反饋

決策支持工具

決策支持工具是數據倉庫應用程序和工具的統稱，這些工具包括對數據的檢索、操作、分析和顯示結果。決策支持的使用模式有兩種：驗證模式和發現模式。決策支持工具的使用方法有三種：信息處理、分析數據和數據挖掘。

決策支持工具定義

決策支持工具是數據倉庫應用程序和工具的統稱，這些工具包括對數據的檢索、操作、分析和顯示結果。^[1]

決策支持的使用模式有兩種：驗證模式和發現模式。

稱為用户驅動模式，商業用户做出一般假設——商業性問題，然後通過存取數據倉庫的數據來證明此假設。用於實現驗證模式的工具包括查詢工具、報表系統、多維分析工具。^[1]

稱為數據驅動模式，商業用户試圖發現數據中的內在聯繫特徵。在發現模式中，商業用户預先不知道發現的方式及關係，用於發現模式的工具就是數據發掘。^[1]

決策支持工具的使用方法有三種：信息處理、分析數據和數據挖掘。

支持決策的驗證模式，它包含數據分析和基本的統計分析、查詢和報表服務等技術。信息處理的結果是報表和圖像。信息處理的範圍通常是二維和三維數據。

信息處理使用的工具包括訪問、存取、檢索、分析、管理與報表等工具。可按報表、交叉表和矩陣、表格、簡單或複雜的圖表給出分析結果。　^[1]

支持決策的驗證模式，目的是從商業微中按商業用户的角度提供數據。分析處理使用的工具為多維分析，也稱為聯機分析處理。^[1]

支持決策的發現模式。瀏覽細節性的事務數據以便發掘隱藏的模式和關係。數據挖掘使用的工具可分為以下三類：統計分析、知識發現KD以及其他工具和技術等。

（1）統計分析：統計分析通常使用的模型有線性分析和非線性分析、連續迴歸和邏輯迴歸分析、單變量和多變量分析，及時間序列分析等。

（2）知識發現KD（Knowledge Discovery）：包括抽取隱含的、未知的、潛在的信息，通過數據搜尋非預期的信息，可能找到預先未知的商業事實。

（3）其他工具和技術：包括可視化系統、地理信息系統、分形分析和私有發現引擎。

數據挖掘的成功取決於對數據的合理處理及算法，它並不是對任何規則都能夠去發現的萬能工具，所以使用者對自己的業務越熟悉，就越能夠給數據挖掘提供完善的幫助和指導，盲目地使用數據挖掘，並不能達到預期的目標。^[1]

參考資料

詞條統計