0 引言
决策支持系统(Decision Support System，DSS)是在管理信息系统的基础上发展起来的一门新兴的信息技术。它是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术和信息技术为手段，针对半结构的决策问题，支持决策活动的、具有智能作用的人机系统，能够为企业提供各种决策信息支持以及许多商业问题的解决方案。
传统的决策支持系统主要是以模型库系统为主体，通过定量分析进行辅助决策。DSS对数据的使用是非结构化的，它的一次查询操作要涉及上百张表的上千行数据，复杂的表连接会严重影响系统的性能，而且用户仅仅在分析的时候才查找有关数据，查找条件是随机的，因此基于事物处理的传统数据库环境不适宜DSS的应用。
随着计算机信息系统的广泛应用与网络技术的迅速普及，以数据仓库和联机分析处理相结合的辅助决策系统成为决策支持系统的新形式。数据仓库把分布在网络中不同站点的数据集中到一起，通过联机分析处理(Online Analytical Processing，OLAP)把数据的组织由二维平面结构扩充到多维空间结构，并提供了多维分析方法，然后从多个数据库发现数据信息，从而进行决策分析，这是决策支持系统发展的一种途径。目前这类工具还比较缺乏。
在数据仓库的支持下，采用OLAP等分析工具，开发面向最终用户的决策支持系统，使用户能够利用该系统对存储在数据仓库中的各种信息进行跨时间、地点等多维数据进行在线分析、挖掘和提炼，从而为决策者提供完整、准确和及时的决策信息。
近年来企业部门业务处理以及信息管理系统的广泛使用，既为销售决策支持系统的建立提供了基础，也为它的应用产生了强大的推动力。与此同时，计算机在理论与技术上的新进展也使销售决策支持系统的研究与应用水平不断提高，使它从早期的批处理方式演变成今天的联机分析处理方式，也带动了数据仓库、多维数据库、数据挖掘等新技术的研究。
1 销售决策分析系统的设计
研制销售决策分析系统是为处在竞争日趋激烈的环境中的企业提供一种分析销售因素关系及其变化规律的方法。根据数据仓库设计的步骤，我们可以通过分析系统结构、概念设计、逻辑设计和物理设计这四个阶段来开发销售决策分析的数据仓库系统，且以基于数据仓库的销售决策系统设计与开发为任务。具体分为系统结构分析、概念设计、逻辑设计和物理设计这四个阶段。
1.1 系统结构
通过对销售决策分析的处理过程，我们可以把系统分为三个部分，如图1所示。
图1 销售决策系统结构图
(1)业务处理子系统。主要是用来完成日常销售业务的数据处理，包括操作性的数据库系统和外部各种数据。它是数据仓库系统的基础，是整个系统的数据源泉。
(2)管理数据子系统。负责对整个系统的数据进行管理，是整个数据仓库系统的核心。在确定数据仓库信息需求后，首先进行数据建模；然后确定从源数据到数据仓库的数据抽取、清理和转换过程，并有效集成，按照主题进行重新组织；最后确定数据仓库的物理存储结构，同时组织存储数据仓库元数据(具体包括数据仓库的数据字典、记录系统定义、数据转换规则、数据加载频率和控制信息等)。
(3)决策分析子系统。利用联机分析处理OLAP和其他工具对数据仓库中的数据进行统计与分析，实现分析和预测功能。
1.2 数据仓库的概念模型和逻辑模型设计
根据对系统的需求分析和决策的需要，我们采用信息包图的方法进行多维数据建模。如图2所示。
图2 销售分析的信息包图
销售分析的信息包图建立过程如下：
(1)确定维度。维度是相同类型数据的集合，是人们观察数据的特定角度，不同的维度组合构成了访问数据仓库的约束条件。本系统中确定的维度主要包括时间维、产品维、销售地区维、销售部门维和客户维等。
(2)确定粒度。粒度是数据仓库中数据单元的详细程序和级别，也就是维度划分的单位。对所确定的纬度进行粒度划分，如按时间、产品、销售地区、销售部门和客户等进行划分。
(3)确定度量指标。度量指标是指在维度空间内数据所表达的含义，这些度量指标包含导出信息，本系统的度量指标包括单价、成本、销量、利润等。
(4)确定维度的层次。维度的层次是指在一个层次内为表达不同细节程序的信息按顺序划分的多个阶层，比如时间维可以划分为年、季、月、旬、日等不同的层次。
根据以上分析的信息包图，我们采用星型模型为系统建立多维数据模型。星型模式是多维数据模型中的一种典型结构，它组织实体的方式是把一个事实表放在中间，周围有各个维表与这个事实表相连，是一种由一点向外辐射的形式，如图3所示。数据库中包括一张事实表，用于存放事实数据，其中的信息有多个维度，对于每一维都有一张维表，用来记录相应维度的描述信息。事实表中的每条元组都包含指向各个维表的外键和一些相应的测量数据。
图3 销售分析的星形模式图
