1

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

---------------------------------------

TRẦN VŨ HẢI

ÁP DỤNG KỸ THUẬT PHÂN TÍCH DỮ LIỆU TRỰC TUYẾN (OLAP)

PHỤC VỤ CÔNG TÁC QUẢN LÝ ĐIỀU HÀNH

Chuyên ngành: KHOA HỌC MÁY TÍNH

Mã số: 60.48.01

Người hướng dẫn KH: PGS. TS Đỗ Trung Tuấn

TÓM TẮT LUẬN VĂN THẠC SĨ

HÀ NỘI - 2011
 2

MỞ ĐẦU

Học viện Công nghệ Bưu chính viễn thông là một đơn vị thành viên của Tập
đoàn Bưu chính Viễn thông Việt Nam có chức năng chính là đào tạo, nghiên cứu
khoa học và chuyển giao công nghệ trong lĩnh vực bưu chính, viễn thông, điện - điện
tử và công nghệ thông tin phục vụ sự phát triển của ngành Bưu chính Viễn thông và
của xã hội. Chính vì vậy việc quản lý, phân tích và đánh giá thông tin về công tác
quản lí, đào tạo dưới các góc độ khác nhau là một trong nhưng vấn đề cần được quan
tâm, tôi đã chọn đề tài tốt nghiệp cao học ngành công nghệ thông tin của tôi với
hướng phục vụ công tác này.
Xuất phát từ thực tế đó, tôi đã chọn đề tài “Áp dụng kỹ thuật phân tích dữ liệu
trực tuyến (OLAP) phục vụ công tác quản lý và điều hành”
Xây dựng một hệ trợ giúp quyết định dựa vào dữ liệu, sử dụng phương pháp
luận xử lý phân tích trực tuyến (OLAP). Trong đó tập trung vào hai công việc chính
là tập hợp dữ liệu để tổ chức dữ liệu đa chiều, phân tích và hiển thị dữ liệu để trợ giúp
ra quyết định.
Luận văn gồm 3 chương:
Chương 1: Tổng quan các phương pháp khai thác dữ liệu
Chương 2: Hệ thống trợ giúp quyết định sử dụng phân tích đa chiều trong xử lý
phân tích trực tuyến
Chương 3: Xây dựng hệ thống trợ giúp quản lý với chức năng OLAP
 3

Chương 1
TỔNG QUAN CÁC PHƯƠNG PHÁP
KHAI THÁC DỮ LIỆU

1.1. GIỚI THIỆU CÁC PHƯƠNG PHÁP KHAI THÁC DỮ LIỆU

Việc dùng các phương tiện tin học để tổ chức và khai thác các CSDL đã được
phát triển từ những năm 60, nhiều CSDL đã được tổ chức, phát triển và khai thác ở
mọi qui mô và khắp các lĩnh vực hoạt động của xã hội.
Sự phát triển nhanh chóng của một lượng lớn dữ liệu được thu thập và lưu trữ
trong các CSDL lớn đã vượt ra ngoài khả năng của con người có thể hiểu được chúng
nếu không có những công cụ hỗ trợ tốt. Tình huống này đã đặt chúng ta trong hoàn
cảnh nhiều dữ liệu nhưng thiếu thông tin, thiếu tri thức. Với một khối lượng lớn dữ
liệu như vậy rõ ràng là các phương pháp thủ công truyền thống áp dụng để phân tích
dữ liệu như chia bảng không còn là phù hợp nữa Chính vì vậy, có một kỹ thuật mới ra
đời đó là “Khai phá dữ liệu”.
Khai phá dữ liệu là một ngữ tương đối mới, nó ra đời vào khoảng những năm
cuối của của thập kỷ 1980. Các nhà thống kê xem "khai phá dữ liệu như là một quá
trình phân tích được thiết kế thăm dò một lượng cực lớn các dữ liệu nhằm phát hiện
ra các mẫu thích hợp và/hoặc các mối quan hệ mang tính hệ thống giữa các biến và
sau đó sẽ hợp thức hoá các kết quả tìm được bằng cách áp dụng các mẫu đã phát hiện
được cho tập con mới của dữ liệu".
Nói tóm lại: khai phá dữ liệu là một bước trong quy trình phát hiện tri thức gồm
có các thụât toán khai thác dữ liệu chuyên dùng dưới một số quy định về hiệu quả
tính toán chấp nhận được để tìm ra các mẫu hoặc các mô hình trong dữ liệu. Phát hiện
tri thức trong các cơ sở dữ liệu là một qui trình nhận biết các mẫu hoặc các mô hình
trong dữ liệu với các tính năng: hợp thức, mới, khả ích, và có thể hiểu được.
1.1.1. Hình thành và định nghĩa bài toán
 4

Đây là bước tìm hiểu lĩnh vực ứng dụng và hình thành bài toán, bước này sẽ
quyết định cho việc rút ra những tri thức hữu ích, đồng thời lựa chọn các phương
pháp khai phá dữ liệu thích hợp với mục đích của ứng dụng và bản chất của dữ liệu.
1.1.2. Thu thập và tiền xử lý dữ liệu

Trong bước này dữ liệu được thu thập ở dạng thô (nguồn dữ liệu thu thập có thể
là từ các kho dữ liệu hay nguồn thông tin Internet).
1.1.3. Khai phá dữ liệu và rút ra các tri thức

Đây là bước quan trọng nhất trong tiến trình khám phá tri thức. Kết quả của
bước này là trích ra được các mẫu và/hoặc các mô hình ẩn dưới các dữ liệu.
1.1.4. Phân tích và kiểm định kết quả

Bước thứ tư là hiểu các tri thức đã tìm được, đặc biệt là làm sáng tỏ các mô tả
và dự đoán. Trong bước này, kết quả tìm được sẽ được biến đổi sang dạng phù hợp
với lĩnh vực ứng dụng và dễ hiểu hơn cho người dùng.
1.1.5. Sử dụng các tri thức phát hiện được

Các tri thức khám phá được sẽ được củng cố, kết hợp lại thành một hệ thống,
đồng thời giải quyết các xung đột tiềm năng trong các tri thức đó. Các giai đoạn của
quá trình khám phá tri thức có mối quan hệ chặt chẽ với nhau trong bối cảnh chung
của hệ thống.
1.2. QUÁ TRÌNH KHAI PHÁ DỮ LIỆU

Khai phá dữ liệu là hoạt động trọng tâm của quá trình khám phá tri thức. Thuật
ngữ khai phá dữ liệu còn được một số nhà khoa học gọi là phát hiện tri thức trong cơ
sở dữ liệu.
Quá trình khai phá dữ liệu bắt đầu với kho dữ liệu thô và kết thúc với tri thức
được chiết xuất ra.
 5

Hình. Kiến trúc hệ thống khai phá dữ liệu

Kiến trúc của hệ thống khai phá dữ liệu có thể chia thành các thành phần chính như
trong hình.
1.3. CÁC PHƯƠNG PHÁP KHAI KHÁ DỮ LIỆU
1.3.1. Phân lớp dữ liệu

Mục tiêu của phân lớp dữ liệu đó là dự đoán nhãn lớp cho các mẫu dữ liệu. Quá
trình gồm hai bước: xây dựng mô hình, sử dụng mô hình để phân lớp dữ liệu (mỗi
mẫu một lớp).
1.3.2. Phân cụm dữ liệu

Mục tiêu của phân cụm dữ liệu là nhóm các đối tượng tương tự nhau trong tập
dữ liệu vào các cum, sao cho các đối tượng thuộc cùng một lớp là tương đồng.
1.3.3. Khai phá luật kết hợp

Mục tiêu của phương pháp này là phát hiện và đưa ra các mối liên hệ giữa các
giá trị dữ liệu trong cơ sở dữ liệu. Đầu ra của giải thuật luật kết hợp là tập luật kết
hợp tìm được.
1.3.4. Hồi quy

Phương pháp hồi quy tương tự như là phân lớp dữ liệu. Nhưng khác ở chỗ nó
dùng để dự đoán các giá trị liên tục còn phân lớp dữ liệu dùng để dự đoán các giá trị
rời rạc.
 6

1.3.5. Giải thuật di truyền

Là quá trình mô phỏng theo tiến hoá của tự nhiên. Ý tưởng chính của giải thuật
là dựa vào quy luật di truyền trong biến đổi, chọn lọc tự nhiên và tiến hoá trong sinh
học.
1.3.6. Mạng nơron

Đây là một trong những kỹ thuật khai phá dữ liệu được ứng dụng phổ biến hiện
nay. Kỹ thuật này phát triển dựa trên một nền tảng toán học vững vàng, khả năng
huấn luyện trong kỹ thuật này dựa trên mô hình thần kinh trung ương của con người.
1.3.7. Cây quyết định

Kỹ thuật cây quyết định là một công cụ mạnh và hiệu quả trong việc phân lớp và
dự báo. Các đối tượng dữ liệu được phân thành các lớp. Các giá trị của đối tượng dữ
liệu chưa biết sẽ được dự đoán, dự báo.
1.4. XỬ LÝ PHÂN TÍCH TRỰC TUYẾN
1.4.1. Về xử lý phân tích trực tuyến

Xử lý phân tích trực tuyến (OLAP) là một kỹ thuật sử dụng cách thể hiện dữ liệu
đa chiều gọi là các khối nhằm cung cấp khả năng truy xuất nhanh đến dữ liệu của kho
dữ liệu. Tạo khối cho dữ liệu trong các bảng chiều và bảng sự kiện trong kho dữ liệu
và cung cấp khả năng thực hiện các truy vấn tinh vi và phân tích cho các ứng dụng
khách.
OLAP được đặt ra để xử lý các truy vấn liên quan đến lượng dữ liệu rất lớn mà
nếu cho thực thi các truy vấn này trong hệ thống OLTP sẽ không thể cho kết quả hoặc
sẽ mất rất nhiều thời gian.
1.4.2. Mô hình dữ liệu đa chiều
Các nhà quản lý kinh doanh có khuynh hướng suy nghĩ theo “nhiều chiều”. Ví dụ như
họ có khuynh hướng mô tả những gì mà công ty làm như sau:

 “Chúng tôi kinh doanh các sản phẩm trong nhiều thị trường khác nhau, và
chúng tôi đánh giá hiệu quả thực hiện của chúng tôi qua thời gian”.
 7

 Những người thiết kế kho dữ liệu thường lắng nghe cẩn thận những từ đó và
họ thêm vào những nhấn mạnh đặc biệt của họ như:
 “Chúng tôi kinh doanh các sản phẩm trong nhiều thị trường khác nhau, và
chúng tôi đánh giá hiệu quả thực hiện của chúng tôi qua thời gian”.
Suy nghĩ một cách trực giác, việc kinh doanh như một khối dữ liệu, với các
nhãn trên mỗi cạnh của khối. Các điểm bên trong khối là các giao điểm của các cạnh.
Với mô tả kinh doanh ở trên, các cạnh của khối là Sản phẩm, Thị trường, và Thời
gian. Hầu hết mọi người đều có thể nhanh chóng hiểu và tưởng tượng rằng các điểm
bên trong khối là các độ đo hiệu quả kinh doanh mà được kết hợp giữa các giá trị Sản
phẩm, Thị trường và Thời gian. Các chiều được phân cấp theo loại. Ví dụ như chiều
Thời gian có thể được mô tả bởi các thuộc tính như Năm, Quý, Tháng và Ngày.
Vì vậy, nếu mỗi chiều chứa nhiều mức trừu tượng, dữ liệu có thể được xem từ
nhiều khung nhìn linh động khác nhau. Một số thao tác điển hình của khối dữ liệu
như roll-up (tăng mức độ trừu tượng), drill-down (giảm mức độ trừu tượng hoặc tăng
mức chi tiết), slice and dice (chọn và chiếu), và pivot (định hướng lại khung nhìn đa
chiều của dữ liệu), cho phép tương tác truy vấn và phân tích dữ liệu rất tiện lợi.
Những thao tác đó được biết như Xử lý phân tích trực tuyến.
1.5. KẾT LUẬN CHƯƠNG
Chương trên đã tìm hiểu các phương pháp khai phá dữ liệu, quá trình khai phá
dữ liệu, giới thiệu về OLAP, một kỹ thuật sử dụng cách thể hiện dữ liệu đa chiều
nhằm cung cấp khả năng truy xuất nhanh đến dữ liệu của kho dữ liệu. Định hình mô
hình dữ liệu đa chiều.
 8

Chương 2
HỆ THỐNG TRỢ GIÚP QUYẾT ĐỊNH
SỬ DỤNG PHÂN TÍCH ĐA CHIỀU TRONG
XỬ LÝ PHÂN TÍCH TRỰC TUYẾN

2.1. KIẾN TRÚC KHỐI OLAP

2.1.1. Giới thiệu dịch vụ OLAP của Microsoft SQL Server
Dịch vụ OLAP là một server tầng giữa phục vụ cho phân tích xử lý trực tuyến.
Hệ thống dịch vụ OLAP là một công cụ mạnh trong việc xây dựng các khối đa chiều
của dữ liệu cho phân tích và cung cấp khả năng truy xuất nhanh đến thông tin khối
cho các khách.
Kiến trúc dịch vụ OLAP được chia thành 2 phần: Phần server (được đại diện
bởi OLAP server) và phần khách (là dịch vụ PivotTable).

Hình. Kiến trúc OLAP

Các đặc điểm của dịch vụ OLAP:

 Dễ sử dụng: Bằng cách cung cấp các giao diện người dùng và các trợ giúp thực
hiện.
 Linh động: Mô hình dữ liệu mạnh cho định nghĩa khối và lưu trữ.
 Các khối có thể ghi: Cho các kịch bản phân tích dạng “what if”.
 Kiến trúc có thể co dãn: Cung cấp một sự đa dạng các kịch bản lưu trữ và giải
pháp tự động đối với “hội chứng bùng nổ dữ liệu” mà gây khó chịu cho các kỹ
thuật OLAP.
 9

 Tích hợp các công cụ quản trị, bảo mật, nguồn dữ liệu và khách/server
 Hỗ trợ rộng rãi các hàm API và kiến trúc mở để hỗ trợ các ứng dụng tuỳ ý.
2.1.2. So sánh OLAP với OLTP
Đặc trưng của các ứng dụng OLTP là các tác vụ xử lý tự động ghi chép dữ liệu
xử lý tác vụ của một tổ chức như ghi nhận đơn đặt hàng và các giao dịch ngân hàng
mà cần phải đọc hoặc cập nhật một vài mẩu tin dựa trên khoá chính của chúng.
Kho dữ liệu, mục tiêu là hỗ trợ quyết định cho các nhà quản lý. Tính chi tiết và
riêng lẻ của các mẩu tin thì ít quan trọng hơn tính lịch sử, tổng kết và hợp nhất của dữ
liệu.
Căn cứ vào đó, các cơ sở dữ liệu tác nghiệp được xây dựng để hỗ trợ tốt các tác
vụ OLTP.
2.1.3. Các mô hình lưu trữ hỗ trợ OLAP
Dịch vụ OLAP hỗ trợ nhiều mô hình lưu trữ dữ liệu khác nhau, mỗi mô hình
có các ưu và khuyết điểm riêng, chúng được sử dụng tuỳ theo mục đích khai thác.
2.1.3.1. Mô hình OLAP nhiều chiều (MOLAP)
Mô hình OLAP nhiều chiều (MOLAP) lưu trữ dữ liệu cơ sở và thông tin tổng
hợp trong các cấu trúc đa chiều gọi là các khối. Các cấu trúc này được lưu bên ngoài
cơ sở dữ liệu data mart hoặc kho dữ liệu.
2.1.3.2. Mô hình OLAP quan hệ (ROLAP)
Mô hình OLAP quan hệ (ROLAP) lưu trữ dữ liệu cơ sở và thông tin tổng hợp
trong các bảng quan hệ. Các bảng này được lưu trữ trong cùng cơ sở dữ liệu như là
các bảng của data mart hoặc kho dữ liệu.
Lưu trữ các khối trong cấu trúc ROLAP là tốt nhất cho các truy vấn dữ liệu
không thường xuyên.
2.1.3.3. Mô hình lai OLAP (HOLAP)
Mô hình OLAP lai (HOLAP) là sự kết hợp giữa MOLAP và ROLAP.
2.1.3.4. So sách các mô hình
Bảng sau so sánh tổng hợp ba mô hình lưu trữ hỗ trợ OLAP:

MOLAP ROLAP HOLAP

Lưu trữ dữ liệu cơ sở Khối Bảng quan hệ Bảng quan hệ

 10

Lưu trữ thông tin tổng hợp Khối Bảng quan hệ Khối
Hiệu suất thực hiện truy Nhanh nhất Chậm nhất Nhanh
vấn
Tiêu thụ không gian lưu Nhiều Thấp Trung bình
trữ
Chi phí bảo trì Cao Thấp Trung bình

2.1.4. Kiến trúc khối của OLAP

Đối tượng chính của OLAP là khối, một thể hiện đa chiều của dữ liệu chi tiết
và tổng hợp. Một khối bao gồm một nguồn dữ liệu, các chiều, các độ đo và các phần
dành riêng.
2.1.5. Mô hình kiến trúc dịch vụ OLAP
Kiến trúc dịch vụ OLAP gồm 2 thành phần: Server và Khách

Hình. Kiến trúc dịch vụ OLAP

2.1.5.1. Kiến trúc thành phần Server
 11

Dịch vụ OLAP của SQL Server cung cấp thành phần Server có khả năng tạo và
quản lý dữ liệu OLAP đa chiều, đồng thời cung cấp dữ liệu cho khách qua dịch vụ
PivotTable.
Các thao tác của thành phần Server bao gồm việc tạo các khối dữ liệu đa chiều
từ kho cơ sở dữ liệu quan hệ và lưu trữ chúng trong các cấu trúc khối đa chiều
(MOLAP), trong cơ sở dữ liệu quan hệ (ROLAP) hoặc kết hợp cả hai (HOLAP).
2.1.5.2. Kiến trúc thành phần Khách
Thành phần khách là dịch vụ PivotTable giao tiếp với OLAP server và cung
cấp giao diện cho các ứng dụng khách sử dụng truy cập dữ liệu OLAP trên server.
Các ứng dụng khách có thể sử dụng dịch vụ PivotTable để lấy dữ liệu từ cơ sở dữ liệu
OLAP.
2.2. HỆ THỐNG TRỢ GIÚP QUYẾT ĐỊNH
2.2.1. Một số định nghĩa về DSS
Khái niệm về Hệ trợ giúp quyết định, DSS (Decision Support System), lần
đầu tiên được Scott Morton đưa ra vào đầu năm 1970, ông định nghĩa là “Các hệ
thống dựa trên tương tác máy tính, giúp người ra quyết định dùng dữ liệu và các mô
hình để giải quyết những bài toán không cấu trúc”.
Ba định nghĩa khác về DSS cùng được đưa ra vào năm 1980 bởi Moore và
Chang; Bonczek, Holsapple và Whinston; Keen, Moore và Chang chỉ ra rằng khái
niệm “Cấu trúc”, “không cấu trúc”, không đủ ý nghĩa trong trường hợp tổng quát.
Một bài toán có thể được mô tả như là có cấu trúc hoặc không cấu trúc chỉ liên quan
tới người ra quyết định, do vậy họ định nghĩa DSS là:

 Hệ thống có khả năng mở rộng;

 Có khả năng trợ giúp phân tích dữ liệu và mô hình hoá quyết định;
 Hướng tới lập kế hoạch cho tương lai;
 Được sử dụng cho những hoàn cảnh và thời gian bất thường;
2.2.2. Một số khái niệm
Một bài toán có cấu trúc là bài toán có thể giải quyết như một công việc
thường lệ. Điển hình, nếu phương pháp của giải pháp có thể được bắt đầu như một
thuật toán và được hợp nhất lại trong một chương trình máy tính thì chúng ta nói rằng
bài toán có cấu trúc chặt.
Một bài toán nửa cấu trúc hoặc bài toán không cấu trúc là bài toán có sự cần
thiết ở vài mức độ yêu cầu thêm thông tin bổ sung, tri thức địa phương hoặc sự hiểu
 12

biết sâu sắc bài toán. Do vậy chúng ta không được đoán trước bằng một quá trình
thuật toán.
Hai khái niệm nữa quan trọng trong hệ thống là phản hồi và môi trường.
Phân tích nhạy cảm cố gắng giúp những nhà quản lý khi họ không chắc chắn
về độ chính xác, hoặc giá trị tương đối của thông tin, hoặc khi họ muốn biết sự tác
động của những sự thay đổi của thông tin vào đến mô hình. Có hai kiểu phân tích sự
nhạy cảm là phân tích sự nhạy cảm tự động và phương pháp thử và sai. Phương pháp
phân tích thử và sai chứa phân tích “What- if” mà ta xem xét sau đây.
2.2.3. Phân tích “What- if”
Một người làm mô hình tạo ra những dự đoán và những giả định để đánh giá
dữ liệu vào. Công việc này nhiều khi để đánh giá tương lai không chắc chắn. Khi mô
hình được giải quyết, các kết quả tất nhiên phụ thuộc vào những dữ liệu này.
Phân tích nhạy cảm cố gắng kiểm tra sự tác động của những sự thay đổi của dữ
liệu vào trên những giải pháp được đề nghị (Các biến kết quả). Kiểu này của phân
tích nhạy cảm được gọi là phân tích “ What – if”, bởi vì nó được cấu trúc như là “
Điều gì sẽ xảy ra cho giải pháp nếu biến vào, giả thiết, hoặc giá trị các tham số được
thay đổi ”.
2.2.4. Những đặc tính và những khả năng của DSS
Những đặc tính và khả năng chính của DSS

1. Cung cấp trợ giúp chính cho người ra quyết định trong những tình huống
không cấu trúc hoặc nửa cấu trúc;
2. Sự trợ giúp được cung cấp cho các mức quản lý khác nhau từ người thực thi
đến các nhà quản lý;
3. Sự trợ giúp cho cá nhân và cho cả nhóm;
4. DSS trợ giúp cho các giai đoạn của quá trình ra quyết định: Giai đoạn trí
tuệ, thiết kế, lựa chọn và cài đặt;
5. DSS trợ giúp cho sự đa dạng của quá trình ra quyết định và các kiểu quyết
định;
6. DSS thích nghi và mềm dẻo;
7. DSS dễ sử dụng;
8. DSS cố gắng nâng cao hiệu quả của quá trình ra quyết định;
 13

9. Người ra quyết định điều khiển toàn bộ các bước của quá trình ra quyết
định trong việc giải quyết các bài toán;
10.DSS thường sử dụng các mô hình cho sự phân tích các tình huống ra quyết
định;
11.DSS ở mức cao được trang bị thành phần tri thức;
2.2.5. Các thành phần của DSS
DSS được tạo thành từ 4 hệ thống con sau:

1. Quản trị dữ liệu.

2. Quản trị mô hình.
3. Truyền thông.
4. Quản trị tri thức.
Mô hình khái niệm của DSS được cho trong hình dưới đây cung cấp khả năng
những hiểu biết cơ bản về cấu trúc chung và các thành phần của DSS.
2.2.6. Hệ con quản trị dữ liệu
Hệ con quản trị dữ liệu bao gồm những thành phần sau:

1. Cơ sở dữ liệu về DSS
2. Hệ quản trị cơ sở dữ liệu.
3. Phương tiện hỏi đáp.
4. Danh mục dữ liệu.
2.2.7. Hệ con quản trị mô hình
Hệ con quản trị mô hình trong DSS bao gồm các thành phần sau:

1. Cơ sở mô hình.
2. Hệ quản trị cơ sở mô hình.
3. Ngôn ngữ dùng trong mô hình.
4. Danh mục mô hình.
5. Thực hiện, tích hợp và điều khiển mô hình.
Các phần tử này và giao diện với những thành phần khác của DSS được cho ở
hình vẽ.
2.2.8. Hệ thống tri thức
 14

Nhiều bài toán phi cấu trúc và bán cấu trúc rất phức tạp, chúng yêu cầu những
tri thức tinh thông, những tri thức này cần thiết được bổ sung vào cho những khả
năng bình thường của DSS, những tri thức nâng cao được trang bị một thành phần
được gọi là quản trị tri thức.
2.2.9. Hệ thống giao diện người dùng
Thành phần hội thoại của DSS là phần mềm và phần cứng cung cấp giao diện
người dùng DSS.
2.2.10. Người dùng trong hệ thống DSS
DSS có hai lớp người dùng: Các nhà quản lý và các nhà chuyên môn.
2.2.11. Sự phân lớp DSS và sự trợ giúp của chúng
Có nhiều cách phân loại DSS, sau đây là một số cách điển hình:

 Kiểu của trợ giúp hướng dữ liệu so sánh với kiểu hướng mô hình.
 Độ phi thủ tục.
Sự trợ giúp được cung cấp theo cách của DSS: DSS có thể cung cấp nhiều kiểu cuả
trợ giúp.
2.2.12. Các công nghệ về DSS
Sprague và Carlson đã xác định 3 mức công nghệ của DSS là (i) DSS cụ thể; (ii) các
bộ tạo sinh DSS; và (iii) các công cụ DSS.
2.3. KẾT LUẬN CHƯƠNG
Chương 2 đề cập chi tiết về công cụ OLAP, giới thiệu dịch vụ OLAP của
Microsoft SQL Server, kiến trúc khối của OLAP và các dạng mô hình OLAP. Những
kĩ thuật khai phá dữ liệu, phát hiện tri thức có ý nghĩa đối với công tác quản lý và
người quản lý, trong việc ra các quyết định về đào tạo và nghiên cứu khoa học.
 15

Chương 3

XÂY DỰNG HỆ THỐNG TRỢ GIÚP QUẢN LÝ

VỚI CHỨC NĂNG OLAP

3.1. MỤC TIÊU CỦA HỆ THỐNG

3.1.1. Giới thiệu về đơn vị
Học viện Công nghệ Bưu chính Viễn thông là đơn vị Trực thuộc Tập đoàn Bưu
chính Viễn thông Việt Nam, dẫn đầu trong gắn kết Nghiên cứu - Đào tạo - Sản xuất
Kinh doanh trong lĩnh vực Công nghệ thông tin và Truyền thông.
3.1.1.1. Nguồn nhân lực
Là đơn vị Nghiên cứu, Đào tạo đầu Ngành Bưu chính Viễn thông, Học viện
xác định nguồn nhân lực chính là tài sản quý giá nhất, là tài sản cần được đầu tư một
cách bài bản, chuyên nghiệp và có định hướng lâu dài . Với đội ngũ cán bộ trên 800
người, Học viện là một trong các đơn vị có mật độ tri thức cao nhất trong Ngành.
3.1.1.2. Công tác đào tạo
Học viện là đơn vị đào tạo đa ngành, đa nghề với nhiều loại hình đào tạo
(Chính qui, Tại chức, Từ xa, Liên thông, Văn bằng 2..) và hệ đào tạo (Cao đẳng, Đại
học, Cao học, Nghiên cứu sinh) khác nhau
3.1.2. Đặt vấn đề
3.1.2.1. Về kho dữ liệu
Kho dữ liệu là kho lưu trữ dữ liệu lưu trữ bằng thiết bị điện tử của một tổ chức.
Các kho dữ liệu được thiết kế để hỗ trợ việc phân tích dữ liệu và lập báo cáo
Trong quá trình hoạt động kinh doanh, các dữ liệu của doanh nghiệp phát sinh
ngày càng nhiều. Người ta muốn tận dụng nguồn dữ liệu này để sử dụng cho những
mục đích hỗ trợ cho công việc kinh doanh ví dụ như cho mục đích thống kê hay phân
tích. Quá trình tập hợp và thao tác trên các dữ liệu này có những đặc điểm sau:

1. Dữ liệu tích hợp.

2. Theo chủ đề.
3. Biến thời gian.
4. Dữ liệu cố định.
3.1.2.2. Cấu trúc dữ liệu cho kho dữ liệu
Vì dữ liệu trong kho dữ liệu rất lớn và không có những thao tác như sửa đổi
hay tạo mới nên nó được tối ưu cho việc phân tích và báo cáo. Các thao tác với dữ
 16

liệu của kho dữ liệu dựa trên cơ sở là Mô hình dữ liệu đa chiều, được mô hình vào
đối tượng gọi là khối dữ liệu.
3.1.2.3. Ngôn ngữ cho kho dữ liệu
Ngôn ngữ xử lý phân tích trực tuyến OLAP, rất phù hợp với kho dữ liệu, ngôn
ngữ này tương tự với ngôn ngữ truy vấn SQL và tập trung vào các câu lệnh sau:

1. Thu nhỏ: ví dụ nhóm dữ liệu theo năm thay vì theo quý.

2. Mở rộng: ví dụ mở rộng dữ liệu, nhìn theo tháng thay vì theo quý.
3. Cắt lát : nhìn theo từng lớp một. Ví dụ: từ danh mục bán hàng của Q1,
Q2, Q3, Q4 chỉ xem của Q1.
4. Thu nhỏ: bỏ bớt một phần của dữ liệu (tương ứng thêm điều kiện vào
câu lệnh WHERE trong SQL).
3.1.2.4. Cấu trúc của một hệ thống kho dữ liệu
Người ta thiết kế kho dữ liệu có ba tầng:

1. Tầng đáy;
2. Tầng giữa;
3. Tầng trên cùng;
3.1.2.5. Nhiệm vụ khai phá dữ liệu của luận văn
Trong khuôn khổ luận văn này, tôi sử dụng kĩ thuật OLAP để khai phá dữ liệu,
trong kho dữ liệu nhiều chiều. Các dữ liệu về (i) công tác quản lý sinh viên; (ii) kết
quả học tập của sinh viên và học viên; (iii) công trình nghiên cứu khoa học của thày
cô giáo trong Học viện Công nghệ Bưu chính Viễn thông…
Dựa trên dữ liệu cơ bản đó, để thực hiện công tác trợ giúp quyết định, phục vụ
quản lý, điều hành công tác đào tạo và nghiên cứu khoa học trong Học viện Công
nghệ Bưu chính Viễn thông, luận văn sẽ:

1. Tổ chức dữ liệu, dưới dạng kho dữ liệu;

2. Thể hiện dữ liệu dưới dạng đồ hoạ, phục vụ quyết định trực quan;
3. Sử dụng kĩ thuật OLAP, thể hiện dữ liệu dưới các dạng bảng xoay khác
nhau, tiện cho việc xử lí dữ liệu và ra quyết định.
3.2. YÊU CẦU VỀ HỆ THỐNG, THIẾT KẾ HỆ THỐNG
3.2.1. Cơ sở dữ liệu về đào tạo và nghiên cứu khoa học
 17

Hiện tại, Học viện chưa quản lý tác nghiệp rộng trên cơ sở dữ liệu trực tuyến.
Dữ liệu thường được tổ chức trong các cơ sở dữ liệu đơn lẻ. Nhiệm vụ của đề tài luận
văn là thiết kế cơ sở dữ liệu tích hợp, cho phép lưu mọi thông tin về đào tạo và
nghiên cứu khoa học của cán bộ, học viên và sinh viên của Học viện.
Hệ quản trị cơ sở dữ liệu là SQL SERVER. Giao diện là tương tác người dùng
theo đồ họa, gắn với môi trường Windows.

Hình. Hệ quản trị cơ sở dữ liệu sử dụng trong đề tài luận văn

Nhiều bảng dữ liệu, liên quan đến đào tạo và nghiên cứu khoa học được mô tả
trong cơ sở dữ liệu “quản lý nguồn nhân lực”.
3.2.2. Hạ tầng kĩ thuật
Đề tài thực hiện trên máy đơn. Mô hình tương lai yêu cầu cơ sở dữ liệu đặt trên
máy chủ cơ sở dữ liệu của Học viện. Các quyết định liên quan đến quản lý nguồn
nhân lực sẽ thực hiện trên mạng Intranet, cho phép các người quản lý điều khiển tác
nghiệp. Các chức năng tìm kiếm, trích rút dữ liệu và xử lý dữ liệu, theo hệ thống cơ
sở dữ liệu truyền thống được hệ quản trị cơ sở dữ liệu SQL SERVER đảm nhiệm.
Một số chức năng trợ giúp quyết định do khối OLAP đảm nhiệm. Phần mềm
với các chức năng OLAP gắn với hệ quản trị SQL SERVER, và chức năng OLAP
trong các bảng tính sẽ giúp người quản lý tin học hóa quá trình của họ.
3.2.3. Hỏi dữ liệu nhờ chức năng của hệ quản trị cơ sở dữ liệu
Hệ quản trị SQL SERVER cho phép đặt các câu hỏi về dữ liệu thông qua ngôn
ngữ SQL. Tuy tiếp cận này hiệu quả, việc dùng câu hỏi SQL không thuận tiện cho
người dùng không chuyên ICT. Một số câu hỏi đơn giản được thực hiện trong môi
trường SQL SERVER, rồi xuất dữ liệu ra tệp, dưới dạng tệp của MS EXCEL, rồi
được xử lý nhờ các chức năng OLAP của bảng tính.
Hệ quản trị cơ sở dữ liệu có thể giải thích kết quả trả lời câu hỏi dữ liệu theo
vết khai thác câu hỏi.
 18

3.3. DỮ LIỆU TRỢ GIÚP QUYẾT ĐỊNH

Dữ liệu được mô tả, tổ chức và lưu trữ dưới dạng các bảng quan hệ trong các
cơ sở dữ liệu theo mô hình quan hệ.
Tuy nhiên, chúng được thể hiện lại trong các bảng tính, phù hợp việc điều hành
của cán bộ. Một số dữ liệu minh hoạ ở đây được thể hiện dưới dạng bảng tính MS
EXCEL.
3.4. THỬ NGHIỆM THỂ HIỆN DỮ LIỆU
3.4.1. Thể hiện đồ hoạ
3.4.2. Sử dụng bảng xoay của MS EXCEL
3.5. KẾT LUẬN CHƯƠNG
Dựa trên các kĩ thuật, phương pháp luận xử lý dữ liệu trực tuyến, nhằm tăng
cường công tác quản lý nguồn nhân lực tại Học viện Công nghệ Bưu chính Viễn
thông, đề tài luận văn đã tổ chức cơ sở dữ liệu về đào tạo và nghiên cứu khoa học, sử
dụng hệ quản trị cơ sở dữ liệu SQL SERVER.
 19

KẾT LUẬN

Một số vấn đề đã giải quyết:

Luận văn đã tìm hiểu các phương pháp khai phá dữ liệu, quá trình khai phá dữ
liệu, giới thiệu về OLAP, một kỹ thuật sử dụng cách thể hiện dữ liệu đa chiều nhằm
cung cấp khả năng truy xuất nhanh đến dữ liệu của kho dữ liệu. Định hình mô hình
dữ liệu đa chiều.
Luận văn đã đề cập chi tiết về công cụ OLAP, giới thiệu dịch vụ OLAP của
Microsoft SQL Server, kiến trúc khối của OLAP và các dạng mô hình OLAP. Những
kĩ thuật khai phá dữ liệu, phát hiện tri thức có ý nghĩa đối với công tác quản lý và
người quản lý, trong việc ra các quyết định về đào tạo và nghiên cứu khoa học. Để
tăng cường trợ giúp quyết định, chương này đã giới thiệu tổng quan về hệ trợ giúp
quyết định DSS, giới thiệu các thành phần cơ bản của DSS, phân tích những đặc tính
và những khả năng của DSS.
Dựa trên các kĩ thuật, phương pháp luận xử lý dữ liệu trực tuyến, nhằm tăng
cường công tác quản lý nguồn nhân lực tại Học viện, đề tài luận văn đã tổ chức cơ sở
dữ liệu về đào tạo và nghiên cứu khoa học, sử dụng hệ quản trị cơ sở dữ liệu SQL
SERVER. Tuy các dữ liệu đơn giản, đủ để thể hiện vai trò khai phá dữ liệu của kĩ
thuật OLAP.
Kiến nghị và hướng nghiên cứu tiếp theo
Đề tài cần tiếp tục với hệ thống thực, trên mạng Intranet của Học viện. Một số
cơ sở dữ liệu về đào tạo và nghiên cứu khoa học cần được thiết kế chuẩn hóa, đảm
bảo tính đúng đắn của dữ liệu và kết quả xử lý.