文档介绍：: .
S 为国际上标准的数理统计分
析软件；进而，SAS 的丰富数据采集、数据管理、数据分析和信息展现的能力，
又使之成为决策支持的最好的工具；近几年，SAS 又推出了套装的 SAS/Enterprise
Miner 这一企业级的数据处理分析和决策支持软件包。SAS 系统的软件和这些软
件运用的无数成功经验，一定能帮你从企业堆积如“山”的数据中“挖掘”出隐藏着
的规律性，以支持你正确的经营决策。
SAS 的数据挖掘软件集成了一系列有效的技术手段全面地支持你的工作。首
先是支持你的数据重组工作。在你的企业或组织中或许已经有了成功的各种业务
系统，其中的数据体系对应着一项项事务处理和一个又一个控制环节，它们定能
完美的支持其原有的工作。但当你从企业级的角度去审视，并想进一步分析处理
时，你会感到这些数据过于分散，数量越来越大，并难以整合。美国数据挖掘技
术开拓者 Gregory Piatetsky-Shapiro 曾戏言说：“原来曾希望计算机系统成为我们
智慧的源泉，但从中涌出的却是洪水般的数据！”其实不必埋怨数据太多，也不
必埋怨原来的数据结构不好，它们是适应原有工作任务的，只是不适合你现在的
3要求而已。要支持你的企业级的决策，就是需要“洪水般的数据量”，但是要面向
企业级的工作任务对其进行重组。数据仓库系统支持你进行数据重组，并以全新
的数据、信息的结构形式支持你的全新的工作方式。这在前面五篇连载文章中已
作了详尽的介绍。建立数据仓库，这是进一步能有成效的进行数据挖掘的基础工
作。
要看清企业或组织运作的状况，第一步就是能查询到反映你所关心事情的相
应数据、信息。以 SAS 的多维数据库产品 MDDB 构造的数据仓库从物理结构上
保证了你查询的迅速、方便。 在提出在线分析处理 OLAP 概念时，多
维数据结构是实现其任务的第一项要求。一些简单的决策支持所需要的就是有针
对性的数据。在数据重组后的数据仓库中还建立了所谓数据市场（Data Marts），
它就可以更针对决策支持的需要而设计，其中还可综合不同层次的汇总数据和跨
数据仓库主题的数据。
SAS 软件研究所对数据挖掘所下的定义是：数据挖掘是按照既定的业务目标，
对大量的企业数据进行探索、揭示隐藏其中的规律性并进一步将之模型化的先进、
有效的方法。
对数据的探索、挖掘首先要有一个明确的业务目标。一组生产数据可作生产
能力的分析；可作生产成本核算的分析；亦可作影响产品质量诸因素的分析。目
标决定了此后数据挖掘过程的各种运作，并导引了运作的方向。虽然说数据挖掘
的业务目标在过程中不是不可修正的，也应当在工作进程中不断的进一步明确化，
但其基本原则内容要保持稳定不变，否则数据挖掘工作是难以有效的进行的。
这里所指的大量企业数据最好是按照数据仓库的概念重组过的，在数据仓库
中的数据、信息才能最有效的支持数据挖掘。假如所取用的数据并不足以反映企
业的真实情况，当然也不可能挖掘出有用的规律。数据仓库的数据重组，首先是
从企业正在运行的计算机系统中完整地将数据取出来。所谓完整，就是决策支持
目标所涉及的各个环节不能有遗漏；其次各个环节的数据要按一定的规则有机、
准确地衔接起来。从决策支持的主题来看，这重新组织过的数据，以极易取用的
数据结构方式，全面的描述了该主题。
有了反映业务主题全貌的数据后，在进行数据的分析、探索时，对于不同的
人，可能会采用不同的方式方法。Gartner Group 在评价数据挖掘工具时，也特
4别提到了面对各种不同类型人员的可伸缩性和完整性。SAS 支持各层次用户：
业务水平和数学水平可能比较一般，对这样的用户提供方便的数据查询
是非常重要的。实际上早期的决策支持主要就是数据查询的支持。可能
也要做一些简单的数理统计分析。若统计分析的要求是较明确的，可以
事先做好，向他们提供统计分析的结果。这可做成 SAS 数据仓库中的信
息市场（Infor