基于商務(wù)智能_BI_的決策支持系統(tǒng)

1、收稿日期:20101104作者簡(jiǎn)介:王曉燕(1980,女,經(jīng)濟(jì)學(xué)碩士,成都電子機(jī)械高等專科學(xué)校工商管理系講師,主要研究方向:金融、經(jīng)濟(jì)、管理。全球商務(wù)智能軟件市場(chǎng)在最近幾年得到了迅速發(fā)展,企業(yè)用戶已不再僅僅滿足于用軟件來(lái)處理日常的事務(wù),而是希望從ERP 、CRM 、SCM 、OA 以及原有的軟件系統(tǒng)中挖掘有用的數(shù)據(jù)資產(chǎn)信息,來(lái)幫助企業(yè)進(jìn)行決策。隨著我國(guó)加入WTO ,我國(guó)在許多領(lǐng)域,如金融、保險(xiǎn)等領(lǐng)域?qū)⒅鸩綄?duì)外開放,這就意味著許多企業(yè)將面臨來(lái)自國(guó)際大型跨國(guó)公司的巨大競(jìng)爭(zhēng)壓力,許多企業(yè)都把數(shù)據(jù)看成寶貴的財(cái)富,紛紛利用商務(wù)智能發(fā)現(xiàn)其中隱藏的信息,借此獲得巨額的回報(bào)。該系統(tǒng)正是基于此種環(huán)境下進(jìn)行設(shè)計(jì)開

2、發(fā)的,系統(tǒng)以數(shù)據(jù)挖掘?yàn)橹?結(jié)合數(shù)據(jù)倉(cāng)庫(kù)、在線分析處理技術(shù),通過(guò)先進(jìn)的模型庫(kù)及方法庫(kù)對(duì)數(shù)據(jù)進(jìn)行處理,從而達(dá)到幫助企業(yè)進(jìn)行有效決策的目的。一、技術(shù)背景1.數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)是利用計(jì)算機(jī)和數(shù)據(jù)庫(kù)技術(shù)的最新發(fā)展,把整個(gè)企業(yè)的數(shù)據(jù),無(wú)論其地理位置、格式和通信要求統(tǒng)統(tǒng)集成在一起,并能把當(dāng)前使用的業(yè)務(wù)信息分離出來(lái),保證關(guān)鍵任務(wù)的OLTP 應(yīng)用的安全性和完整性,同時(shí)可以訪問各種各樣的數(shù)據(jù)庫(kù)。數(shù)據(jù)倉(cāng)庫(kù)不是單一的產(chǎn)品,而是由軟硬件技術(shù)組成的環(huán)境。它把各種數(shù)據(jù)庫(kù)(源數(shù)據(jù)庫(kù)集成為一個(gè)統(tǒng)一的數(shù)據(jù)倉(cāng)庫(kù)(目標(biāo)數(shù)據(jù)庫(kù),并且把基于商務(wù)智能(BI 的決策支持系統(tǒng)王曉燕(成都電子機(jī)械高等?？茖W(xué)校,四川成都610031摘要:該

3、系統(tǒng)是基于BI 構(gòu)造一個(gè)決策支持的綜合數(shù)據(jù)處理平臺(tái),通過(guò)構(gòu)建模型庫(kù)、方法庫(kù)以及顯示支持系統(tǒng)的形式,以數(shù)據(jù)倉(cāng)庫(kù)、在線分析處理以及數(shù)據(jù)挖掘等技術(shù)為基礎(chǔ),通過(guò)對(duì)數(shù)據(jù)進(jìn)行抽取、清洗、聚類、挖掘、預(yù)測(cè)等處理方法來(lái)產(chǎn)生可透析的多維的展示數(shù)據(jù),從而得出分析者所要探詢的某種經(jīng)營(yíng)屬性或市場(chǎng)規(guī)律。關(guān)鍵詞:商務(wù)智能;數(shù)據(jù)倉(cāng)庫(kù);在線分析處理;數(shù)據(jù)挖掘;決策支持系統(tǒng)文章編號(hào):10090673(201004010304中圖分類號(hào):C934文獻(xiàn)標(biāo)識(shí)碼:BDecision Support System Based on BIWANG Xiao-yan(Business Administration Department ,C

4、hengdu Electromechanic College,Chengdu,Sichuan 610031,China Abstract:The system is a comprehensive data-processing platform for decision support based on BI,through the construction of model base,method base,and show the form of support system to data warehouse,online analytical processing and data

5、mining technology based on the data extraction,cleaning,clustering,mining,prediction approach can generate multi-dimensional display of dialysis data analysis,so as to arrive by the operators to explore some of the attributes or the laws of the market.Keywords:BI,DW,OLAP,DM ,Decision Support System2

6、010年12月興義民族師范學(xué)院學(xué)報(bào)Dec.2010第4期JournalofXingyiNormalUniversityforNationalitiesNo.4各種數(shù)據(jù)轉(zhuǎn)換成面向主題(Subject-Oriented的格式,能從異構(gòu)的數(shù)據(jù)源中定期抽取、轉(zhuǎn)換和集成所需要的數(shù)據(jù),便于最終用戶訪問,并能從歷史的角度進(jìn)行分析,最后做出戰(zhàn)略決策。2.在線分析處理系統(tǒng)在線分析處理系統(tǒng)中使用的OLAP分析(聯(lián)機(jī)事務(wù)處理分析可以根據(jù)用戶的需要,從不同的角度,對(duì)數(shù)據(jù)進(jìn)行切片分析。每個(gè)不同的角度,代表了數(shù)據(jù)分析中的一個(gè)“維”,因此也稱“多維分析”。另一方面,OLAP分析也可以提供鉆取功能,能夠?qū)⒛骋稽c(diǎn)的數(shù)據(jù)直接讀取

7、出來(lái)。OLAP分析比傳統(tǒng)的統(tǒng)計(jì)報(bào)表系統(tǒng)有了很大的發(fā)展,能夠提供更多、更豐富的報(bào)表和視圖,用戶使用更方便,編程也更容易。在郵政系統(tǒng)建立了數(shù)據(jù)倉(cāng)庫(kù)之后,就可以進(jìn)行OLAP分析,為管理人員掌握各種業(yè)務(wù)情況,提供技術(shù)手段的支持。在采用OLAP Service中的數(shù)據(jù)挖掘功能時(shí),其中提供的兩類算法分別是基于決策樹的分類和基于決策樹的聚類,例如針對(duì)市場(chǎng)部門的聚類算法將客戶根據(jù)費(fèi)用情況加以聚集,以期發(fā)現(xiàn)處于同一消費(fèi)水平的客戶的共同特征,便于制定政策,吸引客戶。這方面的努力我們將會(huì)進(jìn)一步持續(xù)進(jìn)行,以保證有足夠的海量數(shù)據(jù)而發(fā)現(xiàn)其中的規(guī)律。3.數(shù)據(jù)挖掘系統(tǒng)數(shù)據(jù)挖掘是從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中發(fā)現(xiàn)并提取隱藏在其中的信

8、息的一種新技術(shù),目的是幫助決策者尋找數(shù)據(jù)間潛在的關(guān)聯(lián),發(fā)現(xiàn)被忽略的要素,而這些信息對(duì)預(yù)測(cè)趨勢(shì)和決策行為也許是十分有用的。數(shù)據(jù)挖掘技術(shù)涉及數(shù)據(jù)庫(kù)、人工智能(AI、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析等多種技術(shù)。數(shù)據(jù)挖掘分類涉及的學(xué)科領(lǐng)域和方法很多,有多種分類方法。根據(jù)開采對(duì)象分,有關(guān)系數(shù)據(jù)庫(kù)、面向?qū)ο髷?shù)據(jù)庫(kù)、空間數(shù)據(jù)庫(kù)、時(shí)態(tài)數(shù)據(jù)庫(kù)、文本數(shù)據(jù)庫(kù)、多媒體數(shù)據(jù)庫(kù)、異質(zhì)數(shù)據(jù)庫(kù)、遺產(chǎn)數(shù)據(jù)庫(kù)及環(huán)球網(wǎng)Web。根據(jù)開采方法分,可粗略地分為:機(jī)器學(xué)習(xí)方法、統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫(kù)方法。在機(jī)器學(xué)習(xí)中可細(xì)分為:歸納學(xué)習(xí)方法(決策樹、規(guī)則歸納等、基于范例學(xué)習(xí)、遺傳算法等。本文討論的對(duì)高速數(shù)據(jù)鏈的挖掘就是一種基于決策樹的方法。根據(jù)開

9、采目標(biāo)分,可分為:數(shù)據(jù)處理、預(yù)測(cè)、回歸、分類、連接(關(guān)聯(lián)分析、模型可視化、探索性數(shù)據(jù)分析等。應(yīng)該注意的是,具有不同的目標(biāo)的不同方法可能會(huì)被相繼應(yīng)用。例如,為了確定哪些顧客喜歡購(gòu)買新產(chǎn)品,商務(wù)分析員可能會(huì)首先利用聚類方法來(lái)劃分顧客數(shù)據(jù)庫(kù),然后應(yīng)用回歸方法對(duì)每個(gè)劃分簇預(yù)測(cè)購(gòu)買行為。系統(tǒng)數(shù)據(jù)挖掘模式有很多種,按功能可分有兩大類:預(yù)測(cè)型(Predictive模式和描述型(Descrip-tive模式。二、系統(tǒng)實(shí)現(xiàn)1.系統(tǒng)主要內(nèi)容該系統(tǒng)是一個(gè)決策支持過(guò)程系統(tǒng),它主要基于AI、統(tǒng)計(jì)學(xué)等技術(shù),高度自動(dòng)化地分析企業(yè)原有的數(shù)據(jù),做出歸納性的推理,從中挖掘出潛在的模式,預(yù)測(cè)客戶的行為,幫助企業(yè)的決策者調(diào)整市場(chǎng)策略

10、,減少風(fēng)險(xiǎn),做出正確的決策。系統(tǒng)的主要特點(diǎn):(1基于數(shù)據(jù)倉(cāng)庫(kù)和新型的元數(shù)據(jù)管理,按照主題創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù),并通過(guò)元數(shù)據(jù)進(jìn)行管理和維護(hù);(2數(shù)據(jù)的抽取、轉(zhuǎn)換、裝載等預(yù)處理方便,支持多維數(shù)據(jù)在線分析處理(OLAP;(3提供決策樹、支持向量機(jī)、粗糙集、模糊聚類、基于范例推理、統(tǒng)計(jì)方法、神經(jīng)計(jì)算等多種數(shù)據(jù)挖掘算法,支持特征抽取、分類、聚類、預(yù)測(cè)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、統(tǒng)計(jì)分析等數(shù)據(jù)挖掘功能,并支持高層次的決策分析功能;(4挖掘平臺(tái)利用擴(kuò)展數(shù)據(jù)倉(cāng)庫(kù)某些功能和特征的數(shù)據(jù)庫(kù)管理系統(tǒng)(如SQL Server,Sybase, Oracle,Informix作后臺(tái),可以與現(xiàn)有的系統(tǒng)無(wú)縫的連接,從關(guān)系型數(shù)據(jù)庫(kù)、文本、萬(wàn)維網(wǎng)等外

11、部數(shù)據(jù)源中抽取數(shù)據(jù)費(fèi)用低,周期短;(5實(shí)現(xiàn)了可視化的任務(wù)編輯環(huán)境,以及功能強(qiáng)大的任務(wù)處理引擎,能夠快捷有效地實(shí)現(xiàn)各種數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)挖掘任務(wù);(6可擴(kuò)展性好。轉(zhuǎn)換規(guī)則和挖掘算法是封裝的、模塊化的,系統(tǒng)提供了一個(gè)開放的、靈活通用的接口,使用戶能夠加入新的規(guī)則和算法;2.模型庫(kù)與方法庫(kù)企業(yè)經(jīng)營(yíng)活動(dòng)是復(fù)雜的和多元化的,不可能采用一個(gè)或幾個(gè)模型或方法就能夠?yàn)槠髽I(yè)提供有效的分析與決策支持,因此系統(tǒng)構(gòu)建用戶化的模2010年興義民族師范學(xué)院學(xué)報(bào)第4期型庫(kù)與方法庫(kù),就成為企業(yè)數(shù)據(jù)發(fā)掘與決策支持的重要數(shù)據(jù)基礎(chǔ),沒有符合企業(yè)實(shí)際情況的模型與方法,就不能進(jìn)行準(zhǔn)確的分析與挖掘。(1聚類模式聚類模式把數(shù)據(jù)劃分到不同的組中

12、,組之間的差別盡可能大,組內(nèi)的差別盡可能小。與分類模式不同,進(jìn)行聚類前并不知道將要?jiǎng)澐殖蓭讉€(gè)組和什么樣的組,也不知道根據(jù)哪一(幾個(gè)數(shù)據(jù)項(xiàng)來(lái)定義組。一般來(lái)說(shuō),業(yè)務(wù)知識(shí)豐富的人應(yīng)該可以理解這些組的含義,如果產(chǎn)生的模式無(wú)法理解或不可用,則該模式可能是無(wú)意義的,需要回到上階段重新組織數(shù)據(jù)。主要算法包括:BIRCH 算法、CURE 算法、DBSCAN 算法、K-pototypes 算法、CLARANS 算法、CLIQUE 算法等。例如,一家銀行希望找到基于所開賬戶類型的客戶細(xì)分。聚類分析后得出如下圖所示的三個(gè)分組。不同的彩色段代表不同分段內(nèi)客戶所開的不同賬戶類型的百分比。如下圖:第一個(gè)分段所開的所有賬戶

13、具有相等的百分比,這類用戶用“一般用戶”(General Customers表示。第二個(gè)分段抵押(mortgages、投資賬戶(in-vest ment accounts、家庭改善性貸款(home im-provement loans和存單(CDs類賬號(hào)的比例比較高,這一類用戶稱為“長(zhǎng)期用戶”(Long-term Cus-tomers。第三個(gè)分段支票賬戶(checking accounts、儲(chǔ)蓄賬戶(saving accounts和個(gè)人貸款(personal loans的比例較高,這類用戶稱為“短期用戶”(Short-term Customers。這樣銀行可以發(fā)現(xiàn)不同分段間的其他行為差異,尤其

14、是消耗(attrition,然后根據(jù)這些特點(diǎn)對(duì)不同的分段區(qū)分處理。(2回歸模式回歸模式的函數(shù)定義與分類模式相似,它們的差別在于分類模式的預(yù)測(cè)值是離散的,回歸模式的預(yù)測(cè)值是連續(xù)的。如給出某種動(dòng)物的特征,可以用分類模式判定這種動(dòng)物是哺乳動(dòng)物還是鳥類;給出某個(gè)人的教育情況、工作經(jīng)驗(yàn),可以用回歸模式判定這個(gè)人的年工資在哪個(gè)范圍內(nèi)。雖然許多商業(yè)模型都不是線性的,但可以通過(guò)對(duì)數(shù)的轉(zhuǎn)換來(lái)把它變成線性的。如下圖所示的銷售力量大小對(duì)收入對(duì)數(shù)的關(guān)系。也可以用非線性回歸對(duì)模型進(jìn)行評(píng)估。(3關(guān)聯(lián)分析模式相關(guān)分析模式是對(duì)兩個(gè)變量之間關(guān)系的測(cè)度。例如,購(gòu)買干酪和餅干的高度相關(guān)性表示這些產(chǎn)品最有可能在一起銷售。相關(guān)可能是正

15、的,也可能是負(fù)的。正相關(guān)表示一個(gè)變量在相關(guān)變量取高值時(shí)也取高值。負(fù)相關(guān)表示一個(gè)變量在相關(guān)變量取低值時(shí)反而取高值。正相關(guān)對(duì)發(fā)現(xiàn)趨于一起購(gòu)買的產(chǎn)品非常有用。負(fù)相關(guān)可用于產(chǎn)品的多樣化。(4因子分析模式因子分析模式是另一種數(shù)據(jù)簡(jiǎn)化技術(shù)。但是,不同于聚類分析,因子分析從數(shù)據(jù)中建立一個(gè)模型。集中技術(shù)可以發(fā)現(xiàn)潛在的因子,又稱“隱含變量”,并為這些因子建立基于數(shù)據(jù)中變量的模型。假設(shè)您進(jìn)行一次市場(chǎng)研究調(diào)查來(lái)發(fā)現(xiàn)9種產(chǎn)品特性的重要性,并假設(shè)您發(fā)現(xiàn)3個(gè)因子。載荷(load高于這些因子的變量會(huì)為您提供一些關(guān)于這些因子可能是什么的信息。例如,三種特性(如技術(shù)支持、客戶服務(wù)和培訓(xùn)課程的實(shí)用性的載荷都高于一個(gè)因子,這個(gè)因子

16、叫做“服務(wù)”。這種技術(shù)非常有助于發(fā)現(xiàn)重要的隱含特征,這些特征可能未被觀察,但是可能由被觀察的變量發(fā)現(xiàn)。2010年王曉燕基于商務(wù)智能(BI 的決策支持系統(tǒng)第4 期(上接第102頁(yè)3.加強(qiáng)教師對(duì)學(xué)生學(xué)習(xí)情況的了解和掌握。網(wǎng)絡(luò)環(huán)境下,師生間的實(shí)際距離較遠(yuǎn),教師要及時(shí)獲得學(xué)生的學(xué)習(xí)情況,以便及時(shí)調(diào)整自己的教學(xué)策略,這一原則很重要。4.交互界面友好。交互界面對(duì)教學(xué)效果有直接的影響,要從美學(xué)、心理學(xué)、操作性、實(shí)用性等方面綜合考慮交互界面的設(shè)計(jì)制作。5.高效的在線答疑。答疑系統(tǒng)既可以是教師對(duì)學(xué)生進(jìn)行,也可以是學(xué)生與學(xué)生之間討論式的答疑,這更有助于培養(yǎng)和提高學(xué)生的獨(dú)立思考、團(tuán)隊(duì)協(xié)作和創(chuàng)新思維能力。6.個(gè)性化。

17、應(yīng)賦予師生很大的靈活性,允許他們按照自己的意愿去選擇甚至設(shè)計(jì)教與學(xué)過(guò)程中的任一環(huán)節(jié)。近年來(lái),網(wǎng)絡(luò)課程成為各級(jí)各類學(xué)校的研究熱點(diǎn),新的理論和應(yīng)用層出不窮,促使網(wǎng)絡(luò)課程不斷發(fā)展。網(wǎng)絡(luò)課程交互功能的實(shí)現(xiàn)一定是教育理論與計(jì)算機(jī)技術(shù)的完美結(jié)合,在設(shè)計(jì)與實(shí)現(xiàn)網(wǎng)絡(luò)課程的過(guò)程中,要有足夠的調(diào)研、實(shí)驗(yàn)和測(cè)試,不能簡(jiǎn)單地以為用計(jì)算機(jī)技術(shù)去實(shí)現(xiàn)一些功能就算大功告成。本文中所提出的理論模型與實(shí)現(xiàn)方法,是依據(jù)當(dāng)今計(jì)算機(jī)與教育領(lǐng)域內(nèi)比較成熟穩(wěn)定的理論和技術(shù)而提出來(lái)的,在一定程度上反映了網(wǎng)絡(luò)課程的發(fā)展趨勢(shì),具有一定的代表性。參考文獻(xiàn):1劉凡豐.網(wǎng)絡(luò)教學(xué)中的四種交互及交互作用J.開放教育研究,2002(6:28-30.2袁新

18、瑞.計(jì)算機(jī)網(wǎng)絡(luò)教學(xué)環(huán)境中的交互作用與運(yùn)用策略研究J.電化教育研究,2006(2: 47-50.3Stewartader.WikipatternsM.Washington,D.C:Wiley.2007.責(zé)任編輯:王元華因子分析的另一個(gè)應(yīng)用是基于相似購(gòu)買方式的產(chǎn)品分組歸類。應(yīng)用因子分析,可以找出交叉和捆綁銷售的機(jī)會(huì)。在這個(gè)例子中,因子分析告訴我們產(chǎn)品被分成4個(gè)不同的組,然后建立一個(gè)如上圖所示的表格。這個(gè)表格列出所有產(chǎn)品,并顯示每種產(chǎn)品屬于哪個(gè)因子(或組。圖中對(duì)因子的檢查表明這些因子有概念上的意義。三、結(jié)語(yǔ)綜上所述要實(shí)現(xiàn)一個(gè)智能的、高效的決策支持的綜合數(shù)據(jù)處理系統(tǒng),它需要基于AI、統(tǒng)計(jì)學(xué)等技術(shù),高度自動(dòng)化地分析企業(yè)原有的數(shù)據(jù),做出歸納性的推理,從中挖掘出潛在的模式,預(yù)測(cè)客戶的行為,幫助企業(yè)的決策者調(diào)整市場(chǎng)策略,減少風(fēng)險(xiǎn),做出正確的決策。系統(tǒng)不能單單靠幾個(gè)模型或方法就能夠?yàn)槠髽I(yè)提供有效的分析與決策支持,因此,系統(tǒng)必須構(gòu)建于用戶化的模型庫(kù)與方法庫(kù)之上,這個(gè)模型庫(kù)與方法庫(kù)是企業(yè)