高校招生規模的不斷擴大以及教育方式的靈活多樣化，使大多數高校都面臨著學生人數的急劇增加與教學資源日漸緊張的矛盾，這給高校的管理帶來了前所未有的挑戰。因此，如何以最小的代價獲得最大的發展成為高校亟待解決的新課題。高校從整體的、宏觀的角度認清形勢，解決問題，優化教育資源配置，提高教育資源利用率。建立一個有效的高校管理決策支持系統（DecisionSupportingSystem，簡稱DSS）顯得十分必要。該系統的各項功能除了能滿足日常簡單的查詢、統計和維護、全局統籌規劃外，還要能夠保證管理各種信息、協調各部門工作順利開展，并能為高校管理者提供有關教育形勢的瞬時變化、發展趨勢，以及通過高科技手段來開發歷史數據，提取隱含在其中的事先未知的、潛在的、深層次的、有價值的信息，以利于簡單統計分析和決策。一般在建立DSS時，會利用傳統的數據庫（Database）技術，但有問題的數據庫滿足不了。數據倉庫技術的出現給決策支持系統的發展注入了新的活力，它把決策者所需的信息從原始的操作數據中分離出來，把分散的、難以訪問的原始數據轉化為集中統一、隨時可訪問的信息，即數據倉庫對信息實現合理、全面而高效的管理。因此，研究數據倉庫和它的相關技術并應用于高校決策支持系統中是極其有效的途徑[4]。本文所采用的解決方案，就是一個以數據倉庫(DataWarehouse，簡稱DW)技術為基礎，以數據挖掘(DataMining，簡稱DM)工具為手段的高校管理決策支持系統DSS的設計方案。本方案中，數據倉庫用于存儲和組織高校的基礎數據，而數據挖掘則利用該基礎數據，通過一系列技術挖掘出有價值的知識信息，輔助決策。

1高校管理中的數據倉庫建立

數據倉庫不是業務數據的簡單堆積，而是抽取數據，并整理、轉化為新的存儲格式，把數據聚合在一種特殊的格式中。隨著此過程的發展和完善，這種支持決策的、特殊的數據存儲即被稱為數據倉庫。對高校管理來說，DSS建立數據倉庫的數據可能來自人事處、學生處、教務處、財務處、后勤管理等職能部門和二級學院等，所有這些數據從結構上看，是相對獨立的，是不利于高校決策者進行全面分析和查詢的。根據高校DSS的需求，必須要求數據倉庫把分散的、難以訪問的數據從不同信息系統中分離出來，通過深層次加工把信息轉換成數據集市(DataMart)以利于各個職能管理部門和院系作專題分析和輔助領導層決策[5]。總之，數據倉庫把高校分散的、難以訪問的日常數據轉化為集中統一、隨時可用的信息。建立數據倉庫是一個長期復雜的過程。數據倉庫的真正價值在于幫助人們制定能夠改進過程的決策。因此，有了數據倉庫，高校管理層決策時就可以依據事實，而不再是只依賴直覺。

2高校管理需要數據挖掘

根據目前高校管理信息系統的特點，首先需要將不同信息系統中的數據綜合、歸類，并進行分析利用，即建立數據倉庫，在數據倉庫的基礎上進行聯機分析處理和數據挖掘，為科學決策提供依據支持。數據挖掘就是從大量的、模糊的、隨機的、不完全的實際數據中，抽取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。從廣義上講，數據挖掘就是在觀察數據的集合中尋求模式的決策支持過程。因此，它除了處理傳統數據庫中的數值型的結構化數據外，還可以對文本、圖形、圖像、WWW信息資源等半結構、非結構數據進行挖掘。數據挖掘的對象不僅是數據庫，也可以是文件系統、數據集合或數據倉庫。基于數據倉庫的數據挖掘技術，其任務是發現數據倉庫中尚未被發現的數據。對于那些決策者明確了解的信息，可以用查詢等工具直接獲取，而另外一些隱藏在大量數據中的關系等信息就需要數據挖掘技術[2]。數據挖掘技術可從數據倉庫中找出大量真正有價值的信息，可以更好地對高校各方面的發展趨勢做出定量的分析和預測。為高校的管理決策者提供更科學的決策基礎，從而有效地提高教學質量，有針對性地加強教學管理。就目前高校的情況而言，現有的管理信息系統大都具有分類特性，因此高校管理DSS系統的數據挖掘方法主要采用能實現分類模式分析的方法，以分類模式分析為主線，關聯模式分析為輔線結合其他分析方法進行。

3決策支持系統技術分析

⑴基本概念管理的核心是“決策”。隨著時代的發展，高校比以往任何時候都面臨著更為復雜的生存環境，更難以形成并維護其競爭優勢，競爭的壓力對高校制定決策的質量、速度都提出了更高的要求[1]。決策支持系統（DSS，DecisionSupportingSystem），是以運籌學、管理科學、行為科學和控制論為基礎，以信息技術、計算機技術和仿真技術為手段，針對半結構化的決策問題，支持決策活動的具有智能作用的人機系統[3]。該系統能夠為決策者提供決策所需的信息、數據和背景材料，幫助明確決策目標和進行問題的識別，建立或修改決策模型，提供各種備選方案，并且對各種方案進行評價和優選，通過人機交互功能進行分析、比較和判斷，為正確決策提供必要的支持。決策支持系統作為一種新型的信息技術，能夠為高校提供各種決策信息以及許多問題的解決方案，從而減輕管理者從事低層次信息處理和分析的負擔，使得他們專注于最需要決策智慧和經驗的工作，提高了決策的質量和效率。從功能邏輯結構上看，它是由模型庫系統、知識庫系統、數據庫系統及人機會話系統等部分組成的。⑵DSS的分析方法DSS應滿足決策支持系統的要求和達到DSS的性能指標，由于DSS的特殊性，對DSS的系統分析通常采用一種稱之為ROMC的方法。ROMC是一種基于決策過程基本活動的方法，是決策者進行表達（R）、操作（O）、存儲輔助（M）和控制（C）的方法，其基本思路是建立起DSS的要求與性能之間的關系，并力求減少它們之間的差異。ROMC分析方法是建立在用戶目標的基礎之上的，它主要從以下幾點進行分析：⑴提供表達式幫助決策者將問題概念化，以便于處理和交流；⑵提供分析和運算這些表達式的操作方法；⑶提供輔助記憶手段；⑷提供控制機構以處理和使用整個系統。

4基于數據挖掘的決策支持系統的建立

基于以上討論，一種基于數據挖掘的決策支持系統基本結構框架已經出現。它由數據倉庫、數據庫、數據挖掘工具、數據倉庫管理模塊、知識庫、知識發現模塊、人機交互模塊組成。系統的主要輸入是源于數據庫的數據以及存儲在知識庫中的知識；人機交互模塊提供相互聯系的集成界面；數據倉庫管理模塊完成數據倉庫的創建以及數據倉庫中數據的綜合、提取等各種操作，負責管理整個系統的運轉；數據挖掘工具用于實現實際決策問題所需的各種查詢檢索工具和數據挖掘工具等，以實現決策支持系統的各種要求；知識發現模塊管理并控制知識發現過程，它將知識庫中的信息和數據的輸入用于驅動數據選擇過程、知識發現引擎過程和發現的評價過程。以下描述建立決策支持系統的過程。①分析決策需求，確定決策主題，確定決策的問題。②確定數據來源，對異構環境下可操作的數據庫、數據記錄或文件系統中的數據重新進行聯接，建立數據倉庫。③針對任務的所屬類別，選擇有效的數據挖掘算法并加以實現。④調用數據挖掘功能，提煉數據，并與最終用戶交互、協同，得到所必須的有用的數據。⑤測試與評價數據，對數據進行一致性、有效性處理。⑥根據最終用戶的要求，建立適用于決策支持的集成界面和應用程序，使用戶能在決策支持中運用所發現的知識。以上過程是一個學習、發現和修改的過程，各步驟之間包含了反復循環，以達到對所發現的知識不斷求精、深化，并使其易于理解的結果。

5結束語

數據倉庫、數據挖掘和決策支持系統都是方興未艾的前沿科學，已經在多個領域取得令人滿意的應用。數據挖掘技術為決策支持系統研制與開發提供了一種有效、可行的系統化解決方案。隨著數據倉庫和數據挖掘技術在各個領域的廣泛應用，決策支持系統的研究與開發將被推向一個更高的層面。在教育領域，隨著數據挖掘技術的不斷發展，把數據挖掘技術應用到管理信息系統中，以建立高校管理決策支持系統，最終可以達到我們的目標——提高高校管理者的工作效率。這種方式為高校在激烈的競爭中掌握主動，在未來的發展中爭取更廣闊的空間，發揮重要的作用，為高校的跨越式發展起到一個科學導向作用。

作者：朱鐵櫻 駱爽 單位：浙江廣廈建設職業技術學院信息與控制工程學院