基于数据挖掘的决策支持系统
在市场经济环境下，企业竞争越来越激烈，如何有效地提高企业管理水平和经济效益，挖掘市场潜力，是现代企业面对的一个重要课题。对此，企业信息化建设是提高企业管理水平的有效方法，而且企业信息化已经从最初的简单整合企业信息资源，发展到现在建立大型的企业信息数据库，并从数据库中发现知识，以提供给决策层应用，从而达到辅助企业管理及决策的目的。
1基于数据挖掘的决策支持系统构建决策支持系统（DSS）是利用大量信息数据结合众多模型，通过人机交互，辅助各级决策者实现科学决策的系统。该系统是一个融计算机技术、信息技术、人工智能、管理科学、决策科学等学科和技术于一体的技术继承系统。在企业没有建立起决策支持系统前，各个部门基本上具备各自的数据信息和独立的信息处理系统，但是各个部门间信息不兼容，即使部门之间有交叉业务，但是由于信息不统一，也无法做到信息的一致性，不能有效地达到共享，造成所谓的信息孤岛。即使建立了大型的、集成的、信息统一的数据仓库，但怎样才能在大量的数据中发现有用知识呢？这就需要一个全面的解决方案，解决数据的一致性和集成性，并在这些经过处理的数据中发现知识，以协助企业进行有效的决策和管理。基于数据挖掘的决策支持系统就是把传统的决策支持系统和数据挖掘有机地结合在一起，通过数据挖掘技术来提高系统的智能性，在海量的数据中有效地提取有用数据，发现有用知识。决策支持系统由两部分组成（见图11）：数据仓库、分析系统（即数据挖掘方法）。
f11数据仓库数据仓库的设计首先要满足决策支持系统的要求，决策支持系统数据库所要求的数据要具备三方面特点：概括性、抽象性、统一性。所以在图21中数据仓库和部门数据库之间还应有一个虚拟层，用来为数据仓库提取有用数据，这个层的功能实现由数据挖掘的数据清洗过程完成。数据仓库设计的关键是数据库的结构设计，包括逻辑设计和物理设计。1数据库逻辑设计逻辑设计前需要首先建立一个涉及企业各个方面的详细商业模型，即概念模型。概念模型是独立于任何一种数据模型的信息结构，逻辑设计的任务就是把商业模型转换为数据库系统所支持的数据模型相符合的逻辑结构。由于大多数的商用数据库系统是关系型数据库，所以逻辑设计的主要问题就是把概念模型中各个实体与实体属性的联系转换为关系模式。在企业中涉及很多实体，如部门实体：人力资源部、生产部、财务部、市场部等等。而各个部门中还r