数据挖掘在决策支持系统中的应用.docx

: .
数据挖掘在决策支持系统的应用
计算机智能与科学
秦勤
2011211557
0451101层，每个抽象层都有各自的抽象任务。主要包括数据集层：它包括相关的数据库和数据仓库等，同时也是OLAM的数据源，通过数据清洗和集成，生成结构化的便于分析的数据环境。
数据立方层：形成支持OLAP和OLDM的多维数据集，它是相关数据的综合和多维化处理，主要由数据立方和元数据集组成。
OLAP和OLDM应用层：这一层接受数据请求，通过访问多维数据集和元数据，完成数据挖掘和分析。
用户接口层：承担用户请求的理解以及挖掘结果的解释和表达等。
(2)数据挖掘过程
数据库中发现知识是一个有明确学****目标的需要多次反复的过程，因此数据挖掘是一个目标和数据不断优化的过程。
a. 问题定义和数据抽取
对于多异构的数据源，需要根据源数据的结构特点进行相应的数据抽取工作。不同类型的源数据，在结构上差异很大。这就需要以问题定义为基础来界定数据抽取的原则和规则。
b. 数据预处理
数据预处理是对数据再加工的过程。经过处理后，数据具有某种标准格式，可以提供给后续的数据挖掘。数据预处理的任务主要有数据清洗和数据选择等。对于备选数据先噪声清洗，然后根据模式要求确定数据选择的原则和策略。选择出满足模式要求的数据，必要时进行数据格式的转换。
c. 数据挖掘和知识库
数据挖掘是在规格化的目标数据集中根据特定的模型和算法进行数据抽象，生成知识。它应该能反复利用获得的知识和用户互动，这就需要知识库的支持，达到满足用户要求的知识模式。决策支持系统是一个多策略的挖掘系统，所以数据挖掘包含诸如描述、关联、分类、聚类、时间序列分析以及进化和偏差分析等功能在内的数据挖掘工具。挖掘出来的中间或者最终知识存储在知识库中。这些知识具有不同的抽象层次、适合不同的决策层次的数据分析和决策。
2•数据挖掘决策支持系统在企业中的构建
数据挖掘就是从海量的数据中挖掘出可能有潜在价值的信息的技术。用于决策支持，则是提高企业在面对不断变换的市场条件下的应变能力，以及挖掘自身潜力，增强自身竞争力的有效手段。

完备的信息来源是决策支持系统的基础，在企业中商业决策需要多样化的信息，如实时信息、历史信息、社会信息、企业内部信息、行业信息等等。因此在整理信息的时候，需要做到全面、准确、及时。
按企业信息的业务属性，信息可以分为以下几类：
a. 财务信息：主要包括效益分析所需的销售收入与销售支出，运营决策所需的成本、管理支出等信息，根据不同的决策对数据的需求，从企业财务信息数据库提取。
b. 销售信息：主要包括产品类别、价格、业务信息、客户、交通信息、运输费用、销售人员个人信息、销售业绩、货款回收等。
c. 仓储信息：主要包括库存量，仓库信息、产品类别、产品分类储量、出库信息，入库信息、存储时间、安全存储量、预警存储量、盘盈盘亏额等。
d. 生产信息：主要包括产品类别、生产成本、原材料供应、生产时间、产品生产效率、历史生产信息、车间信息等。
e. 米购信息：主要包括合同信息、供应商、米购价格、运输信息、历史米购信息、应付货款等。