探討決策分析在數據倉庫中的應用與創新

張中楨

摘要：隨著計算機信息化技術普及應用于各個領域，現代計算機信息化技術也滲透到企業各部門的管理系統之中，通過對各部門信息系統數據的分析和利用，可以建構適宜于決策分析的數據倉庫，它是對數據進行組織和管理的技術，是面向主題、集成而穩定的數據集合，通過對數據的抽取、清洗和轉換，可以較好地將其應用于分析決策型應用環境，實現決策分析在數據倉庫中的應用創新。

關鍵詞：決策分析；數據倉庫；應用；創新

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2017）36-0004-03

在信息化技術普及的背景下，企業面臨激烈的競爭，由此產生的各種業務信息也呈現出激增的態勢，為了使這些龐大而分散的信息數據成為決策分析的依據和參考，需要利用現代信息化技術和方法，建構相關的決策模型，以集中而系統地把握企業資源配置狀態和使用效率，從而利用平臺管理系統，實現對企業的投資分析和決策分析。

1 數據倉庫系統

1.1 數據倉庫系統的特征

數據倉庫是一個集成化、系統化、規?；臄祿鎯w系，可以實現對信息數據的快速、便捷的查詢和分析，具有以下主要特征：

（1） 面向主題的倉庫數據。數據倉庫不同于傳統數據庫，傳統數據庫是面向應用進行設計，反映企業內部數據的動態表征；而數據倉庫則是面和主題的分析應用而設計，必須對原始數據進行提取、加工、集成。

（2） 集成性。數據倉庫中的信息數據來自于不同部門的應用系統，這些部門應用系統中的信息數據是相對分散的，需要對其加以提取、歸納、整理和綜合，使之成為統一性的數據，以實現對數據倉庫的擴充和更新。

（3） 時間性。數據倉庫要根據數據的變化進行調整和改變，這就顯現出數據倉庫中的數據的時間性特征，對于用于趨勢預測分析的數據通常要保留5-10年的歷史數據；對于僅用于歷史信息查詢的、事務性的業務數據則通常只需保留30-90天。

（4） 相對穩定性。數據倉庫中用于企業決策分析的信息數據是不同時點數據庫快照的集合，是非事務型的數據，通常來說進入到數據倉庫中的數據都是相對穩定的，通常情況下無須進行數據修改。

（5） 全新的數據庫技術應用。數據倉庫是一種全新的數據庫技術，它是基于業務數據庫的獨立信息管理系統，通常不用于日常事務性的操作性工作，而主要是用于對企業高層決策分析的支持。

1.2 數據倉庫的組織構成

（1） 數據倉庫管理部分。在這一部分之中，需要對數據倉庫中的數據庫、數據來源、轉換清理規則進行設計和定義，由數據源中將數據抽取到數據倉庫之中，以較好地實現對數據的清洗、變換、集成、裝載和刪除。同時，還運用元數據的管理部件，如：技術元數據及業務目錄等，實現對元數據的管理、存儲、監測和管理。

（2） 數據倉庫工具集。這主要是指檢索查詢工具、多維數據的OLAP分析工具、統計分析工具、數據挖掘工具等。

（3） 數據倉庫的數據組織。它是以分級的方式對數據進行組織，具體的等級設置為：存儲歷史數據且利用率較低的早期細節數據；當前業務情況的細節數據；較小時間粒度的綜合數據；基于當前基本數據提取的輕度綜合數據；供決策層分析使用的精練、高度綜合的數據。

1.3 數據倉庫的模型

（1） 數據倉庫的概念模型。它是一個粗略的輪廓，用于確認數據倉庫的設計者對商務的準確理解方面，可以采用企業數據模型——ER圖（ERD），實現對企業組織業務的具體描述。對于要特殊處理的數據，可以在數據倉庫模型中載入數據實體的數據量，形成類似于星型或雪花的數據倉庫模型。通常來說，星型數據倉庫模型是應用極其廣泛的數據倉庫結構模式，它以事實表為核心，鏈接不同的維度表，實現多個維度表的相互關聯，較好地為用戶提供報表服務。它通常用于對特定商業事件數據的描述，可以較好地提升數據查詢的質量。而雪花數據倉庫模型則是對星型數據倉庫模型的擴展和延伸，極大地減少了數據的存儲量，但同時也增加了部分查詢的復雜性，通常是以折中的方式實現部分維度表的標準化和規范化。

（2） 數據倉庫邏輯模型。這是對高層數據概念模型的細分，其實體都有相應的邏輯模型相對應，可以成為開發者和使用者交流探討的工具，是相較于概念模型而言更為細致的設計結果。

（3） 數據倉庫的物理模型。數據倉庫的物理模型以事實表模型和維度表模型為構成內容，可以實現大規模的數據查詢，有極高的響應速度，其關鍵在于提升數據倉庫系統的性能。具體的技術方法主要包括有：合并表；建立數據序列；適當引入冗余；實現表的物理分割；生成中間數據；建立索引等，通過上述多種技術方法，都可以較好地提升數據倉庫系統的性能，使數據倉庫的數據更為穩定、加載和處理的效率更高，避免用戶重復計算而引發的誤差。

1.4 數據倉庫的元數據分析

數據倉庫中的元數據是數據的數據，可以說是源數據，實現對數據倉庫中所有對象的管理、操作，是整個數據倉庫的核心和關鍵。元數據在數據倉庫中的應用意義具體表現為以下方面：（1）減輕數據倉庫管理工作量。通過對元數據的自動訪問、控制和跟蹤處理，可以為數據倉庫系統提供訪問規則和用戶權限信息，支持系統集成和復雜的安全體系建構，支持建模分析和設計，具有良好的靈活擴展性和模塊可重用性。（2）有效地提升數據信息。元數據通過對數據創建時間、作者、來源、獲取的定義方式，可以實現對原始信息數據的精準查詢，并可以成為數據分析的有效依據。

1.5 數據倉庫的設計與開發

數據倉庫的設計與開發要以需求分析為前提和基礎，要全面分析投資者的需求、設計需求、開發者的需求、終極用戶的需求，并使之貫穿于數據倉庫的設計和開發全程。其中：投資者需求主要是指數據倉庫建構的投資費用、組織戰略影響及應用前景等；設計者需求則主要是數據倉庫中各個結構之間的關系處理，如：數據結構、應用程序結構、技術結構等；開發者需求主要是指技術、試用、人員及技術需求等；終極用戶的需求則是指用戶通過查詢工具和報表工具，實現對數據倉庫內部數據的訪問和了解，以更好地為用戶的決策分析提供條件。

2 決策分析理論分析

在互聯網信息化技術不斷普及的趨勢下，企業的各種數據不斷累積和疊加，這就使數據的數量極其龐大，為了充分顯現出這些業務數據的價值，使之成為企業運營分析和決策的參考，就要較好地采用數據挖掘技術，提升企業的運營績效和市場競爭力。

2.1 決策分析的特點分析

為了更好地實現企業的運營分析和決策，要注重對數據的集成、協作和信息共享，了解和把握決策分析的相關特點：

（1） 形式的多樣性。決策分析是用于對不同決策問題進行解決的具體化方法，涵蓋企業運營的各個方面如：風險監控、運營績效決策及評價等，并對運營中出現矛盾的現象要進行群體決策，以協商、仲裁的方式進行矛盾的解決和處理。

（2） 過程的復雜性。企業運營決策分析活動還表現出時序性的特點，在企業運營的不同階段要采用不同的決策，由于這些運營過程和階段存在不可避免的不確定性因素，這就使決策分析的過程具有模糊性、復雜性和不確定性，顯現出各種決策化問題，如：結構化的決策問題、半結構化決策問題、非結構化決策問題等，這些不同的決策化問題并不能夠完全用形式化的方式加以表達。

（3） 活動的分布性。企業運營活動呈現出模塊化的狀態，各部門及成員負擔不同的子任務模塊，并有特定的子任務模塊的業務流程，顯現出決策活動的分布性特點，它們會由于具體戰略目標、決策者偏好等因素而表現各異，然而卻擁有一致的總體目標，為了確?？傮w目標的實現，需要對各部門人員進行協調和控制管理。

2.2 決策分析的概念模型

（1） 戰略層。它是決策分析模型的最高層，負有總體協調、管理和控制的職能，是企業運營的戰略整體框架和行動指南，涉及企業整個事務和運營活動。（2）戰術層。這是將資源分配到企業運營活動中相對穩定且類似的實體，實現對其工作流的監督、管理和控制。（3）執行層。這主要是在企業的制造、銷售、供應、運輸等運營業務活動中的具體內容，對第一線的業務信息進行采集、分析和整理，并將信息反饋結果作為決策分析的依據。

2.3 決策分析的支撐技術

數據倉庫和聯機分析處理系統（OLAP系統）是決策分析的支撐技術和組成部分，它從聯機分析處理系統中提取數據，并對這些數據進行預處理，使之呈現出直觀易懂的狀態和形式，成為企業決策分析的數據支撐。

數據倉庫的分析和設計還可以采用“自上而下”的方法，先設計全局性、總括式的數據倉庫架構，再設計面向具體業務的應用層數據倉庫，可以較好地實現對數據的快速高效的組織和分析。

2.4 決策分析的體系架構

決策分析系統主要由以下模塊共同構成，具體表現為：（1）人機交互模塊。這是系統與用戶之間的交互窗口和界面，以Web技術和多媒體技術為手段和支撐，較好地實現企業決策支持的信息交互和知識獲取。（2）決策分析及處理模塊。它主要是對決策問題進行分析、分解和求解，以決策模型和算法作為結構的抽象化描述，將決策模型、決策方法和決策知識相整合，實時而快速地處理企業管理決策問題。（3）通訊模塊。它重點考慮通訊語言和通訊協議兩大方面，用于決策成員之間的信息交流和交互。（4）決策信息管理模塊。它是決策分析系統的核心和信息源，通過數據庫、知識庫、模型庫、方法庫、對象庫實現對決策信息的采集、處理和維護，較好地解決企業管理中的決策問題。

3 決策分析在數據倉庫中的應用與創新實現

3.1 管理平臺系統建構

可以建構企業管理平臺系統，提取財務系統、設備管理系統、生產作業系統的相關數據，明確各個系統之間的邏輯關系，通過標準化、系統化的數據接口，形成指定格式的業務相關數據，可以通過網絡的方式實現信息的傳輸和內部資源共享，實現數據的轉換和統一。同時，系統還可以實現對數據的維護、邏輯性檢驗和一致性校驗、真實性和完整性的審核、數據處理、統計及決策分析。

具體來說，管理平臺系統的功能主要包括以下方面的內容：（1）數據采集。這是通過直接數據庫訪問或EDI報文的方式進行數據的采集，讀取各個子系統的相關數據，如：財務信息子系統、設備管理子系統、生產作業子系統等。其中：直接數據庫訪問的數據采集方式是以統一的數據格式和精度為前提，將數據寫入到相應的中間數據表之中，并將財務系統、設備管理系統、生產作業系統的相關業務數據，進行清洗、轉換和集成，進入到管理平臺系統的數據倉庫表，具有一致性的特點，并能夠成為企業決策分析的依據。而EDI報文的數據采集方式則是采用讀取磁盤中的EDI報文文件的方式，將數據寫入到數據倉庫表之中，并在“接收的數據”欄中顯示，處理結果則在“反饋信息”欄中顯示，在這個采集方式之下要對數據傳輸內容進行加密處理，提升數據傳輸的安全性。（2）數據維護。這是對讀入到數據倉庫表中指定日期的數據進行增添、刪除、修改等操作，將“臟數據”予以剔除，而對于已經校驗、審核或處理的數據則無須改動，以確保數據的一致性和安全性。對于采集數據中完整有效的數據，則無須進行數據維護，直接進入到數據校驗環節。（3）數據校驗。這是對數據表中沒有審核的數據進行邏輯性和一致性的校驗，使之保持一致性和有效性。（4）數據審核。這是對經過校驗的數據進行真實性和準確性的校驗，以實現對數據的兩級安全控制。（5）數據處理。這是將數據倉庫表中的各種數據，進行成本、收入等不同指標的計算，它的處理執行過程是在數據庫端，通過大量的后臺存儲過程即可以實現對數據的處理，可以按照設定的成本分攤算法，實現對成本的分攤、收益核算，并將最終的數據寫入到統計表中，為統計和決策分析提供依據和支持。但是，要注意的是，在對數據進行處理之前，必須對指定年月的數據表中的數據進行全部審核，并確定當前沒有用戶進行數據處理。

3.2 數據倉庫中的決策分析

可以在平臺管理系統的數據倉庫中，針對企業管理特定問題，建構相應的決策分析模塊，具體來說可以開展對企業管理決策問題中的資源利用分析、盈虧平衡分析和投資決策分析，在這三個決策分析模塊之中，更好地為管理者的決策判斷提供可信度較高的技術支撐，使企業管理者能夠明晰企業運營收益、經營風險和現實狀況等，更好地提升企業的運營效益。

綜上所述，數據倉庫系統可以通過數據抽取和轉換的方式，利用數據庫直接連接和EDI格式文件建構決策模型，并將模型結合到數據倉庫系統平臺之中，為企業管理者提供良好的決策分析環境，從而較好地避免傳統數據庫系統的局限性，為企業管理中的運營管理、生產業務拓展、投資分析決策等提供可信度較高的技術支撐和信息化支持，從而較好地提升業務處理效率，充分挖掘信息數據的實用價值，增強企業的決策水平。

參考文獻：

[1] 孫少鵬.基于數據倉庫和數據挖掘的企業BOM研究[D].昆明理工大學， 2012.

[2] 梁寧寧.基于標準數據建立企業集團數據倉庫及費用分析研究[D].重慶理工大學，2015.

[3] 李忠成.智能倉儲物聯網的設計與實現[J].計算機系統應用，2011（7）.

[4] 曾炫.分布式空間數據管理與應用研究[D].華北電力大學，2012.

[5] 徐璐.基于數據倉庫的客戶關系管理系統研究[D].南昌大學，2015.

[6] 鄭淑琴.新疆農信社數據倉庫的設計與實現[D].新疆大學，2015.