综合决策支持系统(一)

1、第6章综合决策支持系统第（1）部分6.1基于模型库与知识库的传统决策支持系统6. 2基于数据仓库的新决策支持系统i6.1基于模型库与知识库的传统决策 支持系统6.1.1 传统决策支持系统1、1980年Sprague提出了决策支持系统三部件结构；2、1981年Bonczak等提出了决策支持系统三系统结构；3、根据以上两种结构的优缺点建立起来的统一的DSS结构;4、20世纪90年代初，决策支持系统与专家系统结合起来， 形成了智能决策支持系统(IDSS) o1、1980年Sprague提出了决策支持系统三部件结构:2、1981年Bonczak等提出了决策支持系统三系统结构:用户语言系统 (LS)问题

2、处理系统 (PPS)知识系统 (KS)3、根据以上两种结构的优缺点建立起来的统一的DSS结构:4、20世纪90年代初，决策支持系统与专家系统 结合起来，形成了智能决策支持系统（IDSS）:6. 1.2传统决策支持系统的发展1、大连理工大学、山西省自动化所和国际应用系统分析研究所（IIASA）合作完成了山西省整体发；规划决策支持系统。2、国防科技大学完成的北京市房山区发展规划决策支持系统。3、我国早期创办的决策与决策支持系统刊物，现为管理科学学报，为决策支持系统的发展 作出了贡献。6.1. 2传统决策支持系统的发展4、笔者于1989年在国内较早地研制完成了“决策支持系统开发工具GFKD-DSS”

3、。用GFKD 一DSS工具开发了南京林业大学的“松毛虫智能预测系统”。5、中国科学院计算技术研究所1996年完成的“智能决策系统开发平台IDSDP"。6、笔者于1995年完成的“分布式多媒体智能决策支持系统平台DM-IDSSP”。6.1. 2传统决策支持系统的发展7、笔者于1999年研制出“基于客户机/服务器的决策支持系统快速开发平台CS-DSSP”，平台在互联 网上由客户端、广义模型服务器、数据库服务器三部 分组成，构成三层客户机/服务器结构模式。CS-DSSP平台的可视化系统生成工具能够快速地 制作应用系统并能够可视化运行应用系统，又可以快 速改变应用系统方案。6. 1. 3传统

4、决策支持系统的关键技术和开发困难康的关键技术:C1）模型库系统的设计和实现。（2）部件接口。部件接口包括对数据部件的数据 的存取，对模型部件的模型的调用和运行，以及对知 识部件的知识完成推理。6. 1. 3传统决策支持系统的关键技术和（3）系统综合集成。通过集成语言完成对各部件 的有机综合，形成一个完整的系统。开发困难DSS的开发困难：（1）模型库系统没有统一的理论和产品，研制者 需要自己设计和开发。（2） DSS综合部件对数据、模型、知识3个部件进 行有机集成。现已开玄出来的决策式特乐锐都是匈籽领叶和实 现蟆型席东筑、前己所制实现蟆型.加钠、织据桑氏 的徐合裕言。据仓库技术.2基于数据仓库的

5、新决策支持系统1 数据仓库技术及困难6. 2.1.1数据仓库技术1、管理大量数据数据仓库中的数据量是10GB或100GB级的，数据仓库开发需要满足处理大量数据的需求。2、数据的高效装入和数据压缩(1)装入数据：装入的数据量很大，同时也要装入高效 的索引。(2)数据压缩：DW数据量大需要进行数据的压缩。3、存储介质的管理数据仓库中的数据量是10GB或100GB级的，数据仓库 开发需要满足处理大量数据存储介质的需求。存储介质访问速度存储费用存存 片 内缓 胶 存展速盘盘缩 主扩高磁光微非常快非常快非常快常 中贵宜 非贵贵适初& 6. 2. 1. 1数据仓库技术4、元数据管理没有一个好的元数

6、据来运作的话，DSS分析员的工作就 非常困难。5、数据仓库语言数据仓库语言可有效管理数据仓库中的数据和快速、 高效地访问数据仓库中的数据。6、高效索引数据仓库不仅能够方便地支持新索引的创建和装入， 而且要能够高效地访问这些索引。6. 2. 1. 1数据仓库技术7、1据仓库的特殊管理（1）复合键码：能够支持复合键码。（2）变长数据：有效管理变长数据的能力。（3）快速恢复：快速地恢复数据仓库表。8、多维DBMS和数据仓库多维数据库管理系统（多维DBMS）提供了用多种方法对数据进 行切片、分割，动态地考查汇总数据和细节数据的关系，非常适合 DSS环境。数据仓库中的细节数据为多维DBSM提供了数据源，

7、数据要定期 从数据仓库中导入到多维DBMS中去，为DSS用户服务。6. 2. 1. 2数据仓库开发的困难数据仓库由于数据量大(具有GB级到TB级的数据)，使得数据的存储和管理复杂,数据仓库需要一个具有海量存储的硬件平台和一个能进行并行处理的大型数据库系统oj 6. 2. 1. 2 数据仓库开发的困难总结开发数据仓库的典型错误包括以下几方面:(1)没有理解数据的价值。(2)未能理解数据仓库概念。(3)未清楚了解用户将如何使用数据仓库之前，便贸然 开发数据仓库。(4)对数据仓库规模的估计模糊。(5)忽视了数据仓库体系结构和数据仓库开发方法。数据仓库的开发只有克服了以上的错误观念，才能真正 发挥它的

8、作用，得到发展。J 6.2.2数据仓库与新决策支持系统有两类本质不同的最终用户：1 .信息的使用者，他们是数据仓库的大多数 用户，他们从数据仓库中获取所需要的信息；2 .探索者，他们利用联机分析处理（OLAP）和数据挖书（DM）工具对数据仓库进行深层次的分析，获取辅助决策信息，即利用数据仓库建立决策支持系统。J 6. 2. 2. 1数据仓库系统的用户信息使用者以一种可预测的、重复性的方式来使用数据仓库平台。信息使用者完成查询时，他们 找到的只是少量“精华”。他们查看相对少量的数 据，并通常查看概括数据或聚集数据。信息使用者通常查看相同的商业维度（也就是 产品、客户、时间）和指标（即收入和成本）

9、随时 间的发展趋势。数据仓库的信息使用者对数据仓库的 使用具有以下特征：（1）在搜索数据前，已经知道（6）对数据的需求。（7）（2）他们是有规律地访问数据。（3）能知道他们正在寻找什么。但）（4）他们访问的数据量较小。经常处理以前访问的数据。经常访问各类综合数据。较少访问最近的详细数据。能发现少量的精华。（5）访问可预测的数据。（10）最佳的数据结构是星型模 型。工6.2. 2. 2 决策支持系统的用户. 决策支持系统的用户是探索者。探索者并不知道什么是他们所需要的。“当我 看见它的时候，我就会知道我需要的是什么”探索者的一项任务就是根据过去的成功和失败 来尽力确定未来处理商务的更好方法。例如

10、，过去哪些商品促销的不错？其中，偏爱 这类商品的客户特征是什么？J 6. 2. 2. 2决策支持系统的用户（1）不规律地访问数据（2）只知道总体的需求（3）有规则的访问最近的详细数据（4）查看数据关系而不是数据值（5）利用数据挖掘/统计分析工具进行探索（6）最佳的数据结构是关系结构探索者要完成4种基本类型的工作:（1）概况分析：概况分析用来评定是否有充分的样本数据量。在抽取、建模和分类之前，概况分析活动对于确保数据质量非常关键。（2）抽取：数据抽取的任务就是从数据仓库 中抽取指定的数据，送入用来支持探索者 分析活动的临时仓库中。探索者要完成4种基本类型的工作:3）建模：建模是开发一种用来描述实

11、体（也就是客户、产品和渠道）特征的模型的过程，根 据数据仓库中的实体来分类这些实体，并可预 测将来的结果。探索者普遍使用的模型应包括客户分段、后续产品、欺诈检测、渠道响应、客户生存期价值和推销响应（4）分类：探索者依据这些实体与这个模型的 匹配来分类数据仓库中的其他实体。6. 2. 2. 3 信息使用者和探索者的关系探索者帮助指导战略的处理商务，而信息使用者是从战术上监控这些决策的效果O例如，根据信息使用者的报告，公司正在流失更多的 顾客。探索者开始调查以揭示为什么公司正在失去这么多 客户。探索者将和业务组一起制定保留高价值客户的战略。信息使用者则需要连续观察客户保留量，并报告执行 这些战略的

12、效果和它们与所期望的程度相差多少。h 6.2. 2.4新决策支持系统结构数据仓库是为辅助决策而建立的，单依靠数据仓库能 力是有限的。数据仓库中有大量的轻度综合数据和高度综 合数据。这些数据为决策者提供了综合信息。数据仓库保存有大量历史数据，这些数据通过预测模 型计算可以得到预测信息。金信息我涮信息是上胡仓库所获格酶轴助 决柒信息。6. 2. 2. 4新决策支持系统结构数据仓库(DW)中增加联机分析处理(OLAP)和数据 挖掘(DM)等分析工具，能较大地提高辅助决策能力。联机分析处理得到更深层的信息和知识。利用数据挖 掘技术对数据仓库中数据的挖掘，才能获取更多的辅助决 策信息和知识。DW+OLA

13、P+DM的决策支持系统是以数据仓库为基础的, 称为基于数据仓库的新决策支持系统。基于数据仓库的新决策支持系统结构:新决策支持系统的特点是从数据中获取辅助决策的 信息和知识。新决策支持系统与商业智能概念最早是(business intelligence, BI)Garther于1996年提出的。商业智能以数据仓库为基础，通过联机分析处理和数据挖掘技术帮助企业领导者针对市场变化的 环境，作出快速、准确的决策。商业智能是一种技术，新决策支持系统是解决实际决策问 题的一个系统。新决策支持系统是利用商业智能技术来解决实 际决策问题的系统。商业智能所体现的智能行为在于：能够解决市场环境中随 机变化的决策问

14、题。6. 2.3新决策支持系统与商业智能商业智能的决策支持表现为以下几方面。1、商业智能的数据分析（1）联机分析处理的多维数据分析对多维数据进行切片、切块、钻取、旋转等操作来完成多 维数据的分析。（2） what-if分析（假设分析）what-if分析为决策者提供多种参考依据，提高决策效果。（3）建立客户购买商品的偏爱和选择模型通过模型找出客户偏爱和选择商品的关系，扩大公司在市 场中的竞争能力。J 6.2.3 新决策支持系统与商业智能2、业务智能管理（1）客户智能客户智能是提供全方位的客户信息查询、分析和监控的 系统。（2）营销智能通过分析、报告、管理和监控营销信息来帮助企业的高级执行官、营销

15、专家和分析人员制定战略性的营销策略。（3）销售智能提供全面的销售团队分析、销售业绩分析、根源分析和 业绩管理来帮助企业领导者制定销售策略及对销售业务快 速作出市场反应。, 6. 2. 3新决策支持系统与商业智能(4)服务智能提供强大的服务智能分析(服务请求状态分析、服务请 求解决方案分析、代理商/分析人员效率分析等)和个性化 服务来分析与服务相关活动的全面信息，监控服务质量。最 终帮助企业制定更合理高效的服务策略。(5)采购智能提供一些工具，用于确定哪些供应商一直在及时提供质 优价廉的产品和服务。这些信息用来建立供应商战略联盟， 改善供应商关系，更直接地将重点放到改进供应商服务的机 会上。&a

16、mp; 6.2.3 新决策支持系统与商业智能(6)流程管理智能为流程制造商提供产品、生产、存货和成本信息以解 决流程制造业中的特定问题，为流程制造商提供更好的决策 信息和持续流程改善的建议。(7)财务智能提供一种易于使用的Web格式的财务盈利状况分析报表、 现金流分析报表、现金状况分析报表、资产管理分析报表、 项目分析报表等，方便企业迅速地分发财务信息，从而使财 务主管能更及时地作出更好的决策。6. 2.4新决策支持系统实例1、沃尔玛(Wal-Mart)公司简介美国的沃尔玛(Wal-Mart)是世界最大的零售商，2002年4月，该公司跃居财富500强企业排行第一，在全球拥 有4000多家分店和

17、连锁店。2、信息技术的成功运用造就了沃尔玛6.2.4新决策支持系统实例(1) Wal-Mart建立了基于NCR Teradata数据仓库的决 策支持系统，它是世界上的第二大数据仓库系统，总容量达 到170TB以上。(2)强大的数据仓库系统将世界4000多家分店的每一笔业务数据汇总到一起，让决策者能够在很短的时间里获得准 确和及时的信息，并作出正确和有效的经营决策。而沃尔玛 的员工也可以随时访问数据仓库，以获得所需的信息。(3)沃尔玛的创始人萨姆沃尔顿在他的自传中说:“我总是喜欢尽快得到那些数据，我们越快得到那些信息, 我们就能越快采取行动，这个系统已经成为我们的一个重要 工具”。3、沃尔玛数据

18、仓库系统的发展过程(1)沃尔玛的数据仓库始建于20世纪80年代，并一直 由NCR数据仓库公司帮助经营。(2) 1988年沃尔玛数据仓库容量为12GB； 1997年扩展到24TB；今天，沃尔玛的数据仓库已经惊人地达到了 170TB。(3)利用数据仓库，沃尔玛对商品进行市场类组分析(marketing basket analysis),即分析哪些商品顾客最有希望一起购买。沃尔玛利用数据挖掘工具(模式识别软件) 对这些数据进行分析和挖掘。例如尿布和啤酒的故事。(4)如今，沃尔玛利用NCR的Teradata对超过7.5TB的数据进行存储，这些数据主要包括每天夜间从4000多个商店通过前端设备(P0S,

19、扫 描仪)自动采集过来的原始销售数据和库存数据,它们通过卫星线路传到总部的数据仓库里。(5)数据仓库存有196亿条记录，每天处理并 更新2亿条记录，要对来自6000多个用户的 48000条查询语句进行处理。(6)沃尔玛数据仓库里最大的一张表格容量已超过300GB,存有50亿条记录，可容纳65个星 期4000多个商店的销售数据，而每个商店有5 万8万个商品品种。, 4、沃尔玛进行决策支持分析(1)商品分组布局合理的商品布局是一种微观销售策略，它能节省购买时间并刺激顾客的购买欲望。沃尔玛利用市场类组分析(MBA),分析 顾客的购买习惯，掌握不同商品一起购买的概 率及购买者在商店里的穿行路线和时间，

20、从而 确定商品的最佳布局。4、沃尔玛进行决策支持分析（续）（2）降低库存成本加快资金周转，降低库存成本是一个重要问 题。沃尔玛通过数据仓库系统，将成千上万种商 品的销售数据和库存数据集中起来，通过数据分 析，以决定对各个商店各类货物进行增减，确保 正确的库存。数据仓库系统不仅使沃尔玛省去了商业中介, 还把定期补充库存的担子转嫁到供应商身上。4 4、沃尔玛进行决策支持分析（续）（3） 了解销售全局每天，各商店都把商品种类、销售数量、 商店地点、价格和日期等分类信息传回总部, 使沃尔玛能确切知道当天的运营和财政情况。凭借对瞬间信息的随时捕捉，沃尔玛对销售的每一点增长、库存货物百分比的每点上升 和通

21、过削价而提高的每一份销售额都了如指掌3 4、沃尔玛进行决策支持分析(续)(4)市场分析沃尔玛利用数据挖掘工具和统计模型对数据仓库的数据仔细研究，以分析顾客的购买习惯、广告成功率和其他战略性信息。(5)趋势分析沃尔玛利用数据仓库对商品品种和库存的趋势 进行分析，以选定需要补充的商品，研究顾客购 买趋势，分析季节性购买模式，确定降价商品， 并对其数量和运作作出反应。5、启示(1)沃尔顿在自传中写道：“我能顷刻之间把信息提取出来，而且是所有 的数据。我能拿出我想要的任何东西，并确切地讲 出我们卖了多少”。(2)基于NCRTeradata的数据仓库系统改变了 沃尔玛，而沃尔玛改变了零售业。许多世界顶尖级 的零售企业在它的影响下都先后建立了数据仓库系 统。沃尔玛的成功给人以启示：惟有站在信息巨 人的肩头，才能掌握无限，创