随着市场竞争的加剧，各企业为了能够在竞争中发展必须及时做出正确的决策，大多数企业都在建立自己的决策支持系统DSS（Decision Support System），决策支持系统需要大量历史数据并且需要将来自异种源的数据统一，产生高质量的、纯净的和集成的数据，而传统的数据库一般不维护历史数据并且只维护详细的原始数据。因此，引入了数据仓库，它能够维护5～10年的历史数据，并能够把所需的信息从原始数据中分离出来，把分散的、难以访问的原始操作数据转化为集中统一、随时可用的信息。
在商务决策系统中，需要对大量的客户数据进行多维分析处理，并把分析结果以多维视图方式展现给决策者，决策者再做出相应的决策。因要求该系统具有大量的多维客户信息进行快速决策的特点，所以采用数据仓库和OLAP作为商务决策系统的核心。
2 数据仓库和OLAP
（1）数据仓库。数据仓库就是面向主题的、集成的、稳定的、随时间不断变化的数据集合，用以支持经营管理中的决策制定过程。
为了使数据仓库中的数据是面向对象的，必须对数据按要求的主题进行收集、归纳后重新存放；由于要求能进行多视角的观察、分析，因此对应各主题的数据必须按一定的属性进行组织；另外，针对数据的综合程度不同，应对数据按不同的汇总程度存放。
对应以上数据组织的要求，数据仓库定义了对应的结构元素来实现数据的结构模型：事实、维、粒度。事实：所分析的目标数据，如销售量、销售额、库存量、库存额等；维：事实信息的属性，如销售发生的时间、客户、地区，销售产品的品种、规格等；粒度：是划分维的单位，就好比数轴的单位，如时间维可按日计，也可按旬、月、年计等。
（2）联机分别析处理（OLAP）。联机分析处理是针对特定问题的联机数据访问和分析。可以应分析人员要求快速、灵活地进行大数据量的复杂查询处理，并且以直观易懂的形式允许决策者对数据进行深入观察。
OLAP采用一种多用户的三层客户机/服务器结构，如图1所示。第一层为客户机，实现最终用户功能，能够方便地浏览数据仓库中的数据，能够生成立方体，为决策者实施决策提供决策支持。第二层为OLAP服务器，集中存放应用逻辑和综合数据，提供高效的数据存取。第三层是企业服务器，存储数据仓库中的细节数据。
图1 OLAP体系结构
3 基于数据仓库的商务决策系统模型的建立
3.1 多维数据模型结构
数据仓库和OLAP工具是基于多维数据模型的，该模型将数据看成数据立方体（Data Cube）的形式。商务决策系统后台数据仓库主要由产品、客户、商店、销售时间4个多维数据集与销售事实表构成。所有多维数据集均采用星型模式，最终构成一个事实星座如图2所示。
图2 商务决策系统的星型模型
以Customer维为例，此多维数据集维度有单Customer-ID、Customer-name、Location、Age、Sex。此星型模式多维数据集用DMQL定义如下：
define cube sales[Item，Customer，Stoer，Time]：
Sold_dollars＝sum（sales_in_dollars），sold_Proit＝sum（sales_in_dollars）－sum（buy_in_dollars）
define dimension Item as（Item_ID*，Item_name，Brand，Type，Pirce）
define dimension Customer as（Customer_ID*，Customer_name，Location，Age，Sex）
define dimension Store as（Stoer ID*，Store_name，Location，Scale）
define dimension Time as（Time_ID，Day，Day_of_week，Month，Quarter，Year）
星型结构的核心是事实表，它是多维查询的焦点，那里存储了真正的数据。事实是数量属性，能被统计、求和、求平均值、求最大值和最小值，能根据各种统计操作来聚类。事实属性包含了被事实表管理的主体的可量度的数量值。维度属性提供了在事实表中的每一行的描述信息，这些属性用来提供事实表和相关的维表之间的联系。一般来说，时间维是一个有特殊意义的维，它对决策中的趋势很重要。
在上面的星型结构中，商店维允许我们根据商店，包括商店的位置和规模来对事物进行分类。产品维允许我们根据产品以及它的牌子、类型和价格来分析购买形式。消费者维允许我们根据消费者来分析商业活动，比如购买频率（包括多大比例的消费者以什么样的频率进行购买），以及消费者的位置来分析商业活动（指多少消费者愿意旅行一段距离到某一特定的商店进行购买）。
现在我们就可以根据上面的结构进行这样的分析：产品的牌子和商店的规模对利润有什么影响。
假若有下面的一组数据，如表1～表3所示。
表1 商店维
表2 产品维
表3 事实表
为了分析商品牌子对利润的影响，我们先在商品牌子上进行聚类，得到表4和表5。
表4 产品牌子聚类表
表5 商店规模聚类表
这样，综合这些聚类结果，就能得出下面结论：商店规模越大，盈利越多；而牌子为T1的商品的盈利也比较多。决策者可以根据这些来决定在什么季节，在哪个商店销售什么牌子的哪种商品，才能获利最大；根据顾客的年龄、性别和所在的地方在商店中怎样来配置产品，才能导致不会积压过量的产品，从而获利最大。
