统计学决策分析
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇统计学决策分析范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
统计学决策分析范文第1篇
关键词：金融管理；金融决策生态学；内生态系统；金融环境；优化效应
中图分类号：F830.2 文献标识码：A 文章编号：1006－3544(2010)03－0024－04
所谓金融生态是指影响金融业生存和发展的各种因素的总和，它既包括与金融业发展相互影响的政治、经济、法律、信用环境等因素，又包括金融体系内部各要素，如金融市场、金融机构、金融工具、金融产品，通过资金媒介和信用链条形成相互作用、相互影响的系统。作为一个社会生态系统，金融决策活动日益受到来自内部和外部诸多生态因素的影响，致使决策难度不断增加，传统的理论与方法因其局限性已经越来越不适合解决复杂的金融决策问题。而生态学的理论范式与金融运行中的由相关因素组成的系统环境在学理上有很大的相似性和可比性。如同生态学认为任何有机体都是环境的产物，必须与其周围环境进行物质交换才能生存一样，金融生态学认为，任何一个金融系统也不能孤立于环境而存在，正确理解金融系统就不能脱离它特定的环境，必须把它放在与其环境互动的关系中加以考察Ⅲ。因此在金融学的理论研究中，完全可以借用生物界的生态理论和名词，以此来为公共金融学的理论发展寻找新的源生点。从生态学视角出发，把握金融决策生态系统的特征与规律，并通过金融决策内生态的优化效应，增强金融决策的科学性、民主性和规范性，是我国金融决策体制改革的重要内容。
一、基于生态学的金融决策技术分析
金融决策是公共金融管理活动的基本环节和组成部分，是指金融领导机构或金融领导者在一定环境和条件下，为履行金融职能而进行的一种抉择对策及做出决定的活动与行为。金融决策在公共金融管理系统活动中具有重要的地位和作用，金融系统的作用与成效如何，关键在于金融决策的正确与否。
作为公共金融管理大系统中的一个子系统，金融决策本质上是一个典型的、复杂的生态系统。当前，金融决策系统正越来越多地受到来自内外各种要素的综合影响。金融决策环境的历史性变迁与金融决策系统原有格局、功能之间的矛盾，导致系统面临的不适应性和不确定性因素增多，决策生态中还存在诸多风险与问题，这些问题主要是由于决策体制不健全、决策参与群体(生态种群)未形成协同合力、决策主体与内外生态要素缺乏互动、决策程序不合理、决策技术手段落后、缺乏对决策的系统性研究和循环性分析等原因所造成的。这就要求决策者必须转换传统的决策思维，开阔决策视野，创新决策方式，从生态学的角度研究金融决策生态系统的结构、内在机理与决策之间的相互关系，研究优化决策生态的方法与途径，有效形成和发挥决策生态系统的优化效应，进而实现金融决策的科学化、民主化和法治化。
金融决策及其环境和影响因素可被视为一个具有生态学结构功能单位意义上的系统。生态系统是指生物群落与其生存环境之间以及生物种群相互之间密切联系、相互作用，通过物质交换、能量转换和信息传递，成为占据一定空间、具有一定结构、执行一定功能的动态平衡整体。金融决策作为一项系统性、动态性的社会活动，其生态特性在于：(1)金融决策中包含着人、信息、制度、技术等要素，深受经济结构、社会组织、沟通网络、符号系统、金融构架等基本环境直接或间接的作用和影响。这些要素和环境在生态学意义上即从种群、群落、人与环境的关系等方面构成了金融决策生态系统。(2)金融决策始终处于协调运转的动态过程中，要维系这种动态性的平衡与良性循环，必须实现金融决策系统内外的能量、信息与资源的共享与交换，这就如同能量流动、物质循环和信息传递是生态系统的三大功能，其实质是在对资源进行优化整合和分配的进程中实现生态效能的最大化。
从生态学的视角来研究金融决策，要转换金融决策的传统思维定势，树立决策生态观念，实现金融决策的理念重塑。长期以来，在“权力本位”思维的支配下，一部分金融部门的领导干部将金融决策视之为“金融首长负责制”制度条件下金融权力运用的具体体现，金融决策的主观性、随意性和排他性较强，缺乏协同理念、环境意识与科学决策观念，“急功近利”、“长官意志”、“个别人或小群体随机拍板”等现象时有出现，这都严重影响了金融决策的效能与质量，也扭曲了金融决策“以人为本”的公共服务价值取向。
金融决策活动从“随意性”和“非理性”的决策状态，走向科学、民主、有效的决策新境界，就要求决策者在金融决策活动过程中理性地把握和遵循生态学定律。作为现代金融决策者，须充分意识到金融决策的任何行动都不是孤立的，决策的主体、客体、目标与环境之间有着密切的“关系效应”；金融决策系统中的影响因素与其他因素形成了相互联系和相互交融的格局；所制定的任何金融决策方案均不能有违生态发展和社会发展的规律，不应对符合生态、社会发展规律与趋势的自然进程产生任何干扰。只有准确把握和依循现代金融决策活动这些生态学意义上的基本准则，金融决策活动才能符合生态法则，并获得决策生态系统的优化效应。
二、金融决策生态系统结构模型
金融决策生态系统是指在金融决策活动过程中直接或间接地作用和影响决策活动的经济结构、社会组织、沟通网、符号系统、金融构架等基本生态环境要素的总和。其基本构成要素包括内外两个层面：金融、经济、社会、文化、自然等外部层面要素对金融决策活动具有重要影响；决策者、制度、技术等内部层面要素则发挥着决定性的作用。这些要素之间相互联系、相互作用、互利共生、动态平衡，构成了一个有机的金融决策整体生态系统。
根据现实生态拟建的金融决策生态系统是决策生态核、决策内生态和决策外生态三个关系圈层的构成与集合，如图l所示。在该系统结构中，核心圈层是处于中枢地位的决策者和决策机构，亦即决策生态核；第二圈层是影响决策活动的直接环境圈，即决策内生态，包括决策生态种群、政策、机制、流程、信息、知识和技术等生态环境要素；第三圈层是金融决策生态系统的外部支持环境圈，包括金融、经济、文化、社会、自然等外部生态要素，是金融决策的外圈层生态环境，亦即决策外生态或原生态。
由于涉及金融决策整体生态系统中诸如种群、制度、技术等核心生态因子，金融决策内生态系统在整体系统的三个圈层中处于重要的地位。它通过自身要素的整合和优化，影响
和制约着核心圈中决策者的判断和选择行为，并推动决策者做出正确决策，进而间接地对外生态系统要素产生优化效应。
在金融决策整体生态系统中，核心圈的决策者虽具有主导和决定作用，但有其特定的运作范围，金融决策的制定、选择、执行、完善等有赖于内生态诸要素尤其是咨询辅助种群发挥基础作用。同时，决策内生态又是将决策外生态相关影响因素传输给决策者的重要纽带，从而为决策者进行正确决策提供经济基础、人文背景、金融秩序、社会环境等方面的保障。
从金融决策整体生态系统三个关系圈层(决策生态核、决策内生态和决策外生态)的逻辑活动过程来看，决策者通过决策内生态中的利益博弈、规则约束和方法选择，形成科学决策，达致决策外生态的优化。在决策外生态优化的基础上，种群对决策者又会提出新的政策诉求，要求其继续通过发挥内生态优化效应来制定更好的政策，对决策外生态进行新一轮的优化。这是一个“涟漪”式正向放大、内外关系互动的过程，全部决策活动的价值导向是促进决策外生态中的经济发展、金融文明、社会和谐、文化进步、人与自然的和谐相处。
决策生态核以决策内生态为依托和平台，整合决策外生态的相关影响因素，促进以利益聚合、表达、协调为核心的协商和对话机制的建立，让各决策利益相关者“在宪法、法律、习惯与传统等框架或规则范围内，利用他们所掌握的信息，在充分比较各种可能情况下，采取相应行动以获得满足效用最大化结果”，进而实现各个种群及其所代表的各社会阶层利益的良性互动与总体平衡。
三、金融决策内生态系统的基本结构
在金融决策生态系统结构中，处于第二圈层的金融决策内生态系统作为中枢传递层，在整体系统中处于能量流动、物质循环、信息传递的关键位置，对金融决策产生直接的作用力和影响力。因此，准确把握金融决策内生态的结构定位，切实发挥其对整个决策生态系统生命维系的功能作用，是保证金融决策正确性和有效性的基本前提。
金融决策内生态是一个由“三层面七要素”构成的具体生态系统，如图2所示。
(一)种群层面：决策生态种群
在生态学意义上，种群是指在一定时间内占据一定空间的同种生物的所有个体。金融决策的生态种群是一个由金融管理部门智囊机构(如金融管理部门、研究部门、金融学院、社科院等)、高校学者专家、社会独立研究咨询机构、民意代表与利益表达机柯(如人大、政协等)组成的生态群落，其构成与关系整合的合理性和优化程度，直接影响和决定着核心圈决策者的行为。
生态种群动态发展过程中最基本的关系是竞争博弈和协同共生，金融决策生态种群的动态发展同样也依循这一生态法则。在金融决策过程中，作为利益相关方的各决策种群之间通过竞争活动，形成一种生态位分化和博弈的格局。在此基础上，决策生态系统的多样性、稳定性和抗干扰能力不断增强，内部要素与外部环境不断相适应，从而逐步趋向于一定的平衡状态。在这种平衡状态中，金融决策活动的协同共生是竞争博弈的一种高级形式的呈现，是各利益相关方在博弈中达到协调、协作与和谐的一种关系状态，具体又表现为系统自身的调节适应和动态平衡。
(二)制度层面：政策、机制、流程
金融决策内生态系统的制度层面主要包括政策、决策机制和决策流程。从决策内生态系统要素关系及其整合的角度视之，金融决策要保障行之有效的现有政策继续发挥其功效，要在政策精神、基本原则、内容要求等方面与现有政策相契合，一项新的金融决策不能与正确有效的现行政策相冲突；对于因政策目标和政策环境发生了变化、政策局限性基本显现、政策主体认识不断深化而需要进行调整的现有政策，金融决策要通过增扩或缩减、合并或分解等方式对政策目标、政策实施方案和政策关系等方面做出调整；对于已经完全失去正面效用的现有政策，金融决策要通过政策替代、废止等方式来予以终止。
决策机制既是金融决策核心圈进行决策活动的制度基础，更是金融决策内生态系统中的决策种群所形成的结构关系有机体参与决策活动的一系列规范。具体是指对决策和参与决策的责任主体、意见表达者与咨询者、决策监督者等方面的行为与关系所确定的规则规范。现代金融决策机制是金融决策内生态系统中重要的生态要素，其有效运作的前提是领导决策、公民磋商与参与、专家咨询和信息支持四方面的密切配合与有机统一。
作为生态流在金融决策内生态中的体现，流程是指一个或一系列连续有规律的行动，这些行动以确定的方式发生或执行，导致特定结果的实现，它包括输入资源、活动、活动的相互作用、输出结果、顾客、价值六个构成要素。金融决策活动是一个提出问题、分析问题、解决问题的运作过程，具体体现为按照“发现决策问题――确立决策目标――进行决策调研――制定决策方案――选择最优方案――组织监督实施”的金融决策流程进行决策活动。
(三)技术层面：技术、信息、知识
金融决策内生态系统中的技术、信息和知识，属于决策方法与技术的范畴，只有充分掌握了科学的决策知识、丰富的决策信息和先进的决策技术，才能为决策活动提供强大的技术支撑，保证决策的科学性、有效性和合理性。在科学知识应用上，现代金融决策活动集成运用金融知识、法律知识、经济知识与人文知识等势在必行；在方法技术抉择上，改变传统的经验决策方法，采用和实施头脑风暴法、“决策树”法、德尔菲法等现代科学方法，运用现代预测技术和网络信息技术，亦在现代金融决策活动中蔚为普遍。通过发挥金融决策内生态系统中的技术、信息和知识的综合作用，有助于正确把握决策对象发展演化规律，预测和掌握系统内各要素的本质特征、内在联系和发展趋势，做出定性或定量的决策评估，为优化决策提供科学的依据m。
金融决策内生态的三个层面对金融决策活动的基本诉求是不同的：种群层面要求活动体现民意诉求(民主化)；制度层面要求活动体现规则诉求(制度化或法治化)；技术层面则要求活动体现科学诉求(科学化)。惟有体现民意、遵循规则、方法科学的金融决策活动与行为，才能使三个方面的决策有机统一，进而实现科学化、民主化和法治化的现代金融决策高境界。
四、金融决策内生态系统及各要素的优化效应
要有效发挥金融决策生态系统的优化效应，促进决策生态核、内生态与外生态各关系圈层之间的良性互动和整体优化，真正达到金融决策的科学化、民主化和法治化，关键在于实现内生态系统中种群要素、制度要素和技术要素的有机契合和优化效应。
1.系统共振优化效应(金融决策整体生态系统)。共振一般是指两个振动频率相同的物体，当一个发生振动时，引起另一个物体振动的现象。在金融决策内生态系统中，一个要素发生改变也会引起其他要素的改变。系统的优化在于改变某些不足要素和优化各要素之间的关系状态，集成发挥正效应要素的作用，控制和减少负效应要素对金融决策目标的负面影响。金融决策内生态系统的系统共振优化效应体现在三
个方面：一是金融决策种群中各利益相关者的利益共振。在金融决策过程中，各利益相关者的利益表达通过利益聚合和利益博弈的方式在系统内产生利益共振，有利于形成体现各方利益诉求的公共政策，进而使金融决策更好地体现民意性。二是金融决策内生态系统中种群、制度和技术的三元共振。惟有三者发生了正效应共振，才能保证种群利益诉求在制度、技术的保障和支撑下实现法治化和科学化的表达。三是内生态系统与外生态系统的圈层共振。因金融决策内生态系统要素优化而产生的振动，必然会带动金融决策原生态发生振动，内外生态系统的共振效应，可以使正确决策的真正价值在金融、经济、社会、文化、自然的协调发展中得以体现。
2.民意博弈优化效应(内生态系统中的种群和制度层面)。在现代社会中，大量的社会机构和全体民众都要参与到政策制定的过程中来，所以，金融产品是金融力量与社会力量相互博弈的结果，只有在各利益主体博弈达到利益均衡的状态下所作出的决策，才有助于实现社会的平衡态。金融决策内生态系统本身就是一个种群利益根据博弈规则相互博奕的系统。博弈优化具有两方面的效应：一方面，可以实现民意表达“规制”渠道的畅通优化效应。金融决策内生态系统通过构建金融管理部门、社会、网络(论坛)等各种制度化的“公共通道”，在保证“民意流量”的制度前提下.使各决策种群的利益诉求可以畅通地输送到决策核心圈。另一方面，可以实现民意聚合方式的博弈优化效应。“公共通道”使包括公民个体在内的各社会群体都能在金融管理部门决策活动中集聚起来，通过制度化路径合理有序地表达利益诉求，促使决策者在决策过程中注意平衡各种利益需求，达成一个各方共同接受的结果。
3.群协同优化效应(内生态系统中的种群和技术层面)。运用生态学理论方法分析金融决策内生态系统的问题，不难发现，诸如资源利用低效的“生态流”问题，要素关系不协调的“生态网”问题，自我调节能力较弱的“生态序”问题，仍然困扰着系统自身的优化。解决这些问题的基本途径在于依据生态学中协同进化理论，切实发挥群协同决策模式的优化效应。具体而言之，即以决策核心圈中的决策者协同内生态咨询辅助种群中的各机构、专家和公众代表为共同主体，以保证群体充分协商与沟通为制度规程，以金融管理为运作平台，以群(体)决策方法和决策支持系统为核心技术，建立基于决策生态流(程)的群体协同决策模式。有效发挥与利用群协同优化效应，可以加速决策活动中的各种资源、信息、能量利用和交换所形成的人流、物流、信息流等的运转，能够平衡流入量与流出量，保证内生态系统的“血脉”充盈和良性循环；可以加深金融决策内生态系统中各种群之间的利益关联与利益互动，促进决策生态因子的网络化发展，提高金融决策“生态网”的自构性和适应性；可以优化内生态系统中各生态因子的生态位顺序，能够形成具备自适应、自催化的“竞争序”来保证系统的发生、发展和优化，形成具备自调节、自抑制的“共生序”保证系统的持续和稳定。
4.流程再造优化效应(内生态系统中的制度和技术层面)。一个生态系统是否具有活力和张力，关键在于“生态流”的畅通、生态系统的能量流动和物质循环(具体体现为生物链的稳定、生物网的平衡和物质流通管道)的顺畅。模拟构建金融决策的内生态系统，目的在于对生态系统进行仿生，根据金融决策的动力来源与制度安排，疏通和优化金融决策的“输入―输出”机制和公共政策生产的“流水线”，再造金融决策流程。金融决策内生态中的流程再造优化效应主要体现在：金融决策以长期发展战略为出发点，以价值增值流程(使客户满意)的再设计为中心，运用生态系统科学的微观定位与精细作业方法，重新组合生态系统中的要素资源，建立首尾相接、整合连贯的业务流程，取代以往的各部门相互割裂或封闭的破碎性业务流程，强调金融决策完成的整合性与连贯流畅。目标是通过重新设计金融决策的流程，使这些流程的增值内容最大化，其他方面的内容最小化，从而获得绩效改善的跃进，增强金融决策内生态系统的适应弹性和生命活力，形成金融决策的良好生态环境，提高决策的科学化、民主化和法治化水平，从而对金融决策外生态(原生态)产生“正效应”，推动经济、金融、社会、文化、自然等方面的科学发展与和谐发展，增进社会公共利益和公众福祉。
五、完善我国金融生态系统环境的对策
1.建立金融企业破产和退市机制。一方面要加快金融机构破产法及配套法规体系的建立与完善，加强执行和监督力度，建议尽快出台《破产法》，为资本市场改革和发展建立必要的制度保障。另一方面要建立和完善破产退市的善后和稳定机制，妥善解决破产和退市后有关债务清偿、员工安置等问题。如果相关的善后稳定机制不健全，会使金融机构破产影响范围扩广，处理上困难更大。因此，建立完备的破产、退市的善后与稳定机制，对于增强金融生态的自我调节功能意义重大。
2.培育金融机构的良性竞争机制。培育金融机构的良性竞争机制，一方面，要规范金融竞争行为，改变金融机构的市场营销策略，通过细化市场、错位竞争防止恶性价格战重演。另一方面，要进一步加强宏观调控，完善传导机制。要强化对货币信贷政策传导机制的研究，必要时要通过有意识的“让利”，通过利益导向引导各金融机构的经营行为，提高金融调控效率。
3.加快股份制改革，为资本市场的外部约束提供足够的产权支持。明晰和界定产权是建立有效公司治理结构的前提和基础，但明晰的产权关系并不能自动带来企业的有效治理和高效率。实践表明，一个良好的公司治理结构应该保持商业银行产权的多元化，保证商业银行有一个合理的资本结构，合理配置和行使企业控制权，打破原有金融机构的产权结构单一、产权虚置的局面。
4.转换职能，规范政府行为。政府以多种身份(监管者、融资者、地方和企业利益的保护者等)和金融业发生着复杂的联系，在金融生态环境中具有重要地位。在过去30年的改革中，政府一直强调“减政放权”、“政企分离”、“转变政府职能”，但实际上在很长时期内政府支配资源的能力在不断增强。要从体制上和机制上改善我国的金融生态环境，关键在于转换地方政府职能，着重调整政府行为的激励机制、约束机制和协调机制。
5.建立良好的社会信用环境。规范社会信用秩序，创造良好的信用环境，维护信用主体的合法权益是金融可持续发展系统运行的重要保障。一是要建立良好的信用维护机制，形成银行、法院、公安、工商、财政、税务、新闻宣传等各部门分工合作，共同维护社会信用的局面。二是要加强法律约束，规范信用秩序，通过建立完善的信用法律体系，切实保障信用主体的合法权益。同时司法部门应进一步强化司法公正，加大对失信行为的打击力度，特别是要提高案件执结率，增强法律的威慑力。三是要建立完善的信用评价和征信体系。加快推进全国统一的企业和个人信用信息基础数据库建设，培育企业资信评级市场，开展信用社区建设，为强化信用管
理提供保证。
6.建立健全法制保障体系。周小川(2005)认为法律环境会直接影响金融生态，在某种程度上从计划经济向市场经济转轨过程中的基本问题是“财务软约束”，它是否依然会继续存在，在很大程度上要靠法制的转变和完善。从我国目前情况看，当前要理顺的法律关系有：(1)以完善金融产权为核心，改善金融主体法律制度，促进现代金融企业的形成和发展。(2)以强化信用管理为中心，完善金融业务的法律规范，为金融生态生存和发展创造良好环境。(3)以提高市场效率为重点，完善金融监管法律制度，促进金融生态平衡和优化。(4)以优化金融环境为目标，推动相关法律制度调整和完善，建立和谐金融生态环境”。
7.建立规范的中介服务体系。金融可持续发展系统的运行需要规范的中介服务体系，因而必须提升中介机构的专业化服务水平和诚信水平。一是加强对中介评估机构的管理。由有关部门牵头建立涉及金融活动的中介评估机构的业务监测体系，规范中介评估市场，规范有关当事人的金融行为。二是从政策上鼓励和扶持与金融业密切相关的一系列专业化中介机构的发展。三是积极引进国内外资信等级高的大型中介服务机构，促进提高中介服务水平。
统计学决策分析范文第2篇
中国科学院数学与系统科学研究院成立于1998年12月，由中科院数学研究所、应用数学研究所、系统科学研究所和计算数学与科学工程计算研究所等四个研究所整合而成。研究院是一个综合性的国立学术研究机构，研究领域覆盖了数学与系统科学的主要方向。 数学与系统科学研究院是中国科学院的一个博士生重点培养基地，是首批国家批准的博士后流动站之一。全院共有12个博士点（二级学科）分布在数学、系统科学、统计学、计算机科学与技术、管理科学与工程五个一级学科中，可以在此范围内招收和培养硕士研究生与博士研究生。在2006年全国学科评估中，我院数学学科的整体评估得分为本学科的分数。 2014年我院预计招收100名博士研究生（包括直博生和硕转博生）。各科复习参考书、报名方式、考试时间等信息可在网上"研究生培养"中查询，网址为：amss.cas.cn。研究生部邮箱：yjsb@amss.ac.cn（注：我院只有秋季一次招生，3月份入学考试）
单位代码
80002
单位地址
北京中关村东路55号
邮政编码
100190
联系部门
研究生部
联系电话
010-62541832
联系人
尹老师
电子邮件
yjsb@amss.ac.cn
目录类别
博士
网址
amss.cas.cn
学科、专业名称（代码）研究方向
指导教师
预计招生人数
考试科目
备注
070101 基础数学
100
01 代数几何
孙笑涛
①1001英语一②2377代数学基础③3050代数几何
只招硕转博生
02 代数几何
付保华
同上
只招硕转博生
03 代数几何
郑维喆
同上
04 代数群与量子群
席南华
①1001英语一②2377代数学基础③3392李代数
05 李代数和应用偏微分方程
徐晓平
同上
只招硕转博生
06 数论
王崧
①1001英语一②2377代数学基础③3576数论
07 数论
田野
同上
只招硕转博生
08 数论与代数几何
田一超
同上
只招硕转博生
09 代数拓扑、代数几何
段海豹
①1001英语一②2377代数学基础③3051代数拓扑
只招硕转博生
10 同伦论、流形的拓扑
潘建中
同上
只招硕转博生
11 代数表示
韩阳
①1001英语一②2377代数学基础③3049代数表示论
12 哈密尔顿系统
尚在久
①1001英语一②2381微分几何③3108动力系统
只招硕转博生
13 动力系统、大范围分析、大范围神经动力学
岳澄波
①1001英语一②2381微分几何③3108动力系统或3763系统与控制理论
14 几何分析
李嘉禹
①1001英语一②2381微分几何③3433偏微分方程（乙）
只招硕转博生
15 几何分析
王友德
同上
只招硕转博生
16 微分方程及几何分析
吉敏
同上
只招硕转博生
17 微分几何、数学物理
张晓
①1001英语一②2381微分几何③3578数学物理
只招硕转博生
18 值分布论与复动力系统
杨乐
①1001英语一②2385实分析与复分析③3146复动力系统与值分布论
19 复分析、复动力系统
王跃飞
同上
20 复分析、复动力系统
崔贵珍
同上
21 动力系统
刘劲松
①1001英语一②2385实分析与复分析③3108动力系统
22 Circle packing
贺正需
同上
23 数论
冯绍继
①1001英语一②2385实分析与复分析③3576数论
24 多复变与复几何
周向宇
①1001英语一②2377代数学基础或2381微分几何或2385实分析与复分析③3117多复变与复几何
25 非线性偏微分方程、微局部分析
张平
①1001英语一②2385实分析与复分析③3433偏微分方程（乙）
26 几何分析与偏微分方程
张立群
同上
只招硕转博生
27 泛函分析和解析数论
葛力明
①1001英语一②2387泛函分析（甲）③3576数论或3640算子代数
28 临界点理论与非线性变分问题
丁彦恒
①1001英语一②2387泛函分析（甲）③3127非线性泛函分析
29 非线性泛函分析
张志涛
同上
30 几何计算与不变量
李洪波
①1001英语一②2697近世代数③3143符号计算或3794现代微分几何
070102 计算数学
01 有限元方法理论及应用
石钟慈
①1001英语一②2421分析与代数③3894有限元方法
只招硕转博生
02 多尺度分析方法及其应用、工程计算与工程软件技术
崔俊芝
同上
只招硕转博生
03 并行算法
张林波
同上
只招硕转博生
04 有限元方法、电磁与地球物理计算
陈志明
同上
只招硕转博生
05 偏微分方程数值解
周爱辉
同上
只招硕转博生
06 微分方程数值解
严宁宁
同上
只招硕转博生
07 多尺度模型与算法
曹礼群
同上
只招硕转博生
08 有限元方法理论与应用
许学军
同上
09 区域分解并行算法
胡齐芽
同上
10 有限元高效算法
林群
①1001英语一②2421分析与代数③3584数值方法基础
11 线性与非线性数值代数、并行计算及其应用
白中治
同上
12 计算几何理论与方法
徐国良
同上
只招硕转博生
13 可积系统与数值算法
胡星标
同上
只招硕转博生
14 多尺度模型与计算、有限元方法
明平兵
同上
只招硕转博生
15 生物计算与模拟
卢本卓
同上
16 波场模拟与反问题的数值方法
张文生
①1001英语一②2421分析与代数③3584数值方法基础或3894有限元方法
17 电磁场计算
郑伟英
①1001英语一②2421分析与代数③3584数值方法基础或3892有限差分方法
18 化计算方法、计算生物
袁亚湘
①1001英语一②2421分析与代数③3985化方法
只招硕转博或直博生
19 化计算方法与理论
戴彧虹
同上
只招硕转博生
20 动力系统几何算法
尚在久
①1001英语一②2421分析与代数③3109动力系统几何算法
只招硕转博生
21 动力系统保结构算法理论与应用
洪佳林
同上
22 哈密尔顿系统的辛几何算法
唐贻发
同上
23 计算流体力学
袁礼
①1001英语一②2421分析与代数③3892有限差分方法
070103 概率论与数理统计
01 随机分析及其应用、随机复杂网络与随机图
马志明
①1001英语一②2685高等概率论③3641随机分析（随机过程）
02 无穷维随机分析及其应用
巩馥洲
同上
03 随机分析
吴黎明
同上
04 随机分析与随机微分几何
李向东
同上
05 随机分析及随机微分方程
董昭
同上
06 概率论与量子信息
骆顺龙
同上
07 金融数学与经济数学
夏建明
同上
08 金融数学、概率统计、投资组合
程兵
①1001英语一②2686数理统计③3348金融数学
09 数理统计、工业统计
于丹
①1001英语一②2686数理统计③3148概率论
与吴建福联合招生
10 生存分析、复杂数据统计推断及其应用
王启华
同上
11 抽样调查和统计决策
邹国华
同上
12 生物统计与工业统计
石坚
同上
只招硕转博生
13 生物与医学统计、数理统计及其应用
孙六全
同上
14 计算分子与系统生物学、基因组学
李雷
同上
070104 应用数学
01 偏微分方程
丁夏畦
①1001英语一②2696偏微分方程（甲）③3123泛函分析（乙）
02 偏微分方程
曹道民
同上
03 偏微分方程
黄飞敏
同上
04 偏微分方程
李竞
同上
05 偏微分方程反问题及其应用、机器学习与模式识别
张波
①1001英语一②2696偏微分方程（甲）③3585数值分析
只招硕转博生
06 数学机械化
吴文俊
①1001英语一②2697近世代数③3143符号计算
07 计算代数几何
高小山
同上
只招硕转博生
08 符号计算
李子明
同上
只招硕转博生
09 符号和数值混合计算
支丽红
同上
只招硕转博生
10 符号计算
王定康
同上
11 密码学
邓映蒲
同上
12 组合、代数、离散分析
黄民强
同上
与邓映蒲联合招生
13 纠错码理论、计算机代数
刘卓军
同上
14 优化理论与应用、凸分析
袁亚湘
①1001英语一②2421分析与代数③3985化方法
只招硕转博或直博生
15 概周期微分方程及其应用
洪佳林
①1001英语一②2421分析与代数③3579数学物理方程
16 孤立子、可积系
胡星标
同上
只招硕转博生
17 分数阶微分方程数值分析及其应用
唐贻发
同上
18 复杂非线性波、数学物理
闫振亚
①1001英语一②2421分析与代数③3143符号计算或3579数学物理方程
19 动力系统与微分方程
郑作环
①1001英语一②2387泛函分析（甲）③3013常微分方程
20 数学物理
刘润球
①1001英语一②2381微分几何③3393李群和李代数或3578数学物理
21 数学物理
丁祥茂
①1001英语一②2381微分几何③3393李群和李代数
070105 运筹学与控制论
01 系统辨识、控制与递推估计
陈翰馥
①1001英语一②2421分析与代数③3133分析概率论
02 随机系统的建模与控制
张纪峰
同上
03 随机系统的建模与控制
方海涛
同上
04 控制科学
郭雷
①1001英语一②2685高等概率论③3797线性系统
05 非线性分布参数系统控制理论
姚鹏飞
①1001英语一②2421分析与代数③3122泛函分析（丙）或3797线性系统
06 无穷维系统控制理论与应用
郭宝珠
同上
07 网络分析与控制、非线性系统与控制
洪奕光
①1001英语一②2421分析与代数③3133分析概率论或3762系统与方程
08 非线性系统与控制、开放量子系统
席在荣
同上
09 系统与控制
黄一
①1001英语一②2421分析与代数③3762系统与方程
只招硕转博生
10 运筹学
戴彧虹
①1001英语一②2421分析与代数③3985化方法
11 管理运筹学、优化与决策
崔晋川
同上
12 应用概率与排队论
张汉勤
①1001英语一②2721运筹学基础③3868应用随机过程
只招硕转博生
13 软件可靠性理论与分析、马氏决策与供应链管理
刘克
同上
14 图论及其应用
闫桂英
①1001英语一②2721运筹学基础③3677图论与组合优化
15 运筹学、组合优化
胡旭东
同上
只招硕转博生
071101 系统理论
01 随机复杂网络
巩馥洲
①1001英语一②2685高等概率论③3641随机分析（随机过程）
02 软件可靠性理论与分析
董昭
同上
03 复杂系统
郭雷
①1001英语一②2685高等概率论③3797线性系统
04 不确定系统的建模与控制
张纪峰
①1001英语一②2421分析与代数③3133分析概率论
05 系统生物学
方海涛
同上
06 量子信息与控制
席在荣
①1001英语一②2421分析与代数③3133分析概率论或3762系统与方程
07 复杂系统、网络优化与决策
洪奕光
同上
08 复杂系统与复杂网络、系统生物学
吕金虎
同上
09 混合动态系统
孙振东
①1001英语一②2421分析与代数③3797线性系统
071400 统计学
01 应用概率与精算
马志明
①1001英语一②2685高等概率论③3641随机分析（随机过程）
02 生存分析、复杂数据统计推断及其应用
王启华
①1001英语一②2686数理统计③3148概率论
03 生物分析、生存分析
周勇
同上
04 生物与医学统计、数理统计及其应用
孙六全
同上
05 计算分子与系统生物学、基因组学
李雷
同上
06 非参数统计、金融统计
陈敏
同上
07 抽样调查和统计决策
邹国华
同上
08 工业统计
于丹
同上
09 数理统计、工业统计
于丹
同上
与吴建福联合招生
10 生物统计与工业统计
石坚
同上
只招硕转博生
081202 计算机软件与理论
01 理论计算机科学与量子信息处理
骆顺龙
①1001英语一②2854计算机科学基础③3815信息论
02 理论计算机科学与量子信息处理
胡旭东
①1001英语一②2854计算机科学基础③3355近似算法
03 基于知识的软件工程 、人工智能理论和技术、理论计算机科学与量子信息处理
陆汝钤
①1001英语一②2856软件工程③3462人工智能
04 人工智能理论和技术
张松懋
①1001英语一②2854计算机科学基础③3462人工智能
05 网络化软件工程
吕金虎
同上
081203 计算机应用技术
01 数字化设计制造
高小山
①1001英语一②2854计算机科学基础③3143符号计算
02 符号计算与智能信息处理
李洪波
同上
03 可信计算理论和算法
支丽红
同上
04 信息安全与密码学
邓映蒲
同上
05 决策支持系统与智能系统
唐锡晋
①1001英语一②2854计算机科学基础③3462人工智能
06 决策支持系统与智能系统
徐山鹰
同上
120100 管理科学与工程
01 质量管理、知识管理
刘源张
①1001英语一②2398决策分析③3210管理信息系统
02 决策支持系统
徐山鹰
同上
03 综合集成、知识管理、意见挖掘
唐锡晋
同上
04 投资决策分析、风险管理、金融预测
汪寿阳
①1001英语一②2398决策分析③3150概率统计或3210管理信息系统或3577数学规划
05 金融风险管理
杨晓光
①1001英语一②2398决策分析③3150概率统计
06 管理决策分析与产业政策
刘卓军
①1001英语一②2398决策分析③3210管理信息系统或3577数学规划
07 金融统计与风险管理
陈敏
①1001英语一②2398决策分析③3348金融数学
08 金融工程与风险管理
程兵
同上
09 金融统计与风险管理
周勇
①1001英语一②2397经济学③3348金融数学
10 投入产出技术与经济预测、全球价值链
杨翠红
①1001英语一②2397经济学③3575数量经济学
11 数量经济学与投入产出技术
陈锡康
同上
与杨翠红联合招生
1201J4 经济计算与模拟
01 经济模拟与仿真
汪寿阳
①1001英语一②2398决策分析③3150概率统计或3210管理信息系统或3577数学规划
02 经济计算与模拟
杨晓光
①1001英语一②2398决策分析③3150概率统计
03 宏观经济数量分析与预测
杨翠红
①1001英语一②2397经济学③3210管理信息系统或3575数量经济学
1201Z1 管理运筹学
01 管理运筹学
崔晋川
①1001英语一②2721运筹学基础③3129非线性规划
02 质量科学
于丹
①1001英语一②2721运筹学基础③3150概率统计
03 管理科学的决策方法
刘克
统计学决策分析范文第3篇
（一）医院加强财务分析的意义
医院加强财务分析具有如下意义：能够为医院管理的管理评价提供依据，并且促进医院对计划和预算的完成；加强财务分析对于改善医院的经营管理和提高综合效益有着十分重要的作用；有利于经营者做出科学正确的决策；通过财务分析活动，可以让决策者对医院的财务运转情况进行了解，从而掌握经济决策与客观经济规律的相符程度，最终使得他们做出决策科学合理；加强财务分析活动是提供医院财务管理水平的重要措施；加强财务分析，可以使得医院经营决策者更加客观地对理财经验进行总结，让他们从中发现财务管理中的潜在问题和发展趋势，通过对财务活动的规律的认识，来对财务管理工作进行改进，不断提高医院财务管理水平。
（二）加强医院经营决策的意义所在
在经营管理学中认为“管理的中心是经营，经营的重心是决策”。从中可以看出经营管理的重要性。经营决策分析指的是利用科学有效的方法，从若干方案中经过科学地分析判断，最终选出一个合理、可行的方案。决策分析的意义就在于从众多的方案中选出一个合理可行的方案，以此来达到未来的行动目标。决策分析的最终目的就是将决策目标变为行动的关键。如果决策分析不合理甚至是错误的，那么就极有可能使得正确的决策目标不能实现。由此可见，医院经营管理的基础和核心就是科学合理的决策。科学合理的决策对于医院充分的发挥社会功能，并取得良好的医疗服务效果，从而提高医院的社会效益和经济效益有着十分重要的意义。经营决策分析的基本内涵主要有四点，他们分别是：（1）预测未来；（2）多方案选优；（3）以决策为动力形成经营活动的循环动态过程；（4）必须付诸行动。
二、加强医院财务分析与经营决策的对策和方法
（一）医院管理者要必须要转变传统观念，对财务分析和经营决策给予高度重视
要让财务分析与经营决策这两者在医院管理中发挥重要的作用，医院管理者就必须要给予高度重视。这是做好财务分析核经营决策的前提条件。要让财务管理工作渗透到医院管理的各个方面，就必须要得到医院管理者的大力支持，只有这样才能够让医院的各个职能部门都配合好医院的财务部门做好财务分析工作，而也只有这样医院财务部门才能够得到医院其他职能部门的支持与配合，从而得到各种财务分析所需要的资料。经营决策也是如此，各种决策与政策出台后，肯定会具体到医院的各个职能部门，而经营决策过程中所需要的各种资料也需要各个职能部门提供。如何不能够得到医院各个职能部门的支持，那么经营决策就只能够是空架子，空口号，也不可能做出正确的决策。这样经营决策有如何能够指引医院前进，又如何发挥其应有的作用。因此要做好经营决策工作也必须要得到医院领导的高度重视。
（二）医院的财务分析者与经营决策者需要提高自身的素质
医院想要做好财务分析工作，就必须要有相应的高素质的财务人员，对于财务分析者，不能够仅仅只掌握财务核算、财务管理和会计理论等相关知识，还必须对统计学、成本核算等相关知识进行了解，甚至是掌握。此外，他们还必须对本单位的具体情况熟悉，不能是那种只看纸面文章的，而是真正的清楚医院的实际情况。这样这样才能够有能力做好医院的财务分析工作。同时，还必须要提高财务人员的思想素质，只有他们将医院财务分析工作从思想上提到了一个更高的层次，他们才能够更好的做好财务分析工作。医院的经营决策者大都是从技术上提拔而来的，他们对与本行业的技术规范等知识和信息可以说是了如指掌。但是他们中很少有人具有相应的经营决策管理知识。虽然其中很多人都在后来拿到的相应的管理学位，但不代表他们真正的具有管理能力。为此，必须要提高现有的经营管理者的分析决策能力，同时还应该积极的引进有能力的经营决策者。只有这样才能够保证各种决策的科学性、正确性。
（三）明确财务分析对经营决策的影响
总的来说，财务分析最终就是为医院的经营决策来服务的，而经营决策则可以为财务分析指明方向。财务分析对经营决策的影响有以下一些方面。财务分析可以帮助经营决策者了解医院的实际经营状况。通过财务分析，医院的经营决策者既可以知道医院目前经营的客观状态，也可以通过分析获知当前经营过程中存在的不足之处和经营不善的具体关键所在。从而能及时的采取有效的改善措施。通过财务分析可以帮助经营决策者对医院的市场竞争力做出正确的判断。只有对医院的市场竞争力有了正确的认识，才能够做出正确的决策，为医院树立正确的发展目标，从而让医院少走弯路，提高医院的竞争能力。
三、结语
统计学决策分析范文第4篇
（白城师范学院计算机科学学院，吉林白城137000）
【摘要】关系数据库、数据仓库和数据挖掘是作为三种独立的信息技术出现的，是数据库研究、开发和应用最活跃的分支之一，通过对三种技术的内在联系性和互补性分析，从而更好的使用数据库技术处理各种信息需求，建立更加完善的数据库应用系统或新的决策系统。
关键词 关系数据库；数据仓库；数据挖掘；关
0引言
关系数据库是20世纪70年代初提出来，经过数据库专家几十年的努力，理论和实践都取得了显著成果，标志着数据库技术的日益成熟。但它仍然难以实现对关系数据库中数据的分析，不能很好地支持决策，因此在80年代，产生了数据仓库的思想，90年代，数据仓库的基本原理、架构形式和使用原则都已确定。主要技术包括对数据库中数据访问、网络、C/S结构和图形界面，一些大公司已经开始构建数据仓库。针对数据仓库中迅速增长的海量数据的收集、存放，用人力已经不能解决，那么数据仓库中有用的知识的提取就需要数据挖掘来实现。数据挖掘与统计学子领域“试探性数据分析”及人工智能子领域“知识发现”和机器学有关，是一门综合性的技术学科。了解关系数据库、数据仓库与数据挖掘三者之间的区别与联系，使之更好的使用这3种技术，处理各种信息需求是非常必要和重要的。
1关系数据库、数据仓库和数据挖掘之间的关系
1.1关系数据库和数据仓库之间的联系与区别
关系数据库是面向事务的设计，数据仓库是一个面向主题的设计；关系数据库存储在线事务数据，数据仓库通常存储历史数据，关系数据库的设计将尽量避免冗余，但数据仓库是倾向于引入冗余；关系数据库设计用于捕获数据，数据仓库设计用于分析数据。传统的关系数据库面向以事务处理为主的系统应用，所以它无法满足决策支持系统的分析要求。事务处理和分析处理有非常不同的性质，他们有不同的需求数据。
1.2数据仓库与数据挖掘之间的联系与区别
数据挖掘是基于数据仓库和多维数据库中的数据，找到数据的潜在模式进行预测，它可以对数据进行复杂处理。大多数情况下，数据挖掘是让数据从数据仓库到数据挖掘数据库中。从数据仓库中直接得到进行数据挖掘的数据有许多优点，因为数据仓库中数据的清理和数据挖掘中几乎是相同的，如果数据在数据仓库中已被清除，数据挖掘中不再被清除，并且数据不一致也得到了解决。数据仓库是数据挖掘的先期步骤，通过数据仓库的构建，提高了数据挖掘的效率和能力，保证了数据挖掘中的数据的宽广性和完整性。
1.3关系数据库与数据挖掘之间的联系与区别
数据挖掘的数据源不一定是数据仓库。也可以是一个关系数据库中的数据，但要事先进行数据预处理，才能用于数据挖掘。数据预处理是数据挖掘的关键步骤，并且是数据挖掘过程中的主要工作部分。因此，数据仓库和数据挖掘没有必然的联系，有些人简单地认为，数据仓库是数据挖掘的准备，这种理解是不全面的，也可以使用关系数据库中的数据作为数据挖掘的数据源。
2三种技术的应用
2.1应用价值
2.1.1关系数据库
关系数据库的主要价值体现在事务处理。关系数据库已经渗透到各行各业的日常事务，该事务管理离不开关系数据库的应用系统，这是对传统事务管理的一个重大突破，是社会甚至家庭不可或缺的工具，它对社会的应用价值是100%。
2.1.2数据仓库
数据仓库的主要价值体现在为决策分析提供数据源。一方面，在一个事务中，用户要求高效的访问系统和数据库，操作时间应该短。在一个决策分析中，决策问题的一些请求可能会导致系统的操作，解决这一问题的决策分析需要遍历大多数数据库中的数据，这对一般日常事务处理系统是困难的，所以操作数据和决策分析数据应该分开。另一方面，决策数据需求问题。在决策分析时，由于不同的应用系统中，实体、字段存在数据类型、名称和格式的不符，需要在集成时进行转换，这个转换必须在决策之前完成；一些决策数据需要动态更新，需要经常进行汇总和总结，这些需求用事务处理系统解决比较繁琐。三是数据的操作模式问题。决策分析人员要以专业用户身份，使用各种工具以各种形式来操作数据，对数据操作的结果以商业智能的方式表达出来。事务处理系统不能满足这一要求，只有数据仓库系统能够满足数据挖掘技术对数据环境的要求，所以使用数据仓库中的数据省去了对数据预处理的步骤。
2.1.3数据挖掘
面对日益激烈的市场竞争，客户对迅速应答各种业务问题的能力要求越来越高，对过量数据的及时处理要求越来越高，带来的挑战一方面大规模、复杂数据系统让用户感觉漫无头绪，无法开始；另一方面，这些大量数据背后隐藏很多有意义的有价值的决策信息。如计算机界都熟知的“啤酒与尿布”的故事，就是零售业巨头“沃尔玛”从大量销售数据中分析出来的规律：美国的男士在下班要去超市买婴儿尿布，同时他们还会买啤酒。“沃尔玛”就把这两种“毫不相干”的商品摆放在靠近的货架上，并且还摆放一些下洒小菜，使这些商品销量大增。所以应用数据挖掘从大量数据中发现规律，具有具体的指导意义。
2.2应用领域
2.2.1关系数据库
关系数据库应用领域非常广泛，如：证券行业、医院、银行、销售部门、公司或企业，以及政府、国防工业，科学和技术发展领域等等，这些领域都需要使用数据库来存储数据。例如:人事管理系统、工资管理系统，xxx部门信息管理系统，手机话费管理系统等，都需要关系数据库作为后台提供数据源。
2.2.2数据仓库
数据仓库应用领域主要有两个方面：一是全局应用。因为数据仓库获得来自多方面的数据，所以在把数据向数据仓库输入时，要进行转换、计算和综合等集成处理。通过处理把来自不同地方的数据源转换成统一的格式，以促进全局应用。二是复杂系统。信息处理的要求越来越复杂，除了数据处理操作，如添加、删除、修改、和统计汇总，高级管理层也希望对历史的和现在的数据进行各种复杂性分析，以支持决策。数据仓库中就是存储了旧的历史数据，方便复杂分析、应用，为高层决策服务。
2.2.3数据挖掘
数据挖掘的应用领域主要表现在特定应用问题和应用背景。数据挖掘技术已经应用于各行各业，如电信，保险，交通，学校、银行、超级市场等。例如：数据挖掘技术应用在大学。高校扩招，学生增加到几万人，但是学生的学习积极性不高，成绩不好，因此引入数据挖掘技术找出影响学生学习积极性和学习成绩的原因，制定措施，提高教育和教学质量。分析的数据源是考试成绩和成绩之外的影响因素，分析的方法是采用关联规则、模型库、去“噪”处理、粗糙集等进行数据挖掘，得出的结论是：传统的学习方法不能完全满足需要，改进教学方法和教学模式，从而调动学生学习的积极性，提高教学质量。
3关系数据库、数据仓库与数据挖掘的融合
日常事务处理需要关系数据库，构建分析处理（下转第318页）（上接第59页）环境需要数据仓库，帮助决策者寻找数据之间的潜在的关联需要数据挖掘。他们之间是相互联系又有区别的，不能互相取代的，又需要相互融合。数据仓库中的数据并不是最新的，专有的，而是来源于其他关系数据库，它是建立在一个更全面和完善的信息应用的基础上，用于支持高层决策分析的数据基地。数据仓库是数据库新技术，到目前为止，数据仓库仍用关系数据库管理系统管理数据。数据挖掘是从大量存储在数据库、数据仓库或其他信息库中发现有趣知识的过程。只有这三个数据库技术互相融合，取长补短，各尽其责，才能更好的为广大用户所使用，为社会各个领域所应用。
参考文献
［1］华冠萍.数据仓库、数据挖掘及OLAP之两两关系[J].福建电脑,2007,8.
［2］牛承珍.马季兰.浅谈数据挖掘应用[J].山西科,2008.5.20.
统计学决策分析范文第5篇
关键词：数据仓库；物流；OLAP
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）09-2042-02
随着我国经济和电子商务的飞速发展，物流行业越来越突显出其经济动脉的作用，成为影响经济发展的重要因素。物流业发展的初期，对企业规模和管理水平的要求不高，较低的门槛使得众多的企业进入物流行业，这些企业大多规模较小，业务领域较为单一，并且大多数业务仅限于低端的运输服务，大量的成本消耗在基础环节，整个行业效率不高。这种传统的物流系统虽然累计了大量数据，但没有统一、优质、高效的数据分析作为决策分析的基础，单一的常规数据库技术远远满足不了海量和多源的数据融合、集成、交互和信息提取，成为限制现代物流系统发展的瓶颈。
为了解决业务数据量的不断增加导致传统物流决策支持系统很难满足企业要求的问题，越来越多的业内人员提出将数据仓库和数据挖掘技术引入物流系统。数据仓库是信息管理和分析应用的有效平台，可以有效地为分析决策支持系统服务，提高系统的分析效率并增强处理复杂查询的能力。
1 数据仓库技术
1.1 数据仓库基本特点
数据仓库技术是近几年适应数据处理需求而发展的新技术，它用新的方法将不同格式、不同部门和不同平台的数据进行及时的集成，当不同的软件信息系统的数据发生变化时，它也会随着更新。数据仓库处理的主要对象是大量集成的、稳定的和随时间变化的数据，通过处理为决策支持系统提供更为有效的数据。这些数据不是大量数据结果的堆积，而是按决策主题重新组织的，通过对大量分散数据进行抽取、转换、集成和综合管理，为决策分析提供统一、高效、高质的数据平台。数据仓库的数据主要来源于现有的多个同构或异构的数据库，集成后又按照主题进行重组。
数据仓库的结构框架通常可分为数据源、数据集市、OLAP服务器、工具等部分，其基本结构如图1。
1.2 OLAP （联机分析处理服务器）
OLAP是数据仓库技术的重要部分，主要功能是分析管理数据模型，是一个功能强大的多维数据分析引擎，通过对多维建模后的数据进行旋转、切片、切块、透视等操作分析数据，将数据多角度、多侧面的传递给用户，使其能更深入和准确的获得包含在数据中的有效信息。系统通过OLAP服务器连接数据仓库和客户端，从数据仓库抽取数据，将数据进行有效的集成，按多维模型重新组织，通过多角度，多层次的分析和发现，为决策系统提供所需要的有效数据。通过OLAP，企业管理人员能够获得对数据的更深入了解。
2 系统框架
2.1 基于数据仓库的系统结构
建立数据仓库，首先需要对行业内具体企业的业务要求和业务数据进行分析，做出正确的需求分析，构建基于数据仓库的物流系统，使之能适应行业需要，提高决策分析能力。在分析了企业需求和行业需求后，我们可以构建一个基于数据仓库的并适用于行业的物流系统，系统由原始数据库、数据仓库模块、数据挖掘工具、知识发现模块、OLAP服务器和人机交互模块组成。数据仓库按不同主题以多维模型的方式重新组织数据，并为每个模型建立数据集市，这些数据集市为后面的数据挖掘模块和OLAP服务器提供了信息更为有效的数据源。数据挖掘工具用于完成多维数据分析和数据开采，并完成实际决策问题中的各种查询。基于数据仓库的物流系统结构如图2。
2.2 数据挖掘
经过数据仓库对大量原始数据的重新组织和多维建模，获得了信息量更为丰富的数据源，数据挖掘就是对数据仓库提供的新的数据源进行分析和综合，并以图表等可视化的形式出现，为决策系统提供更直接信息。但数据挖掘获得的信息并不是可以全部直接用于决策支持，必须对这些信息进行判断、筛选、评价和验证，把最终正确有效的信息放入知识库中，并经过长期的学习累积更多的知识，提高数据挖掘的效率。
2.3 OLAP的组成
利用联机分析处理服务器OLAP，对已经进行的物流数据进行分析，为客户提供分类数据报表，为知识发现模块提供学习数据，具体可分为以下几点：1）车辆配货分析；2）行车路线分析；3）货物送达分析；4）费用效益分析。
3 结论
随着技术发展，数据仓库技术为物流行业的发展提供了更为广阔的空间，使行业发展更加科学化。数据仓库技术是决策支持系统这一复杂系统工程中一个重要部分，其包含了基本的数据库原理和统计学知识，也囊括了数据可视化、知识学习和决策支持等新领域。在我国数据仓库仍然处于刚起步的状态，真正意义上的数据仓库在物流系统中的应用还有广阔的空间，建立一个成熟完善的基于数据仓库物流决策支持系统还需要更多的理论支持和实践经验。
参考文献：
[1] 萨师煊，王珊.数据库系统概论[M].北京：高等教育出版社，2002.
[2] 王莉.物流学导论[M].北京：中国铁道出版社，1997.
