基于数据仓库技术的决策支持系统的设计与实现.docx

第一章引言1．1问题的提出我国的电信业，尤其是移动通信业，起步比较晚，但发展非常快，对许多业务的决策和方向的把握都是在摸索中进行的，某些立项缺乏统一意见和充足的科学依据，带有一定程度的盲目性。另一方面，经过多年运营，积累了庞大的业务数据，如计费中心的计费数据、客服中心的用户信息数据等，这些海量数据中包含着宝贵的经验和商业信息，可以很好地拿来借鉴今后的业务运作。但是这些数据信息隐藏在庞大、复杂的数据库里面，许多有价值的信息并没有直接表现出来，而是掩盖在无聊的数据后面。多数情况下，我们不得不用到某些分析工具，以期取得丰富而又客观翔实的商业信息，用于开发更大的市场和提供更完善的服务。到目前为止，电信业尚无比较完备的分析工具，然而另一方面，电信业又面临着许多急于解决的问题，如：话费流失问题、新业务开展问题、基站分配问题、批价问题等等。以话费流失为例，我国电信业每年仅此项损失就达数亿元人民币之巨，基本上无法追回。如何尽快避免或尽量减免这一损失，就显得极为迫切和必须。在这种背景下，数据仓库技术以及其上的一些分析挖掘工具就应运而生了，如联机分析处理、数据挖掘等等。决策支持系统（DSS-DecisionSupportSystem）是70年代由美国M.S.ScottMorton提出，迅速发展起来的新型学科。决策支持系统是综合利用大量数据，有机组合众多模型（数学模型与数据处理模型等），通过人机交互，辅助各级决策者实现科学决策的系统。数据仓库DW（DataWarehouse）建立在传统事务型数据库的基础之上，为企业DSS及数据挖掘系统提供数据源。它从原事务数据库中将分析型数据与事务型数据相分离，单独存放而形成数据集合。数据仓库就是要把分散存放在企业各个地方的数据集中到一起，并利用这些数据制定出更好的决策。联机分析处理OLAP（OnLineAnalysisProcessing）是数据仓库上的分析应用工具。它建立在多维数据视图的基础上，主要有在线性和多维分析两个特点。数据挖掘DM（DataMining）是从大量数据中提取出可信的、新颖的、有效的并能被人理解的模式的高级处理过程。41．2国内外发展现状目前，各大数据库厂商均在数据仓库项目上提出了风格各异、内容相似的数据仓库全面解决方案，比较知名的有Oracle、Sybase、Informix、IBM、NCR、CA等公司。Sybase拥有一个独特而强有力的点对点方案，用来设计、建立和管理数据仓库和数据集市。各个部门之间通过集中的元数据进行交互，具有完整性、集中性和灵活性等特点。使用的工具也具有很多优越性能，如PowerDesignerWarehouseArchitect、PowerStage、AdaptiveServerIQ、PowerDimensions等。Sybase的解决方案及其组成具有以下特点：快速实现、数据集市与中心仓库的无缝集成、极高的查询速度、高效的数据压缩。Oracle提出一个面向决策支持应用的数据仓库解决方案，开发出了OracleWarehouseBuilder、Oracle8i数据库、OracleExpress等系列工具，其中Oracle8i直接对分区键值作更新，有利于大量重复操作；还在SQL引擎内建立强大的指令集，如扩展了CUBE和ROLLUPSQL操作，支持对表进行抽样查询。Informix为促使IT专业人员迅速建立和运用数据仓库和数据集市，提供了尖端决策方案套装，这一合成的产品和服务是专为概括高级关键商务分析的决策支持环境设计的。为关键商务数据仓库提供世界一流的数据仓库产品和服务，及工业领先的工具，包括：Informix的专家级数据库设计，具有超级的可操作性，伸缩性和广泛性。为建立和展开分析应用的合成工具，包括数据抽取，转换，清理和装载。提供了基于ROLAP的多维数据分析、导向、汇报以及一整套编程工具和APIs。值得一提的是，Informix的OLAP工具METACUBE在汉化方面做了大量的工作，基本能够满足国内用户的需求。其他公司的解决方案大体类似，只是具体开发工具在功能上有所不同。这些国外公司的最大特点是各种开发工具齐全，从数据仓库模型设计、数据抽取工具、数据库管理系统到OLAP分析工具。用户只需要面对一个厂商就可以获得全部的支持和服务。而国内公司则没有这样的技术优势。在国内，数据仓库刚刚起步，从事这方面研究的学校和公司不多，主要是知识发现（数据挖掘）领域的研究,并且是利用第三方开发工具系统集成，比较知名的有：中青旅尚洋电子技术有限公司、亚信德康通信技术有限公司、亿阳信