数据仓库型决策支持系统与综合决策支持系统的区别是什么

数据仓库型决策支持系统（DSS）是一种基于数据仓库的决策支持系统，它主要通过对企业内部和外部的数据进行采集、整合、分析和挖掘，提供给决策者有关企业经营、市场营销、客户服务等方面的决策支持。

而综合决策支持系统（IDSS）是一种综合多种决策支持技术的决策支持系统，包括数据挖掘、人工智能、模糊逻辑、专家系统等多种技术，它主要通过对企业内部和外部的数据进行分析、处理、模拟和推理，提供给决策者有关企业战略、风险管理、政策制定等方面的决策支持。

因此，数据仓库型决策支持系统主要关注数据的采集和分析，而综合决策支持系统则更加注重决策的综合、创新和智能化。

相关问题

数据仓库的目的是什么 怎么做的

数据仓库的目的是为了支持企业的决策和分析需求，它是一个用于集成、存储和管理大量结构化和非结构化数据的系统。数据仓库可以帮助企业从多个源系统中提取、转换和加载数据，统一数据模型，并提供高性能的查询和分析能力。

数据仓库的建设通常包括以下几个步骤：

1. 需求分析：确定业务需求和数据分析目标，明确需要集成和分析的数据。

2. 数据提取：从不同的源系统中提取数据，这些源系统可以包括关系型数据库、文件、API等。

3. 数据转换：对提取的数据进行清洗、整合和转换，以满足目标数据模型的要求。这包括数据清洗、数据集成、数据转换和数据加载等过程。

4. 数据存储：将转换后的数据加载到数据仓库中进行存储。常见的存储方式包括关系型数据库、列式数据库或者分布式文件系统等。

5. 数据建模：设计和实现适合分析和查询的数据模型，通常使用维度建模或者星型/雪花模型来组织数据。

6. 数据索引和优化：为了提高查询性能，对数据进行索引和优化，例如创建索引、分区等。

7. 数据质量管理：确保数据的准确性、一致性和完整性，进行数据清洗、去重和验证等。

8. 数据访问和分析：提供给业务用户或数据分析师使用的工具和接口，如报表、可视化工具或者自助查询工具。

在数据仓库的建设过程中，需要综合考虑业务需求、数据质量、性能要求以及成本等因素，以实现高效的数据集成和分析。

数据仓库中事务型指标、存量型指标、复合型指标

在数据仓库中，事务型指标、存量型指标、复合型指标也是常用的三种指标类型。不同的是，这些指标是用于分析企业的业务数据，而不是用于分析市场价格和成交量等金融数据。

1. 事务型指标：事务型指标是指在数据仓库中反映企业业务活动的实时变化情况的指标。如订单数量、销售额等。事务型指标的特点是反应及时，能够反映企业业务活动的实时变化。

2. 存量型指标：存量型指标是指在数据仓库中反映企业业务活动的长期趋势和规律的指标。如累计销售额、累计用户数等。存量型指标的特点是反应滞后，能够反映企业业务活动的长期趋势。

3. 复合型指标：复合型指标是指将多个不同类型的指标结合在一起，进行综合分析的指标。如客户满意度指数、业务绩效指数等。复合型指标的特点是能够综合反映企业业务活动的多种特征，具有更全面的分析能力。

企业在数据仓库中使用不同类型的指标进行分析和决策，能够更好地了解企业的业务状况和趋势，为企业的发展提供有力的支持。