给分析人员带来大量的工作内容，但如果不能进行详细的分析，必然会导致有用的信息不能得到有效的分析利用吗，从而提供准确有效的决策信息。（四）部件使用不理想。传统决策支持系统的各部件中，可以直接使用的只有成形的商品软件数据部件，而对于其他部件就无法直接使用，虽然计算机语言可以对传统决策支持系统的接口进行设计和开发，但这必然浪费大量的时间、人力和财力。
四、数据仓库技术在决策支持系统构建中的应用
设计思路是结合数据分析技术、数据挖掘和数据仓库以及模型库，建立一个综合的决策支持系统，该决策支持系统具有更强的决策属性。实施这样的决策支持系统是一个系统工程，也是一个一次性工程，因为不同的行业、不同的企业都会由于自身特点而有很大的不同。在这里试图寻找出的共同的特点，把握其规律，为企业提供参考。现提出模型构建如下。（一）系统的总体结构。基于数据仓库技术的决策支持系统首先应具有性能优良的数据分析技术(OLAP)，这是因为数据分析处理系统是整个决策支持系统中数据的重要来源，这样才能够建立完善的数据仓库(DW)，使其包括大量的、稳定的、历史性的本地内部、本地外部以及远程数据，数据仓库对数据分析处理系统数据库中的数据进行集成、转换和综合等处理，之后将数据重新组合，构成面向全局的数据视图，为决策支持系统提供数据存储和组织的基础；目前各个数据模型已有一定成熟的技术，可以为之后的分析将以上所述数据重新组合。采用多维的数据模型同时结合和数据数据分析技术(OLAP)可以为用户实现多维的数据分析，使用户以更接直接可靠的分析数据；数据挖掘(DM)是以数据仓库技术(DW)和多维数据库中大量的数据作为分析基础，可以自动的发现这些数据中存在的潜在模式，再基于这些分析出来的潜在模式作为基础自动的做出分析预测。数据挖掘(DM)中发现的知识可以直接用于指导数据分析技术(OLAP)的分析处理，而数据分析技术(OLAP)分析得出的知识也可以立即补充到系统的知识库中形成循环。
在决策支持系统中，数据仓库是DSS的基础，完成对决策主题数据的存储和整合，数据数据分析技术(OLAP)可以分析多维数据，数据挖掘(DM )的作用是挖掘数据库以及数据仓库中的知识。其中模型库可以配以多个广义模型组合起来辅助系统决策，决策支持系统利之后再利用知识推理的方式进行定性的分析，最终做出综合的决策。可以看出集成数据仓库、数据分析和数据挖掘的综合决策支持系统，这些技术相互补充、相互依赖，不仅可以发挥各自的辅助决策优势，同时结合还实现更高效的辅助决策。简单的说，我们可以概括的总结为DSS=DW+OLAP+DM（二）数据仓库系统的建立。1.数据仓库系统的构成。一个完整的数据仓库包数据获取部分、管理部分、括仓库部分、分析工具四部分。数据获取部分包括内部数据库、外部数据库、联机数据及其他和上述数据的抽取、转换盒装载；管理部分包括数据仓库管理工具、数据建模工具、数据维护模块和仓库定义元数据库；仓库部分包括综合数据、当前数据和历史数据；分析工具则包括用户查询工具、OLAP工具、DM工具和c/s工具。2.数据仓库的建立。数据仓库的建立应围绕如何对数据来源的分析处理、如何构造数据仓库本身、如何对数据的转化与综合过程的定义、如何从数据仓库中提供获取用户所需信息。数据仓库的建立过程如下图：
(1)项目规划：软件项目实施具有一定的风险性，前期的规划是一个重要环节，可着重规划人员安排、投入、实施进度等内容。(2)系统分析：对现有系统的进行分析，了解存在的问题再哪里。(3)数据仓库建模：根据终端用户的需要，相应的在数据仓库中为存储的数据建立模型。(4)数据的获取和集成。①选择数据源：与传统应用系统的信息来源不同，数据仓库的信息来源应从公司终端用户的需求出发，在各种数据库系统中选出所需的数据源。②数据源数据的标准化：在对所选择的数据源进行深入分析后，必须针对不同应用系统中进行数据源数据的标准化处理，避免数据的命名和结构冲突以及内容含义不一致的情况。③逻辑处理：针对数据源到数据仓库过程所建数据模型必须经过转化和综合性的逻辑处理，该过程包括计算出所需转化合并的数据数量、需要综合的数据文件范围以及转化和综合性所需的时间等。④生成中间数据：中间数据不仅起到确定原始数据的作用，同时中间数据还描述了数据的转化和综合性的逻辑处理，从而定义了数据仓库所需的数据模型。(5)构建数据仓库。①数据导入：数据需分别经过抽取过程、转换过程、清洗过程，之后数据便会从联机事务处理系统、外部数据和脱机数据存储介质中被导入到数据仓库。其中的抽取过程是数据导入的关键，抽取过程分为：数据的获取，从外部数据源或内部数据源数据系统中获取决策支持系统用户所需的数据。在经过数据的过滤，可以将掉不需要的信息数据过滤掉。之后进行数据净化，净化后DSS用户所需的数据质量将有效的提高。最后进行整合和装载，将数据进行转换并将数据按规则组织数据，所得到的新数据装载到数据仓库中去。②优化Dw系统：采用优化器进行优化，得到最优的查询方案。③提供查询方案：生成所需的终端用户应用软件，为其提供查询工具等。(6)DSS应用编码：根据前面收集的数据，编写决策支持系统程序。(7)系统测试与运行：程序结果收集后，对这些数据进行测试，检验结果是否满足决策支持系统的需求， 如测试不合格，返回DSS应用编码步骤，也可返回到仓库建模步骤。(8)后期维护与升级。在基于数据仓库技术的决策支持系统构建过程中，由于不同的企业会有不同的需求和不同的问题，但总体的思路是统一的，结合企业的不同特点，不断的进行系统的后期维护与升级，为企业开发提供高效的支持决策系统。
五、结论
由于数据仓库时数据库技术的最新内容，且其中的数据具有高度的一致性和完整性，结合准确有效的方法模型，在加上强大的分析工具，致使基于数据仓库相关技术的决策支持系统，在面对实际问题时能够比照传统的支持决策系统为管理决策者提供更加准确、全面、有效的辅助信息。
参考文献：
[1]李书涛.决策支持系统原理与技术[M].北京：北京理工大学出版社,1996
[2]林宇.数据仓库原理与实现[M].人民邮电出版社,2003,1
[3]李玲．数据仓库技术在决策支持系统中的应用[J].湖北邮电技术,2006,6