时间:2017年11月13日 分类:经济论文 次数:
目前每天每时每刻都会出现大量的数据及信息,大数据已经渗透到各行各业,爆炸式的数据增长加大了人们获取有效信息的难度,从而衍生出了数据仓库和数据挖掘技术。这两种新型数据库应用技术成为了计算机技术研究的热点问题。下面文章介绍数据仓库,数据挖掘及决策支持系统的概念,以南京地铁人员信息数据为例,分析决策支持系统对人力资源管理起到的影响。
【关键词】数据仓库,数据挖掘,决策支持系统
现如今,数据库技术发展迅速,应用越来越广泛,人们积累的数据也越来越多,而这些数据依然只是被用作简单的查询和统计,并没有对隐藏在其背后的深层价值进行利用,导致了数据爆炸而有效信息却很贫乏。显然,这无法满足人们快速的从海量数据中提取有效数据的需求,因此,必须充分利用数据仓库、数据挖掘等技术分析当前的和历史的数据,自动快速地获取其中的有效信息,从而为领导提供快速、准确和方便的决策支持。
1数据仓库和数据挖掘
1.1数据仓库
数据仓库是一种新的数据处理体系结构,它是在关系数据库、并行处理和分布式等技术的迅速发展的基础上提出来的。正如它的名字,它不仅能像仓库一样储存海量数据还能有效地管理这些数据,并将数据按照某种规则进行重新组织排列,提供有效的数据访问手段。数据仓库具有以下四个显著特征:
(1)面向主题是按照决策层的需求,根据一定的标准对数据进行归纳,每个对应的主题都能够体现决策者对数据的整体把控。
(2)数据集成是指各个业务系统产生的原始数据,在进入数据仓库前,须经过一系列的数据仓库技术,转换成符合数据仓库所需的结构后存储在数据仓库之中。
(3)变化性是指用于决策分析的原始数据是由业务的发展长期积累的,并且它依然会随着时间的变化而发生变化。
(4)稳定性是指数据仓库中的数据基本上处于一个相对不变的状态。
1.2数据挖掘
数据挖掘其实质是从海量数据中发现有价值的信息,获取隐藏在背后的、不易被人们发现的但又可能有实际意义的相关关键业务资源。
2决策支持系统在人力资源管理中的应用
人力资源管理系统作为企业最重要的业务系统之一积累了大量的数据,如对企业中的人员数据、人员信息进行深入地详细地分析将有利于决策者了解企业内部人员的整体情况,并且能够优化企业结构、充分发挥人才优势。
2.1决策支持系统的体系结构
决策支持系统(decisionsupportsystem,DSS),其普遍定义是辅助决策者通过数据、模型和知识,以人机交互方式进行半结构化决策的智能化计算机应用系统。通常系统分为4部分:底层原始数据层、数据仓库数据库层、决策支持层和面向用户层。各个层次互相配合互相作用构成有层有次的决策支持系统。决策支持系统的工作原理为:底层的原始数据来自各个业务系统,经过清洗、抽取和转换后进入数据仓库数据库。数据仓库中的数据经联机分析系统提供给企业的中高层管理人员。通过决策支持系统,能够根据企业管理决策模式和业务分析模型,建立各类业务决策分析模型,并通过对业务数据的有效挖掘,自动根据模型计算分析结果,供高层领导参考;能够通过建立管理驾驶仓,定义和调整各类分析指标和指标值计算不同分析结果,为高层领导决策提供多维多角度的方案。
2.2数据仓库的设计
数据仓库是建立决策支持系统的基础,关系着系统功能的实现,对能否抽取到正确的存储方式、数据结构的数据起到及其重要的作用。数据仓库中的多维数据模型采用星型模式表示,以南京地铁集团相关人员信息为例,其模型如图1所示。由图1可知,南京地铁集团人员数据仓库的基本结构框架由7个主题构成。原始的业务数据必须经过清洗、抽取、转换等数据转换技术的过程,集成到数据仓库中,多维数据库就是对数据进行更精炼更专业的概括。
2.3分析结果展示
联机分析处理技术对决策支持系统的建设至关重要,它不仅可以生动、直观的将决策者关注的重点指标以各种图表形式展现出来,还能够根据决策者的需求对数据从不同的角度、度量更加深层次地钻取“躲”在数据背后的信息,从而使决策者充分了解和掌握企业总体运作情况。OLAP对数据的切片、钻取、和旋转可以实现信息资源的多维分析,并以多种视图如:excel表、饼状图、柱状图、透视图等形式展现给决策人员,相比于传统报表更直观形象。
3结语
本文介绍了决策支持系统关键技术的基本概念和基础体系结构,以南京地铁集团的人员信息数据为例建立了数据仓库并展示了分析结果,充分说明了决策支持系统在人力资源管理方面的应用,为管理人员和分析人员提供可靠的决策支持。
参考文献
[1]尹辉,尹政,李振军.数据仓库技术及其应用[J],福建电脑,2004(03):14-15.
[2]王宗军.决策支持系统的概念、结构、应用及其发展[J].计算机应用研究,1992(04):61-64.