隨著各類(lèi)信息系統(tǒng)與數(shù)據(jù)庫(kù)的建立，在過(guò)去若干年的時(shí)間里都積累了海量的、不同形式存儲(chǔ)的各類(lèi)數(shù)據(jù)。這些數(shù)據(jù)十分繁雜，僅僅依靠目前數(shù)據(jù)庫(kù)的查詢(xún)檢索機(jī)制和數(shù)據(jù)處理方法，已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)實(shí)的需要。數(shù)據(jù)中隱藏的深層次的豐富資源沒(méi)有得到充分地發(fā)掘和利用。人們迫切地需求把數(shù)據(jù)變成知識(shí)，把知識(shí)變成決策，把決策變成利潤(rùn)(財(cái)富)。使之有效地在管理和決策中發(fā)揮作用，是急需解決的問(wèn)題。而且，隨著信息化的不斷深入發(fā)展，信息資源開(kāi)發(fā)利用，已成為當(dāng)前信息化的核心任務(wù)之一。那么如何開(kāi)發(fā)信息資源? 在新技術(shù)環(huán)境下有什么工具和方法呢?本文簡(jiǎn)單地介紹幾種基于數(shù)據(jù)庫(kù)信息資源開(kāi)發(fā)的新技術(shù)，以起到拋磚引玉的作用。

1 數(shù)據(jù)倉(cāng)庫(kù)技術(shù)

傳統(tǒng)數(shù)據(jù)庫(kù)系統(tǒng)作為數(shù)據(jù)管理手段，從它的誕生開(kāi)始，就主要用于事務(wù)處理。經(jīng)過(guò)數(shù)十年的發(fā)展，在這些數(shù)據(jù)庫(kù)中已保存了大量的日常業(yè)務(wù)數(shù)據(jù)。對(duì)這些數(shù)據(jù)僅僅進(jìn)行簡(jiǎn)單的統(tǒng)計(jì)報(bào)表、檢索查詢(xún)類(lèi)的淺層面處理已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足需要，必須把分析型數(shù)據(jù)從事務(wù)處理環(huán)境中提取出來(lái)。按照決策支持系統(tǒng)處理的需要進(jìn)行重新組織，建立單獨(dú)的分析處理環(huán)境。數(shù)據(jù)倉(cāng)庫(kù)正是為了構(gòu)建這種新的分析處理環(huán)境，而出現(xiàn)的一種高度集中的數(shù)據(jù)存儲(chǔ)和組織技術(shù)。數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)來(lái)源于其它數(shù)據(jù)庫(kù)，并非取消原有數(shù)據(jù)庫(kù)，它的目標(biāo)是為各種不同的決策提供更全面、更有效的數(shù)據(jù)支持。

數(shù)據(jù)倉(cāng)庫(kù)是支持管理決策過(guò)程、面向主題、集成的、穩(wěn)定的時(shí)變的數(shù)據(jù)集合。它將大量用于事務(wù)處理的傳統(tǒng)數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)的清理、抽取和轉(zhuǎn)換，并按決策主題的需要進(jìn)行重新組織。數(shù)據(jù)倉(cāng)庫(kù)的邏輯結(jié)構(gòu)可分為近期基本數(shù)據(jù)層、歷史數(shù)據(jù)層和綜合數(shù)據(jù)層，其中綜合數(shù)據(jù)是為決策服務(wù)的。數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的物理存儲(chǔ)形式，有多維數(shù)據(jù)庫(kù)組織形式和基于關(guān)系數(shù)據(jù)庫(kù)組織形式兩種。前者的數(shù)據(jù)組織以空間超立方體形式存在，后者由關(guān)系型事實(shí)表和維表組成。這種高度集中的數(shù)據(jù)為各種不同決策需求提供了有用的分析基礎(chǔ)和有效的支持平臺(tái)。

2 聯(lián)機(jī)分析處理(OLAP)技術(shù)

聯(lián)機(jī)分析處理(OLAP)，是在聯(lián)機(jī)事務(wù)處理(OLTP)基礎(chǔ)上發(fā)展起來(lái)的一種共享多維信息的快速分析技術(shù)。這與數(shù)據(jù)庫(kù)中多維數(shù)據(jù)組織正好形成相互結(jié)合、相互補(bǔ)充的關(guān)系。數(shù)據(jù)倉(cāng)庫(kù)側(cè)重于存儲(chǔ)和管理面向決策主題的數(shù)據(jù)；而OLAP則側(cè)重于數(shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)分析，并將其轉(zhuǎn)換成輔助決策信息。二者相輔相成，共同完成決策支持或滿足特定的查詢(xún)以及報(bào)表需求。

OLAP技術(shù)中比較典型的應(yīng)用，是對(duì)多維數(shù)據(jù)進(jìn)行交互式查詢(xún)和數(shù)據(jù)分析。 交互式操作有多種，主要包括: 切片(即根據(jù)維的限定作投影、選擇等數(shù)據(jù)庫(kù)操作)，旋轉(zhuǎn)(即將表格的橫、縱坐標(biāo)交換)和鉆取(即根據(jù)維的層次提升所關(guān)心的數(shù)據(jù)或降低觀察層次) 等。它便于使用者從不同角度提取有關(guān)數(shù)據(jù)，并給出數(shù)據(jù)的多維邏輯視圖。OLAP技術(shù)還能夠利用分析過(guò)程，對(duì)數(shù)據(jù)進(jìn)行深入分析和加工。例如：關(guān)鍵指標(biāo)數(shù)據(jù)常常用代數(shù)方程進(jìn)行處理，更復(fù)雜的分析則需要建立模型進(jìn)行計(jì)算。

3 決策支持系統(tǒng)(DSS)、專(zhuān)家系統(tǒng)(ES)

決策支持系統(tǒng)(DSS)是在管理信息系統(tǒng)(MIS)基礎(chǔ)上發(fā)展起來(lái)的。MIS是利用數(shù)據(jù)庫(kù)技術(shù)實(shí)現(xiàn)各級(jí)管理者的管理業(yè)務(wù)，在計(jì)算機(jī)上進(jìn)行各種事務(wù)處理工作，DSS是要為各級(jí)管理者提供輔助決策的能力。

決策支持系統(tǒng)主要是以模型庫(kù)系統(tǒng)為主體，通過(guò)定量分析進(jìn)行輔助決策。其模型庫(kù)中的模型，已經(jīng)由數(shù)學(xué)模型擴(kuò)大到數(shù)據(jù)處理模型及圖形模型等多種形式，可以概括為廣義模型。決策支持系統(tǒng)的本質(zhì)是將多個(gè)廣義模型有機(jī)地組合起來(lái)，對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行處理而形成決策問(wèn)題大模型。決策支持系統(tǒng)的輔助決策能力從運(yùn)籌學(xué)、管理科學(xué)的單模型輔助決策發(fā)展到多模型綜合決策，使輔助決策能力上了一個(gè)新臺(tái)階。

20世紀(jì)90年代，決策支持系統(tǒng)與專(zhuān)家系統(tǒng)(ES)結(jié)合，形成了智能決策支持系統(tǒng)(Intelligent DSS) 。專(zhuān)家系統(tǒng)是定性分析輔助決策，它和以定量分析輔助決策的決策支持系統(tǒng)結(jié)合，進(jìn)一步提高了輔助決策能力。智能決策，是決策支持系統(tǒng)發(fā)展的又一個(gè)新階段。而群決策支持系統(tǒng)(GDSS)，則有利于克服個(gè)人決策中的主觀失誤。為提高群決策的高效率，產(chǎn)生了多目標(biāo)決策理論、主從決策理論、協(xié)商談判系統(tǒng)和沖突分析等。

4 數(shù)據(jù)挖掘(DM)

數(shù)據(jù)挖掘(DM)，是為解決數(shù)據(jù)量的爆炸性增長(zhǎng)與開(kāi)發(fā)利用困難的矛盾應(yīng)運(yùn)而生的，是用于開(kāi)發(fā)信息資源的一種新的數(shù)據(jù)處理技術(shù)。數(shù)據(jù)挖掘通常又稱(chēng)數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(KDD)，可自動(dòng)或方便地進(jìn)行模式提取。數(shù)據(jù)挖掘是指從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中存儲(chǔ)的大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的，但又是潛在有用的信息和知識(shí)的過(guò)程。提取的知識(shí)一般可表示為概念、規(guī)則、規(guī)律、模式等形式。

由此可見(jiàn)，數(shù)據(jù)挖掘技術(shù)的特點(diǎn):

(1) 數(shù)據(jù)源必須是真實(shí)的、大量的、含噪聲的。

(2) 發(fā)現(xiàn)的是用戶感興趣的知識(shí)。

(3) 發(fā)現(xiàn)的知識(shí)要可接受、可理解、可運(yùn)用，最好能用自然語(yǔ)言表達(dá)發(fā)現(xiàn)結(jié)果。

(4) 并不是要求發(fā)現(xiàn)放之四海而皆準(zhǔn)的知識(shí)，也不是要去發(fā)現(xiàn)嶄新的自然科學(xué)定理和純數(shù)學(xué)公式，更不是什么機(jī)器定理證明，所有發(fā)現(xiàn)的知識(shí)都是相對(duì)的，是有特定前提和約束條件、面向特定領(lǐng)域的。

(5) 挖掘的結(jié)果是潛在的、未知的、多樣性的(發(fā)現(xiàn)的知識(shí)可以是多種形式的) 。

(6) 挖掘方法是不確定的。數(shù)據(jù)挖掘方面沒(méi)有所謂最好的技術(shù)或通用的技術(shù)，問(wèn)題不是某一種方法比另一種方法更好，而是哪一種更適合所要解決的問(wèn)題。

(7) 數(shù)據(jù)挖掘支持在線數(shù)據(jù)存取。

(8) 技術(shù)的綜合性。DM從多個(gè)學(xué)科汲取營(yíng)養(yǎng)，涉及到數(shù)據(jù)庫(kù)技術(shù)、人工智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、模式識(shí)別、歸納推理、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域。

數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理(OLAP)、決策支持系統(tǒng)和專(zhuān)家系統(tǒng)的數(shù)據(jù)處理技術(shù)區(qū)別是：數(shù)據(jù)倉(cāng)庫(kù)，側(cè)重于存儲(chǔ)和管理面向決策主題的數(shù)據(jù)；OLAP則側(cè)重于數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)分析，并將其轉(zhuǎn)換成輔助決策信息；決策支持系統(tǒng)和專(zhuān)家系統(tǒng)，是定性和定量的輔助決策支持；而數(shù)據(jù)挖掘是在沒(méi)有明確假設(shè)的前提下去挖掘信息、發(fā)現(xiàn)知識(shí)。數(shù)據(jù)挖掘所得到的信息應(yīng)具有先前未知、有效和實(shí)用三個(gè)特征。先前未知的信息是指該信息是預(yù)先未曾預(yù)料到的，即數(shù)據(jù)挖掘是要發(fā)現(xiàn)那些不能靠直覺(jué)發(fā)現(xiàn)的信息或知識(shí)，甚至是違背直覺(jué)的信息或知識(shí)，挖掘出的信息越是出乎意料，就可能越有價(jià)值。在商業(yè)應(yīng)用中最典型的例子就是，美國(guó)一家連鎖店通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)了小孩尿布和啤酒之間有著驚人的聯(lián)系。由此可見(jiàn)，數(shù)據(jù)挖掘是更深層次上的數(shù)據(jù)處理技術(shù)。

數(shù)據(jù)倉(cāng)庫(kù)、OLAP、 決策支持系統(tǒng)和專(zhuān)家系統(tǒng)及數(shù)據(jù)挖掘共同構(gòu)成基于數(shù)據(jù)庫(kù)的信息資源開(kāi)發(fā)技術(shù)支撐體系。如果將上述幾項(xiàng)技術(shù)集成起來(lái)，可以有效地提高決策支持能力。這表現(xiàn)在以下幾個(gè)方面:

(1) 數(shù)據(jù)倉(cāng)庫(kù)技術(shù)，實(shí)現(xiàn)對(duì)決策主題數(shù)據(jù)的存儲(chǔ)和綜合。

(2) OLAP對(duì)數(shù)據(jù)進(jìn)行綜合、統(tǒng)計(jì)和多維分析。

(3) DM對(duì)數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)中的知識(shí)進(jìn)行挖掘、發(fā)現(xiàn)，并利用這些有價(jià)值的知識(shí)進(jìn)行預(yù)測(cè)分析輔助決策。

(4) DSS的模型庫(kù)，實(shí)現(xiàn)多個(gè)廣義模型的組合輔助決策。

(5) ES系統(tǒng)利用知識(shí)推理進(jìn)行定性分析。

它們集成的綜合決策支持系統(tǒng)，可以相互補(bǔ)充、相互依賴(lài)，發(fā)揮各自的優(yōu)勢(shì)，實(shí)現(xiàn)更為有效的決策支持。由此可見(jiàn)，利用基于數(shù)據(jù)庫(kù)的這些新技術(shù)，從大規(guī)模數(shù)據(jù)集合中挖掘深層信息。發(fā)現(xiàn)有用的知識(shí)，是新技術(shù)環(huán)境下開(kāi)發(fā)利用信息資源所必須掌握的十分重要的工具。

————————————

作者簡(jiǎn)介:劉勁松（1953-），男，現(xiàn)為高級(jí)工程師。主要研究方向：信息技術(shù)及其應(yīng)用。