决策支持系统在石化企业中的实施和管理规划.doc

决策支持系统在石化企业中的实施和管理规划何力健（中国石化股份有限公司茂名分公司信息中心，广东茂名，525011）摘 要：本文从企业管理改革和信息化发展建设等方面论述决策支持系统管理规划的不可或缺性，其核心支持技术、总体实施方案和以权责分配为出发点的管理流程设计。关键词：决策支持系统、数据挖掘、数据仓库、OLAP、OLTP、ETL随着中国石化信息化建设的日益发展，ERP系统、MES系统应用范围不断扩充深化，石化企业必将面临更加复杂的管理需求，而企业管理者如何依靠海量的数据做出正确的管理和经营决策显得至关重要。决策支持系统（Decision Support System，简称DSS）将为此做出最出色的解决方案，以准确而又量化的分析数据帮助管理层作出最佳的决策。一个成功的决策支持系统需要制定详细科学的实施和管理规划，使整个系统得到正常持续的实施、运转和发展，企业的决策层才能得到更加精确、长久和完整的分析数据，做出更高质量和更具效率的决策。1决策支持系统的实施1.1 实施决策支持系统必要性和可行性下面将从三个方面论证决策支持系统的必要性和可行性： 石化企业决策面临的挑战今天，石化企业管理所面临的外部环境正在迅速发生变化，环境也比以往更加复杂，这都对石化企业的管理决策带来了新的挑战。A：决策质量的要求更高。随着技术的迅速发展，客户获得产品和服务的渠道更为畅通，客户的选择余地更大。这迫使企业必须采取“以客户为中心”的经营策略，努力提高产品和服务的质量。B：决策时要考虑的因素更复杂。中国加入WTO之后，企业将面对全球的竞争者和全球范围的消费市场，面对国际化的企业约束法则，企业管理者在进行决策时需要考虑更多、更复杂的制约因素，C：决策速度要求更快。企业要维持自己的竞争优势，必须不断地创新，从以规模取胜转变到以速度取胜。D：决策失败的代价更高。企业的整个运作系统更加复杂和精密，某一环节的判断失误将产生连锁反应，造成企业重大的损失。E：面对趋势变化，管理者必须变得更加精明。随着企业规模的扩大和竞争环境日益复杂，管理者不能只依赖经验和直觉来评价企业的整体表现，必须借助一些关键的、量化的指标。但通常的MIS系统无法做到这一点。 石化企业决策层的分析需求不断快速增长由于石化企业管理所面临上述的种种挑战，石化企业决策层的管理者迫切需要一种计算机化的决策支持系统。虽然每个企业的状况不尽相同，但是其共同的决策支持需求都有以下几个方面：A：快速的计算（Speedy computation）。计算机允许决策制定者以很低的成本快速进行大量的计算。B：克服人在信息处理和存储上的限制。人的智力往往受制于自身处理和存储信息的能力。C：解决认知极限。当需要许多不同的知识和信息时，个人解决问题的能力将受限制，而在工作组合中人与人之间又会产生协调和沟通的问题。D：削减费用。聚集一组决策制定者，尤其是专家，代价高昂。计算机化的支持能削减决策制定者小组的大小，而且能提高支持人员的生产率（如财务或法律分析师）。E：信息支持。通过计算机技术，管理者可以获得正确的、及时的和最新的信息来进行决策。F：质量支持。计算机能提高决策的质量。利用计算机，可以评价更多的备选方案。决策制定者可以执行复杂的模拟，快速进行风险分析，快速经济地评定不同的影响，选择最好的决策方案。G：有助于业务流程重组和员工授权。决策支持系统在业务流程重组中可用于研究竞争者的活动、定制产品、优化生产流程等等。其专家系统，就可以使知识欠缺的管理者也能做出良好的决策。 石化企业积累了大量的历史业务数据，今后将面临数据高速增长石化企业经过长期的信息化建设，历史数据的沉淀积累已经相当丰富，今后随着ERP和MES这些大型的业务处理系统的部署实施和深化应用，数据将会不断持续高速增长。如何从这些海量的业务数据中进行快速有效的查询分析从而提炼出有价值的分析结果是摆在石化企业管理者的一道难题。决策支持系统对海量数据的强大处理能力将使这一难题迎刃而解。综上所述，决策支持系统能够为企业提供各种决策信息以及许多商业问题的解决方案，有效避免了决策者“沉溺在数据海洋之中”，减轻管理者从事低层次信息处理和分析的负担，使得他们专注于最需要决策智慧和经验的工作，从而提高了决策的质量和效率。实施决策支持系统是企业管理改革和信息化进程中的必然任务，以符合企业对制定决策质量、速度的更高要求。1.2 数据仓库是决策支持系统的核心 数据仓库介绍要使管理人员面对迅速变化的市场及时做出正确有效的决策，必须将大量的信息数据采集输入，并加以分析。DSS涉及的数据量极大，且来源广泛，传统的数据库系统已无法支撑DSS对数据的分析功能，这是因为：A：DSS的决策信息来自不同的数据源，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这些来自不同数据源的数据集成。B：DSS的关键是对大量历史数据进行分析以辅助决策，而传统的数据库系统是面向日常的业务操作和事务处理，对快速响应要求较高，但查询和分析数据能力较低。C：DSS的数据量很大，传统的数据库系统访问数据的能力不足，无法满足对大量数据的访问要求。为了适应决策支持系统上述需求，应运而生的就是数据仓库(DataWarehouse简称DW)技术。在数据仓库基础上构建DSS，能弥补以往DSS的不足，从而使现行系统中的数据库资源得到充分利用，非技术管理人员和一般用户能更方便地对来自多数据库的信息进行自由访问和分析，使企业分析工作和决策过程得到很好的支持，从而拓展了DSS的应用领域和应用范围。数据仓库旨在通过通畅、合理、全面的信息管理，达到有效的决策支持。公认的数据仓库之父W.H.Inmon在BuildingtheDataWarehouse一书中将其定义为：数据仓库是支持管理决策过程的、面向主题的、集成的、随时间而变的、持久的数据集合。它不同于传统的数据库，传统数据库中存放的是操作性的数据，主要用于联机事务处理(OnLineTransactionProcess简称OLTP)，它关心的是响应时间；而存放在数据仓库中的数据是分析性的数据，主要用于联机分析处理(OnLineAnalysisProcess简称OLAP)。数据仓库中的数据具有以下基本特征：A：面向主题(subject-oriented)。面向主题的数据组织方式，就是在较高层次上对分析对象的完整、一致的描述，能完整、统一地刻划各个分析对象所涉及的企业的各项数据以及数据之间的联系，是数据仓库的基本特征。B：集成化(integrated)。数据仓库的数据是从原有分散的数据库数据抽取来的。数据在进入数据仓库之前，要经过统一与综合，形成整合的、结构化的、易于导航的数据，能对决策分析进行快速、准确的响应。C：相对稳定(non- volatile)。数据仓库的数据主要供企业分析决策之用，所涉及的数据操作主要是数据查询，一般情况下并不进行修改操作。数据仓库的数据反映的是一段相当长时间内历史数据的内容，是不同时间点的数据库快照的集合，以及基于这些快照进行统计、综合和重组的导出数据，而不是联机处理的数据。 数据仓库在决策支持系统的作用数据仓库在决策支持系统流程中的位置可用下图（图1）表示：图1：数据仓库在决策支持系统中的作用数据源包括操作性的数据库系统中的数据和外部数据，为数据仓库提供原始数据。数据库中的数据来自于企业内部，已经被变换成一种规则的格式，称为结构化数据。外部数据由非事务型系统产生，来自企业外部，比如权威性刊物发布的统计数据、业界的技术报告、市场比较和分析报告、股票行情等，它们以非结构化的、不可预测的格式进入企业，称为非结构化数据。数据源可以是集中式的或分布异构的。原始数据经过抽取、转换、分类，然后进入数据仓库。一般来说，原始数据中存在大量缺陷和不一致性，比如不一致字段长度、数据类型等，这种比例极小的差错也会造成决策分析的失误。为保证数据质量，需要对移植的数据进行转换、过滤。进入数据仓库的数据，先按决策的主题要求形成当前的基本数据层，再按综合决策的要求构成综合数据层，随着时间的推移，由时间控制机制将当前基本数据层转为历史数据层。相应地，数据仓库中的数据也分为当前详细数据，轻度概略数据，高度概略数据和历史详细数据。查询分析工具面向最终用户，实现具体决策分析，如报表查询工具、趋势预测、统计分析工具。用户通过它们与后端数据仓库服务器进行交互，完成决策分析。数据仓库完成对决策主题数据的抽取、集成和综合，OLAP实现多维数据分析，数据挖掘用于从数据库和数据仓库中挖掘对决策支持有用的信息。DSS中，数据分析与决策的主要支撑技术为OLAP技术和数据挖掘技术。OLAP允许分析人员以交互方式浏览数据仓库并对数据进行多维分析，能及时地从变化和不太完整的数据中提出与企业经营动作有关的信息。OLAP是建立在用户对深藏在数据中的某种知识有预感和假设的前提下，由分析人员主动发问，自上而下地搜寻验证假设的正确性，来帮助用户综合企业信息。数据仓库中的数据来源于多种信息源，其中必然埋藏着丰富的不为用户所知的有用信息和知识，要使企业能及时准确地做出经营决策，还需要有一种基于计算机与信息技术的智能化自动工具来挖掘埋藏在数据中的各类知识。为此，数据挖掘技术应运而生并日益受到重视。数据挖掘是从数据仓库中发现并提取其隐藏信息的一种新技术。它建立在数据仓库基础之上，面向非专业用户，定位于桌面，支持即兴的随机查询。数据挖掘技术能自动分析数据，并对它们进行归纳性推理和联想，寻找数据间的内在的关联，从中挖掘出潜在的、对信息预测和决策行为起重要作用的模式，从而建立新的业务模型，以达到帮助决策者制定市场策略、做出正确决策的目的。建立在数据仓库基础上的决策支持系统，涵盖了联机分析处理和数据挖掘两个领域，它至少应能完成如下决策分析目的:A：查询。实现预定义查询、动态查询、联机事务处理的查询与决策支持的查询。B：报表。产生各种关系数据表格Table、复杂表格(静态),OLAP表格(动态)、报告、执行信息系统以及各种综合报表。C：可视化。用易于理解的点线图、直方图、饼图、网状图、交互式可视化、动态模拟、计算机动画技术表现复杂数据及其相互关系。D：统计。进行平均值、最大值、最小值、期望、方差、汇总、排序、限定、选择等各种统计分析。E：挖掘。利用数据挖掘技术对企业在经营过程中产生的大量生产数据、管理数据和经营数据等进行处理、分析、综合和解释，从中找出规律及其内在联系，预测发展趋势，形成企业技术决策与经营决策的依据。 建立数据仓库可以认识到决策支持系统的一个核心任务就是“建立数据仓库”：根据管理者的分析要求，从大量历史业务数据中抽取具有分析价值的原始数据，其中一部分形成规范格式的数据，存储在数据仓库中，另一部分形成具备关键索引的资料数据，以关键索引的形式存储在数据仓库中的元数据模块之中，经过若干次算法处理后，形成分析数据和预测数据，对管理者的决策提供准确量化的分析结果，为企业提供各种决策信息以及许多商业问题的解决方案。数据仓库的建设应该放在重要的位置，但是数据仓库建设的成本(人力、物力、财力和时间)一般是很大的，而数据集市是一种规模小、面向部门特定应用的部门级数据仓库，它的开发比较廉价。因此，对不少企业来说，可从建立数据集市开始进行数据仓库建设，并分三步进行：第一，建立少量部门的虚拟数据集市。第二，建立各部门的数据集市。第三，建立企业级数据仓库。需要强调的是，在建设数据集市时，必须以全局的观点来规划和设计，以避免在第三阶段向数据仓库演变时，出现不易平滑过渡的情况，甚至重新设计造成浪费和损失。1.3决策支持系统的主要应用决策支持系统（Decision Support System，DSS）通过结合个人的智力资源和计算机的能力来改进决策的质量。它是一个基于计算机的支持系统，服务于处理半结构化问题的管理决策制定者。DSS可以广义地作为一个包罗万象的术语，用来描述任何在组织中支持决策制定的计算机化系统。一个组织可能拥有一个为高层经理使用的经理信息系统；各种进行市场、财务、会计分析的DSS系统；生产中MRP系统和一些用于维修诊断的专家系统。企业根据自己的情况可以实施不同的DSS应用，但其最主要的应用有： 销售支持：每日按地区、部门、销售员和产品生成销售情况的汇总，还可根据需要定制额外的周期报表，这些特殊的报表提供了比较和趋势分析，有助于确定问题和机会。DSS应用能够分析和评价以往产品的销售，以确定产品成功或失败的因素。借助DSS，可以利用企业的全部数据来推测一个决策所隐含的利润和收入。 客户分析和市场研究：DSS应用可以利用统计工具来分析每天收集的交易数据，以确定各种类型客户的消费模式，然后采取相应的营销措施，从而实现最大的利润。市场研究包括：利用预测模型分析得出每种产品的增长模式，以便做出终止或者扩张某种产品的适当决定；企业品牌和形象的研究，以便提高企业和品牌的知名度与美誉度；分析客户满意度；市场规模和潜在规模的研究等。 财务分析：按年、月、日或其它自定义周期来进行实际费用和花费的比较；审查过去现金流的趋势，并预测未来的现金需求量；复杂项目的预算计划和成本分摊；整合各分支机构的财务数据，形成正确、一致的财务报表。 运筹和战略计划：基于资源和时间的限制来确定最优的项目时间表；制定工厂每日的生产计划；确定大型连锁机构中分支网点的设立，如连锁店、加油站、通讯中继站等等；协助制定大规模资本投资计划，并计算投资风险。 企业分析：为了达到组织的目标所必须考虑的因素被称为关键成功因子（Critical Success Factor，CSF）。CSF是企业级分析的焦点。这样的因子可以是战略性的或者操作性的，主要从三个来源导出：组织性因素、行业因素和环境因素。关键性能指标（Key Performance Index，KPI）提供了CSF在公司层次上的度量。典型的KPI见表1：典型的关键性能指标赢利能力每个部门、产品和区域的赢利能力；部门之间、产品之间以及竞争者之间的比较财 务流动比率；现金储备情况；资产负债分析；投资汇报率市 场市场份额，广告分析，产品定价，每周 （每天）的销售结果，客户的销售潜力人力资源人员流动率，工作的满意度计 划销售增长/市场份额分析经济分析市场趋势，对外贸易和汇率，行业趋势，劳动力成本趋势消费者趋势消费者的信心级别，购买习惯，人口数据表11.4决策支持系统实施的总体规划石化企业经过“十五”期间的建设发展，不断有效地通过信息技术改善管理，提高竞争力，已成为了具有现代企业制度和先进管理意识的企业。石化企业将成为中国企业DSS应用的先行者。对于石化企业DSS应用的实施，建议遵循总体规划、分步实施、迅速受益、不断完善的原则： 首先要整合内部管理，总结出能保证企业持续取得发展的管理思想，然后在DSS的总体规划中贯彻这些思想。 注重建设满足自身需要的系统，不必盲目地求大求新。 分阶段实施。以确保每部分都在管理上可控，从而降低决策风险。 应该让企业尽快从中受益，看到投入的回报。这样可以增加系统建设的信心。 随着企业的业务发展和信息技术的发展，DSS应用需要不断地调整和完善。石化企业计算机应用系统的分步发展阶段可以如下图（图2）所示： 图2：石化企业计算机应用系统的分步发展阶段2决策支持系统的管理规划2.1 决策支持系统业务管理的不可或缺性决策支持系统不同于其它一般的信息系统，该系统的实施范围十分广泛，涉及几乎所有的业务系统，需要各个业务系统的人力、时间、信息等等资源的足够支持，这就决定了决策支持系统需要在石化企业的信息管理部门和其他相关的管理部门在信息管理方面做出业务管理规划，统一安排调配企业内部各个系统的资源，相互协调，共同支持决策支持系统的实施。这样的规划如果只是在实施项目组内部设计的话，由于实施项目组统筹调配各系统资源的权力有限，难免顾此失彼，近几年来国内的很多决策支持系统项目往往就是在这样的“权责环境”下失败了，这些系统在实施的过程中项目组成员缺乏足够的权力来支配其它系统的人力物力，造成系统设计与实际的环境脱节，即使系统勉强实施完成之后由于缺乏后续的管理维护，造成数据加载处理失效，最后系统成了一道“摆设”。所以，决策支持系统的实施成功以及维护需要管理的大力配合，业务管理在整个系统运行的过程中发挥着不可或缺的重要作用。2.2 权利和责任的分配：管理业务流程的设计不难看出，实施建立决策支持系统应该是“一把手工程”，如果没有权力足够高的决策层的参与管理的话，那么该系统最终可能落于形式，因为决策支持系统是为决策分析者使用的，分析主题的相关应用是企业经营者最关心、最感兴趣、最期望的一些事物。具有足够高权力的决策层的参与并且制定相应的管理规划意味着对相关部门权利和责任的分配，对决策支持系统的建设起到非常关键而又重要的作用，特别是在实施过程中和系统验收维护的时候，产生决定性的影响。如何分配各个部门的权力和责任？其实解决这个问题相当于设计一个管理业务流程。从决策支持系统的实施过程中影响资源分配调用的各个环节来看，最复杂的模块流程是ETL（对数据的抽取(Extract)、转换(Transform)、加载(Load)）处理模块，其中流程各部分的有机配合，形成一个完整的管理规划，基本上具备了决策支持系统的各个管理方面的特征，可以作为决策支持系统管理规划的一个示范：首先要确定管理规划中要涉及的各个部门的职能定义：A：决策支持系统的使用者（简称用户）：运用这套系统以达到分析决策的目的。B：决策支持系统的数据源提供者（简称数据源提供者）：管理数据源系统，负责确认数据源是否可以提供以及提供过程。C：决策支持系统的数据源采集开发者（简称数据源采集开发者）：负责数据源提供过程中的技术开发和维护。D：决策支持系统的技术支持者（简称技术支持者）：负责整套系统环境的设计开发和维护。E：决策支持系统的管理者（简称管理者）：负责将数据源的需求以及今后决策分析需求的变更传达给上述各类对象，协调上述各部门的工作进度，并且负责解析此文档所有细节然后确定出管理规范流程产生的文档定义：A：数据源需求文档：明确指标的定义，其他维度的取值范围（包括数据的时间频率）以及维度中的各个维值的分析层次，其中，必须说明提供指标数据的来源，既数据源提供者。B：数据源需求标准接口文档：明确指标的分析结构，必须把每一类结构中各个维值的编码和名称描述清楚。C：数据源提供备忘录：明确数据提供方式和数据提供的具体时间以及频度，并且要有数据源提供者和数据源采集开发者的签字确认。最后设计出管理流程规划，以明确在流程中各部门的权力和责任： 管理者提交数据源需求文档给所有涉及的对象，并且负责解释数据源需求文档所有细节。 技术支持者根据数据源需求文档整理成数据源需求标准接口文档，并且提交给管理者。 管理者把数据源需求标准接口文档提交给数据源提供者。数据源提供者根据由管理者提交的两份文档（数据源需求文档，数据源需求标准接口文档）确认是否可以提供与需求文档对应的数据。 如果不能提供，则由数据源提供者说明原因，