第5章基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)5解析課件

第5章基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)(5)15.6基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)的原理與實(shí)例5.6.1基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)的原理與結(jié)構(gòu)5.6.2基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)簡(jiǎn)例5.6.3基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)實(shí)例

5.6.1基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)的原理與結(jié)構(gòu)1．基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)的的原理

20世紀(jì)90年代中期，國(guó)外興起了三項(xiàng)決策支持新技術(shù)，即數(shù)據(jù)倉(cāng)庫(kù)（DW）、聯(lián)機(jī)分析處理（OLAP）、數(shù)據(jù)挖掘（DM）。

數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的結(jié)合創(chuàng)立了決策支持系統(tǒng)的新方向。（1）數(shù)據(jù)倉(cāng)庫(kù)的決策支持包括：查詢與報(bào)表；多維分析與原因分析；預(yù)測(cè)未來(lái)；實(shí)時(shí)決策和自動(dòng)決策。（2）聯(lián)機(jī)分析處理的決策支持包括：切片和切塊；向下鉆取和向上鉆??；旋轉(zhuǎn)等。（3）數(shù)據(jù)挖掘的決策支持包括：關(guān)聯(lián)分析、時(shí)序模式、聚類、分類、公式發(fā)現(xiàn)、偏差檢測(cè)、預(yù)測(cè)。（4）數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的結(jié)合

以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)，充分利用數(shù)據(jù)資源，發(fā)揮聯(lián)機(jī)分析處理的多維數(shù)據(jù)分析能力和數(shù)據(jù)挖掘獲取知識(shí)的能力，以決策支持系統(tǒng)的方式，為決策者提供快速和有效的輔助決策信息和知識(shí)。

數(shù)據(jù)倉(cāng)庫(kù)是為輔助決策而建立的，單依靠數(shù)據(jù)倉(cāng)庫(kù)能力是有限的。

數(shù)據(jù)倉(cāng)庫(kù)中有大量的輕度綜合數(shù)據(jù)和高度綜合數(shù)據(jù)。這些數(shù)據(jù)為決策者提供了綜合信息。數(shù)據(jù)倉(cāng)庫(kù)保存有大量歷史數(shù)據(jù)，這些數(shù)據(jù)通過(guò)預(yù)測(cè)模型計(jì)算可以得到預(yù)測(cè)信息。

數(shù)據(jù)倉(cāng)庫(kù)（DW）中增加聯(lián)機(jī)分析處理（OLAP）和數(shù)據(jù)挖掘（DM）等分析工具，能較大地提高輔助決策能力。

DW＋OLAP＋DM的決策支持系統(tǒng)是以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)的，稱為基于數(shù)據(jù)倉(cāng)庫(kù)的新決策支持系統(tǒng)。

2.基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)的的結(jié)構(gòu)基于數(shù)據(jù)倉(cāng)庫(kù)的新決策支持系統(tǒng)結(jié)構(gòu):

新決策支持系統(tǒng)的特點(diǎn)是從數(shù)據(jù)中獲取輔助決策的信息和知識(shí)。5.6.2基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)簡(jiǎn)例

我們以航空公司數(shù)據(jù)倉(cāng)庫(kù)決策支持系統(tǒng)為例進(jìn)行說(shuō)明。1.航空公司數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的功能航空公司數(shù)據(jù)倉(cāng)庫(kù)功能模塊有：市場(chǎng)分析：分析國(guó)內(nèi)、國(guó)際、地區(qū)航線上的各項(xiàng)生產(chǎn)指標(biāo)；航班分析：分析某個(gè)特定市場(chǎng)上所有航班的生產(chǎn)情況；班期分析：分析某個(gè)特定市場(chǎng)上各班期的旅客、貨運(yùn)分布

情況；

時(shí)段分析：分析一段時(shí)間范圍內(nèi)每天不同時(shí)段的流量分布；效益分析：分析航線、航班的效益；機(jī)型分析：分析不同種機(jī)型對(duì)客座率等關(guān)鍵指標(biāo)的影響；因素分析：分析某個(gè)關(guān)鍵指標(biāo)發(fā)生變化后對(duì)其他指標(biāo)的影響程度。

2.數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的決策支持利用數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)提供的決策支持有：l

一段時(shí)間內(nèi)某特定市場(chǎng)占有率、同期比較、增長(zhǎng)趨勢(shì)；l

各條航線的收益分析；l

計(jì)劃完成情況；l

流量、流向分析；l

航線上各項(xiàng)生產(chǎn)指標(biāo)變化趨勢(shì)的分析；

l

航線上按班期分析、匯總各項(xiàng)趨勢(shì)；l

航線上按航班時(shí)刻分析各項(xiàng)指標(biāo)；l

航線上不同航班性質(zhì)比較；l

航線上運(yùn)力投入結(jié)構(gòu)比較；l

分機(jī)型的航線運(yùn)輸統(tǒng)計(jì)；

l

飛機(jī)利用率統(tǒng)計(jì)；l

城市對(duì)流量、流向?qū)Ρ龋籰

航向分機(jī)型收益比較；l

航班計(jì)劃評(píng)估；l

航線上不同機(jī)型的艙位利用情況。

通過(guò)查詢“北京到各地區(qū)的航空市場(chǎng)情況”，發(fā)現(xiàn)西南地區(qū)總周轉(zhuǎn)量出現(xiàn)了最大負(fù)增長(zhǎng)量。該決策支持系統(tǒng)簡(jiǎn)例就是完成對(duì)此問(wèn)題進(jìn)行多維分析和原因分析，找出出現(xiàn)原因。

決策支持系統(tǒng)運(yùn)行結(jié)構(gòu)圖如下：3.航空公司市場(chǎng)問(wèn)題原因分析決策支持系統(tǒng)

數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器

客戶端

查詢：全國(guó)各地區(qū)航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖1查詢：全國(guó)各地區(qū)航空客運(yùn)周轉(zhuǎn)量并比較去年同期狀況查詢：全國(guó)各地區(qū)航空貨運(yùn)周轉(zhuǎn)量并比較去年同期狀況顯示：圖3查詢：全國(guó)各地區(qū)客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量并比較去年同期狀況具體數(shù)據(jù)顯示：表1查詢：西南地區(qū)昆明、重慶兩地航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖4

查詢：昆明航線按不同機(jī)型的總周轉(zhuǎn)量，并比較去年同期狀況顯示：圖5

查詢：昆明航線按不同機(jī)型的周轉(zhuǎn)量，并比較去年同期周轉(zhuǎn)量的具體數(shù)據(jù)顯示：表2顯示：圖2結(jié)束檢索：數(shù)據(jù)倉(cāng)庫(kù)中今年、去年兩年總周轉(zhuǎn)量綜合數(shù)據(jù)，并比較。繪制直方圖下鉆：從總周轉(zhuǎn)量下鉆到今年、去年兩年客運(yùn)周轉(zhuǎn)量，并比較。繪制直方圖下鉆：從總周轉(zhuǎn)量下鉆到今年、去年兩年貨運(yùn)周轉(zhuǎn)量，并比較。繪制直方圖制表：從數(shù)據(jù)倉(cāng)庫(kù)中取數(shù)據(jù)并制表下鉆：從西南地區(qū)總周轉(zhuǎn)量下鉆，取昆明、重慶兩地的今年、去年兩年數(shù)據(jù)并比較。繪制直方圖下鉆：從昆明航線總周轉(zhuǎn)量下鉆，取各機(jī)型今年、去年兩年數(shù)據(jù)并比較。繪制直方圖制表：從數(shù)據(jù)倉(cāng)庫(kù)中取數(shù)據(jù)并制表圖1全國(guó)各地區(qū)航空周轉(zhuǎn)量與去年對(duì)比狀況返回（其中，1：東北地區(qū)；2：華北地區(qū)；3：華東地區(qū)；4：西北地區(qū)；5：西南地區(qū)；6：新疆地區(qū)；7：中南地區(qū)）從圖1中看到從北京到國(guó)內(nèi)各地區(qū)的總周轉(zhuǎn)量以及與去年同期的比較情況，發(fā)現(xiàn)

“北京－西南地區(qū)”出現(xiàn)的負(fù)增長(zhǎng)最大。

圖2全國(guó)各地區(qū)航空客運(yùn)周轉(zhuǎn)量及與去年同期比較返回從圖2中看到客運(yùn)周轉(zhuǎn)量及與去年同期比較，西南地區(qū)負(fù)增長(zhǎng)在全國(guó)是最大的，其次是東北地區(qū)。圖3北京到國(guó)內(nèi)各地區(qū)貨運(yùn)周轉(zhuǎn)量及與去年同期比較返回從圖3中看到貨運(yùn)周轉(zhuǎn)量及與去年同期比較，華東地區(qū)負(fù)增長(zhǎng)在全國(guó)是最大的，西南地區(qū)也有負(fù)增長(zhǎng)。

表1客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量及其去年同期比較客運(yùn)周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量貨運(yùn)周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量總周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量東北地區(qū)11.86-5.11.29-1.513.15-6.6華北地區(qū)34.8815.031.110.753615.78華東地區(qū)479.30126.5236.16-25.59515.46100.93西北地區(qū)51.6018.059.07.260.625.25西南地區(qū)15.43-19.353.29-0.5618.72-19.91新疆地區(qū)29.0205.85034.870中南地區(qū)643.43295.86116.8560.70760.28356.56返回從表1中，可以看出航空客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量以及與去年同期比較的具體數(shù)據(jù)。西南地區(qū)總周轉(zhuǎn)量的負(fù)增長(zhǎng)主要是客運(yùn)負(fù)增長(zhǎng)為主體。圖4西南地區(qū)昆明、重慶兩地航空總周轉(zhuǎn)量及與去年同期比較返回從圖4中看出，西南地區(qū)航空總周轉(zhuǎn)量下降最多的是昆明航線。

（其中，A：150座級(jí)；B：200座級(jí)；C：300座級(jí)以上；D：200－300座級(jí)）圖5昆明航線各機(jī)型總周轉(zhuǎn)量以及與去年同期比較的柱形圖返回從圖5可以看出昆明航線中200－300座級(jí)機(jī)型負(fù)增長(zhǎng)最大，其次是150座級(jí)機(jī)型也有較大的負(fù)增長(zhǎng)，而200座級(jí)以及300座級(jí)以上機(jī)型保持同去年相同航運(yùn)水平。

表2昆明航線各機(jī)型總周轉(zhuǎn)量以及與去年同期比較的數(shù)據(jù)從表2中可以看出，不同機(jī)型的周轉(zhuǎn)量以及對(duì)比去年同期增長(zhǎng)的具體數(shù)據(jù)。總周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量150座級(jí)12.99-16.83200座級(jí)10.070300座級(jí)以上10.070200-300座級(jí)2.91-26.9返回以上決策支持系統(tǒng)過(guò)程完成了對(duì)航空公司全國(guó)各地區(qū)總周轉(zhuǎn)量對(duì)比去年同期出現(xiàn)負(fù)增長(zhǎng)量最大的西南地區(qū)，經(jīng)過(guò)多維分析和原因分析，找出其原因發(fā)生在昆明航線上。

主要是200－300座級(jí)機(jī)型的總周轉(zhuǎn)量負(fù)增長(zhǎng)以及150座級(jí)機(jī)型負(fù)增長(zhǎng)量造成的。其中，200－300座級(jí)負(fù)增長(zhǎng)最嚴(yán)重。

這為決策者提供了解決西南地區(qū)負(fù)增長(zhǎng)問(wèn)題輔助決策的信息。數(shù)據(jù)倉(cāng)庫(kù)決策支持系統(tǒng)應(yīng)用說(shuō)明以上決策支持系統(tǒng)只是找出了西南地區(qū)航運(yùn)負(fù)增長(zhǎng)問(wèn)題的原因。還可以昆明航線上航班時(shí)間以及其他方面進(jìn)行原因分析，找出其他原因，為決策者提供更多的輔助決策信息。同樣，可以從國(guó)內(nèi)各地區(qū)航空市場(chǎng)狀況中對(duì)比去年同期增長(zhǎng)顯著的中南地區(qū)，找出總周轉(zhuǎn)量大幅提高的原因。從正反兩方面來(lái)進(jìn)行多維分析和原因分析，將可以得到更多的輔助決策信息，減少負(fù)增長(zhǎng)，增大正增長(zhǎng)，提高更大利潤(rùn)。進(jìn)行多方面分析的大型決策支持系統(tǒng)，將可以發(fā)揮更大的輔助決策效果。5.6.3基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)實(shí)例Wal*Mart建立了基于NCRTeradata數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)，它是世界上第二大的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，總?cè)萘窟_(dá)到170TB以上。強(qiáng)大的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)將世界4000多家分店的每一筆業(yè)務(wù)數(shù)據(jù)匯總到一起，讓決策者能夠在很短的時(shí)間里獲得準(zhǔn)確和及時(shí)的信息，并做出正確和有效的經(jīng)營(yíng)決策。

利用數(shù)據(jù)倉(cāng)庫(kù)，沃爾瑪對(duì)商品進(jìn)行市場(chǎng)類組分析(MarketingBasketAnalysis)，即分析哪些商品顧客最有希望一起購(gòu)買。沃爾瑪利用自動(dòng)數(shù)據(jù)挖掘工具對(duì)這些數(shù)據(jù)進(jìn)行分析和挖掘。一個(gè)意外的發(fā)現(xiàn)就是：跟尿布一起購(gòu)買最多的商品竟是啤酒！沃爾瑪就在它的一個(gè)個(gè)商店里將它們并排擺放在一起，結(jié)果是尿布與啤酒的銷量雙雙增長(zhǎng)。由于這個(gè)故事的傳奇和出人意料，所以一直被業(yè)界和商界所傳誦。

Teradata數(shù)據(jù)庫(kù)里存有196億條記錄，每天要處理并更新2億條記錄，要對(duì)來(lái)自6000多個(gè)用戶的48，000條查詢語(yǔ)句進(jìn)行處理。銷售數(shù)據(jù)、庫(kù)存數(shù)據(jù)每天夜間從4，000多個(gè)商店自動(dòng)采集過(guò)來(lái)，并通過(guò)衛(wèi)星線路傳到總部的數(shù)據(jù)倉(cāng)庫(kù)里。沃爾瑪數(shù)據(jù)倉(cāng)庫(kù)里最大的一張表格(Table)容量已超過(guò)300GB、存有50億條記錄，可容納65個(gè)星期4，000多個(gè)商店的銷售數(shù)據(jù)，而每個(gè)商店有五萬(wàn)到八萬(wàn)個(gè)商品品種。利用數(shù)據(jù)倉(cāng)庫(kù)，沃爾瑪在商品分組布局、降低庫(kù)存成本、了解銷售全局、進(jìn)行市場(chǎng)分析和趨勢(shì)分析等方面進(jìn)行決策支持分析：1.商品分組布局分析顧客的購(gòu)買習(xí)慣，掌握不同商品一起購(gòu)買的概率，甚至考慮購(gòu)買者在商店里所穿行的路線、購(gòu)買時(shí)間和地點(diǎn)，從而確定商品的最佳布局。2.降低庫(kù)存成本沃爾瑪將成千上萬(wàn)種商品的銷售數(shù)據(jù)和庫(kù)存數(shù)據(jù)集中起來(lái)，通過(guò)數(shù)據(jù)分析，以決定對(duì)各個(gè)商店各色貨物進(jìn)行增減，確保正確的庫(kù)存。沃爾瑪?shù)慕?jīng)營(yíng)哲學(xué)是“代銷”供應(yīng)商的商品，也就是說(shuō)，在顧客付款之前，供應(yīng)商是不會(huì)拿到它的貨款的.

3.了解銷售全局各個(gè)商店在傳送數(shù)據(jù)之前，先對(duì)數(shù)據(jù)進(jìn)行如下分組：商品種類、銷售數(shù)量、商店地點(diǎn)、價(jià)格和日期等。通過(guò)這些分類信息，沃爾瑪能對(duì)每個(gè)商店的情況有個(gè)細(xì)致的了解。在最后一家商店關(guān)門后一個(gè)半小時(shí)，沃爾瑪已確切知道當(dāng)天的運(yùn)營(yíng)和財(cái)政情況。4、市場(chǎng)分析利用數(shù)據(jù)挖掘工具和統(tǒng)計(jì)模型對(duì)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)仔細(xì)研究，以分析顧客的購(gòu)買習(xí)慣、廣告成功率和其他戰(zhàn)略性的信息。5、趨勢(shì)分析沃爾瑪利用數(shù)據(jù)倉(cāng)庫(kù)對(duì)商品品種和庫(kù)存的趨勢(shì)進(jìn)行分析，以選定需要補(bǔ)充的商品，研究顧客購(gòu)買趨勢(shì)，分析季節(jié)性購(gòu)買模式，確定降價(jià)商品，并對(duì)其數(shù)量和運(yùn)作作出反應(yīng)。啟示（1）沃爾頓在自傳中寫道：“我能頃刻之間把信息提取出來(lái)，而且是所有的數(shù)據(jù)。我能拿出我想要的任何東西，并確切地講