基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)及應(yīng)用探討

張澤雅

裝甲兵工程學院，北京 100072

基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)及應(yīng)用探討

張澤雅

裝甲兵工程學院，北京 100072

文章介紹了數(shù)據(jù)挖掘技術(shù)的概念，分析了基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)，探析了基于數(shù)據(jù)挖掘技術(shù)決策支持系統(tǒng)的應(yīng)用，以供參考。

數(shù)據(jù)挖掘技術(shù)；決策支持系統(tǒng)；應(yīng)用

隨著數(shù)據(jù)庫技術(shù)的快速發(fā)展和廣泛應(yīng)用，人們對數(shù)據(jù)信息提出了更高層次的需求，但是傳統(tǒng)的決策支持系統(tǒng)并不能夠滿足人們在分析層次、決策層次的實際需求，基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)應(yīng)運而生?；跀?shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)，利用數(shù)據(jù)挖掘技術(shù)強大的數(shù)據(jù)挖掘功能，能夠為決策支持系統(tǒng)提供有效、可靠、全面的數(shù)據(jù)信息，幫助決策人員快速、準確的做出決策，由此可見其重要性。

1 數(shù)據(jù)挖掘技術(shù)的概念分析

數(shù)據(jù)挖掘指的是從隨機的、模糊的、有噪聲的、不完全的、大量的數(shù)據(jù)信息中，提取隱含在其中的人們事先不知道，但是又有用、潛在的信息知識。數(shù)據(jù)挖掘涵蓋了高性能計算、數(shù)據(jù)可視化、機器學習、統(tǒng)計學、數(shù)據(jù)倉庫以及數(shù)據(jù)庫系統(tǒng)等眾多領(lǐng)域，廣泛涉及到歸納邏輯變成、信號處理、圖像數(shù)據(jù)庫、空間數(shù)據(jù)分析、模式識別以及人工神經(jīng)網(wǎng)絡(luò)等眾多學科。數(shù)據(jù)挖掘由三層體系結(jié)構(gòu)組成，其體系結(jié)構(gòu)如圖1所示。

圖1

2 基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)分析

基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)，能夠有效的解決傳統(tǒng)決策支持系統(tǒng)存在的問題，基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)架構(gòu)構(gòu)建表現(xiàn)為以下幾個方面。

2.1 創(chuàng)建數(shù)據(jù)倉庫

為了滿足決策支持系統(tǒng)的實際要求，要求數(shù)據(jù)倉庫的數(shù)據(jù)具備以下特點：統(tǒng)一性、抽象性以及概括性，并且部門數(shù)據(jù)庫與數(shù)據(jù)倉庫中間還應(yīng)該設(shè)置一個虛擬層，該層的功能是對數(shù)據(jù)倉庫提取的數(shù)據(jù)進行清洗。結(jié)構(gòu)設(shè)計時數(shù)據(jù)倉庫設(shè)計的重點，包括物理設(shè)計與邏輯設(shè)計兩個方面。

1）數(shù)據(jù)庫物理設(shè)計。數(shù)據(jù)庫在物理設(shè)備上的存取、儲存結(jié)構(gòu)稱之為物理結(jié)構(gòu)，良好的物理結(jié)構(gòu)設(shè)計能夠增大事務(wù)吞吐率、提高儲存空間利用率、縮短事務(wù)相應(yīng)時間、提高存取效率等，其中存取方法是物理設(shè)計的重點，常用的存取方法包括HASH存取方法、索引存取方法等。

2）數(shù)據(jù)庫邏輯設(shè)計。想要進行數(shù)據(jù)庫邏輯設(shè)計，首先應(yīng)該創(chuàng)建一個概念模型，該概念模型獨立于其他所有數(shù)據(jù)模型。數(shù)據(jù)庫邏輯設(shè)計的主要任務(wù)是將概念模型轉(zhuǎn)化成適應(yīng)數(shù)據(jù)庫系統(tǒng)支持的邏輯結(jié)構(gòu)。因為許多商用數(shù)據(jù)庫采用關(guān)系型數(shù)據(jù)庫，因此邏輯設(shè)計的主要任務(wù)是將實體和實體屬性的聯(lián)系轉(zhuǎn)變成關(guān)系模式。企業(yè)中存在眾多實體，例如市場部、財務(wù)部、生產(chǎn)部以及人力資源部等

2.2 數(shù)據(jù)庫挖掘方法

數(shù)據(jù)挖掘技術(shù)的本質(zhì)是商用信息的處理技術(shù)，數(shù)據(jù)倉庫為數(shù)據(jù)挖掘提供了良好的活動空間，保證數(shù)據(jù)來源的完整性與廣泛性，數(shù)據(jù)庫挖掘方法主要包括以下兩個方面。

1）聯(lián)機處理分析。數(shù)據(jù)庫創(chuàng)建完成后，應(yīng)該對數(shù)據(jù)信息進行分析和處理，其中最常用的一種技術(shù)為聯(lián)機分析處理技術(shù)。數(shù)據(jù)倉庫重點對數(shù)據(jù)進行儲存，聯(lián)機處理分析的重點是對材料進行分析，進而為決策支持系統(tǒng)提供幫助?！熬S”與“度量”是聯(lián)機處理分析的兩個重要概念，在進行聯(lián)機處理分析時，通常把信息當作一個立方體，在對數(shù)據(jù)信息進行分析時，采用旋轉(zhuǎn)、鉆取、切塊、切片的方式進行處理，從各個角度進行數(shù)據(jù)的提取。以某產(chǎn)品的銷售信息為例，該產(chǎn)品的銷售信息包括倉庫、型號、日期等，每一個信息都指向不同的維表，倉庫號指向倉庫維表，包括倉庫名、庫存量、城市以及省等；產(chǎn)品型號指向產(chǎn)品維表，包括說明、商標、種類以及部門等；日期會指向日期維表，包括日、月、季以及年等。聯(lián)機處理分析的操作包括：其一，鉆取，鉆取包括下鉆與上卷，下鉆指的是向下一維的信息，例如，通過產(chǎn)品維表下鉆，能夠獲得倉庫名、庫存量等信息；上卷指的是從低維度的信息中獲得高維度的信息，例如，在日期維表上卷，能夠獲得產(chǎn)品銷售維表的信息；其二，切塊，切塊指的是在一定維度范圍內(nèi)切取信息的部分屬性，通過切塊處理后獲得的部分依然為立方體；其三，切片，切片指的是切取某一維度的某一或者某些屬性，獲得的部分為一個薄片。

2）數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是聯(lián)機處理分析的高層階段，基于數(shù)據(jù)倉庫的支持，利用挖掘引擎能夠?qū)崿F(xiàn)對數(shù)據(jù)倉庫的信息進行多功能分析和處理。數(shù)據(jù)挖掘想要實現(xiàn)該種功能，應(yīng)該利用獨特的挖掘知識與算法，然后結(jié)合機器學習方法、模糊倫、統(tǒng)計分析、信息論以及人工智能技術(shù)等，在提取和分析的基礎(chǔ)上，對數(shù)據(jù)信息進行評價和處理。數(shù)據(jù)挖掘的過程包括準本數(shù)據(jù)集、建模分析、結(jié)果報告、策略應(yīng)用。

3 基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)的應(yīng)用

數(shù)據(jù)挖掘技術(shù)在決策支持系統(tǒng)中的應(yīng)用，是基于對深層數(shù)據(jù)的分析，以此揭示大量數(shù)據(jù)中有用的、潛在的以及隱含的信息，然后為決策支持提供可靠的幫助。數(shù)據(jù)挖掘技術(shù)在決策支持系統(tǒng)中的應(yīng)用，已經(jīng)被許多大企業(yè)、大公司應(yīng)用在決策控制中，決策支持系統(tǒng)中數(shù)據(jù)挖掘的步驟表現(xiàn)為：其一，根據(jù)行業(yè)背景，了解基本數(shù)據(jù)；其二，確定數(shù)據(jù)挖掘的目標；其三，選定和數(shù)據(jù)庫相對應(yīng)的數(shù)據(jù)集合；其四，采用合適的挖掘算法進行實際數(shù)據(jù)挖掘；其五，對獲得的結(jié)果進行評價并輸出。目前，基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)應(yīng)用的領(lǐng)域包括：氣象預(yù)報、金融風險分析、股票分析與預(yù)測、生產(chǎn)過程優(yōu)化、市場分析與預(yù)測等。雖然不同行業(yè)的給予數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)的設(shè)計存在差異，但是可以采用一種簡單的模型來刻畫基本的框架，如圖2所示。在實際的決策支持系統(tǒng)中，首先應(yīng)該利用數(shù)據(jù)采集模塊、加工模塊對數(shù)據(jù)源中的所有數(shù)據(jù)載入數(shù)據(jù)倉庫中，然后采用數(shù)據(jù)挖掘、在線分析對數(shù)據(jù)倉庫中的所有數(shù)據(jù)進行分析，為實際決策提供可靠、有效的數(shù)據(jù)信息。

圖2

4 結(jié)論

總而言之，基于數(shù)據(jù)挖掘技術(shù)的決策支持系統(tǒng)，很好的解決了傳統(tǒng)決策支持系統(tǒng)存在的問題，能夠?qū)崿F(xiàn)更高層次的系統(tǒng)整合，數(shù)據(jù)來源更加廣泛，集成度更高，挖掘目標更加抽象化與細化，為決策人員快速、準確的制定決策提供可靠、有效的參考。

[1]鄭得龍，李明明.基于數(shù)據(jù)挖掘的決策支持系統(tǒng)的應(yīng)用研究[J].工業(yè)控制計算機，2013，26（5）：119-121.

[2]杜鵑.高級決策支持系統(tǒng)中的數(shù)據(jù)挖掘技術(shù)[J].現(xiàn)代計算機：下半月版，2011（16）：20-23.

TP3

A

1674-6708（2015）148-0098-02