决策支持系统 第2章 DSS的基本概念.ppt

决策支持系统的定义 综合以上定义，我们可以将决策支持系统定义为： 决策支持系统是综合利用大量数据，有机组合众多模型，通过人机交互，辅助各级决策者实现科学决策的系统。 该定义与决策支持系统的结构是一致的。 决策支持系统的基本功能 通过计算机实现 帮助经理在半结构化或 非结构化的任务中做决策 支持经理的决策， 显然无代替经理的判断力的意思 改进决策效能(effectiveness)， 而不是提高它的效率(efficiency) 决策支持系统（DSS）基本结构 用户 人机交互系统 模型库管理系统 MBMS 数据库管理系统 DBMS 模型库 MB 数据库 DB R.H.Bonczek认为: 决策制定是由决策支持系统和它的用户共同完成的。 3 新一代决策支持系统 和综合决策支持系统 新决策支持系统和综合决策支持系统 20世纪90年代中期，兴起了数据仓库（DW）、联机分析处理（OLAP）、数据挖掘（DM）三项新技术。 数据库用于事务处理，而数据仓库是由大量的相关数据集成而来，用于决策分析。 联机分析处理把数据的组织由二维平面结构扩充到多维空间结构，并提供了多维数据分析方法。 数据挖掘则是从数据库中发现知识（KDD）过程的核心，获取数据中隐含的知识。 这三项新技术的结合形成了基于数据仓库的新决策支持系统。 数据仓库 数据仓库（DW）与数据库（DB） 按决策主题重新组合 DW 多维数据 二维数据 DB1 DBi DB n 基于数据仓库的新决策支持系统 数据仓库是对整个企业各部门的数据进行统一和综合，这实际上是决策支持和客户管理的一次革新。 数据仓库是将大量的数据库的数据按决策需求进行重新组织，以数据仓库的形式进行存储，它将为用户提供辅助决策的随机查询，综合数据以及随时间变化的趋势分析信息等。 数据仓库(Data Warehouse，DW)的兴起 数据仓库是一种存储技术，它的数据存储量是一般数据库的100倍，它包含大量的历史数据、当前的详细数据以及综合数据。它能适应于不同用户对不同决策需要提供所需的数据和信息。 数据仓库是预测利润、分析风险、进行市场分析，以及加强客户服务与营销活动等的催化技术。 数据仓库技术已紧跟Internet而上，成为信息社会中获得企业竞争优势的一个关键技术。 数据挖掘的兴起 数据挖掘从大量数据中提取出隐藏在数据中的有用信息，为人们的正确决策提供了很大的帮助。 数据挖掘(Data Mining，DM)是在大型数据库中知识发现(Knowledge Discovery in Database，KDD)中的一个步骤，它主要是利用某些特定的知识获取算法，从数据库中发现出有关的知识。 数据挖掘的兴起 数据挖掘是从人工智能机器学习中发展起来的。 利用数据挖掘的方法和技术从数据库中挖掘的信息和知识，反映了数据库中数据的规律性。用户利用这些信息和知识来指导和帮助决策。 98年的Gartner报告列举了五项在今后5年内对工业将产生重要影响的关键技术，其中KDD和人工智能排名第一 。 简述：DM 数据挖掘（DM） 　数据 挖掘出 If 条件１ then 结论１ ．．．．．．．．．． ．．．．．．．．．． ．．．．．．．．．． If 条件n then 结论 n 　　　知识 DB DW DW＋OLAP＋DM的新决策支持系统 数据仓库、联机分析处理与数据挖掘都是决策支持新技术。它们有着完全不同的辅助决策方式。 数据仓库为不同的用户随时提供各种辅助决策的随机查询、综合数据或趋势分析信息。 联机分析处理提供了多维数据分析。 数据挖掘是挖掘数据中隐含的信息和知识。 以数据仓库为基础，结合联机分析处理和数据挖掘形成了基于数据仓库的决策支持系统。 新的决策支持系统的基本结构 传统决策支持系统的基本结构 传统决策支持系统 随着数据库应用的不断推广，对数据的处理呈现多层次的特点。目前数据处理一般可划分为两大类：事务处理和分析型处理。 1、事务处理主要是针对数据的日常操作，以事务快速响应及频繁的数据访问为特征。 2、分析型处理则主要用于决策分析，以支持决策，如：DSS,多维分析等。 它们往往需要大量的历史数据，二者之间的这种差异使得两类数据处理的分离成为必然，因而也对传统的DSS提出了挑战。