基于数据挖掘的决策支持系统及应用研究

    王连　徐顺

    摘要：近年来，信息技术得以日新月异的发展，给人们的工作及生活带来了极大的影响。现阶段，人们在进行管理、创新及决策等过程中都增加了对信息技术的应用，它能够极大地提升工作效率，同时拥有较高的精确性。决策支持系统就是在这种情况下产生并得到有效应用的。文章从传统决策支持系统中的缺陷入手，对基于数据挖掘的决策支持系统进行了介绍，并对其系统设计及应用进行了详细的探讨，希望对数据挖掘基础上的决策支持系统的研究起到促进作用。

    关键词：数据挖掘；决策支持系统；应用

    信息技术在人们的日常工作及生活中出现，通过便捷而精确的信息整理及储存功能，提高了工作效率。在这种情况下，人们开始在各个领域中有效应用信息技术，决策支持系统就是信息技术同决策有效结合的产物，它在提升决策科学性的过程中发挥了重要功能。然而信息技术仍然不断发展，该系统的功能也逐渐完善。现阶段基于数据挖掘的决策支持系统取代了传统的决策支持系统，顺应了时代及经济发展的要求。

    1传统决策支持系统中的缺陷

    在社会经济及信息技术飞速发展的背景下，传统的决策支持系统体现出种种不足，不利于促进经济的进步，为使用者提供更好的服务。其缺陷表现在以下几个方面。

    首先，统一管理数据能力差。在运行过程中无法进行高效率的查询和分析。在经济不断发展的背景下，企业及相关部门在运行过程中积累了海量的数据，同时在数据管理过程中标准不够统一，组织能力弱，因此在查询过程中非常困难。传统的决策支持系统在应用过程中数据库为关系型，查询和分析只是一种形式上的存在，决策支持信息形成困难。

    其次，决策问题多。在构建模型库的过程中非常困难，从而导致分析数据及构建维度的过程中受到严重限制。在这种情况下，传统的决策支持系统无法及时发现潜在知识，更无法探究拥有一定深度的知识数据，因此无法强有力地指导决策分析工作及过程，在社会经济不断进步的背景下，无法满足决策分析需求。

    最后，不充分的人机接口开发。这种现象导致人机交互受到严重阻碍，系统无法及时收到工作人员在长期实践中积累的经验和知识，无法对未来的决策起到有效的辅助作用，导致严重的信息缺失现象存在于决策过程中，同时也促使现有的系统决策建立在脱离实际的基础上，严重者将导致决策缺乏科学性而失败。在应用决策支持系统的过程中，人们决策信息希望能够更加多角度、多层次和直观地展现出来，一旦失去这几点功能，不仅无法辅助决策人员，还会导致工作人员在工作过程中需要付出更多的经历来搜集资料，影响决策效率的同时也严重降低了决策质量。

    2基于数据挖掘的决策支持系统

    2.1优点

    新时期，在信息技术飞速发展的背景下，人们在构建决策支持系统的过程中积极应用了数据仓库及数据挖掘技术，然而这种现象导致不一致性存在于该系统数据库数据中。然而该系统在构建过程中，其内在结构能够进行有效的联系和运行，在有效衔接过程中能够解决以上问题。同时，多数事务级数据都会经过底层数据库的运作而集合于数据仓库中，而数据仓库能够有效地整理、综合并转化海量数据，并构建数据视图，该视图能够针对全局进行展示，也正因为如此，决策支持系统在运行过程中所使用的数据具有坚实的基础。该仓库的集成数据是OLAP的出发点，能够使多维数据模型在应用过程中更加面向分析进行，使用者通过不同的途径，对数据进行不同层次及角度的分析，有效分离数据结构及分析策略。OLAP和数据仓库中的数据是实现数据挖掘的基础，在运行过程中能够通过多种途径对数据进行有效的分析及挖掘，充分挖掘其中的潜在知识，同时在海量数据基础上实现预测自动性。由此，信息的本质在数据挖掘基础上的决策支持系统中实现，实现了决策支持系统的设计实质，促使数据驱动取代模型驱动，同时，能够降低开发难度。

    2.2体系结构

    在进行设计挖掘过程中，需要利用宽广的活动空间，这一空间由数据仓库提供，从而促使完整性及广泛性体现在数据来源中。而被初步加工的数据是数据挖掘的主要对象，导致发现知识成为数据挖掘的主要功能。集成数据在数据仓库中的位置是OLAP的出发地点，能够促使数据模型更具有多维性，同时建立在分析的基础上。在多维分析基础上，数据的分析能够从不同角度及出发点进行，经过比较、整理、分析等多个步骤，使用者所使用的数据将更加真实、客观。尽管在最初，OLAP、数据挖掘及数据库等技术是相互独立的，在信息技术不断进步的背景下，三者被有效地融合在一起，并实现了缺陷互补，通过三者的有效结合，构建出基于数据挖掘的决策支持系统，能够更好地展现该系统设计的初衷，同时最大程度地发挥其优势，促使决策者在决策过程中拥有更加可靠、客观的数据为支撑。

    3基于数据挖掘的决策支持系统的设计及应用

    3.1总体构架

    在数据挖掘基础上构建起来的决策支持系统总体构架包含5个重要结构。

    （1）数据源。即维持该系统正常运行的原始数据，企业及相关部门日常运行过程中的内外数据都统一于此。内部数据指的是相关部门制定的年计划数据，同时还包含不同的文档数据，这些数据主要产生于自动化办公系统中。而外部数据指的是企业经营过程中全国范围内相关行业信息等。

    （2）数据储存层。该结构在日常过程中能够有效地整理、转换及抽取数据源信息，同时，根据不同的业务内容重新组织数据内容，以经典的数据集形式提供给使用者作为重要的参考内容。该结构在运行过程中包含自身规则，促使数据转换更具科学性，同时还包含优化的加载数据频率及整合规则等。针对不同的业务，该结构能够将多维建模应用于重点数据中，该结构呈现多维数据立方体，这样，使用者就能全方位和多层次地进行数据分析。

    （3）支持层。该系统运行的基础。知识库、数据仓库等是其重要组成成分。其中包含多种模型，能够分别进行推理、分析及预测功能，同时还可以有效地从事数据挖掘算法并详细分析决策等，数据挖掘设备及OLAP在充分应用过程中能够对相关被隐藏数据进行有效挖掘，并将其进行集合处理，促使专业人员在对其研究的过程中能够具有强有力的依据。知识库在应用过程中能够对重要的分析案例及解决措施进行保存，促使决策者在决策过程中有据可循。

    （4）决策工具层。将重要的技术及设备提供给决策者，构成整个系统的核心，其中包含重要的模型有品牌竞争分析和战略地图等。

    （5）决策层。根据不同的需求，应用不同的设备对数据进行处理和分析，制定科学的决策方案，并能够促使决策者对大量数据及信息进行参考。

    3.2系统功能

    不同的决策分析层存在于该系统中，能够转变传统的事后分析方式，充分进行事前分析并促使事后查询过程更具依据。在这种情况下，决策分析、实时监控及分析报表是该系统的重要子系统，能够分3个阶段提升决策分析系统的价值，在应用过程中能够满足分析的多维性并进行模拟决策。

    事前可知是决策分析的重点内容，能够对决策分析进行库存，促使供应商开展分析工作等。在实时监控的过程中，可以保证各项决策能够在进行中被有效控制。主要监控原有计划的实施情况和监控关键的指标等。同时在该层次中还包含有效的预警机制，能够对库存异动等现象进行及时的发现和报告。最后一层在应用过程中能够进行有效的事后查询，对决策的使用情况及未来发展趋势进行总结和归纳。

    4结语

    综上所述，信息技术自产生之日起逐渐改变了人们的日常工作及生活，其快速而准确的信息收集及整理功能，使人们对其产生较大的依赖。在进行决策的过程中，通常需要建立在大量数据和信息的基础上，因此相关人员开始有效融合决策与信息技术，构建决策支持系统，提高决策科学性。信息技术不断进步的背景下，该系统也逐渐得到完善，现阶段基于数据挖掘的决策支持系统在使用过程中能够更加满足社会及人们发展的需要，加强对该系统的研究与利用具有重要意义。