基于數據挖掘的決策支持系統及應用研究

王連　徐順

摘要：近年來，信息技術得以日新月異的發展，給人們的工作及生活帶來了極大的影響。現階段，人們在進行管理、創新及決策等過程中都增加了對信息技術的應用，它能夠極大地提升工作效率，同時擁有較高的精確性。決策支持系統就是在這種情況下產生并得到有效應用的。文章從傳統決策支持系統中的缺陷入手，對基于數據挖掘的決策支持系統進行了介紹，并對其系統設計及應用進行了詳細的探討，希望對數據挖掘基礎上的決策支持系統的研究起到促進作用。

關鍵詞：數據挖掘；決策支持系統；應用

信息技術在人們的日常工作及生活中出現，通過便捷而精確的信息整理及儲存功能，提高了工作效率。在這種情況下，人們開始在各個領域中有效應用信息技術，決策支持系統就是信息技術同決策有效結合的產物，它在提升決策科學性的過程中發揮了重要功能。然而信息技術仍然不斷發展，該系統的功能也逐漸完善。現階段基于數據挖掘的決策支持系統取代了傳統的決策支持系統，順應了時代及經濟發展的要求。

1傳統決策支持系統中的缺陷

在社會經濟及信息技術飛速發展的背景下，傳統的決策支持系統體現出種種不足，不利于促進經濟的進步，為使用者提供更好的服務。其缺陷表現在以下幾個方面。

首先，統一管理數據能力差。在運行過程中無法進行高效率的查詢和分析。在經濟不斷發展的背景下，企業及相關部門在運行過程中積累了海量的數據，同時在數據管理過程中標準不夠統一，組織能力弱，因此在查詢過程中非常困難。傳統的決策支持系統在應用過程中數據庫為關系型，查詢和分析只是一種形式上的存在，決策支持信息形成困難。

其次，決策問題多。在構建模型庫的過程中非常困難，從而導致分析數據及構建維度的過程中受到嚴重限制。在這種情況下，傳統的決策支持系統無法及時發現潛在知識，更無法探究擁有一定深度的知識數據，因此無法強有力地指導決策分析工作及過程，在社會經濟不斷進步的背景下，無法滿足決策分析需求。

最后，不充分的人機接口開發。這種現象導致人機交互受到嚴重阻礙，系統無法及時收到工作人員在長期實踐中積累的經驗和知識，無法對未來的決策起到有效的輔助作用，導致嚴重的信息缺失現象存在于決策過程中，同時也促使現有的系統決策建立在脫離實際的基礎上，嚴重者將導致決策缺乏科學性而失敗。在應用決策支持系統的過程中，人們決策信息希望能夠更加多角度、多層次和直觀地展現出來，一旦失去這幾點功能，不僅無法輔助決策人員，還會導致工作人員在工作過程中需要付出更多的經歷來搜集資料，影響決策效率的同時也嚴重降低了決策質量。

2基于數據挖掘的決策支持系統

2.1優點

新時期，在信息技術飛速發展的背景下，人們在構建決策支持系統的過程中積極應用了數據倉庫及數據挖掘技術，然而這種現象導致不一致性存在于該系統數據庫數據中。然而該系統在構建過程中，其內在結構能夠進行有效的聯系和運行，在有效銜接過程中能夠解決以上問題。同時，多數事務級數據都會經過底層數據庫的運作而集合于數據倉庫中，而數據倉庫能夠有效地整理、綜合并轉化海量數據，并構建數據視圖，該視圖能夠針對全局進行展示，也正因為如此，決策支持系統在運行過程中所使用的數據具有堅實的基礎。該倉庫的集成數據是OLAP的出發點，能夠使多維數據模型在應用過程中更加面向分析進行，使用者通過不同的途徑，對數據進行不同層次及角度的分析，有效分離數據結構及分析策略。OLAP和數據倉庫中的數據是實現數據挖掘的基礎，在運行過程中能夠通過多種途徑對數據進行有效的分析及挖掘，充分挖掘其中的潛在知識，同時在海量數據基礎上實現預測自動性。由此，信息的本質在數據挖掘基礎上的決策支持系統中實現，實現了決策支持系統的設計實質，促使數據驅動取代模型驅動，同時，能夠降低開發難度。

2.2體系結構

在進行設計挖掘過程中，需要利用寬廣的活動空間，這一空間由數據倉庫提供，從而促使完整性及廣泛性體現在數據來源中。而被初步加工的數據是數據挖掘的主要對象，導致發現知識成為數據挖掘的主要功能。集成數據在數據倉庫中的位置是OLAP的出發地點，能夠促使數據模型更具有多維性，同時建立在分析的基礎上。在多維分析基礎上，數據的分析能夠從不同角度及出發點進行，經過比較、整理、分析等多個步驟，使用者所使用的數據將更加真實、客觀。盡管在最初，OLAP、數據挖掘及數據庫等技術是相互獨立的，在信息技術不斷進步的背景下，三者被有效地融合在一起，并實現了缺陷互補，通過三者的有效結合，構建出基于數據挖掘的決策支持系統，能夠更好地展現該系統設計的初衷，同時最大程度地發揮其優勢，促使決策者在決策過程中擁有更加可靠、客觀的數據為支撐。

3基于數據挖掘的決策支持系統的設計及應用

3.1總體構架

在數據挖掘基礎上構建起來的決策支持系統總體構架包含5個重要結構。

（1）數據源。即維持該系統正常運行的原始數據，企業及相關部門日常運行過程中的內外數據都統一于此。內部數據指的是相關部門制定的年計劃數據，同時還包含不同的文檔數據，這些數據主要產生于自動化辦公系統中。而外部數據指的是企業經營過程中全國范圍內相關行業信息等。

（2）數據儲存層。該結構在日常過程中能夠有效地整理、轉換及抽取數據源信息，同時，根據不同的業務內容重新組織數據內容，以經典的數據集形式提供給使用者作為重要的參考內容。該結構在運行過程中包含自身規則，促使數據轉換更具科學性，同時還包含優化的加載數據頻率及整合規則等。針對不同的業務，該結構能夠將多維建模應用于重點數據中，該結構呈現多維數據立方體，這樣，使用者就能全方位和多層次地進行數據分析。

（3）支持層。該系統運行的基礎。知識庫、數據倉庫等是其重要組成成分。其中包含多種模型，能夠分別進行推理、分析及預測功能，同時還可以有效地從事數據挖掘算法并詳細分析決策等，數據挖掘設備及OLAP在充分應用過程中能夠對相關被隱藏數據進行有效挖掘，并將其進行集合處理，促使專業人員在對其研究的過程中能夠具有強有力的依據。知識庫在應用過程中能夠對重要的分析案例及解決措施進行保存，促使決策者在決策過程中有據可循。

（4）決策工具層。將重要的技術及設備提供給決策者，構成整個系統的核心，其中包含重要的模型有品牌競爭分析和戰略地圖等。

（5）決策層。根據不同的需求，應用不同的設備對數據進行處理和分析，制定科學的決策方案，并能夠促使決策者對大量數據及信息進行參考。

3.2系統功能

不同的決策分析層存在于該系統中，能夠轉變傳統的事后分析方式，充分進行事前分析并促使事后查詢過程更具依據。在這種情況下，決策分析、實時監控及分析報表是該系統的重要子系統，能夠分3個階段提升決策分析系統的價值，在應用過程中能夠滿足分析的多維性并進行模擬決策。

事前可知是決策分析的重點內容，能夠對決策分析進行庫存，促使供應商開展分析工作等。在實時監控的過程中，可以保證各項決策能夠在進行中被有效控制。主要監控原有計劃的實施情況和監控關鍵的指標等。同時在該層次中還包含有效的預警機制，能夠對庫存異動等現象進行及時的發現和報告。最后一層在應用過程中能夠進行有效的事后查詢，對決策的使用情況及未來發展趨勢進行總結和歸納。

4結語

綜上所述，信息技術自產生之日起逐漸改變了人們的日常工作及生活，其快速而準確的信息收集及整理功能，使人們對其產生較大的依賴。在進行決策的過程中，通常需要建立在大量數據和信息的基礎上，因此相關人員開始有效融合決策與信息技術，構建決策支持系統，提高決策科學性。信息技術不斷進步的背景下，該系統也逐漸得到完善，現階段基于數據挖掘的決策支持系統在使用過程中能夠更加滿足社會及人們發展的需要，加強對該系統的研究與利用具有重要意義。