5數(shù)據(jù)倉(cāng)庫(kù)的決策支持

《5數(shù)據(jù)倉(cāng)庫(kù)的決策支持》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

第5章數(shù)據(jù)倉(cāng)庫(kù)的決策支持 5．1數(shù)據(jù)倉(cāng)庫(kù)的用戶(hù)5.2數(shù)據(jù)倉(cāng)庫(kù)的決策支持與決策支持系統(tǒng)5.3數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用實(shí)例 5．1數(shù)據(jù)倉(cāng)庫(kù)的用戶(hù)5.1.1數(shù)據(jù)倉(cāng)庫(kù)的信息使用者5.1.2數(shù)據(jù)倉(cāng)庫(kù)的探索者 數(shù)據(jù)倉(cāng)庫(kù)的用戶(hù)有兩類(lèi)：信息使用者和探索者信息使用者是使用數(shù)據(jù)倉(cāng)庫(kù)的大量用戶(hù)。信息使用者以一種可預(yù)測(cè)的、重發(fā)性的方式使用數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)。信息使用者通常查看概括數(shù)據(jù)或聚集數(shù)，查看相同的商業(yè)維度（如產(chǎn)品、客戶(hù)、時(shí)間）和指標(biāo)（如收入和成本）隨時(shí)間的發(fā)展趨勢(shì)。 探索者完全不同于信息使用者，他們有一個(gè)完全不可預(yù)測(cè)的、非重復(fù)性的數(shù)據(jù)使用模式。探索者的任務(wù)是尋找公司數(shù)據(jù)內(nèi)隱含的價(jià)值并且根據(jù)過(guò)去事件努力預(yù)測(cè)未來(lái)決策的結(jié)果。探索者是典型的數(shù)據(jù)挖掘者。 5.1.1數(shù)據(jù)倉(cāng)庫(kù)的信息使用者1.信息使用者使用數(shù)據(jù)倉(cāng)庫(kù)的性能優(yōu)化2.探索者使用數(shù)據(jù)倉(cāng)庫(kù)的性能優(yōu)化 信息使用者的性能需求非規(guī)格化規(guī)范化的作用是產(chǎn)生一種完全沒(méi)有數(shù)據(jù)冗余的設(shè)計(jì)方法。但是，有時(shí)在數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)中引入一些有限的數(shù)據(jù)冗余來(lái)提高數(shù)據(jù)訪問(wèn)效果。創(chuàng)建數(shù)據(jù)陣列創(chuàng)建數(shù)據(jù)陣列，將相關(guān)類(lèi)型的數(shù)據(jù)(如：1月、2月、3月等月份中的數(shù)據(jù))存儲(chǔ)在一起，提高訪問(wèn)效果。 預(yù)連接表格一個(gè)公用鍵和共同使用的數(shù)據(jù)將表格合并在一起。共享一個(gè)公用鍵，可以將多個(gè)表格合并到一個(gè)物理表格中。這樣做可以很大程度的提高數(shù)據(jù)訪問(wèn)效率。預(yù)聚集數(shù)據(jù)根據(jù)“滾動(dòng)概括”結(jié)構(gòu)來(lái)組織數(shù)據(jù)。當(dāng)數(shù)據(jù)被輸入到數(shù)據(jù)倉(cāng)庫(kù)中時(shí)，以每小時(shí)為基礎(chǔ)存儲(chǔ)數(shù)據(jù)。在這一天結(jié)束時(shí)，以每天為基礎(chǔ)存儲(chǔ)累加每小時(shí)的數(shù)據(jù)。在一周結(jié)束時(shí)，以每周為基礎(chǔ)存儲(chǔ)累加每天的數(shù)據(jù)。月末時(shí)，則以每月為基礎(chǔ)存儲(chǔ)累加每周的數(shù)據(jù)。 聚類(lèi)數(shù)據(jù)將不同類(lèi)型的數(shù)據(jù)記錄放置在相同的物理位置。這為用戶(hù)查看這些記錄，可以在同一地點(diǎn)找到它們，提高查詢(xún)效率。壓縮數(shù)據(jù)壓縮可以使可讀取的數(shù)據(jù)量極大。 定期凈化數(shù)據(jù)定期刪除數(shù)據(jù)倉(cāng)庫(kù)中不需要的數(shù)據(jù)，可以為每個(gè)用戶(hù)提高性能。合并查詢(xún)?nèi)绻樵?xún)定期發(fā)生，那么可以通過(guò)把這些查詢(xún)合并到同一個(gè)表格中，從而節(jié)省大量資源。 5.1.2數(shù)據(jù)倉(cāng)庫(kù)的探索者探索者要做的工作有：概括分析、抽取、建模和分類(lèi)。(1)概括分析探索者開(kāi)始以分析數(shù)據(jù)的完整性和準(zhǔn)確性（數(shù)據(jù)質(zhì)量）。在概括分析活動(dòng)中，要詢(xún)問(wèn)的典型問(wèn)題包括：家庭收入如何分配？有多少帳戶(hù)每月消費(fèi)超過(guò)200元？有多少客戶(hù)有兩個(gè)以上的小孩并居住在市區(qū)？ (2)抽取從數(shù)據(jù)倉(cāng)庫(kù)中抽取指定的數(shù)據(jù)，并組織起來(lái)，送入支持探索者分析的探索倉(cāng)庫(kù)中。(3)建模探索者通過(guò)概括分析來(lái)理解數(shù)據(jù)，通過(guò)抽取來(lái)準(zhǔn)備數(shù)據(jù)，通過(guò)建模來(lái)分析數(shù)據(jù)。 建模是開(kāi)發(fā)一種用來(lái)描述實(shí)體（如客戶(hù)、商品、渠道等）的關(guān)系模型的過(guò)程。探索者使用的模型有：客戶(hù)分段后續(xù)產(chǎn)品欺詐檢測(cè)渠道響應(yīng)（例如，電話銷(xiāo)售和直接郵寄）信用風(fēng)險(xiǎn)客戶(hù)生存期價(jià)值推銷(xiāo)響應(yīng) 例如，利用建模來(lái)確認(rèn)有可能拖延支付電話帳單的客戶(hù)：首先，建立一個(gè)模型（利用統(tǒng)計(jì)學(xué)和行為科學(xué)）來(lái)確認(rèn)經(jīng)常拖延支付電話帳單的客戶(hù)特征。然后，根據(jù)客戶(hù)與模型的密切程度，對(duì)所有的客戶(hù)分類(lèi)。這樣，可以提供誰(shuí)將不支付電話帳單的某種可能性預(yù)測(cè)。 5.2數(shù)據(jù)倉(cāng)的決策支持與決策支持系統(tǒng)5.2.1查詢(xún)與報(bào)表5.2.2多維分析與原因分析5.2.3預(yù)測(cè)未來(lái)5.2.4實(shí)時(shí)決策5.2.5自動(dòng)決策5.2.6決策支持系統(tǒng) 數(shù)據(jù)倉(cāng)庫(kù)是一種能夠提供重要戰(zhàn)略信息，并獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的新技術(shù)，從而得到迅速的發(fā)展。具體的戰(zhàn)略信息有：給出銷(xiāo)售量最好的產(chǎn)品名單找出出現(xiàn)問(wèn)題的地區(qū)（切片）追蹤查找出現(xiàn)問(wèn)題原因（向下鉆?。?duì)比其他的數(shù)據(jù)（橫向鉆?。╋@示最大的利潤(rùn)當(dāng)一個(gè)地區(qū)的銷(xiāo)售低于目標(biāo)值時(shí)，提出警告信息。 建立數(shù)據(jù)倉(cāng)庫(kù)的目的不只是為了存儲(chǔ)更多的數(shù)據(jù)，而是要對(duì)這些數(shù)據(jù)進(jìn)行處理并轉(zhuǎn)換成商業(yè)信息和知識(shí)，利用這些信息和知識(shí)來(lái)支持企業(yè)進(jìn)行正確的商業(yè)行動(dòng)，并最終獲得效益。數(shù)據(jù)倉(cāng)庫(kù)的功能是在恰當(dāng)?shù)臅r(shí)間，把準(zhǔn)確的信息傳遞給決策者，使他能作出正確的商業(yè)決策。 5.2.1查詢(xún)與報(bào)表1.查詢(xún)（1）能向用戶(hù)提供查詢(xún)的初始化，公式表示和結(jié)果顯示等功能。（2）由元數(shù)據(jù)來(lái)引導(dǎo)查詢(xún)過(guò)程（3）用戶(hù)能夠輕松地瀏覽數(shù)據(jù)結(jié)構(gòu)（4）信息是用戶(hù)自己主動(dòng)索取的，而不是數(shù)據(jù)倉(cāng)庫(kù)強(qiáng)加給他們的（5）查詢(xún)環(huán)境必須要靈活地適應(yīng)不同類(lèi)型的用戶(hù) 2.報(bào)表（1）預(yù)格式化報(bào)表。（2）參數(shù)驅(qū)動(dòng)的預(yù)定義報(bào)表。（3）簡(jiǎn)單的報(bào)表開(kāi)發(fā)。（4）公布和訂閱。（5）傳遞選項(xiàng)。（6）多數(shù)據(jù)操作選項(xiàng)。（7）多種展現(xiàn)方式選項(xiàng)。 5.2.2多維分析與原因分析1、多維分析通過(guò)多維分析將獲得在各種不同維度下的實(shí)際商業(yè)活動(dòng)值（如銷(xiāo)售量等），特別是他們的變化值和差值，達(dá)到輔助決策效果。例如通過(guò)多維分析得到如下信息：今年以來(lái)，公司的哪些產(chǎn)品量是最有利潤(rùn)的？最有利潤(rùn)的產(chǎn)品是不是和去年一樣的？ 2、原因分析查找問(wèn)題出現(xiàn)的原因是一項(xiàng)很重要的決策支持任務(wù)，一般通過(guò)多維數(shù)據(jù)分析的“向下鉆取”操作來(lái)完成。某公司從分析報(bào)表中得知最近幾個(gè)月來(lái)整個(gè)企業(yè)的利潤(rùn)在急速下滑，通過(guò)人機(jī)交互找出該企業(yè)利潤(rùn)下滑的原因。 （1）查詢(xún)整個(gè)公司最近3個(gè)月來(lái)各個(gè)月份的銷(xiāo)售額和利潤(rùn)，顯示銷(xiāo)售額正常，但利潤(rùn)下降。（2）查詢(xún)?nèi)澜绺鱾€(gè)區(qū)域每個(gè)月的銷(xiāo)售額和利潤(rùn)，顯示歐洲地區(qū)銷(xiāo)售額下降，利潤(rùn)急劇下降。（3）查詢(xún)歐洲各國(guó)銷(xiāo)售額和利潤(rùn)。顯示一些國(guó)家利潤(rùn)率上升，一些國(guó)家持平，歐盟國(guó)家利潤(rùn)率急劇下降。（4）查詢(xún)歐盟國(guó)家中的直接和間接成本。得到直接成本沒(méi)有問(wèn)題，但間接成本提高了。（5）查詢(xún)間接成本的詳細(xì)情況。得出企業(yè)征收了額外附加稅，使利潤(rùn)下降。通過(guò)原因分析，得到企業(yè)利潤(rùn)下滑的真正原因是歐盟國(guó)家征收了額外附加稅造成。 5.2.3預(yù)測(cè)未來(lái)預(yù)測(cè)未來(lái)使決策者了解“將要發(fā)生什么”。數(shù)據(jù)倉(cāng)庫(kù)中存放了大量的歷史數(shù)據(jù)，從歷史數(shù)據(jù)中找出變化規(guī)律，將可以用來(lái)預(yù)測(cè)未來(lái)。在進(jìn)行預(yù)測(cè)的時(shí)候需要用到一些預(yù)測(cè)模型。最常用的預(yù)測(cè)方法是采用回歸模型，包括線性回歸或非線性回歸。采用聚類(lèi)模型或分類(lèi)模型也能達(dá)到一定的預(yù)測(cè)效果。 5.2.4實(shí)時(shí)決策企業(yè)需要準(zhǔn)確了解“正在發(fā)生什么”，從而需要建立動(dòng)態(tài)數(shù)據(jù)倉(cāng)庫(kù)（實(shí)時(shí)數(shù)據(jù)庫(kù)），用于支持戰(zhàn)術(shù)型決策，即實(shí)時(shí)決策。戰(zhàn)術(shù)性決策支持的重點(diǎn)則在企業(yè)外部，支持的是執(zhí)行公司戰(zhàn)略的員工。第四種側(cè)重在戰(zhàn)術(shù)性決策支持。 以貨運(yùn)為例卡車(chē)上的貨物常常需要把某些貨物從一輛車(chē)轉(zhuǎn)移到另一輛車(chē)上，以便最終送抵各自的目的地。當(dāng)某些卡車(chē)晚點(diǎn)時(shí)，就要做出艱難的決定：是讓后繼的運(yùn)輸車(chē)等待遲到的貨物，還是讓其按時(shí)出發(fā)。如果后繼車(chē)輛按時(shí)出發(fā)而未等待遲到的包裹，那么遲到包裹的服務(wù)等級(jí)就會(huì)大打折扣。反過(guò)來(lái)說(shuō)，等待遲到的包裹則將損害在后繼的運(yùn)輸車(chē)上的其他待運(yùn)包裹的服務(wù)等級(jí)。運(yùn)輸車(chē)究竟等待多長(zhǎng)時(shí)間，取決于需卸裝到該車(chē)輛的所有延遲貨物的服務(wù)等級(jí)和已經(jīng)裝載到該車(chē)輛的貨物的服務(wù)等級(jí)。 5.2.5自動(dòng)決策利用動(dòng)態(tài)數(shù)據(jù)庫(kù)自動(dòng)決策，達(dá)到“希望發(fā)生什么”。為了尋求決策的有效性和連續(xù)性，企業(yè)就會(huì)趨向于采取自動(dòng)決策。動(dòng)態(tài)數(shù)據(jù)倉(cāng)庫(kù)可以為整個(gè)企業(yè)提供戰(zhàn)略決策支持，也可提供戰(zhàn)術(shù)決策支持。確切地說(shuō)，動(dòng)態(tài)數(shù)據(jù)倉(cāng)庫(kù)同時(shí)支持這兩種方式。隨著技術(shù)的進(jìn)步，越來(lái)越多的決策由事件觸發(fā)，自動(dòng)發(fā)生。 5.2.6決策支持系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)整合了企業(yè)的各種信息來(lái)源，能確保一致與正確詳細(xì)的數(shù)據(jù)。它是一個(gè)龐大的數(shù)據(jù)資源。要將數(shù)據(jù)轉(zhuǎn)換成商業(yè)智能，就需要利用數(shù)據(jù)倉(cāng)庫(kù)來(lái)建立決策支持系統(tǒng)?；跀?shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)是針對(duì)實(shí)際問(wèn)題，利用分析工具或者編制程序，采用一種或多種組合的決策支持能力，對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行多維分析，從而掌握企業(yè)的經(jīng)營(yíng)現(xiàn)狀，找出現(xiàn)狀的原因，并預(yù)測(cè)未來(lái)發(fā)展趨勢(shì)，協(xié)助企業(yè)制定決策增強(qiáng)競(jìng)爭(zhēng)優(yōu)勢(shì)。 5.3數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用實(shí)例5.3.1航空公司數(shù)據(jù)倉(cāng)庫(kù)決策支持系統(tǒng)簡(jiǎn)例5.3.2統(tǒng)計(jì)業(yè)數(shù)據(jù)倉(cāng)庫(kù)解決方案5.3.3沃爾瑪數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng) 5.3.1航空公司數(shù)據(jù)倉(cāng)庫(kù)決策支持系統(tǒng)簡(jiǎn)例1.航空公司數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的功能2.數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的決策支持3.決策支持系統(tǒng)簡(jiǎn)例 1.航空公司數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的功能航空公司數(shù)據(jù)倉(cāng)庫(kù)功能模塊有：市場(chǎng)分析：分析國(guó)內(nèi)、國(guó)際、地區(qū)航線上的各項(xiàng)生產(chǎn)指標(biāo)；航班分析：分析某個(gè)特定市場(chǎng)上所有航班的生產(chǎn)情況；班期分析：分析某個(gè)特定市場(chǎng)上各班期的旅客、貨運(yùn)分布情況； 2.數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的決策支持利用數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)提供的決策支持有：l一段時(shí)間內(nèi)某特定市場(chǎng)占有率、同期比較、增長(zhǎng)趨勢(shì)；l各條航線的收益分析；l計(jì)劃完成情況；l流量、流向分析；l航線上各項(xiàng)生產(chǎn)指標(biāo)變化趨勢(shì)的分析； 通過(guò)查詢(xún)“北京到各地區(qū)的航空市場(chǎng)情況”，發(fā)現(xiàn)西南地區(qū)總周轉(zhuǎn)量出現(xiàn)了最大負(fù)增長(zhǎng)量。該決策支持系統(tǒng)簡(jiǎn)例就是完成對(duì)此問(wèn)題進(jìn)行多維分析和原因分析，找出出現(xiàn)原因。決策支持系統(tǒng)運(yùn)行結(jié)構(gòu)圖如下：3.決策支持系統(tǒng)簡(jiǎn)例 數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器客戶(hù)端查詢(xún)：全國(guó)各地區(qū)航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖1查詢(xún)：全國(guó)各地區(qū)航空客運(yùn)周轉(zhuǎn)量并比較去年同期狀況查詢(xún)：全國(guó)各地區(qū)航空貨運(yùn)周轉(zhuǎn)量并比較去年同期狀況顯示：圖3查詢(xún)：全國(guó)各地區(qū)客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量并比較去年同期狀況具體數(shù)據(jù)顯示：表1查詢(xún)：西南地區(qū)昆明、重慶兩地航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖4查詢(xún)：昆明航線按不同機(jī)型的總周轉(zhuǎn)量，并比較去年同期狀況顯示：圖5查詢(xún)：昆明航線按不同機(jī)型的周轉(zhuǎn)量，并比較去年同期周轉(zhuǎn)量的具體數(shù)據(jù)顯示：表2顯示：圖2結(jié)束檢索：數(shù)據(jù)倉(cāng)庫(kù)中今年、去年兩年總周轉(zhuǎn)量綜合數(shù)據(jù)，并比較。繪制直方圖下鉆：從總周轉(zhuǎn)量下鉆到今年、去年兩年客運(yùn)周轉(zhuǎn)量，并比較。繪制直方圖下鉆：從總周轉(zhuǎn)量下鉆到今年、去年兩年貨運(yùn)周轉(zhuǎn)量，并比較。繪制直方圖制表：從數(shù)據(jù)倉(cāng)庫(kù)中取數(shù)據(jù)并制表下鉆：從西南地區(qū)總周轉(zhuǎn)量下鉆，取昆明、重慶兩地的今年、去年兩年數(shù)據(jù)并比較。繪制直方圖下鉆：從昆明航線總周轉(zhuǎn)量下鉆，取各機(jī)型今年、去年兩年數(shù)據(jù)并比較。繪制直方圖制表：從數(shù)據(jù)倉(cāng)庫(kù)中取數(shù)據(jù)并制表 圖1全國(guó)各地區(qū)航空周轉(zhuǎn)量與去年對(duì)比狀況返回（其中，1：東北地區(qū)；2：華北地區(qū)；3：華東地區(qū)；4：西北地區(qū)；5：西南地區(qū)；6：新疆地區(qū)；7：中南地區(qū)）從圖1中看到從北京到國(guó)內(nèi)各地區(qū)的總周轉(zhuǎn)量以及與去年同期的比較情況，發(fā)現(xiàn)“北京－西南地區(qū)”出現(xiàn)的負(fù)增長(zhǎng)最大。 圖2全國(guó)各地區(qū)航空客運(yùn)周轉(zhuǎn)量及與去年同期比較返回從圖2中看到客運(yùn)周轉(zhuǎn)量及與去年同期比較，西南地區(qū)負(fù)增長(zhǎng)在全國(guó)是最大的，其次是東北地區(qū)。 圖3北京到國(guó)內(nèi)各地區(qū)貨運(yùn)周轉(zhuǎn)量及與去年同期比較返回從圖3中看到貨運(yùn)周轉(zhuǎn)量及與去年同期比較，華東地區(qū)負(fù)增長(zhǎng)在全國(guó)是最大的，西南地區(qū)也有負(fù)增長(zhǎng)。 表1客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量及其去年同期比較客運(yùn)周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量貨運(yùn)周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量總周轉(zhuǎn)量對(duì)比去年增長(zhǎng)量東北地區(qū)11.86-5.11.29-1.513.15-6.6華北地區(qū)34.8815.031.110.753615.78華東地區(qū)479.30126.5236.16-25.59515.46100.93西北地區(qū)51.6018.059.07.260.625.25西南地區(qū)15.43-19.353.29-0.5618.72-19.91新疆地區(qū)29.0205.85034.870中南地區(qū)643.43295.86116.8560.70760.28356.56返回從表1中，可以看出航空客運(yùn)、貨運(yùn)、總周轉(zhuǎn)量以及與去年同期比較的具體數(shù)據(jù)。西南地區(qū)總周轉(zhuǎn)量的負(fù)增長(zhǎng)主要是客運(yùn)負(fù)增長(zhǎng)為主體。 圖4西南地區(qū)昆明、重慶兩地航空總周轉(zhuǎn)量及與去年同期比較返回從圖4中看出，西南地區(qū)航空總周轉(zhuǎn)量下降最多的是昆明航線。 （其中，A：150座級(jí)；B：200座級(jí)；C：300座級(jí)以上；D：200－300座級(jí)）圖5昆明航線各機(jī)型總周轉(zhuǎn)量以及與去年同期比較的柱形圖返回從圖5可以看出昆明航線中200－300座級(jí)機(jī)型負(fù)增長(zhǎng)最大，其次是150座級(jí)機(jī)型也有較大的負(fù)增長(zhǎng)，而200座級(jí)以及300座級(jí)以上機(jī)型保持同去年相同航運(yùn)水平。 表2昆明航線各機(jī)型總周轉(zhuǎn)量以及與去年同期比較的數(shù)據(jù)從表2中可以看出，不同機(jī)型的周轉(zhuǎn)量以及對(duì)比去年同期增長(zhǎng)的具體數(shù)據(jù)?？傊苻D(zhuǎn)量對(duì)比去年增長(zhǎng)量150座級(jí)12.99-16.83200座級(jí)10.070300座級(jí)以上10.070200-300座級(jí)2.91-26.9返回 以上決策支持系統(tǒng)過(guò)程完成了對(duì)航空公司全國(guó)各地區(qū)總周轉(zhuǎn)量對(duì)比去年同期出現(xiàn)負(fù)增長(zhǎng)量最大的西南地區(qū)，經(jīng)過(guò)多維分析和原因分析，找出其原因發(fā)生在昆明航線上。主要是200－300座級(jí)機(jī)型的總周轉(zhuǎn)量負(fù)增長(zhǎng)以及150座級(jí)機(jī)型負(fù)增長(zhǎng)量造成的。其中，200－300座級(jí)負(fù)增長(zhǎng)最嚴(yán)重。這為決策者提供了解決西南地區(qū)負(fù)增長(zhǎng)問(wèn)題輔助決策的信息。 數(shù)據(jù)倉(cāng)庫(kù)決策支持系統(tǒng)應(yīng)用說(shuō)明以上決策支持系統(tǒng)只是找出了西南地區(qū)航運(yùn)負(fù)增長(zhǎng)問(wèn)題的原因。還可以昆明航線上航班時(shí)間以及其他方面進(jìn)行原因分析，找出其他原因，為決策者提供更多的輔助決策信息。 同樣，可以從國(guó)內(nèi)各地區(qū)航空市場(chǎng)狀況中對(duì)比去年同期增長(zhǎng)顯著的中南地區(qū)，找出總周轉(zhuǎn)量大幅提高的原因。從正反兩方面來(lái)進(jìn)行多維分析和原因分析，將可以得到更多的輔助決策信息，減少負(fù)增長(zhǎng)，增大正增長(zhǎng)，提高更大利潤(rùn)。進(jìn)行多方面分析的大型決策支持系統(tǒng)，將可以發(fā)揮更大的輔助決策效果。 5.3.2統(tǒng)計(jì)業(yè)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)1.統(tǒng)計(jì)業(yè)數(shù)據(jù)倉(cāng)庫(kù)解決方案2.某市統(tǒng)計(jì)局企業(yè)微觀數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng) 1.統(tǒng)計(jì)業(yè)數(shù)據(jù)倉(cāng)庫(kù)解決方案統(tǒng)計(jì)業(yè)面臨以下三方面的需求：（1）數(shù)據(jù)的集中存儲(chǔ)與管理統(tǒng)計(jì)行業(yè)掌握著大量的、各歷史年度的原始調(diào)查資料，這些資料大都還保留在紙介質(zhì)、脫機(jī)的磁帶和軟盤(pán)上。這些寶貴的原始資料不能為統(tǒng)計(jì)業(yè)務(wù)人員隨機(jī)查詢(xún)和充分共享，不能進(jìn)行有效的統(tǒng)計(jì)分析、預(yù)測(cè)評(píng)估和使用。 （2）查詢(xún)方式和分析手段的更新統(tǒng)計(jì)報(bào)表和統(tǒng)計(jì)分析需要從大量各種各樣的原始材料中匯總整理各種不同需求，反映不同側(cè)面的綜合分析數(shù)據(jù).傳統(tǒng)的處理手段主要通過(guò)編寫(xiě)程序來(lái)實(shí)現(xiàn)。開(kāi)發(fā)周期長(zhǎng)。 （3）與Web技術(shù)的有機(jī)結(jié)合采用目前流行的三層應(yīng)用體系結(jié)構(gòu)對(duì)系統(tǒng)進(jìn)行應(yīng)用開(kāi)發(fā)。后臺(tái)是數(shù)據(jù)倉(cāng)庫(kù)，前臺(tái)是Web服務(wù)器，客戶(hù)端是瀏覽器的應(yīng)用模式。利用這種技術(shù)，可以做到網(wǎng)上動(dòng)態(tài)信息發(fā)布、網(wǎng)上隨機(jī)查詢(xún)和網(wǎng)上聯(lián)機(jī)分析處理等功能。 2.某市統(tǒng)計(jì)局企業(yè)微觀數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)企業(yè)微觀數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)成以下主題：（1）企業(yè)基本情況：各年度、各專(zhuān)業(yè)統(tǒng)計(jì)調(diào)查單位基本情況名錄的主要內(nèi)容及全部標(biāo)識(shí)性?xún)?nèi)容。（2）企業(yè)財(cái)務(wù)狀況：各年度、各專(zhuān)業(yè)企業(yè)的資產(chǎn)、經(jīng)營(yíng)投入、產(chǎn)出效益等財(cái)務(wù)經(jīng)營(yíng)狀況。（3）企業(yè)勞動(dòng)狀況：各年度、各專(zhuān)業(yè)企業(yè)的就業(yè)人數(shù)及工資收入情況。（4）企業(yè)消耗狀況：各年度、各專(zhuān)業(yè)企業(yè)生產(chǎn)所需的原材料及能源消耗情況，包括價(jià)值量和實(shí)物量消耗情況。（5）企業(yè)生產(chǎn)狀況：各年度、各專(zhuān)業(yè)企業(yè)的主營(yíng)生產(chǎn)情況。 企業(yè)微觀數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的前端應(yīng)用都是基于Web方式開(kāi)發(fā)。它具有：網(wǎng)上隨機(jī)查詢(xún)、網(wǎng)上多維分析、網(wǎng)上數(shù)據(jù)鉆取、網(wǎng)上圖形分析、網(wǎng)上表格旋轉(zhuǎn)透視、網(wǎng)上多維報(bào)表等功能，并且操作方式都是拖拉方式。今后統(tǒng)計(jì)業(yè)務(wù)人員的月報(bào)、年報(bào)等數(shù)據(jù)處理都可以在網(wǎng)上進(jìn)行。 5.3.3沃爾瑪數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)美國(guó)的沃爾瑪（Wal*Mart）是世界最大的零售商，Wal*Mart建立了基于NCRTeradata數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)，它是世界上第二大的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，總?cè)萘窟_(dá)到170TB以上。強(qiáng)大的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)將世界4000多家分店的每一筆業(yè)務(wù)數(shù)據(jù)匯總到一起，讓決策者能夠在很短的時(shí)間里獲得準(zhǔn)確和及時(shí)的信息，并做出正確和有效的經(jīng)營(yíng)決策。沃爾瑪?shù)膭?chuàng)始人薩姆．沃爾頓：“我總是喜歡盡快得到那些數(shù)據(jù)、我們?cè)娇斓玫侥切┬畔?、我們就能越快?jù)此采取行動(dòng)，這個(gè)系統(tǒng)已經(jīng)成為我們的一個(gè)重要工具”。 利用數(shù)據(jù)倉(cāng)庫(kù)，沃爾瑪對(duì)商品進(jìn)行市場(chǎng)類(lèi)組分析，即分析哪些商品顧客最有希望一起購(gòu)買(mǎi)。一個(gè)意外的發(fā)現(xiàn)就是：跟尿布一起購(gòu)買(mǎi)最多的商品竟是啤酒！按常規(guī)思維，尿布與啤酒風(fēng)馬牛不相及，若不是借助于數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，商家決不可能發(fā)現(xiàn)隱藏在背后的事實(shí)。沃爾瑪就在它的一個(gè)個(gè)商店里將它們并排擺放在一起，結(jié)果是尿布與啤酒的銷(xiāo)量雙雙增長(zhǎng)。 每天要處理并更新2億條記錄，要對(duì)來(lái)自6000多個(gè)用戶(hù)的48，000條查詢(xún)語(yǔ)句進(jìn)行處理。銷(xiāo)售數(shù)據(jù)、庫(kù)存數(shù)據(jù)每天夜間從4，000多個(gè)商店自動(dòng)采集過(guò)來(lái)，并通過(guò)衛(wèi)星線路傳到總部的數(shù)據(jù)倉(cāng)庫(kù)里。利用數(shù)據(jù)倉(cāng)庫(kù)，進(jìn)行決策支持分析，具體表現(xiàn)為： 1.商品分組布局合理的商品布局能節(jié)省顧客的購(gòu)買(mǎi)時(shí)間，能刺激顧客的購(gòu)買(mǎi)欲望。分析顧客的購(gòu)買(mǎi)習(xí)慣，掌握不同商品一起購(gòu)買(mǎi)的概率，甚至考慮購(gòu)買(mǎi)者在商店里所穿行的路線、購(gòu)買(mǎi)時(shí)間和地點(diǎn)，從而確定商品的最佳布局。 2.降低庫(kù)存成本沃爾瑪通過(guò)數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，決定對(duì)各個(gè)商店各色貨物進(jìn)行增減，確保正確的庫(kù)存。沃爾瑪?shù)慕?jīng)營(yíng)哲學(xué)是“代銷(xiāo)”供應(yīng)商的商品，也就是說(shuō)，在顧客付款之前，供應(yīng)商是不會(huì)拿到它的貨款的。數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)不僅使沃爾瑪省去了商業(yè)中介，還把定期補(bǔ)充庫(kù)存的擔(dān)子轉(zhuǎn)嫁到供應(yīng)商身上。 3.了解銷(xiāo)售全局各個(gè)商店在傳送數(shù)據(jù)之前，先對(duì)數(shù)據(jù)進(jìn)行如下分組：商品種類(lèi)、銷(xiāo)售數(shù)量、商店地點(diǎn)、價(jià)格和日期等。通過(guò)這些分類(lèi)信息，沃爾瑪能對(duì)每個(gè)商店的情況有個(gè)細(xì)致的了解。在最后一家商店關(guān)門(mén)后一個(gè)半小時(shí)，沃爾瑪已確切知道當(dāng)天的運(yùn)營(yíng)和財(cái)政情況。 4、市場(chǎng)分析沃爾瑪利用數(shù)據(jù)挖掘工具和統(tǒng)計(jì)模型分析顧客的購(gòu)買(mǎi)習(xí)慣、廣告成功率和其他戰(zhàn)略性的信息。每周六要對(duì)世界范圍內(nèi)銷(xiāo)售量最大的15種商品進(jìn)行分析，然后確保在準(zhǔn)確的時(shí)間、合適的地點(diǎn)有所需要的庫(kù)存。 5、趨勢(shì)分析對(duì)商品品種和庫(kù)存的趨勢(shì)進(jìn)行分析，以選定需要補(bǔ)充的商品，研究顧客購(gòu)買(mǎi)趨勢(shì)，分析季節(jié)性購(gòu)買(mǎi)模式，確定降價(jià)商品，并對(duì)其數(shù)量和運(yùn)作作出反應(yīng)。為了能夠預(yù)測(cè)出季節(jié)性銷(xiāo)售量，它要檢索數(shù)據(jù)倉(cāng)庫(kù)擁有100，000種商品一年多來(lái)的銷(xiāo)售數(shù)據(jù)，并在此基礎(chǔ)上作分析和知識(shí)挖掘。 沃爾頓在他的自傳中寫(xiě)道：“我能頃刻之間把信息提取出來(lái)，而且是所有的數(shù)據(jù)。我能拿出我想要的任何東西，并確切地講出我們賣(mài)了多少。”這感覺(jué)就象在信息的海洋里，“輕舟已過(guò)萬(wàn)重山”。他還寫(xiě)到：”我想我們總是知道那些信息賦予你一定的力量，而我們能在計(jì)算機(jī)內(nèi)取出這些數(shù)據(jù)的程度會(huì)使我們具有強(qiáng)大的競(jìng)爭(zhēng)優(yōu)勢(shì)?！?數(shù)據(jù)倉(cāng)庫(kù)改變了沃爾瑪，而沃爾瑪改變了零售業(yè)。沃爾瑪?shù)某晒o人以啟示：唯有站在信息巨人的肩頭，才能掌握無(wú)限，創(chuàng)造輝煌。 習(xí)題1，2，5，11，14，15，19，20