基于数据挖掘的企业决策支持系统分析.pdf

从提供的文件内容中，可以提炼出以下知识点： 数据挖掘技术定义和应用： 数据挖掘技术是处理数据信息的一种新模式，它结合了人工智能、概率学、统计学等多学科技术。利用这一技术可以从大量复杂的数据中提取出有价值的信息，帮助管理和决策。在企业中，这种技术可以整合和分析管理数据，提供决策支持。 数据挖掘的关键技术： 数据仓库：数据仓库是一个集成多种数据源的平台，能够收集并重新排列数据，为数据分析提供便利。它充当企业内部信息平台的角色，为数据挖掘提供了基础。 智能化技术：通过模拟人类行为，智能化技术利用计算机进行知识获取、表达和比对，实现对数据的智能化处理。 概率和统计：概率和统计方法解释数据信息所代表的数学意义，并帮助在大量数据中发现有价值的规律和隐含信息。 数据挖掘技术支持下的企业决策系统构成： 数据采集和监控系统：作为企业数据信息网络的终端，负责自动收集生产、工程、仓储等信息。数据采集系统需要实时性和全程性，而生产检查系统则负责对生产数据进行记录、异常监督和设备控制。 生产调度系统：作为决策支持系统中的一个重要执行系统，它连接一线设备和后台数据处理系统，负责管理生产的全面性和自动化，确保数据共享的安全和一致性。 班组核算系统：此系统以分级管理模式为核心，利用三级核算体系，将成本核算细致划分。它负责数据维护、输入、处理、查询和报表处理，为一线生产提供成本控制和管理决策。 数据挖掘系统的构成： 数据仓库是数据挖掘的重要组成部分，通常采用星型模型和雪花模型进行设计。在构建数据仓库时，需要确保数据的规范化以及各层面之间的紧密关联。构建过程包括分析和筛选数据源、定义数据抽取原则等步骤。 以上知识点涉及到数据挖掘的概念、方法、以及其在企业决策支持系统中的实际应用。数据挖掘技术不仅为企业提供了从海量数据中提取关键信息的能力，而且通过建立决策支持系统，能够帮助企业实现生产智能化和管理决策科学化，从而提高企业的整体运作效率和市场竞争力。