基于数据挖掘的决策支持系统分析研究

1、理论版）（图书馆学研究基于数据挖掘的决策支持系统分析研究陈路明【摘要】文章分析了数据挖掘技术在决策支持系统中的应用现状，传统决策支持系统由于其功能的不足，不能满足现代企业的决策需求，而数据挖掘技术是解决该问题的有效途径之一。同时分析了基于数据挖掘的决策支持系统的体系结构，并且讨论了数据挖掘在实际决策支持系统中的应用以及决策支持系统的发展趋势。【关键词】数据挖掘决策支持系统：，：随着数据库技术的广泛应用，以及人们对当今社会信息的高层次需求，以事务处理为核心、支持业务操作环境与平台的数据库技术已不能适应人们在分析和决策层次上的需要。为了有效地为企业和政府的管理与决策过程提供重要的信息，需要根据决策

2、的需要收集来自企业内外的有关数据，并加以适当地组织处理，以形成一个综合的面向决策的环境。数据挖掘技术是作为独立的信息技术出现的。数据挖掘是通过对数据库、数据仓库中的数据进行分析，获得有用知识和信息的一系列方法和技术。在国外，数据挖掘技术已迅速发展起来，逐渐成为决策支持的新手段。我国信息系统实施现状分析我国企业从建设最初的电子化的生产或业务系统开始，就一直向往能真正拥有信息，但是在经历了网、管理信息系统（络系统、办公自动化（）和、电子商务、决策支持系统企业资源计划（）（）以及近年来引起广泛关注的数据挖掘、数据仓、客户关系管理（库（）等多个定位于信息获取和管理的系统之后，这种向往并没有真正像所期望

3、的那样被逐步现实化。造成这种情况主要是因为系统实施质量和应用情况问题。因此，对已经实施和准备实施以上系统的企业，必须对以上系统有清楚的认识和定位，进一步把握好实施和应用的关键因素至关重要。在系统日渐成熟和普遍应用的今天，如何从长期应用积累的数据中提取和发现对企业发展至关重要的规律，形成科学决策的依据，对于企业充分发挥系统效率，改进提高应用水平具有重要意义。决策支持系统的先天不足决策支持系统的英文名词为，简写为。年，美国莫顿教授提出决策支持系统概念。此后它发展迅速，在美国许多部门中成功地获得应用，如对城市规划决策、商品销售决。策等，深受用户欢迎决策支持系统侧重于半结构化或非结构化决策。这两种决策

4、在解决问题时没有一定的模式或程序可遵循，需凭决策人的经验和洞察力进行决断。决策支持系统应用计算机技术将人类的洞察力、分析和解决问题的方法及经验加以逻辑化、数字化，并编成逻辑判断程序送入计算机。这套程序软件就构成决策支持系统。决策支持系统具有四个特性：（）一个是集中决策，面向高层管理和执行决策。（）使用方便、灵活，适应性强，响应速度快。（）支持做出决策过程的所有状态。包括智能活动，即搜索原始数据进行处理以及对识别问题的思想作解释；设计活动，即问题的处理、产生解答和测试解答的可行性；选择活动，即从这些可行性中选择一定的作用过程，加以实现。（）支持各种决策过程，能够满足不同变量类型之间的决策问题。用

5、户使用决策支持系统基本上是通过交互设备如终端显示器、打印机、绘图仪等向计算机输入决策要求，然后选择输出形式如图线、报表、直接在屏幕显示等，计算机根据这些请求进行处理，最后输出一个解决问题的最优方案。所以，决策支持系统具有试探、。推理、演绎等功能（）数据挖掘生成的模型结果可以与企业的业务操作平台自动连接，使分析结果可以很方便地得到应用。数据挖掘方法数据挖掘从本质上说是一种新的商业信息处理技术。数据挖掘技术把人们对数据的应用，从低层次的联机查询操作，提高到决策支持、分析预测等更高级应用上。它通过对这些数据进行微观、中观乃至宏观的统计分析、综合和推理，发现数据的关联性、未来趋势以及一般性的概括知识等

6、。数据挖掘作为一门数据处理的新兴技术，它具有的特征是处理海量数据，并且即使这些数据是不完全的、冗余的、随机的、复杂数据结构的、维数大的，都可以通过数据清洗来选。数据挖掘是多学科交择有用数据，建立知识模型）是在管理信息系统的基础上决策支持系统（发展起来的，在数据仓库、联机分析处理技术和数据挖掘工具出现以前，在实际应用开发过程中暴露出许多问题，主要有以下个方面：）（所使用的数据库（）只能对原始数据进行一般的加工和汇总，致使决策所需信息不足，难以满足的需要。（）由于决策本身的动态性和复杂性，针对不同的情况应有不同的处理方法，而模型库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

7、少，模型参数固定不变，不符合决策要求，所作出的决策常被有经验的决策者一口否定，使决策者对产生不信任感。（）在实际开发过程中，人机接口部件占整个开发工作量的一半，人的任何意图及系统对人的任何支持都要通过人机接口才能最终实现，因此它在整个系统中起着举足轻重的作用。人机接口开发得不理想，可以说是实施中的一个瓶颈。叉，涉及计算机科学、统计学、数学等学科的技术。数据挖掘的主要应用模式数据挖掘过程是包含多个步骤的循环过程，从对业务问题的理解开始，经过数据源调查、数据准备、模型设计、模型评估，最后将模型分析结果报告决策层并应用到业务系统，在每一步如果发现问题，都可回到前一步甚至前几步进行调整和修改。在项目实

8、施中，基于数据仓库进行数据挖掘一般应包括以下几个环节。准备数据集市由于数据挖掘对数据的要求往往不同于数据仓库系统中其他报表和分析应用，例如进行数据挖基本变量或衍生变量）掘时往往会考察很多因素变量（与结果的关联性，而且对数据的时间周期要求比较长，所以一般情况下数据挖掘要求的数据模型都不会是数。据仓库中已有的，而要设计数据挖掘集市数据挖掘的特点、方法及应用模式数据挖掘的特点和优势数据挖掘是通过仔细分析大量数据来揭示有意义的新关系、模式和趋势的过程，它使用模式认知技术、统计技术和数学技术。从数据挖掘的各种定义中可以得到这样的概念：数据挖掘就是从大量有噪声的、模糊的或者随机的数据中提取隐含的、先前未知

9、的对决策有潜在价值的知识和规则，并能够根据已有的信息对未发生行为做出结果预测，为企业经营决策、市场。策划提供依据建模分析当数据挖掘所需要的基本数据准备好以后，就可以开始进行建模分析，在这个过程中，一般会借助专业的数据挖掘软件工具，不断进行模型参数调整，模型结果评估，最后确定最佳模型。结果报告数据挖掘的结果应该以直观的图形或报表形式展现出来，现在的数据挖掘软件工具都能在不同程度上将数据挖掘模型结果生成图形、报表输出，对数据挖掘结果进行解释和整理，以业务语言进行描述，生成分析结果报告提交决策层。策略应用分析结果如果不能转化成相应的商务或业务策略，并把它应用到企业的业务操作中是不能为企业带来最终效益

10、的，所以对于数据挖掘，只有当模型结果直接或间接应用于实际中，并根据实际应用结果对模型进行评估以及必要时提出进行模型调整或修改的要求，以数据仓库为基础的数据挖掘相对于传统的查询报表和分析方法具有以下的优势：）有统一、整合的数据平台；（）数据挖掘基于人工智能、机器学习、统计学等技术，高度自动化地分析企业收集的数据，作出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为；（）数据挖掘模型可以随着企业数据的变化动态调整以实时准确地反映数据的规律；理论版）（图书馆学研究才能说一个完整、闭合的数据挖掘过程完成。数据挖掘为决策支持系统赋予真正的智能当数据中潜在的规律被发现，有效地解决业务问题，并可以对将来进

11、行预测时，才可以说数据转化成了信息，真正为决策提供支持。目前的数据库系统可以高效地实现数据的录入、修改、统计、查询等功能，但无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。数据挖掘系统的出现代表着常规决策支持系统的基础结构的转变，为决策支持系统赋予了真正的智能。不像查询和报表语言或工具仅仅是将数据查询结果反馈给最终用户那样，数据挖掘高级分析工具能把用户的商业模型直接应用于其数据仓库之上，并且反馈给用户一个相关信息的分析结果。这个结果是一个经过分析和抽象的动态视图层，通常会根据用户的不同需求而变化。基于这个视图，各种报表工具和可视化工具就可以将分析结果展现在用户面前，以帮助

12、用户计划将采取怎样的行动。数据挖掘在实际中的应用以及发展趋势在中的应用数据挖掘是在数据仓库的基础上进行的深层的数据分析过程，它能揭示大量数据中隐含的、潜在的、有用的和感兴趣的信息，并为用户提供较好的决策支持策支持系统的设计各有特色，但其基本的框架可以用一个简单的模型来刻画，如图所示。图决策支持系统模型图在实现实际的决策支持系统时，系统首先通过数据采集与加工模块将各数据源中数据载入数据仓库，然后各用户再通过数据挖掘和在线分析来分析处理来自数据仓库的数据，并得到一系列用于实际决策过程的有用知识和信息。其中，数据挖掘是系统的核心部件，是决定数据仓库决策价值的关键环节。发展趋势将定量分析的方法同方法以

13、及许多相关技术如模糊集理论、人工神经元网络、面向对象的方法、中的问题求解与搜索技术、机器学习及数据库技术等集成运用，从而为决策者创造一个集成化的决策支持环境，这是今后研究的一个重要趋势。今后的研究将主要集中在的友好性、系统的智能化和。对系统的集成化三大方面的进一步研究与开。自数据仓库和数据挖掘技术出现至今，许多大公司、大企业纷纷构建自己的数据仓库，并通过对数据仓库中大量历史数据的挖掘，得到许多有用的信息，以支持企业内部的生产经营管理过程中的决策控制。实际的数据挖掘过程一般包括以下几个步骤：（）了解行业背景，熟悉基本数据；（）确定数据挖掘的目标；）选取数据仓库中相应的数据集合；（）给出合适的挖掘

14、算法；（）进行实际的数据挖掘；（）对所得的结果知识进行评价并输出。目前，数据挖掘的主要应用领域有：市场分析和预测；生产过程优化；股票分析和预测；金融风险分。例如，针对本单位的人力资源管析；气象预报等发，必将进一步推动决策科学化、管理现代化的进程。无论最终挖掘出来的结果是用来描述理解、预测或是干预，我们寻求知识的目的都是为了运用知识，提高决策支持的能力。由于数据挖掘技术的发展，为决策支持系统开辟了新的发展方向，数据挖掘系统作为一个子系统在决策支持系统中发挥着重要的作用。数据挖掘系统从数据库或数据仓库中挖掘出有价值的知识和信息，提供给上一层次的知识库并作为决策信息，通过问题综合和交互系统，产生决策

15、提交给用户，它所起的作用是提高了整个系统的决策能力。结束语数据挖掘技术为决策支持系统的研制与开发提供了一种有效、可行的体系化解决方案，基于数据挖掘的决策支持系统在技术上有效地解决了企业决策难以进行预测和分析的问题。从已经投入使用的数据挖掘工具表明，数据挖掘方法给企业带来了巨大的社会效益和经济效益。基于数据挖掘的决策支持系统是在更高层次上的系统整合，数据来源更广泛，集成度更高，挖掘目标更细化和抽象化，这些对用户来说具有很大（下转第页）理需要，构建本单位的人力资源数据仓库，并利用选择树分类器对其进行数据挖掘；针对旅游业的管理需要，构建旅游业数据仓库，并利用决策树分类器挖掘其中的深层次规则；针对零售

16、连锁业的发展需要，构建连锁超市数据仓库，并通过对其进行数据挖掘实现连锁超市销售分析与预测。虽然这些基于数据仓库和数据挖掘技术的实际决理论版）（图书馆学研究数字环境下图书馆联盟的资源质量和利用水平提供了思路。注释张璇，肖希明信息资源共享系统绩效评估指标体系的构建）：图书情报工作，（梁灿兴可获得性论：从图书馆学原理到图书馆原理图书）：馆，（王欢喜电子政务信息安全风险分析与防范策略中国图书馆）：学报，（，黄海鹰信息安全保障体系建设研究数字图书馆论坛，（）：黄培标高校图书馆数字资源安全探讨中华医学图书情报杂）：志，（何朝晖，戴龙基，肖珑共建共享数字资源的可持续利用研）：究大学图书馆学报，（李伟超，朱学

17、芳影响数字保存系统质量的因素分析大学图）：书馆学报，（，张晓林，宛玲大外购数字文献资源的长期保存策略）：学图书馆学报，（，（）：?，?：?，：，?：，?袁静郑州大学信息管理系。（上接第页）的应用价值，能给企业的管理与决策提供可靠的数据支撑，从而利于企业对市场的准备判断，提高经济效益。但决策支持系统的建设仍是一个长期的过程，有不少问题还没有被完全解决。一个完整的决策支持系统应集成数据仓库、数据挖掘技术，随着数据仓库和数据挖掘技术在各个领域的广泛采用，决策支持系统的研究与开发工作将被推向一个更高的层次，从而成为新世纪计算机技术浪潮中的一个热点。注释洪沙，向芳数据挖掘与决策支持系统科学咨询（决策管，）：理）（廖剑岚）：数据仓库环境下的信息分析情报杂