5数据仓库的决策支持

《5数据仓库的决策支持》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

第5章数据仓库的决策支持 5．1数据仓库的用户5.2数据仓库的决策支持与决策支持系统5.3数据仓库应用实例 5．1数据仓库的用户5.1.1数据仓库的信息使用者5.1.2数据仓库的探索者 数据仓库的用户有两类：信息使用者和探索者信息使用者是使用数据仓库的大量用户。信息使用者以一种可预测的、重发性的方式使用数据仓库平台。信息使用者通常查看概括数据或聚集数，查看相同的商业维度（如产品、客户、时间）和指标（如收入和成本）随时间的发展趋势。 探索者完全不同于信息使用者，他们有一个完全不可预测的、非重复性的数据使用模式。探索者的任务是寻找公司数据内隐含的价值并且根据过去事件努力预测未来决策的结果。探索者是典型的数据挖掘者。 5.1.1数据仓库的信息使用者1.信息使用者使用数据仓库的性能优化2.探索者使用数据仓库的性能优化 信息使用者的性能需求非规格化规范化的作用是产生一种完全没有数据冗余的设计方法。但是，有时在数据仓库设计中引入一些有限的数据冗余来提高数据访问效果。创建数据阵列创建数据阵列，将相关类型的数据(如：1月、2月、3月等月份中的数据)存储在一起，提高访问效果。 预连接表格一个公用键和共同使用的数据将表格合并在一起。共享一个公用键，可以将多个表格合并到一个物理表格中。这样做可以很大程度的提高数据访问效率。预聚集数据根据“滚动概括”结构来组织数据。当数据被输入到数据仓库中时，以每小时为基础存储数据。在这一天结束时，以每天为基础存储累加每小时的数据。在一周结束时，以每周为基础存储累加每天的数据。月末时，则以每月为基础存储累加每周的数据。 聚类数据将不同类型的数据记录放置在相同的物理位置。这为用户查看这些记录，可以在同一地点找到它们，提高查询效率。压缩数据压缩可以使可读取的数据量极大。 定期净化数据定期删除数据仓库中不需要的数据，可以为每个用户提高性能。合并查询如果查询定期发生，那么可以通过把这些查询合并到同一个表格中，从而节省大量资源。 5.1.2数据仓库的探索者探索者要做的工作有：概括分析、抽取、建模和分类。(1)概括分析探索者开始以分析数据的完整性和准确性（数据质量）。在概括分析活动中，要询问的典型问题包括：家庭收入如何分配？有多少帐户每月消费超过200元？有多少客户有两个以上的小孩并居住在市区？ (2)抽取从数据仓库中抽取指定的数据，并组织起来，送入支持探索者分析的探索仓库中。(3)建模探索者通过概括分析来理解数据，通过抽取来准备数据，通过建模来分析数据。 建模是开发一种用来描述实体（如客户、商品、渠道等）的关系模型的过程。探索者使用的模型有：客户分段后续产品欺诈检测渠道响应（例如，电话销售和直接邮寄）信用风险客户生存期价值推销响应 例如，利用建模来确认有可能拖延支付电话帐单的客户：首先，建立一个模型（利用统计学和行为科学）来确认经常拖延支付电话帐单的客户特征。然后，根据客户与模型的密切程度，对所有的客户分类。这样，可以提供谁将不支付电话帐单的某种可能性预测。 5.2数据仓的决策支持与决策支持系统5.2.1查询与报表5.2.2多维分析与原因分析5.2.3预测未来5.2.4实时决策5.2.5自动决策5.2.6决策支持系统 数据仓库是一种能够提供重要战略信息，并获得竞争优势的新技术，从而得到迅速的发展。具体的战略信息有：给出销售量最好的产品名单找出出现问题的地区（切片）追踪查找出现问题原因（向下钻取）对比其他的数据（横向钻取）显示最大的利润当一个地区的销售低于目标值时，提出警告信息。 建立数据仓库的目的不只是为了存储更多的数据，而是要对这些数据进行处理并转换成商业信息和知识，利用这些信息和知识来支持企业进行正确的商业行动，并最终获得效益。数据仓库的功能是在恰当的时间，把准确的信息传递给决策者，使他能作出正确的商业决策。 5.2.1查询与报表1.查询（1）能向用户提供查询的初始化，公式表示和结果显示等功能。（2）由元数据来引导查询过程（3）用户能够轻松地浏览数据结构（4）信息是用户自己主动索取的，而不是数据仓库强加给他们的（5）查询环境必须要灵活地适应不同类型的用户 2.报表（1）预格式化报表。（2）参数驱动的预定义报表。（3）简单的报表开发。（4）公布和订阅。（5）传递选项。（6）多数据操作选项。（7）多种展现方式选项。 5.2.2多维分析与原因分析1、多维分析通过多维分析将获得在各种不同维度下的实际商业活动值（如销售量等），特别是他们的变化值和差值，达到辅助决策效果。例如通过多维分析得到如下信息：今年以来，公司的哪些产品量是最有利润的？最有利润的产品是不是和去年一样的？ 2、原因分析查找问题出现的原因是一项很重要的决策支持任务，一般通过多维数据分析的“向下钻取”操作来完成。某公司从分析报表中得知最近几个月来整个企业的利润在急速下滑，通过人机交互找出该企业利润下滑的原因。 （1）查询整个公司最近3个月来各个月份的销售额和利润，显示销售额正常，但利润下降。（2）查询全世界各个区域每个月的销售额和利润，显示欧洲地区销售额下降，利润急剧下降。（3）查询欧洲各国销售额和利润。显示一些国家利润率上升，一些国家持平，欧盟国家利润率急剧下降。（4）查询欧盟国家中的直接和间接成本。得到直接成本没有问题，但间接成本提高了。（5）查询间接成本的详细情况。得出企业征收了额外附加税，使利润下降。通过原因分析，得到企业利润下滑的真正原因是欧盟国家征收了额外附加税造成。 5.2.3预测未来预测未来使决策者了解“将要发生什么”。数据仓库中存放了大量的历史数据，从历史数据中找出变化规律，将可以用来预测未来。在进行预测的时候需要用到一些预测模型。最常用的预测方法是采用回归模型，包括线性回归或非线性回归。采用聚类模型或分类模型也能达到一定的预测效果。 5.2.4实时决策企业需要准确了解“正在发生什么”，从而需要建立动态数据仓库（实时数据库），用于支持战术型决策，即实时决策。战术性决策支持的重点则在企业外部，支持的是执行公司战略的员工。第四种侧重在战术性决策支持。 以货运为例卡车上的货物常常需要把某些货物从一辆车转移到另一辆车上，以便最终送抵各自的目的地。当某些卡车晚点时，就要做出艰难的决定：是让后继的运输车等待迟到的货物，还是让其按时出发。如果后继车辆按时出发而未等待迟到的包裹，那么迟到包裹的服务等级就会大打折扣。反过来说，等待迟到的包裹则将损害在后继的运输车上的其他待运包裹的服务等级。运输车究竟等待多长时间，取决于需卸装到该车辆的所有延迟货物的服务等级和已经装载到该车辆的货物的服务等级。 5.2.5自动决策利用动态数据库自动决策，达到“希望发生什么”。为了寻求决策的有效性和连续性，企业就会趋向于采取自动决策。动态数据仓库可以为整个企业提供战略决策支持，也可提供战术决策支持。确切地说，动态数据仓库同时支持这两种方式。随着技术的进步，越来越多的决策由事件触发，自动发生。 5.2.6决策支持系统数据仓库整合了企业的各种信息来源，能确保一致与正确详细的数据。它是一个庞大的数据资源。要将数据转换成商业智能，就需要利用数据仓库来建立决策支持系统。基于数据仓库的决策支持系统是针对实际问题，利用分析工具或者编制程序，采用一种或多种组合的决策支持能力，对数据仓库中的数据进行多维分析，从而掌握企业的经营现状，找出现状的原因，并预测未来发展趋势，协助企业制定决策增强竞争优势。 5.3数据仓库应用实例5.3.1航空公司数据仓库决策支持系统简例5.3.2统计业数据仓库解决方案5.3.3沃尔玛数据仓库系统 5.3.1航空公司数据仓库决策支持系统简例1.航空公司数据仓库系统的功能2.数据仓库系统的决策支持3.决策支持系统简例 1.航空公司数据仓库系统的功能航空公司数据仓库功能模块有：市场分析：分析国内、国际、地区航线上的各项生产指标；航班分析：分析某个特定市场上所有航班的生产情况；班期分析：分析某个特定市场上各班期的旅客、货运分布情况； 2.数据仓库系统的决策支持利用数据仓库系统提供的决策支持有：l一段时间内某特定市场占有率、同期比较、增长趋势；l各条航线的收益分析；l计划完成情况；l流量、流向分析；l航线上各项生产指标变化趋势的分析； 通过查询“北京到各地区的航空市场情况”，发现西南地区总周转量出现了最大负增长量。该决策支持系统简例就是完成对此问题进行多维分析和原因分析，找出出现原因。决策支持系统运行结构图如下：3.决策支持系统简例 数据仓库服务器客户端查询：全国各地区航空总周转量并比较去年同期状况显示：图1查询：全国各地区航空客运周转量并比较去年同期状况查询：全国各地区航空货运周转量并比较去年同期状况显示：图3查询：全国各地区客运、货运、总周转量并比较去年同期状况具体数据显示：表1查询：西南地区昆明、重庆两地航空总周转量并比较去年同期状况显示：图4查询：昆明航线按不同机型的总周转量，并比较去年同期状况显示：图5查询：昆明航线按不同机型的周转量，并比较去年同期周转量的具体数据显示：表2显示：图2结束检索：数据仓库中今年、去年两年总周转量综合数据，并比较。绘制直方图下钻：从总周转量下钻到今年、去年两年客运周转量，并比较。绘制直方图下钻：从总周转量下钻到今年、去年两年货运周转量，并比较。绘制直方图制表：从数据仓库中取数据并制表下钻：从西南地区总周转量下钻，取昆明、重庆两地的今年、去年两年数据并比较。绘制直方图下钻：从昆明航线总周转量下钻，取各机型今年、去年两年数据并比较。绘制直方图制表：从数据仓库中取数据并制表 图1全国各地区航空周转量与去年对比状况返回（其中，1：东北地区；2：华北地区；3：华东地区；4：西北地区；5：西南地区；6：新疆地区；7：中南地区）从图1中看到从北京到国内各地区的总周转量以及与去年同期的比较情况，发现“北京－西南地区”出现的负增长最大。 图2全国各地区航空客运周转量及与去年同期比较返回从图2中看到客运周转量及与去年同期比较，西南地区负增长在全国是最大的，其次是东北地区。 图3北京到国内各地区货运周转量及与去年同期比较返回从图3中看到货运周转量及与去年同期比较，华东地区负增长在全国是最大的，西南地区也有负增长。 表1客运、货运、总周转量及其去年同期比较客运周转量对比去年增长量货运周转量对比去年增长量总周转量对比去年增长量东北地区11.86-5.11.29-1.513.15-6.6华北地区34.8815.031.110.753615.78华东地区479.30126.5236.16-25.59515.46100.93西北地区51.6018.059.07.260.625.25西南地区15.43-19.353.29-0.5618.72-19.91新疆地区29.0205.85034.870中南地区643.43295.86116.8560.70760.28356.56返回从表1中，可以看出航空客运、货运、总周转量以及与去年同期比较的具体数据。西南地区总周转量的负增长主要是客运负增长为主体。 图4西南地区昆明、重庆两地航空总周转量及与去年同期比较返回从图4中看出，西南地区航空总周转量下降最多的是昆明航线。 （其中，A：150座级；B：200座级；C：300座级以上；D：200－300座级）图5昆明航线各机型总周转量以及与去年同期比较的柱形图返回从图5可以看出昆明航线中200－300座级机型负增长最大，其次是150座级机型也有较大的负增长，而200座级以及300座级以上机型保持同去年相同航运水平。 表2昆明航线各机型总周转量以及与去年同期比较的数据从表2中可以看出，不同机型的周转量以及对比去年同期增长的具体数据。总周转量对比去年增长量150座级12.99-16.83200座级10.070300座级以上10.070200-300座级2.91-26.9返回 以上决策支持系统过程完成了对航空公司全国各地区总周转量对比去年同期出现负增长量最大的西南地区，经过多维分析和原因分析，找出其原因发生在昆明航线上。主要是200－300座级机型的总周转量负增长以及150座级机型负增长量造成的。其中，200－300座级负增长最严重。这为决策者提供了解决西南地区负增长问题辅助决策的信息。 数据仓库决策支持系统应用说明以上决策支持系统只是找出了西南地区航运负增长问题的原因。还可以昆明航线上航班时间以及其他方面进行原因分析，找出其他原因，为决策者提供更多的辅助决策信息。 同样，可以从国内各地区航空市场状况中对比去年同期增长显著的中南地区，找出总周转量大幅提高的原因。从正反两方面来进行多维分析和原因分析，将可以得到更多的辅助决策信息，减少负增长，增大正增长，提高更大利润。进行多方面分析的大型决策支持系统，将可以发挥更大的辅助决策效果。 5.3.2统计业数据仓库系统1.统计业数据仓库解决方案2.某市统计局企业微观数据仓库系统 1.统计业数据仓库解决方案统计业面临以下三方面的需求：（1）数据的集中存储与管理统计行业掌握着大量的、各历史年度的原始调查资料，这些资料大都还保留在纸介质、脱机的磁带和软盘上。这些宝贵的原始资料不能为统计业务人员随机查询和充分共享，不能进行有效的统计分析、预测评估和使用。 （2）查询方式和分析手段的更新统计报表和统计分析需要从大量各种各样的原始材料中汇总整理各种不同需求，反映不同侧面的综合分析数据.传统的处理手段主要通过编写程序来实现。开发周期长。 （3）与Web技术的有机结合采用目前流行的三层应用体系结构对系统进行应用开发。后台是数据仓库，前台是Web服务器，客户端是浏览器的应用模式。利用这种技术，可以做到网上动态信息发布、网上随机查询和网上联机分析处理等功能。 2.某市统计局企业微观数据仓库系统企业微观数据仓库设计成以下主题：（1）企业基本情况：各年度、各专业统计调查单位基本情况名录的主要内容及全部标识性内容。（2）企业财务状况：各年度、各专业企业的资产、经营投入、产出效益等财务经营状况。（3）企业劳动状况：各年度、各专业企业的就业人数及工资收入情况。（4）企业消耗状况：各年度、各专业企业生产所需的原材料及能源消耗情况，包括价值量和实物量消耗情况。（5）企业生产状况：各年度、各专业企业的主营生产情况。 企业微观数据仓库系统的前端应用都是基于Web方式开发。它具有：网上随机查询、网上多维分析、网上数据钻取、网上图形分析、网上表格旋转透视、网上多维报表等功能，并且操作方式都是拖拉方式。今后统计业务人员的月报、年报等数据处理都可以在网上进行。 5.3.3沃尔玛数据仓库系统美国的沃尔玛（Wal*Mart）是世界最大的零售商，Wal*Mart建立了基于NCRTeradata数据仓库的决策支持系统，它是世界上第二大的数据仓库系统，总容量达到170TB以上。强大的数据仓库系统将世界4000多家分店的每一笔业务数据汇总到一起，让决策者能够在很短的时间里获得准确和及时的信息，并做出正确和有效的经营决策。沃尔玛的创始人萨姆．沃尔顿：“我总是喜欢尽快得到那些数据、我们越快得到那些信息、我们就能越快据此采取行动，这个系统已经成为我们的一个重要工具”。 利用数据仓库，沃尔玛对商品进行市场类组分析，即分析哪些商品顾客最有希望一起购买。一个意外的发现就是：跟尿布一起购买最多的商品竟是啤酒！按常规思维，尿布与啤酒风马牛不相及，若不是借助于数据仓库系统，商家决不可能发现隐藏在背后的事实。沃尔玛就在它的一个个商店里将它们并排摆放在一起，结果是尿布与啤酒的销量双双增长。 每天要处理并更新2亿条记录，要对来自6000多个用户的48，000条查询语句进行处理。销售数据、库存数据每天夜间从4，000多个商店自动采集过来，并通过卫星线路传到总部的数据仓库里。利用数据仓库，进行决策支持分析，具体表现为： 1.商品分组布局合理的商品布局能节省顾客的购买时间，能刺激顾客的购买欲望。分析顾客的购买习惯，掌握不同商品一起购买的概率，甚至考虑购买者在商店里所穿行的路线、购买时间和地点，从而确定商品的最佳布局。 2.降低库存成本沃尔玛通过数据仓库系统，决定对各个商店各色货物进行增减，确保正确的库存。沃尔玛的经营哲学是“代销”供应商的商品，也就是说，在顾客付款之前，供应商是不会拿到它的货款的。数据仓库系统不仅使沃尔玛省去了商业中介，还把定期补充库存的担子转嫁到供应商身上。 3.了解销售全局各个商店在传送数据之前，先对数据进行如下分组：商品种类、销售数量、商店地点、价格和日期等。通过这些分类信息，沃尔玛能对每个商店的情况有个细致的了解。在最后一家商店关门后一个半小时，沃尔玛已确切知道当天的运营和财政情况。 4、市场分析沃尔玛利用数据挖掘工具和统计模型分析顾客的购买习惯、广告成功率和其他战略性的信息。每周六要对世界范围内销售量最大的15种商品进行分析，然后确保在准确的时间、合适的地点有所需要的库存。 5、趋势分析对商品品种和库存的趋势进行分析，以选定需要补充的商品，研究顾客购买趋势，分析季节性购买模式，确定降价商品，并对其数量和运作作出反应。为了能够预测出季节性销售量，它要检索数据仓库拥有100，000种商品一年多来的销售数据，并在此基础上作分析和知识挖掘。 沃尔顿在他的自传中写道：“我能顷刻之间把信息提取出来，而且是所有的数据。我能拿出我想要的任何东西，并确切地讲出我们卖了多少。”这感觉就象在信息的海洋里，“轻舟已过万重山”。他还写到：”我想我们总是知道那些信息赋予你一定的力量，而我们能在计算机内取出这些数据的程度会使我们具有强大的竞争优势。” 数据仓库改变了沃尔玛，而沃尔玛改变了零售业。沃尔玛的成功给人以启示：唯有站在信息巨人的肩头，才能掌握无限，创造辉煌。 习题1，2，5，11，14，15，19，20