决策支持工具
数据仓库应用程序和工具的统称
决策支持工具是数据仓库应用程序和工具的统称,这些工具包括对数据的检索、操作、分析和显示结果。决策支持的使用模式有两种:验证模式和发现模式。决策支持工具的使用方法有三种:信息处理、分析数据和数据挖掘。
定义
决策支持工具是数据仓库应用程序和工具的统称,这些工具包括对数据的检索、操作、分析和显示结果。
使用模式
决策支持的使用模式有两种:验证模式和发现模式。
验证模式
称为用户驱动模式,商业用户做出一般假设——商业性问题,然后通过存取数据仓库的数据来证明此假设。用于实现验证模式的工具包括查询工具报表系统、多维分析工具。
发现模式
称为数据驱动模式,商业用户试图发现数据中的内在联系特征。在发现模式中,商业用户预先不知道发现的方式及关系,用于发现模式的工具就是数据发掘。
使用方法
决策支持工具的使用方法有三种:信息处理、分析数据和数据挖掘。
信息处理
支持决策的验证模式,它包含数据分析和基本的统计分析、查询和报表服务等技术。信息处理的结果是报表和图像。信息处理的范围通常是二维和三维数据。
信息处理使用的工具包括访问、存取、检索、分析、管理与报表等工具。可按报表、交叉表矩阵表格、简单或复杂的图表给出分析结果。 
分析处理
支持决策的验证模式,目的是从商业微中按商业用户的角度提供数据。分析处理使用的工具为多维分析,也称为联机分析处理
数据挖掘
支持决策的发现模式。浏览细节性的事务数据以便发掘隐藏的模式和关系。数据挖掘使用的工具可分为以下三类:统计分析、知识发现KD以及其他工具和技术等。
(1)统计分析:统计分析通常使用的模型有线性分析和非线性分析、连续回归和逻辑回归分析、单变量和多变量分析,及时间序列分析等。
(2)知识发现KD(Knowledge Discovery):包括抽取隐含的、未知的、潜在的信息,通过数据搜寻非预期的信息,可能找到预先未知的商业事实。
(3)其他工具和技术:包括可视化系统、地理信息系统、分形分析和私有发现引擎。
数据挖掘的成功取决于对数据的合理处理及算法,它并不是对任何规则都能够去发现的万能工具,所以使用者对自己的业务越熟悉,就越能够给数据挖掘提供完善的帮助和指导,盲目地使用数据挖掘,并不能达到预期的目标。
参考资料
最新修订时间:2022-08-25 12:07
目录
概述
定义
使用模式
使用方法
参考资料