DW聯(lián)機分析處理與決策支持

1

第3章聯(lián)機分析處理3.1OLAP概念3.2OLAP的數(shù)據(jù)模型3.3多維數(shù)據(jù)的顯示3.4OLAP多維數(shù)據(jù)分析23.1.1OLAP定義1.OLAP理事會給出的定義聯(lián)機分析處理（OLAP）是一種軟件技術(shù)，它使分析人員能夠迅速、一致、交互地從各個方面（多維）觀察信息，以達到深入理解數(shù)據(jù)的目的。這些信息是從原始數(shù)據(jù)轉(zhuǎn)換過來的，按照用戶的理解，它反映了企業(yè)真實的方方面面。32.OLAP的簡單定義

聯(lián)機分析處理是共享多維信息的快速分析。它體現(xiàn)了四個特征：（1）快速性：用戶對OLAP的快速反應(yīng)能力有很高的要求。（2）可分析性：OLAP系統(tǒng)應(yīng)能處理任何邏輯分析和統(tǒng)計分析。（3）多維性：系統(tǒng)必須提供對數(shù)據(jù)分析的多維視圖和分析。（4）信息性：OLAP系統(tǒng)應(yīng)能及時獲得信息，并且管理大容量的信息。

4

1993年，E.F.Codd提出OLAP的12條準則，其主要的準則有以下四條：（1）多維數(shù)據(jù)分析；（2）客戶/服務(wù)器結(jié)構(gòu)；（3）多用戶支持；（4）一致的報表性能等。

在12條準則中，挑選如下幾條說明：3.1.2OLAP準則

51.多維概念視圖企業(yè)的數(shù)據(jù)空間本身就是多維的。因此OLAP的概念模型也應(yīng)是多維的。用戶可以對多維數(shù)據(jù)模型進行切片、切塊、旋轉(zhuǎn)坐標或進行多維的綜合（概括和聚集）分析。64.一致穩(wěn)定的報表性能

報表操作不應(yīng)隨維數(shù)增加而削弱，即當數(shù)據(jù)維數(shù)和數(shù)據(jù)的綜合層次增加時，提供的報表能力和響應(yīng)速度不應(yīng)該有明顯的降低。

75．客戶/服務(wù)器體系結(jié)構(gòu)

OLAP是建立在網(wǎng)絡(luò)上的客戶/服務(wù)器體系結(jié)構(gòu)。

多維數(shù)據(jù)庫服務(wù)器能夠被不同的應(yīng)用和工具所訪問。

客戶端負責(zé)用戶的應(yīng)用邏輯及界面。8

8．多用戶支持能力

當多個用戶要在同一分析模式上并行工作，OLAP工具應(yīng)能夠提供并發(fā)訪問等功能（客戶/服務(wù)器結(jié)構(gòu)能滿足這個要求)。

11．靈活的報表生成

報表必須充分反映數(shù)據(jù)分析模型的多維特征，并可按用戶需要的方式來顯示它。9

（1）變量：變量是數(shù)據(jù)的實際意義，即描述數(shù)據(jù)“是什么”。

（2）維：維是人們觀察數(shù)據(jù)的特定角度。如產(chǎn)品維、顧客維、時間維(即座標系中的座標）等。

（3）維的層次：數(shù)據(jù)的細節(jié)不同程度為維的層次如日、月、季、年是時間維的層次。

（4）維成員：維的一個取值稱為該維的一個維成員。如“某年某月某日”是時間維的一個成員。

3.1.3OLAP的基本概念

10（5）多維數(shù)組：一個多維數(shù)組可以表示為：（維1，維2，……，維n，變量）一個4維的結(jié)構(gòu)，即（產(chǎn)品，地區(qū)，時間，銷售渠道，銷售額）。（6）數(shù)據(jù)單元（單元格）：多維數(shù)組的取值稱為數(shù)據(jù)單元。如：4維數(shù)據(jù)單元（牙膏，上海，1998年12月，批發(fā)，銷售額為100000）。

OLAP的基本概念（續(xù)）113.2OLAP的數(shù)據(jù)模型

3.2.1MOLAP數(shù)據(jù)模型3.2.2ROLAP數(shù)據(jù)模型3.2.3MOLAP與ROLAP的比較3.2.4HOLAP數(shù)據(jù)模型123.2.1MOLAP的數(shù)據(jù)模型

MOLAP是基于多維數(shù)據(jù)庫存儲方式建立的OLAP；表現(xiàn)為“超立方”結(jié)構(gòu)，采用類似于多維數(shù)組的結(jié)構(gòu)。例如，二維MDDB（數(shù)組，即矩陣）的數(shù)據(jù)組織見表3.1所示。13表3.1MDDB（二維）數(shù)據(jù)組織北京上海廣州衣服600700500鞋800900700帽子10020080143.2.2ROLAP數(shù)據(jù)模型ROLAP是基于關(guān)系數(shù)據(jù)庫的OLAP。它是一個平面結(jié)構(gòu)，用關(guān)系數(shù)據(jù)庫表示多維數(shù)據(jù)時，采用星型模型。15產(chǎn)品名地區(qū)銷售量衣服北京600衣服上海700衣服廣州500鞋北京800鞋上海900鞋廣州700帽子北京100帽子上海200帽子廣州80表3.3關(guān)系數(shù)據(jù)庫RDBMS數(shù)據(jù)組織163.2.3MOLAP與ROLAP的比較1.數(shù)據(jù)存取速度（MOLAP的響應(yīng)速度快）2.數(shù)據(jù)存儲的容量（ROLAP存儲容量上沒有限制）3.多維計算的能力（MOLAP能夠支持高性能計算）4.維度變化的適應(yīng)性（ROLAP對于維表的變更有很好的適應(yīng)性）5.數(shù)據(jù)變化的適應(yīng)性（ROLAP對于數(shù)據(jù)變化的適應(yīng)性高)6.軟硬件平臺的適應(yīng)性(ROLAP適應(yīng)性很好)171.數(shù)據(jù)存取速度ROLAP服務(wù)器需要將SQL語句轉(zhuǎn)化為多維存儲語句，臨時“拼合”出多維數(shù)據(jù)立方體。因此，ROLAP的響應(yīng)時間較長。

MOLAP在數(shù)據(jù)存儲速度上性能好，響應(yīng)速度快。

182.數(shù)據(jù)存儲的容量ROLAP使用的傳統(tǒng)關(guān)系數(shù)據(jù)庫的存儲方法，在存儲容量上基本沒有限制。MOLAP通常采用多平面疊加成立體的方式存放數(shù)據(jù)。當數(shù)據(jù)量超過操作系統(tǒng)最大文件長度時，需要進行數(shù)據(jù)分割。多維數(shù)據(jù)庫的數(shù)據(jù)量級難以達到太大的字節(jié)級。193.多維計算的能力MOLAP能夠支持高性能的決策支持計算。ROLAP無法完成多行的計算和維之間的計算。204.維度變化的適應(yīng)性MOLAP增加新的維度，則多維數(shù)據(jù)庫通常需要重新建立。ROLAP對于維表的變更有很好的適應(yīng)性。215.數(shù)據(jù)變化的適應(yīng)性當數(shù)據(jù)頻繁的變化時，MOLAP需要進行大量的重新計算，甚至重新建立索引乃至重構(gòu)多維數(shù)據(jù)庫。在ROLAP中靈活性較好，對于數(shù)據(jù)變化的適應(yīng)性高。226.軟硬件平臺的適應(yīng)性ROLAP對軟硬件平臺的適應(yīng)性很好，而MOLAP相對較差。7.元數(shù)據(jù)管理目前在元數(shù)據(jù)的管理，MOLAP和ROLAP都沒有成形的標準。MOLAP和ROLAP的對比簡表MOLAPROLAP固定維可變維維交叉計算多維視圖行級計算超大型數(shù)據(jù)庫讀-寫應(yīng)用維數(shù)據(jù)變化速度快數(shù)據(jù)集市數(shù)據(jù)倉庫243.2.4HOLAP數(shù)據(jù)模型

HOLAP（HybridOLAP），即混和OLAP介于MOLAP和ROLAP之間。在HOLAP中，對最常用的維度和維層次，使用多維數(shù)據(jù)表來存儲，對于用戶不常用的維度和數(shù)據(jù)，采用ROLAP星型結(jié)構(gòu)來存儲。在HOLAP的多維數(shù)據(jù)表中的數(shù)據(jù)維度少于MOLAP中的維度表，數(shù)據(jù)存儲容量也少于MOLAP方式。HOLAP在數(shù)據(jù)存取速度上又低于MOLAP。253.3多維數(shù)據(jù)的顯示3.3.1多維數(shù)據(jù)顯示方法3.3.2多維類型結(jié)構(gòu)(MTS)3.3.3多維數(shù)據(jù)的分析視圖263.3.1多維數(shù)據(jù)顯示方法多維數(shù)據(jù)的顯示只能在平面上展現(xiàn)出來產(chǎn)品名地區(qū) 時間銷售量衣服北京1月100衣服北京2月200衣服北京3月300衣服上海1月200衣服上海2月300衣服上海3月400衣服廣州1月150衣服廣州2月250衣服廣州3月300鞋北京1月150鞋北京2月300鞋北京3月350鞋上海1月200鞋上海2月300鞋上海3月400鞋廣州1月150鞋廣州2月250鞋廣州3月300…………273.3.2多維類型結(jié)構(gòu)(MTS)表示方法是：每一個維度用一條線段來表示。維度中的每一個成員都用線段上的一個單位區(qū)間來表示。例如，用三個線段分別表示時間、產(chǎn)品和指標三個維的多維類型結(jié)構(gòu)如圖3.3所示。28圖3.3三維MTS例29在圖3.3多維類型結(jié)構(gòu)(MTS)中，指定：

時間維成員是3月，產(chǎn)品維成員是鞋，

指標維成員是銷售量，

這樣它代表了三維數(shù)據(jù)總得一個空間數(shù)據(jù)點，如圖3.4所示。30圖3.4多維類型結(jié)構(gòu)中的空間數(shù)據(jù)點313.3.3多維數(shù)據(jù)的分析視圖在平面的屏幕上顯示多維數(shù)據(jù)，是利用行、列和頁面三個顯示組來表示的。例如，對上例的四維MTS實例：在頁面上選定商店維度中“商店3”，在行中選定時間維的“1月、2月、3月”共3個成員，在列中選定產(chǎn)品維中的“上衣、褲、帽子”三個成員，在指標維中的“固定成本、直接銷售”二個成員。該四維數(shù)據(jù)的顯示如圖3.6所示。32商店3（頁面）上衣褲帽子直接銷售固定成本直接銷售固定成本直接銷售固定成本1月4503505504505004002月3802804603604003203月400310480410450400圖3.6四維數(shù)據(jù)的顯示33對于更多維度的數(shù)據(jù)顯示，需要選擇維度及其成員分布在行或者列中。在頁面上可以選定多個維度，但每個維度只能顯示一個成員。在行或者列中一般只選擇二個維，每個維可以多個成員。例如，對6個維度數(shù)據(jù)，它的MTS如圖3.7所示。34圖3.7六維維MTS例35對以上六維數(shù)據(jù)中，設(shè)定頁面維度為商店的成員是“商店3”，客戶維度成員是“老年”。行維度含時間維和產(chǎn)品維共2個維度，其中時間維中成員為“1月、2月、3月”。產(chǎn)品維中成員為“桌子、臺燈”。列維度含指標維和場景維共2個維度，其中指標維中成員為“直接銷售、間接銷售、總銷售”。場景維中成員為“實際、計劃”。具體的顯示數(shù)據(jù)如圖3.8所示。36商店3，老年（頁面）直接銷售間接銷售總銷售實際計劃實際計劃實際計劃1月桌子250300125150375450臺燈2653201331604004802月桌子333400167200500600臺燈2833401421704255103月桌子350420175210525630臺燈250300125150375450圖3.8六維數(shù)據(jù)的顯示373.4OALP的多維數(shù)據(jù)分析3.4.1多維數(shù)據(jù)分析的基本操作3.4.2多維數(shù)據(jù)分析實例3.4.3廣義OLAP功能38OLAP的目的是為管理決策人員通過一種靈活的多維數(shù)據(jù)分析手段，提供輔助決策信息?；镜亩嗑S數(shù)據(jù)分析操作包括切片、切塊、旋轉(zhuǎn)、鉆取等。我們把在多維數(shù)據(jù)分析中加入數(shù)據(jù)分析模型和商業(yè)分析模型稱為廣義OLAP。39例如，以“產(chǎn)品、城市、時間”三維數(shù)據(jù)，如圖403.4.1多維數(shù)據(jù)分析的基本操作1.切片對三維數(shù)據(jù)，通過“切片”，分別從城市和產(chǎn)品等不同的角度觀察銷售情況：

412.切塊在多維數(shù)組的某一個維上選定某一區(qū)間的維成員的操作，切塊可以看成是在切片的基礎(chǔ)上，確定某一個維成員的區(qū)間得到的片段，也即由多個切片疊合起來。圖3.11三維數(shù)據(jù)切塊423.鉆取鉆取有向下鉆?。╠rilldown）和向上鉆?。╠rillup）操作。向下鉆取是使用戶在多層數(shù)據(jù)中能通過導(dǎo)航信息而獲得更多的細節(jié)性數(shù)據(jù)。向上鉆取獲取概括性的數(shù)據(jù)。43鉆?。豪?，2005年各部門銷售收入表如下：44對時間維進行下鉆操作，獲得新表如下：2009年部門1季度2季度3季度4季度部門1200200350150部門225050150150部門3200150180270454.旋轉(zhuǎn)通過旋轉(zhuǎn)可以得到不同視角的數(shù)據(jù)。旋轉(zhuǎn)操作相當于平面數(shù)據(jù)將坐標軸旋轉(zhuǎn)。例如，旋轉(zhuǎn)可能包含了交換行和列，或是把某一個行維移到列維中去。或是把頁面顯示中的一個維和頁面外的維進行交換（令其成為新的行或列中的一個）46旋轉(zhuǎn)時間維產(chǎn)品維產(chǎn)品維時間維（a）行列交換旋轉(zhuǎn)以改變顯示布局時間維地區(qū)維產(chǎn)品維時間維產(chǎn)品維地區(qū)維47

3.4.2多維數(shù)據(jù)分析實例1．切片為了對廣東省全省營業(yè)稅和個人所得稅在2006-2007兩年的納稅情況進行全面了解，需要對全省稅收數(shù)據(jù)按城市進行切片顯示，部分城市數(shù)據(jù)如表3.10所示。48表3.10廣東省各市營業(yè)稅和個人所得稅表(億元)

2006年營業(yè)稅2006年所得稅2007年營業(yè)稅2007年所得稅廣州市19996231122東莞市53.425.470.331.6珠海市23.99.134.913.9佛山市55.729.372.534.4

由表中數(shù)據(jù)可知：廣州營業(yè)稅增加：32.8億元，增長率為16.5%。廣州個人所得稅增加：25.6億元，增長率為26.7%。東莞營業(yè)稅增加：16.9億元，增長率為31.68%。東莞個人所得稅增加：6.2億元，增長率為24.6%對營業(yè)稅而言，增長量最大的城市是廣州，增加速度較快的城市是東莞（31.68%）。492．向下鉆取為了更深入分析東莞市的各行業(yè)的營業(yè)稅情況，需要對東莞營業(yè)稅數(shù)據(jù)下鉆分析。

2006、2007兩年部分行業(yè)的納稅情況見表3.11所示。50表3.11東莞市各行業(yè)的營業(yè)稅表(百萬元)

2006年營業(yè)稅2007年營業(yè)稅農(nóng)、林、牧、漁業(yè)1510房地產(chǎn)業(yè)12041510制造業(yè)85.5112.8歺飲業(yè)327.9363.8金融業(yè)475.7698.1采礦業(yè)0.0280.02651由表中數(shù)據(jù)可知，東莞市：農(nóng)、林、牧、漁業(yè)下降了5.5百萬元，下降率為35.2%。采礦業(yè)下降0.02百萬元，下降率為10.5%。房地產(chǎn)業(yè)增加306.5百萬元，增加率為21%。金融業(yè)增加222.4百萬元，增加率為46.8%。52四種行業(yè)的增減率用直方圖表示

533．數(shù)據(jù)分析（1）宏觀分析從表3.10中的數(shù)據(jù)可以宏觀的看出，東莞市的營業(yè)稅增長很突出，在廣東省中名列前位。54（2）深入分析東莞的農(nóng)、林、牧、漁業(yè)下降明顯，采礦業(yè)也下降。而房地產(chǎn)業(yè)增長明顯，金融業(yè)增長突出。通過調(diào)查得到原因是，隨著經(jīng)濟的發(fā)展，東莞的外來合資企業(yè)越來越多，本地農(nóng)民很多把地賣了或者租出去建廠房然后收租金，是產(chǎn)生農(nóng)林漁營業(yè)稅下降的主要原因，東莞市近年逐步實現(xiàn)產(chǎn)業(yè)轉(zhuǎn)移，由農(nóng)業(yè)更多的轉(zhuǎn)向制造業(yè)和加工業(yè)。第4章數(shù)據(jù)倉庫的決策支持

4.1數(shù)據(jù)倉庫的用戶5.2數(shù)據(jù)倉庫的決策支持與決策支持系統(tǒng)4.3數(shù)據(jù)倉庫應(yīng)用實例4．1數(shù)據(jù)倉庫的用戶

4.1.1數(shù)據(jù)倉庫的信息使用者4.1.2數(shù)據(jù)倉庫的探索者數(shù)據(jù)倉庫的用戶有兩類：信息使用者和探索者信息使用者是使用數(shù)據(jù)倉庫的大量用戶。

信息使用者以一種可預(yù)測的、重發(fā)性的方式使用數(shù)據(jù)倉庫平臺。

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、時間）和指標（如收入和成本）隨時間的發(fā)展趨勢。探索者完全不同于信息使用者，他們有一個完全不可預(yù)測的、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)隱含的價值并且根據(jù)過去事件努力預(yù)測未來決策的結(jié)果。探索者是典型的數(shù)據(jù)挖掘者。4.1.2數(shù)據(jù)倉庫的探索者探索者要做的工作有：概括分析、抽取、建模和分類。(1)概括分析探索者開始以分析數(shù)據(jù)的完整性和準確性（數(shù)據(jù)質(zhì)量）。在概括分析活動中，要詢問的典型問題包括：家庭收入如何分配？有多少帳戶每月消費超過200元？有多少客戶有兩個以上的小孩并居住在市區(qū)？(2)抽取從數(shù)據(jù)倉庫中抽取指定的數(shù)據(jù)，并組織起來，送入支持探索者分析的探索倉庫中。(3)建模探索者通過概括分析來理解數(shù)據(jù)，通過抽取來準備數(shù)據(jù)，通過建模來分析數(shù)據(jù)。建模是開發(fā)一種用來描述實體（如客戶、商品、渠道等）的關(guān)系模型的過程。探索者使用的模型有：客戶分段后續(xù)產(chǎn)品欺詐檢測渠道響應(yīng)（例如，電話銷售和直接郵寄）信用風(fēng)險客戶生存期價值推銷響應(yīng)例如，利用建模來確認有可能拖延支付電話帳單的客戶：首先，建立一個模型（利用統(tǒng)計學(xué)和行為科學(xué)）來確認經(jīng)常拖延支付電話帳單的客戶特征。然后，根據(jù)客戶與模型的密切程度，對所有的客戶分類。這樣，可以提供誰將不支付電話帳單的某種可能性預(yù)測。4.2數(shù)據(jù)倉的決策支持與決策支持系統(tǒng)4.2.1查詢與報表4.2.2多維分析與原因分析4.2.3預(yù)測未來4.2.4實時決策4.2.5自動決策4.2.6決策支持系統(tǒng)數(shù)據(jù)倉庫是一種能夠提供重要戰(zhàn)略信息，并獲得競爭優(yōu)勢的新技術(shù)，從而得到迅速的發(fā)展。具體的戰(zhàn)略信息有：給出銷售量最好的產(chǎn)品名單找出出現(xiàn)問題的地區(qū)（切片）追蹤查找出現(xiàn)問題原因（向下鉆?。Ρ绕渌臄?shù)據(jù)（橫向鉆?。╋@示最大的利潤當一個地區(qū)的銷售低于目標值時，提出警告信息。建立數(shù)據(jù)倉庫的目的不只是為了存儲更多的數(shù)據(jù)，而是要對這些數(shù)據(jù)進行處理并轉(zhuǎn)換成商業(yè)信息和知識，利用這些信息和知識來支持企業(yè)進行正確的商業(yè)行動，并最終獲得效益。數(shù)據(jù)倉庫的功能是在恰當?shù)臅r間，把準確的信息傳遞給決策者，使他能作出正確的商業(yè)決策。4.2.1查詢與報表1.查詢（1）能向用戶提供查詢的初始化，公式表示和結(jié)果顯示等功能。（2）由元數(shù)據(jù)來引導(dǎo)查詢過程（3）用戶能夠輕松地瀏覽數(shù)據(jù)結(jié)構(gòu)（4）信息是用戶自己主動索取的，而不是數(shù)據(jù)倉庫強加給他們的（5）查詢環(huán)境必須要靈活地適應(yīng)不同類型的用戶2.報表（1）預(yù)格式化報表。（2）參數(shù)驅(qū)動的預(yù)定義報表。（3）簡單的報表開發(fā)。（4）公布和訂閱。（5）傳遞選項。（6）多數(shù)據(jù)操作選項。（7）多種展現(xiàn)方式選項。4.2.2多維分析與原因分析1、多維分析通過多維分析將獲得在各種不同維度下的實際商業(yè)活動值（如銷售量等），特別是他們的變化值和差值，達到輔助決策效果。例如通過多維分析得到如下信息：今年以來，公司的哪些產(chǎn)品量是最有利潤的？最有利潤的產(chǎn)品是不是和去年一樣的？2、原因分析查找問題出現(xiàn)的原因是一項很重要的決策支持任務(wù)，一般通過多維數(shù)據(jù)分析的“向下鉆取”操作來完成。某公司從分析報表中得知最近幾個月來整個企業(yè)的利潤在急速下滑，通過人機交互找出該企業(yè)利潤下滑的原因。（1）查詢整個公司最近3個月來各個月份的銷售額和利潤，顯示銷售額正常，但利潤下降。（2）查詢?nèi)澜绺鱾€區(qū)域每個月的銷售額和利潤，顯示歐洲地區(qū)銷售額下降，利潤急劇下降。（3）查詢歐洲各國銷售額和利潤。顯示一些國家利潤率上升，一些國家持平，歐盟國家利潤率急劇下降。（4）查詢歐盟國家中的直接和間接成本。得到直接成本沒有問題，但間接成本提高了。（5）查詢間接成本的詳細情況。得出企業(yè)征收了額外附加稅，使利潤下降。通過原因分析，得到企業(yè)利潤下滑的真正原因是歐盟國家征收了額外附加稅造成。4.2.3預(yù)測未來預(yù)測未來使決策者了解“將要發(fā)生什么”。數(shù)據(jù)倉庫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，將可以用來預(yù)測未來。在進行預(yù)測的時候需要用到一些預(yù)測模型。最常用的預(yù)測方法是采用回歸模型，包括線性回歸或非線性回歸。采用聚類模型或分類模型也能達到一定的預(yù)測效果。4.2.4實時決策企業(yè)需要準確了解“正在發(fā)生什么”，從而需要建立動態(tài)數(shù)據(jù)倉庫（實時數(shù)據(jù)庫），用于支持戰(zhàn)術(shù)型決策，即實時決策。戰(zhàn)術(shù)性決策支持的重點則在企業(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。以貨運為例

卡車上的貨物常常需要把某些貨物從一輛車轉(zhuǎn)移到另一輛車上，以便最終送抵各自的目的地。當某些卡車晚點時，就要做出艱難的決定：是讓后繼的運輸車等待遲到的貨物，還是讓其按時出發(fā)。如果后繼車輛按時出發(fā)而未等待遲到的包裹，那么遲到包裹的服務(wù)等級就會大打折扣。反過來說，等待遲到的包裹則將損害在后繼的運輸車上的其他待運包裹的服務(wù)等級。運輸車究竟等待多長時間，取決于需卸裝到該車輛的所有延遲貨物的服務(wù)等級和已經(jīng)裝載到該車輛的貨物的服務(wù)等級。4.2.5自動決策利用動態(tài)數(shù)據(jù)庫自動決策，達到“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)就會趨向于采取自動決策。動態(tài)數(shù)據(jù)倉庫可以為整個企業(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，動態(tài)數(shù)據(jù)倉庫同時支持這兩種方式。隨著技術(shù)的進步，越來越多的決策由事件觸發(fā)，自動發(fā)生。4.2.6決策支持系統(tǒng)數(shù)據(jù)倉庫整合了企業(yè)的各種信息來源，能確保一致與正確詳細的數(shù)據(jù)。它是一個龐大的數(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)倉庫來建立決策支持系統(tǒng)?；跀?shù)據(jù)倉庫的決策支持系統(tǒng)是針對實際問題，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，對數(shù)據(jù)倉庫中的數(shù)據(jù)進行多維分析，從而掌握企業(yè)的經(jīng)營現(xiàn)狀，找出現(xiàn)狀的原因，并預(yù)測未來發(fā)展趨勢，協(xié)助企業(yè)制定決策增強競爭優(yōu)勢。4.3數(shù)據(jù)倉庫應(yīng)用實例

4.3.1航空公司數(shù)據(jù)倉庫決策支持系統(tǒng)簡例4.3.2統(tǒng)計業(yè)數(shù)據(jù)倉庫解決方案4.3.3沃爾瑪數(shù)據(jù)倉庫系統(tǒng)4.3.1航空公司數(shù)據(jù)倉庫決策支持系統(tǒng)簡例1.航空公司數(shù)據(jù)倉庫系統(tǒng)的功能2.數(shù)據(jù)倉庫系統(tǒng)的決策支持3.決策支持系統(tǒng)簡例1.航空公司數(shù)據(jù)倉庫系統(tǒng)的功能航空公司數(shù)據(jù)倉庫功能模塊有：市場分析：分析國內(nèi)、國際、地區(qū)航線上的各項生產(chǎn)指標；航班分析：分析某個特定市場上所有航班的生產(chǎn)情況；班期分析：分析某個特定市場上各班期的旅客、貨運分布情況；

2.數(shù)據(jù)倉庫系統(tǒng)的決策支持利用數(shù)據(jù)倉庫系統(tǒng)提供的決策支持有：l

一段時間內(nèi)某特定市場占有率、同期比較、增長趨勢；l

各條航線的收益分析；l

計劃完成情況；l

流量、流向分析；l

航線上各項生產(chǎn)指標變化趨勢的分析；

通過查詢“北京到各地區(qū)的航空市場情況”，發(fā)現(xiàn)西南地區(qū)總周轉(zhuǎn)量出現(xiàn)了最大負增長量。該決策支持系統(tǒng)簡例就是完成對此問題進行多維分析和原因分析，找出出現(xiàn)原因。

決策支持系統(tǒng)運行結(jié)構(gòu)圖如下：3.決策支持系統(tǒng)簡例

數(shù)據(jù)倉庫服務(wù)器

客戶端

查詢：全國各地區(qū)航空總周轉(zhuǎn)量并比較去年同期狀況顯示：圖1查詢：全國各地區(qū)航空客運周轉(zhuǎn)量并比較去年同期狀況查詢：全國各地區(qū)航空貨運周轉(zhuǎn)量并比較去年同期狀況顯示：圖3查詢：全國各地區(qū)客運、貨運、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：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：昆明航線按不同機型的總周轉(zhuǎn)量，并比較去年同期狀況顯示：圖5

查詢：昆明航線按不同機型的周轉(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)倉庫中今年、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、去年兩年貨運周轉(zhuǎn)量，并比較。繪制直方圖制表：從數(shù)據(jù)倉庫中取數(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)倉庫中取數(shù)據(jù)并制表圖1全國各地區(qū)航空周轉(zhuǎn)量與去年對比狀況返回（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)的負增長最大。

圖2全國各地區(qū)航空客運周轉(zhuǎn)量及與去年同期比較從圖2中看到客運周轉(zhuǎn)量及與去年同期比較，西南地區(qū)負增長在全國是最大的，其次是東北地區(qū)。返回圖3北京到國內(nèi)各地區(qū)貨運周轉(zhuǎn)量及與去年同期比較

從圖3中看到貨運周轉(zhuǎn)量及與去年同期比較，華東地區(qū)負增長在全國是最大的，西南地區(qū)也有負增長。

返回表1客運、貨運、總周轉(zhuǎn)量及其去年同期比較客運周轉(zhuǎn)量對比去年增長量貨運周轉(zhuǎn)量對比去年增長量總周轉(zhuǎn)量對比去年增長量東北地區(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

從表1中，可以看出航空客運、貨運、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)量的負增長主要是客運負增長為主體。返回圖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。

返回（其中，A：150座級；B：200座級；C：300座級以上；D：200－300座級）圖5昆明航線各機型總周轉(zhuǎn)量以及與去年同期比較的柱形圖

從圖5可以看出昆明航線中200－300座級機型負增長最大，其次是150座級機型也有較大的負增長，而200座級以及300座級以上機型保持同去年相同航運水平。

返回

表2昆明航線各機型總周轉(zhuǎn)量以及與去年同期比較的數(shù)據(jù)從表2中可以看出，不同機型的周轉(zhuǎn)量以及對比去年同期增長的具體數(shù)據(jù)?？傊苻D(zhuǎn)量對比去年增長量150座級12.99-16.83200座級10.070300座級以上10.070200-300座級2.91-26.9返回

以上決策支持系統(tǒng)過程完成了對航空公司全國各地區(qū)總周轉(zhuǎn)量對比去年同期出現(xiàn)負增長量最大的西南地區(qū)，經(jīng)過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座級機型的總周轉(zhuǎn)量負增長以及150座級機型負增長量造成的。其中，200－300座級負增長最嚴重。

這為決策者提供了解決西南地區(qū)負增長問題輔助決策的信息。返回數(shù)據(jù)倉庫決策支持系統(tǒng)應(yīng)用說明以上決策支持系統(tǒng)只是找出了西南地區(qū)航運負增長問題的原因。還可以昆明航線上航班時間以及其他方面進行原因分析，找出其他原因，為決策者提供更多的輔助決策信息。同樣，可以從國內(nèi)各地區(qū)航空市場狀況中對比去年同期增長顯著的中南地區(qū)，找出總周轉(zhuǎn)量大幅提高的原因。從正反兩方面來進行多維分析和原因分析，將可以得到更多的輔助決策信息，減少負增長，增大正增長，提高更大利潤。進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。4.3.2沃爾瑪數(shù)據(jù)倉庫系統(tǒng)美國的沃爾瑪（Wal*Mart）是世界最大的零售商，Wal*Mar