面向主題的高校智能決策支持系統研究

陳鳳

（常熟理工學院 信息化辦公室，江蘇 常熟 215500）

如何讓信息系統為高校的管理和發展提供決策支持已成為近年來高校信息化建設的熱點和難點，本文在分析高校決策支持的現實基礎上，運用數據挖掘、商業智能等科學工具，構建了面向主題的高校智能決策支持系統架構和系統建設路線圖，旨在為高校管理者提供科學、有效的決策支持[1-2].

1 高校決策支持的基礎

一是樹立以人為本的建設理念.學校由兩種人——學生和教職工組成，他們是學校管理活動的核心和學校最主要的資源，學生是教育行為的參與者，教職工是教育行為的實施者及管理的決策者，學校能否健康順利地發展，取決于這兩種人，學校的其他資源，如資金、設備、技術等都是圍繞著如何充分利用“人”這一核心資源，如何服務于“人”來展開，故而應將“以人為本”的管理理念深入到高校管理、決策的各個層面中.

二是以全校全面、真實的數據為基礎.通過多年來的信息化建設，高校的各類業務系統已經在人、財、物及活動等方面積累了大量的數據資源，具備了數據分析的可能性.

三是運用正確有效的決策方法，用數據說話、用事實說話.數據倉庫、數據挖掘等技術經過多年的發展，技術已經相當成熟[3，4].在信息化高度發展的今天，用數據說話已成為最可靠的分析方式，所有科學的決策都依據數據分析的結果產生，不憑空想象，力求以最小的代價獲得最大的效益.

決策支持服務需要結合軟硬兩種技術，即依據管理者在管理過程中積累的經驗、知識來確定研究的對象或主題，進而確立概念模型，在此基礎上綜合運用商業智能、數據挖掘等科學的分析方法和工具來獲取量化的研究結果，所取得的結果一方面能夠揭示一些偏離常規的現象，起到防患于未然的預警功能，另一方面也表明了現實對象的歷史情況，并能預測其發展的趨勢[5].

2 面向主題的系統

2.1 確定主題域

縱觀決策分析的整個過程，從數據采集、數據整理出發，到建立數據倉庫，進而進行數據分析，都需要明確主題，主題的確立為數據分析明確了方向，也是現實決策的需要，從準確的角度分析問題，才能解決問題，真正服務于管理決策者.我們的智能決策系統遵循以人為本的原則，從學校師生、財物、活動狀況（消費、上網、圖書、科研、教學）三大主題入手，開展教學質量的測量；教學資源、科研經費的分配；師生綜合行為等的分析.考慮到高校決策系統的特點，三大主題對決策來說還過于寬泛，很難確定與主題相關的屬性和維度，所以高校智能決策系統的主題分析思想是先確定大的方面——主題域，然后在主題域中找出若干個子主題域，子主題域中可能包含若干主題或下一級的主題域，逐層細化，形成柱狀結構.根節點是高校決策主題域，葉節點是具體的主題（見圖1），每個主題所包含的數據的全體就是高校決策支持系統所需要的數據[6].

2.2 確定當前裝載主題

決策支持的設計方法是一個逐步求精的過程，在進行設計時，一般是一次一個主題或者是一次若干個主題逐步來完成.所以，必須對概念模型設計步驟中確定的幾個基本主題域進行分析，并選擇首先要實施的主題域.在本系統的設計中，根據已經確立的三大主題，首先裝載學生主題域，再逐個展開.

2.3 確定粒度層次劃分

粒度層次的劃分在數據倉庫的邏輯設計和聯機分析中均是一個需要解決的重要問題，粒度層次劃分適當與否直接影響到數據倉庫中的數據量和所適合的查詢類型.這將直接影響到后續聯機分析及數據挖掘的質量，對所能提供的輔助決策信息的可用性具有重要意義.例如對學生的上網信息進行分析，可以確定在線時長、下線方式、計費方式、流量等分析維度，若要分析學生的下線方式，在設計數據倉庫時，按多重粒度來設計，而粒度的級別則根據我們所需要得到的最終數據按什么時間單位來匯總，是年、月還是日.所以在確定粒度層次的劃分之前需要以是否符合所有主題域的分析要求為基準進行反復討論.

圖1 高校管理決策支持系統主題域樹狀結構

3 高校智能決策支持系統的設計

3.1 系統架構

根據上述分析，本文提出了面向主題的高校決策支持系統架構，該系統以高?，F有的業務系統為基礎，利用SSIS工具將高校數據清洗、轉換并裝載到數據倉庫中，實現對數據的集成和規范化；運用OLAP、模型計算和數據挖掘工具對數據進行全面分析；利用報表服務等工具實現不同層面數據的直觀呈現和實時監控等.

決策支持系統具備如下特征：幫助決策主體在半結構化或非結構化的任務中作決策；輔助但不代替用戶作決策；改進決策效能，而不是提高決策的效率[7].基于此，智能決策支持系統的體系結構包括三個主體，第一個主體是模型庫和數據庫系統的結合，它是決策支持的基礎，為決策問題提供了定量分析（模型計算）的輔助決策信息.第二個主體是數據倉庫、OLAP，它從數據倉庫中提取綜合數據和信息，這些數據和信息反映了大量數據的內在本質.第三個主體是專家系統和數據挖掘的結合.數據挖掘從數據庫和數據倉庫中挖掘知識，并將其放入專家系統的知識庫中，由進行知識推理的專家系統達到定性分析輔助決策.綜合體系結構的三個主體既可以相互補充又可以相互結合.它可以根據實際問題的規模和復雜程度決定是采用單個主體輔助決策，還是采用兩個或是三個主體的相互結合輔助決策.

整個系統架構自底向上包括：數據層、信息層、分析層、展現層.對業務系統中的各類歷史數據進行抽取、轉換、分析和模型化處理，從中提取關鍵性數據和信息，形成決策支持的基礎，提供數據統計和數據挖掘等深層次的數據應用.

數據層由全校的各類業務系統數據庫構成，為數據的抽取做準備.

信息層由數據倉庫和數據集市組成，數據倉庫中保存了經過SSIS抽取、清洗和轉換的歷史信息，同時，數據按照決策主題進行重新組織，形成高度集中的數據集，為滿足不同的決策需求提供全面的數據支持.

分析層由OLAP、模型庫、知識庫和數據挖掘工具組成，OLAP作為商業智能工具的一部分提供了多維的在線信息分析功能，決策者可以通過對數據不同維度的瀏覽獲得相關主題的特征及發展趨勢，了解學校的各方面狀況；知識庫和模型庫則為分析提供了大量的決策模型和邏輯規范，并且在分析的過程中不斷地添加經過實際驗證的模型和規范，調整實用性和正確性；數據挖掘根據設定的規則和臨界屬性發現數據中隱藏的信息.幾種工具間相互協作，實現科學、完整的分析功能.在OLAP中利用模型庫的有關模型，可以提高OLAP的數據分析能力.

圖2 智能決策系統架構

3.2 智能決策系統的智能性體現

智能性在這里表現為三個方面，一是系統的自學習和自我完善的能力，在我們的系統中，由于加入了模型庫和知識庫，在數據分析的過程中，將分析結果與已有的模型和規律相結合，從而不斷地擴大推理體系，豐富模型庫和知識庫，使最終所得結論盡量接近事物的本質.二是預警功能，管理者可以在數據分析的過程中人為設定一些臨界值（閥值），一旦數據達到預警的范圍，系統會自動發出警報，幫助管理者及時作出反應，增加了管理者的主動性，起到了防患于未然的作用，對高校的各類管理有著重大意義.三是靈活組合數據項，區別于以往管理者只能被動地接受某些形式的報表、圖形或者分析結果，我們設計的決策系統具有人機交互的界面，對輸出的報表、圖形的各類項進行自由組合，增加了靈活性.管理者變被動為主動，能夠更加積極地進行思考，成為數據真正的主人，輔助決策效果更為顯著.

3.3 系統工作路線

雖然國內對于高校智能決策支持系統的研究起步較晚，但目前高校信息化發展已經到達信息集成的階段，并且商業智能和數據挖掘技術已經相當成熟，鑒于此，智能決策支持系統的工作路線如圖3所示.

首先分析業務數據結構、功能及現有報表，以此了解各層決策者的核心需求，針對不同的需求設定主題并通過設計相應的數據倉庫庫表和主題數據集市，通過OLAP技術確認維度、度量值及KPI等來進行維度建模，將所構建的模型與知識庫和模型庫的現有模型相匹配來確認主題構建的合理性，一旦模型驗證失敗則需要通過重新設定主題來再次驗證，若成功則反向確認數據倉庫的結構，并根據高度集中的數據集市由SSIS工具來設定數據源，有目的地進行更新或者增加，SSIS可以按照預先設定時間點來定時完成這項工作.SSAS則將SSIS抽取的數據針對特定問題進行聯機數據訪問和分析，通過對信息(維數據)的多種可變的觀察形式進行快速、穩定一致和交互性的存取，允許管理決策者對數據進行深入觀察，并可以應分析人員要求快速、靈活地進行大數據量的復雜查詢處理，以一種直觀易懂的形式將查詢結果提供給決策者，OLAP的目標是滿足決策支持或多維環境特定的查詢和報表需求，分析學生的上網行為時，可以從學院、專業、性別、籍貫等不同的角度來觀察學生的上網行為，這里的學院、專業、性別和籍貫就是維.這些維的不同組合和所考察的度量指標構成的多維數組是OLAP分析的基礎.數據挖掘分析挖掘現成的不可閱讀數據，將隱含在數據中的信息和知識轉化成可讀、可理解的，并從中發現一些現象和規律，甚至趨勢.另外通過在大量數據的基礎上對各種學習算法的訓練，得到數據對象間的關系模式，這些模式反映了數據的內在特性，是對數據包含信息的更高層次的抽象.在此基礎上，進行SSRS的開發，報表服務改變了傳統的手工篩選數據，填寫報表的流程，實現了報表的實時、在線生成.使得用戶可以通過瀏覽器進行快速的數據查詢和選擇，后臺數據和報表基礎信息由技術人員進行維護，決策者不需要了解技術細節，也不需要進行專門培訓，根據自己的需要直接通過簡單的瀏覽和選擇完成報表的生成.報表的展現使得決策者對信息的掌握更加直觀和具有主題指導性，能夠有效解決高校管理者獲取數據的全面性問題[8].

雖然數據倉庫、聯機分析處理和數據挖掘是作為獨立的信息技術而發展起來的，但是他們都可以完成對決策過程的支持.一方面，聯機分析處理和數據挖掘提供了高效的多維分析知識發現技術，同時它們也是數據模型化、知識化的重要手段，OLAP作為一種多維查詢和分析工具，是數據倉庫功能的自然擴展，也是數據倉庫中大容量數據得以有效利用的重要保障.另一方面，數據倉庫則提供給聯機分析處理和數據挖掘以充分可靠的數據保障，是決策支持系統賴以存在的源頭之水.這種內在的聯系使他們能夠緊密結合，相得益彰，協同發展，為構建決策支持平臺提供較為有效的技術準備和保證.

圖3 高校智能決策系統工作路線圖

3.4 報表、圖表展示

結合學生基本信息以學生上網為主題的結果展示，給出了學生基本情況統計報表和全校學生上網信息的統計報表.

圖5是學生基本情況的報表，學院的管理者、決策者可以根據學院學生的人數、生源地、性別比例等因素，來綜合考慮招生、專業設置及學科的發展，根據政治面貌狀況來考慮發展學生黨員等等.

圖6是對學生上網總體情況的匯總，圖7是某個學院某月的上網人數變化，該報表時間、學院及年級均為可選，根據這些報表，學生工作管理者可以對癥下藥，對學生上網行為作出正確的引導，提高學生管理工作水平.

本系統具有較高的匹配度和合理性，符合實際情況，這種面向主題、動態實時的分析方式，一方面解決了傳統DSS缺陷，另一方面則更加符合現今社會快速、準確的特點.

4 結束語

本文在分析高校決策現狀的基礎上，提出了面向主題的高校智能決策系統新型體系架構，強調了系統的主題性、智能性.高校智能決策系統的運用有利于高校資源配置的優化、教學質量的提高、管理水平的科學化，對學校的發展有著重大意義，臨界點的推薦設置及學習算法的合理選擇將是下一步要開展的工作.

圖5 學生基本情況統計報表

圖7 計算機學院2011年1月上網人數及人次的統計

[1]劉曉俏，趙坤.淺談如何發揮綜合統計在高校管理中的作用[J].北京理工大學學報，2009，11（1）：118-120.

[2]于寧，王行言，羅念龍.高校教學決策支持系統數據倉庫的研究與實現[J].計算機工程與設計，2006，27（20）：3853-3857.

[3]陳善柳.基于數據挖掘技術的高校輔助決策支持系統研究[D].長沙：中南大學，2004.

[4]趙海蘭，崔先雨.決策支持技術在高校管理中的應用[J].農業網絡信息，2007（2）：90-94.

[5]葛福江.數據倉庫技術在高校生源分析中的應用研究[D].南京：河海大學，2006.

[6]張霞.決策支持系統在高校中的應用研究[D].杭州：浙江理工大學，2009.

[7]彭娟.高校教學管理決策支持系統中關鍵技術的研究[D].西安：西安石油大學，2008.

[8]李睿明，羅念龍.高校決策支持服務的研究與設計[J].計算機科學，2009，36（4B）：8-10.