0 引 言
随着信息技术的发展和企业数据量的增长，联机事物处理技术已无法同时满足高效作业和决策支持的需求，造成了海量数据与信息“孤岛”的并存。数据仓库，联机分析处理和数据挖掘技术有效整合了企业的业务流程，使孤立、分散的企业数据按高效、易于提取的结构进行存储，让用户可以按不同的透视方法进行快速分析，从而达到监控业务活动、支持企业决策的目的。
1 决策支持系统及其关键技术
完整意义上的决策支持系统由四个部分组成：数据采集、数据存储、决策支持、决策应用，因此也就决定了决策支持系统提供的不仅仅是软件产品，而是基于软件开发、硬件集成以及企业分析经验的综合解决方法。
1.1 数据采集层和数据存储层
在整个决策支持系统模型中，数据采集层是整个决策支持体系的基础，也是决定决策支持系统成败的关键，数据质量的好坏、数据的一致性、完整性都会在这一层体现。数据存储层决定数据存放的规模、数据仓库／数据集市的建设、数据面向的主题等。
数据仓库技术是实现这两部分的主要技术手段。利用数据仓库技术可以将来自分散的数据源的业务数据进行清洗、转换、加载，并最终应用于分析和决策。
1.2 决策支持层
决策支持层包含数据挖掘、OLAP(on-line analytical processing)分析、报表查询以及信息的发布和管理。这部分更着重于如何把数据仓库、报表查询、多维分析和数据挖掘等决策分析手段完美地结合起来，并规划决策支持系统的实施过程。
在决策支持层中有两种关键的技术，即OLAP和数据挖掘技术。与原有的面向事务处理的OLAP相比较，决策支持层使用的多维分析处理OLAP技术能够提供更加灵活多样的统计报表方式。
2 OLTP与OLAP的比较
联机事务处理系统(OLTP)，也称为面向交易的处理系统，其基本特征是企业的原始数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。由此可见，OLTP主要是用来完成用户的事物处理，通常要进行大量的更新操作，同时对响应的时间要求也比较严格。
联机分析处理(OLAP)的概念最早是由关系数据库之父E．F．codd于1993年提出的：OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求。它的技术核心是维这个概念。因此OLAP也可以说是多维数据分析工具的集合。OLAP主要是用来对用户当前的及历史的数据进行分析，完成大量的查询操作，对时间的要求相对不高。
3 OLAP技术在企业决策支持系统中的应用
作为决策支持系统的关键技术，OLAP可以在使用多维数据模型的数据仓库或数据集市上进行，充分发挥OLAP的联机分析的功能和特性。也可与数据挖掘进行结合，实现联机分析数据挖掘的功能。用户常常希望穿越数据库，选择相关数据，在不同的粒度上进行分析，并以不同的形式显示结果。OLAP提供了在不同的数据子集和不同的抽象层数据上进行上卷、下钻、切片、切块、旋转等多维分析操作，提高了数据分析的能力和数据显示的灵活性。
3.1 OLAP工具的选型
从目前企业的应用上来看，OLAP分析大多是通过使用OLAP工具来实现的，下面给出OLAP工具选型的一些参考依据：
(1)操作系统的支持功能：要能支持多种操作系统，如UNIX、LINUX、WINDOWS等；
(2)多种数据库的支持功能：如SQL Server、Oracle、Sybase、Access、DB2等；
(3)多种数据导入格式的支持功能：如Excel、Html、Word等；
(4)结果发布方式的支持功能：如Web、E-mail、File等；
(5)权限／安全管理功能：是否支持用户权限管理、维度权限管理等；
(6)报表开发／操作便易性：是否支持可视化拖曳、是否提供二次开发接口等；
(7)基本报表功能：透明访问功能(从OLAP访问到OLTP)、钻取功能、旋转功能、切片切块、时间序列功能、基本图形功能等；
(8)基本统计分析功能：如：绝对值分布分析、方差分析、增长率分析等；
(9)扩展功能：数据挖掘扩展、数据抽取扩展、建模工具等；
(10)商务因素：价格因素、用户授权许可、技术支持服务的完善等。
目前国内流行的OLAP工具主要有下列产品：
(1)Business Objects 5i系列产品；
(2)Brio Intelligence产品套件；
(3)Cognos 7系列产品；
(4)MicmStrategy 7i系列产品。
综合考虑企业管理需求和企业的现状，选择适合的产品，关系着企业决策支持系统的成败。在本文所涉及的系统中，选用了Cognos 7的系列产品作为OLAP分析工具。
3.2 OLAP数据库的设计
进行OLAP分析首先要根据分析主题选取分析的维度，设计OLAP数据库模型。OLAP数据库的实现主要有三种方式：一是MOLAP(基于多维数据库OLAP)，它是建立专有的多维数据库来存储OLAP所分析的数据，数据以多维方式存储；二是ROLAP(基于关系型数据库OLAP)，它是利用现有的关系数据库技术通过建立巾间表来模拟多维数据；三是HOLAP，它将ROLAP和MOLAP的功能结合在一起，将大多数的细节数据存放在关系数据库中，将整合后的数据按多维结构存储。ROLAP设计一般采用星型模型或雪花模型来表达设计结果。星型模型通过一个包含主题的事实表和多个包含事实的维度表来支持各种复杂的查询和决策分析。雪花模型是对星型模型的进一步扩展，也就是在星型模型的基础上，每个维度都可以向外连接多个详细类别表，通过这种方式可以缩小事实表，提高查询的效率。这里，我们选取企业决策支持系统中的库存管理主题为例进行分析。经过对企业管理者们所关心的库存分析的内容进行调研，本文对库存主题做出如下解释：
(1)从产品类别、批次、单件等不同角度对库存变动情况进行查询分析；
(2)产品进销存的成本情况分析；
(3)产品现有库存情况分析；
(4)材料成本分析；
(5)制令入库成本分析；
(6)产品材料成本预测。
限于篇幅，这里，我们只对第一个小主题一库存变动情况作详细设计。根据系统的分析目标和已有的数据资源，建立库存变动主题的雪花模型如图1所示。
图1 存货异动主题雪花模型
本系统的OLAP数据库是利用cognos系列中的Impromptu工具创建各类报表来实现，并将报表存放在服务器中，随时供用户查询分析。报表的构建过程如下：
(1)设置报表的数据源
在Impromptu中新建一个名为库存管理主题的Catalog，设置其数据库来源于Microsoft SQL Server。
(2)建立分析主题的Impromptu报表
基于分析主题，建立相关报表，设置报表来自于SQL查询，查询语句可由发生器自动产生，也可由用户自行编写，执行相关查询即可生成报表，在生成的报表上还可做相关的编辑工作。报表生成的结果界面如图2所示。
图2 库存变动报表
