基于数据挖掘的政府决策支持系统优化策略研究/张恩韶 杨 敏

　　其二，数据在数据仓库中的管理。经过预处理后，大量规格、形式、标准统一的数据储存到数据仓库中，形成“一个面向主题的、集成的、时变的、非易失的数据集合”［6］，以多维数据立方体的形式展现在人们面前，仅能满足人们简单的记录和查询需要，并没有转化为有价值的知识，难以支持管理者的决策过程。因此，需要利用在线联机分析处理（OLAP）、数据挖掘等技术工具对数据进行再处理。OLAP是数据汇总、聚集工具，通过数据切片、切块、钻取、旋转等方式，对数据立方体进行简单的描述和比较分析。数据挖掘工具不仅执行数据汇总和比较任务，而且执行关联、分类、预测、聚类、时间序列分析和其他数据分析任务，能够自动发现隐藏在大量数据中的隐含模式和有价值的信息。

　　其三，通过人机交互界面支持决策者进行决策。在已有的数据模型、知识库、专题知识库的基础上采用B/S或C/S架构构建人机交互接口。B/S架构的人机交互接口可以通过浏览器访问的方式实现用户和系统之间的对话，而C/S架构的接口则需要安装客户端软件，对系统的操作环境具有一定的要求。决策者以各种形式输入有关数据定义规则，充分利用系统提供的定量算法，如决策树、聚集与聚类运算，发现数据中隐藏的信息，生成多种可视化数据图形，辅助政府做出科学的决策。

　　（二）基于数据挖掘的政府决策支持系统的功能实现

　　与传统的数据应用相比，基于数据挖掘的政府决策支持系统有着独特的功能。作为新兴的数据处理技术，数据挖掘技术应用到政府决策中，能够辅助政府有效克服传统数据应用方式的局限性，最大限度地运用数据资源，挖掘出非结构化的数据中隐含的规则。

　　在资源利用方面，能够减少数据浪费。传统政府决策受制于数据处理技术，难以克服决策成本较高的困难。目前的政府决策支持系统建构在新兴的数据处理技术基础之上，数据仓库能够对政府部门数据库中存储的异构数据进行预处理，实现政府间资源的共享，从而降低信息收集的成本，减少人力、物力、时间的浪费，政府得到的数据更加全面。

　　在数据分析方面，数据挖掘更加简便和高效。传统的数据分析需要决策者自己搜集与之相关的信息，而人类搜集信息的能力是有限的，难免会出现遗漏，结果只能实现对部分相关数据进行简单的汇总和比较。但数据挖掘基于数据仓库中格式统一、数量庞大的数据源，政府决策人员输入主题后，系统就会自动完成关联数据的搜集和分析，从中挖掘出隐含的规则，并通过可视化图像将结果呈现出来，有助于决策人员掌握实时动态，发现新的公共问题，制订或调整决策方案，做出科学规划，确保资源得到合理利用。

　　需要注意的是，结构—功能分析在特定范围内具有较强的解释力，但也容易陷入抽象理论应然静态的内在说理，在提升政府