数据库系统作为一种数据管理手段,主要用于事务处理。而传统的决策支持系统(DSS)一般是直接建立在这种事务处理环境上的。然而,数据库技术一直力图使自己能够胜任从事务处理到分析处理的各种类型的信息处理任务。尽管数据库在事务处理方面的应用获得了巨大的成功,但它对分析处理的支持一直不能令人满意。特别是当适当以业务处理为主的联机事务处理(OLTP)和以分析处理为主的DSS应用共存于同一个数据库系统时,这两种类型的处理发生了明显的冲突。
首先,事务处理与分析处理具有极不相同的性质,直接使用事务处理环境来支持DSS是极为困难的。事务处理与分析处理的性能特性不同,这是导致事务处理环境不适宜DSS的原因之一。在事务处理环境中,用户的行为特点是数据的存取操作频率高而每次操作处理的时间短,因此可以允许多个用户按分时方式使用系统资源,同时保持较短的响应时间。而在分析处理环境中,用户的行为模式与此完全不同,某个DSS应用程序可能需要连续运行几个小时,从而消耗大量的系统资源。这两种不同的用户行为模式导致在同一个数据库系统上很难既满足事务处理的要求又满足分析处理的要求。
另外,数据集成问题也是导致事务处理环境不适宜DSS的另一个原因。DSS需要集成的数据,全面而正确的数据是有效的分析和决策。然而,在传统的事务处理环境中,数据通常是以实时更新为目标的,因此很难满足DSS对于历史数据和全面数据的需求。此外,在传统的事务处理环境中,数据通常分散存放在各个业务系统中,这导致了数据的冗余和不一致,使得数据集成变得更加困难。
为了解决事务处理环境不适宜DSS的问题,数据仓库应运而生。数据仓库是一个面向主题的、集成的、时变的、不可更新的数据集合,用于支持管理决策。与传统的事务处理环境不同,数据仓库的设计考虑到了DSS的特点,能够更好地支持分析处理。数据仓库包括数据清洗、数据集成、数据存储和数据查询等过程,能够满足DSS对于历史数据和全面数据的需求,有效地解决了数据集成问题。
总之,从数据库到数据仓库的发展是在原有事务处理环境无法满足DSS需求的情况下出现的。传统的事务处理环境不适宜DSS的原因主要包括事务处理与分析处理的性能特性不同以及数据集成问题。而数据仓库的出现有效地解决了这些问题,为DSS的发展提供了更加可靠和高效的数据支持。数据仓库的应用将数据从简单的信息中心转变为了决策支持系统,为企业的管理决策提供了更为精准和全面的数据支持。随着信息化和数据化程度的不断提高,数据仓库作为数据管理的重要手段将继续发挥着重要作用,为企业的决策提供更为可靠的数据支持。