陈学萍[1]2002年在《基于数据仓库的决策支持系统技术及实现》文中认为决策支持系统是信息系统研究的最新发展阶段，既具有数据处理功能又具有数值计算功能，达到了更高层次的对管理者的辅助决策能力。随着数据库技术的不断成熟，数据仓库技术的出现，网络技术、人工智能技术等计算机相关技术的不断发展，决策支持系统出现了多种形式，以满足决策者的各种需求，决策支持系统也成为了当今企业中的应用主流。在当前企业信息量不断迅速增长的条件下，基于数据仓库技术的综合决策支持系统，是实现海量数据的有效分析，辅助企业高层管理者进行高效分析决策的较佳方案。 上海蓝赛特软件公司“财务监控管理信息系统(G-Engine~(TM)for Finance)”是一个功能完备的MIS系统，它基于公司的核心技术平台G-Engine~(TM)，将领先的信息处理机制和成熟的应用模式融合在一起，为企业的财务监控管理提供有利的支撑。其中包含的决策支持子系统，帮助企业管理人员对财务数据进行分析、预测，从而在一定意义上，使其在财务管理上达到高效、准确。系统中大量应用了数据仓库体系结构的数据管理理念。 本文作者作为该项目的主要成员之一，结合该项目的研发，主要讨论了以下内容： (1)介绍了决策支持系统的概念、原理结构及其应用现状与前景。 (2)讨论了数据仓库的基本知识，包括它的产生、实现技术及实现流程等。 (3)讨论了数据仓库体系结构中的OLAP分析技术。 (4)给出了财务监控管理信息系统的设计方案，包括系统背景、目标要求、结构，并进行了系统功能分析和系统环境与架构的说明。 (5)重点讨论了决策支持系统中数据仓库技术的应用。主要涉及到数据仓库的创建、数据析取，OLAP分析的实现。并对系统中模型库和方法库进行了详细说明。 本人主要参与了决策支持子系统的设计与实现，对于系统中由于资金、周期等原因无法实现的部分，也在论文中对其进行了详细的补充设计。 论文中所讨论的双层数据仓库的总体数据框架，实际上是实现了一个微型数据仓库，把这一方案应用于决策支持系统中，在较大程度上满足了企业的实际决策需求，并在实现上有着风险低、开发周期短、维护简单等优点。
杨家旭[2]2007年在《基于数据仓库的数学模型解决方案的研究与设计》文中认为随着市场经济竞争的加剧，企业和组织的管理和决策越来越有赖于对市场需求的分析、预测，而现实中往往存在决策依据不足和有效数据十分缺乏的现象；同时，在计算机和关系型数据库系统已经十分普及的今天，大部分企业和组织的管理信息系统仍然是以低层操作型的事务处理为重心建设，而企业中高层的决策支持系统的基础十分薄弱。低层的数据泛滥，而中高层用于决策的信息却十分贫乏的问题表明：基于数据仓库的决策支持系统的开发已十分迫切。数据仓库、数据挖掘和数学建模是作为叁种独立的信息和数学处理技术出现的。数据仓库用于数据的存储和组织，数据挖掘集中于数据的分析，数学建模则致力于模型的构建和知识的自动发现。由于这叁种技术内在的联系性和互补性，它们结合起来就形成了一种新的决策支持系统(DSS)构架，从而构成为基于数据仓库的数学模型解决方案。本文正是在这种背景下，对数据仓库的理论和设计进行了研究。主要是以管理层次的分析为依据，以现实中大规模数据库为基础，借助数据整合手段，采取多维数据模型，构建出底层为仓库数据库服务器、中间层为OLAP服务器、顶层为客户端的叁层数据仓库结构，以满足决策支持系统的构建和数学建模系统研究和设计的需要。在数据仓库的系统设计基础上，我们将数学建模系统作为研究的重点。首先，我们结合实际案例，研究了回归分析和最小二乘法等基于数据的建模方法的应用，这一方法我们称为定制数学建模的方法。其次，我们在研究数学建模的方法和软件开发上，提出了回归函数算法集合的设计思想，并对自动优选数学建模系统进行技术研究与设计。同时运用这一技术，对胜利油田生产和管理的历史数据实例进行研究与分析，建立了许多油田生产管理的数学模型，用于企业预测和分析，都取得了很好的效果。最后，总结了基于数据仓库的数学建模技术的应用并简要讨论了进一步的工作方向。
吕洪敏[3]2007年在《基于Oracle数据仓库应用技术的研究与实现》文中提出数据仓库是一项基于数据管理和利用的综合性技术。近年来,数据仓库技术在信息技术领域中日益成熟,己成为业界研究的重点。企业要想在市场竞争中取胜,获得更大的经济效益,可以利用数据仓库技术,对企业的业务数据进行深层次的挖掘、分析历史和当前的业务数据以及相关环境的数据,快速获取其中有用的决策信息,为企业提供快速、准确和方便的决策支持。数据仓库是面向主题的、集成的、时变的和非易失的数据集合,支持管理的决策过程。数据仓库不是一个新的平台,而是一个新的概念。数据仓库也不是一个现成的产品,而是一个解决方案。数据仓库是在收集各种分散、异构数据源的基础上,对数据进行转换和集成,从而为决策者提供单一的分析环境,帮助其进行科学决策。联机分析处理(On-Line Analytical Processing,OLAP)是数据仓库的一个典型的应用。它能将数据仓库中的数据按照不同的粒度级进行聚合和预计算,从而在用户面前展现多维数据视图。同时,联机分析处理还提供了较直观的多维分析操作,包括切片、切块、上卷、下钻和旋转等,使用户能多角度、多层次地观察数据仓库中的数据。本论文对面向决策支持的数据仓库技术进行了深入的研究,利用数据仓库和联机分析处理的相关知识,独立设计了钢铁销售决策支持的数据仓库系统的架构,建立了数据仓库系统,并在此基础上进行应用研究。本文阐述了数据仓库的基本概念及特点、数据仓库的体系结构、数据仓库的数据组织、数据仓库的数据分析等知识,介绍了Oracle公司提供的基于Oracle 9i数据仓库解决方案及其关键工具,在对本文的理论基础进行了详细的介绍后,研究了如何将数据仓库及联机分析处理有关理论、方法应用于决策支持系统中。完成的主要工作有:结合钢材销售主业务,构建数据仓库模型,划分了合同、销售及来款叁个主题,建立了满足此模型需求OLAP叁层客户/服务器体系结构,进而完成了为销售决策提供支持的数据仓库环境的设计;运用OWB工具实现了部分系统需求数据的ETL转换;为了在两维的屏幕中显示多维数据,运用了最新的Oracle Business Intelligence Tools中的Discoverer及相关工具,实现了OLAP多维分析操作;设计了基于Oracle数据仓库的应用模型,独立完成了某钢铁公司销售决策支持系统的数据仓库架构设计、建模及OLAP分析,从而实现了数据仓库系统在销售决策中的实际应用。实践证明,本文中数据仓库系统的应用模型设计方法及开发步骤,充分利用了Oracle产品集,开发出了高效、灵活、实用的DSS系统,在实际的推广应用中受到了柳钢销售分析决策人员的一致好评。文中的数据仓库系统的应用模型设计方法、开发步骤及数据表现形式,对基于Oracle数据仓库的设计及开发具有一定的参考价值。
刘红杰[4]2003年在《基于Web和数据仓库的决策支持系统研究》文中提出随着计算机信息技术与社会经济的发展，世界经济日益呈现全球化，网络化、信息化与知识化的特征。企业每天都会产生大量重要的数据信息，然而其中仅有一小部分会在相关的业务分析中被使用，大多数企业都处于“数据过剩，信息不足”的状态。将Web和数据仓库技术、OLAP和数据挖掘技术用于现代企业管理决策中则可以大大提高企业的决策能力。其中，数据仓库侧重于数据的存储和组织，OLAP侧重于数据的分析，数据挖掘则致力于知识的自动发现。若把叁者结合起来，就可以使它们的能力得到更加充分地发挥。本文首先分析了决策支持系统的研究现状及发展趋势，阐述了数据仓库系统的结构，总结了构建数据仓库的基本步骤以及数据仓库设计过程中的主要问题，并分析了数据仓库中元数据的作用。随后，又分析了Web技术的发展对决策支持系统的影响，提出了基于Web和数据仓库的决策支持系统的功能、基本框架与决策程序。最后，作者以基于Web和数据仓库的决策支持系统理论为基础，并结合证券公司的实际需求提出了基于Web和数据仓库的证券公司决策支持系统的体系结构、并进行了数抓模型设计。
孙伟[5]2004年在《基于数据仓库的医保决策支持系统》文中研究指明随着医保管理信息系统的建立和使用，在医保日常业务处理过程中积累了大量的基础性数据和医保信息。但是这些数据并不能直接用于医保决策。医保管理机构迫切要求建立基于数据仓库的医保决策支持系统，来为医保政策的制定、调整和医保科学化管理提供有力支持。 本文分析了我国医保信息化发展及现状和决策支持系统的发展，论述了基于数据仓库的决策支持系统的体系结构、数据仓库技术、OLAP技术、数据挖掘技术及其应用开发的一般方法。 本文结合泰兴市医保管理系统的开发，重点论述了TX-HDSS的体系结构、数据仓库模型、ETL(Extract Transformation Loading)规则和DSS应用的设计，并在此基础上通过一个具体实例，展现了TX-HDSS的开发和实现过程，并给出运行示例。
冯欣[6]2008年在《基于数据仓库的军事地图管理决策支持系统》文中研究指明随着国防军队建设的发展,信息化建设凸显其重要性。战场各种信息的变化越来越快,也越来越多样化。军队决策者在尽可能短的时间内依据有效底层数据做出正确决断,将影响整个部队的战略部署及行动。因此需要有效的决策支持系统辅助决策。决策支持技术以数据仓库、OLAP(联机分析处理)等技术为主。数据仓库是一个面向主题的、集成的数据集合。它能为军事决策支持管理准备有效数据。联机分析处理则从不同的角度提供了数据的分析功能,能为军队决策者提供军事数据的全局视图。本文根据目前军队单位针对基于数据仓库技术的决策支持系统的迫切需要,对基于数据仓库的决策支持系统的体系结构和模型进行了研究和探讨。在分析了数据仓库的技术特点、组成以及决策支持系统结构的基础上,在军队自组信息网络环境中,设计并实现了C/S模式下的基于数据仓库的军事地图管理决策支持系统。该系统通过数据仓库整合了分散在军队各时期的数据,使用OLAP提供了从不同的角度分析数据的功能,为军队决策者在军事地图需求和地区战略重要性分析方面提供了重要的参考信息。该系统已在军队测绘单位投入试运行。测绘单位决策者可以使用系统进行分析,获得请领单位需求、地图需求量和地区战略地位重要性等指标数据。并能够据此指标制定更为准确的军事地图测绘计划,评估地区军事战略重要性等。总之,基于数据仓库的军事地图管理决策支持系统解决了军队决策者制定决策时,仅凭借经验判断,而缺少数据支持这一问题。实践证明,使用该系统后,决策者的分析决策正确率得到提高。可见,该系统能够为军队制定正确的发展战略提供强有力的支持,是进一步构建军队数据仓库和决策支持系统的参考依据,具有十分重要的现实意义。
张可新[7]2007年在《基于数据仓库的企业运营决策支持系统》文中指出随着技术的进步和中国加入WTO,汽车制造行业的竞争日益加剧。商业压力和机遇促使经营者的兴趣转移到数仓库上。同时为了适应激烈的市场竞争环境,理应充分利用业务支撑系统产生的大量宝贵的数据资源,从这些大量的业务数据中提出有用的信息,实现对信息的智能化加工和处理,为市场经营工作提供及时、准确、科学的决策依据。所以用数据仓库技术来构建企业运营决策支持系统是必然的选择。本文阐述了决策支持系统、数据仓库、OLAP、数据挖掘的基本理论,并以某汽车制造企业运营决策支持系统的数据仓库的设计与实现过程为例着重讨论了数据建模、ETL和B/S模式的前端展示平台的实现技术部分并给出了基于数据仓库的决策支持系统的实现技术方案。
杨彬彬[8]2005年在《基于数据仓库技术的教育评价决策支持系统EEDSS系统的设计与实现》文中研究说明自20 世纪50 年代教育评价作为一种专业活动产生以来,教育评价的功能不断从教学和课程领域向外扩展,逐渐成为教育管理的重要手段。目前,世界各国均把教育评价作为核定教育机构办学效能、评定个人工作绩效、改进教育政策方案、改善管理体制的效能、促进教育质量不断提高的必要手段。近年来,随着各种网络平台技术的出现,各大高校相继都建立了具有各自特点的教务管理信息系统,这些系统每天都要操作和处理大量事务性的数据信息,却缺少利用数据信息进行综合分析和教育评价,最终决策支持于教务管理的过程。因此,建立一套用于教育评价的决策支持系统,对于提高教育质量、促进教育发展具有很重要的现实意义。同时,数据仓库(Data Warehouse-DW)和联机分析处理(On-Line Analytical Processing-OLAP)技术的诞生带来了信息系统领域体系结构的革命,也带来了管理决策智能化的时代,这为建立综合决策支持系统提供了技术保障。文章首先讨论了课题的提出,然后介绍了传统决策支持系统的不足和基于数据仓库技术的决策支持系统的由来与特点。第二章较为详细的介绍了数据仓库和联机分析处理所涉及的主要概念、原理、技术等。第叁章以EEDSS系统的设计开发为出发点,按照数据仓库开发的一般原则和步骤,逐步探讨了基于数据仓库的EEDSS系统的项目需求分析、系统软硬件结构设计、概念模型设计、多维数据逻辑建模、数据抽取、转换、清洗和装载过程及OLAP服务器的设计。第四章在阐述系统实现的关键技术及理论依据的基础上,具体介绍了前端多维分析工具及辅助决策模块的实现步骤。文章最后对本文完成的工作进行了总结,指出了设计和实现中的不足,并指出了下一步的工作内容。
马晓亚[9]2017年在《智慧校园之决策支持系统理论与应用研究》文中研究表明随着互联网技术、数字化校园的发展,高校信息化建设已经趋于成熟,人们关注的焦点已不再仅仅是信息系统的方便和可用性。当前高校信息化的进程正由"数字化校园"向"智慧校园"演进,以往数字化校园所体现的数据整合和应用集成已经满足不了高校信息时代发展的需要。智慧校园已经成为了当今校园建设的主题,而决策支持系统作为智慧校园建设中的闪光点,能否为高校管理者乃至于教师、学生提供决策支持,关乎于是否体现了数字化校园的"智慧"。在物联网技术、RFID无线射频技术对校园智能卡普及的促进下,校园中产生了丰富而庞大的来自于不同的数据源记录的数据,如学生的学习成绩、上网、借阅、门禁、食堂超市消费等。而这些数据又与学生的学习和生活又有着密切的联系。这些数字化校园的数据沉淀,在大数据时代应当是一笔财富,如何挖掘这些数据背后隐藏的信息,提高数据利用率,为相关参与者提供决策支持已经成为智慧校园建设、决策支持系统实现的一种迫切需求。本课题是在智慧校园建设背景下,根据目前相关理论和技术研究情况下,综合决策支持系统相关理论和应用,并以2014年本校学生智能卡流水记录为数据源进行相关实验。在平台利用方面:主要使用oracle数据库对数据进行管理,利用Java语言为基本的编程开发语言,设计并实验了一个针对实验的数据处理和挖掘并可视化的平台。论文首先针对智慧校园和决策支持系统理论进行研究论述,然后对基于智能卡的决策支持系统相关的理论知识和方法进行了论述,主要包括数据仓库、数据挖掘、数据可视化等。之后详细地介绍了系统的设计与实现过程,从需求分析到结构设计再到平台各个模块的实现。最后利用实验平台和前期的准备工作进行了相关的分析和案例应用,对智能卡持有者的消费活动、消费地点、时间等进行分析,并且提出了关于贫困生认证模型的猜想和验证。基于智能卡的决策支持系统主要利用本校学生智能卡数据库流水数据作为数据源,根据基于数据仓库的决策支持系统相关的技术应用开展相关的实验,实验内容主要包括:数据的收集和预处理、数据可视化平台的设计开发与实现、数据挖掘和分析、实验结果分析与决策支持。
刘振[10]2006年在《基于数据仓库的城市规划决策支持系统研究》文中指出近年来,数据库规模日益扩大,数据量海量增加,这些数据中包含了大量的潜在的有价值的信息,有的已被发现,有的还没被发现。如何有效地管理,利用数据库中的数据,以及怎样才能发现其中潜在的知识,就摆在了我们面前。数据仓库、联机分析处理、数据挖掘技术是近年来发展的新的数据管理和分析技术,它们对决策支持系统的有力支持使它们可以有效地解决传统决策支持系统所面临的问题。综合决策支持系统是信息系统研究的最新发展阶段,既具有数据处理功能又具有数值计算分析功能,达到了更高层次的对管理者的辅助决策能力。在当前各种信息量不断迅速增长的条件下,基于数据仓库技术的综合决策支持系统,是实现海量数据的有效分析,辅助高层管理者进行高效分析决策的较佳选择。将数据仓库技术应用于城市规划决策支系统中,需要根据城市规划决策自身的决策特征具体分析,针对性地建立符合自身要求的数据仓库应用系统。本文在结合城市规划中决策的特征及传统DSS的不足和缺陷后,引入数据仓库及相关技术,对基于数据仓库的城市规划决策系统的体系结构作了研究和探讨,并应用所述的理论框架,进一步做出了一个基于数据仓库的城市环境规划决策系统的设计。对一些分析工具和方法也作了介绍。
参考文献：
[1]. 基于数据仓库的决策支持系统技术及实现[D]. 陈学萍. 上海海运学院. 2002
[2]. 基于数据仓库的数学模型解决方案的研究与设计[D]. 杨家旭. 同济大学. 2007
[3]. 基于Oracle数据仓库应用技术的研究与实现[D]. 吕洪敏. 武汉科技大学. 2007
[4]. 基于Web和数据仓库的决策支持系统研究[D]. 刘红杰. 合肥工业大学. 2003
[5]. 基于数据仓库的医保决策支持系统[D]. 孙伟. 南京航空航天大学. 2004
[6]. 基于数据仓库的军事地图管理决策支持系统[D]. 冯欣. 大连理工大学. 2008
[7]. 基于数据仓库的企业运营决策支持系统[D]. 张可新. 吉林大学. 2007
[8]. 基于数据仓库技术的教育评价决策支持系统EEDSS系统的设计与实现[D]. 杨彬彬. 辽宁师范大学. 2005
[9]. 智慧校园之决策支持系统理论与应用研究[D]. 马晓亚. 中央民族大学. 2017
[10]. 基于数据仓库的城市规划决策支持系统研究[D]. 刘振. 河南大学. 2006
标签：计算机软件及计算机应用论文; 数据仓库论文; 相关性分析论文; 决策能力论文; 数据分析论文;