Xây dựng hệ thống trợ giúp ra quyết định phục vụ quản lý đề tài nghiên cứu khoa học và công nghệ

Luận văn thạc sĩ kỹ thuật nghiên cứu vnu uet xây dựng hệ thống trợ giúp ra quyết định phục vụ công tác quản lý các đề tài nghiên cứu, khảo sát thực trạng, phân tích nguyên nhân,

• Tác giả: Bùi Thị Liên Hương
• Trường học: Đại học Quốc gia Hà Nội Trường Đại học Công nghệ
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Xây dựng hệ thống trợ giúp ra quyết định phục vụ công tác quản lý các đề tài nghiên cứu khoa học và công nghệ của các đơn vị trực thuộc bộ khoa học và công nghệ
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2010
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
• MỞ ĐẦU
• 1. CHƯƠNG 1: HỆ TRỢ GIÚP RA QUYẾT ĐỊNH
• 1.1. Giới thiệu khái niệm hệ trợ giúp ra quyết định
• 1.2. Phân loại hệ trợ giúp ra quyết định
• 2. CHƯƠNG 2: PHÂN TÍCH, THIẾT KẾ HỆ THỐNG TRỢ GIÚP RA QUYẾT ĐỊNH HỖ TRỢ QUẢN LÝ HOẠT ĐỘNG KH&CN
• 3. CHƯƠNG 3: XÂY DỰNG KHO DỮ LIỆU VÀ GIẢI PHÁP XỬ LÝ PHÂN TÍCH TRỰC TUYẾN
• 4. CHƯƠNG 4: TRÍCH, CHỌN, NẠP VÀ XỬ LÝ DỮ LIỆU
• KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về hệ thống trợ giúp ra quyết định trong nghiên cứu khoa học

Hệ thống trợ giúp ra quyết định (DSS) là một công cụ quan trọng trong việc quản lý các đề tài nghiên cứu khoa học. Hệ thống này giúp các nhà quản lý đưa ra quyết định dựa trên dữ liệu và thông tin có sẵn. Việc ứng dụng công nghệ thông tin trong quản lý đề tài nghiên cứu không chỉ nâng cao hiệu quả công việc mà còn giúp tối ưu hóa quy trình ra quyết định. Hệ thống này có thể tích hợp nhiều nguồn dữ liệu khác nhau, từ đó cung cấp cái nhìn tổng quan và chính xác về tình hình nghiên cứu.

1.1. Khái niệm và vai trò của hệ thống trợ giúp ra quyết định

Hệ thống trợ giúp ra quyết định là một phần mềm hỗ trợ các nhà quản lý trong việc phân tích và đưa ra quyết định. Nó giúp tổ chức và phân tích dữ liệu từ nhiều nguồn khác nhau, từ đó đưa ra các khuyến nghị và lựa chọn tối ưu cho các đề tài nghiên cứu.

1.2. Lợi ích của việc áp dụng hệ thống trong quản lý đề tài nghiên cứu

Việc áp dụng hệ thống trợ giúp ra quyết định mang lại nhiều lợi ích như tăng cường khả năng phân tích dữ liệu, giảm thiểu thời gian ra quyết định và nâng cao độ chính xác trong việc lựa chọn các đề tài nghiên cứu phù hợp.

II. Vấn đề và thách thức trong quản lý đề tài nghiên cứu khoa học

Quản lý đề tài nghiên cứu khoa học hiện nay đang đối mặt với nhiều thách thức. Các thông tin thường không được cập nhật kịp thời, dẫn đến việc ra quyết định không chính xác. Hơn nữa, việc thiếu một hệ thống thông tin tích hợp cũng gây khó khăn trong việc chia sẻ dữ liệu giữa các đơn vị. Điều này không chỉ ảnh hưởng đến hiệu quả công việc mà còn làm giảm khả năng cạnh tranh trong nghiên cứu khoa học.

2.1. Những khó khăn trong việc thu thập và phân tích dữ liệu

Việc thu thập dữ liệu từ nhiều nguồn khác nhau thường gặp khó khăn do thiếu sự đồng bộ và tiêu chuẩn hóa. Điều này dẫn đến việc phân tích dữ liệu trở nên phức tạp và tốn thời gian.

2.2. Thiếu hụt thông tin và sự minh bạch trong quản lý

Nhiều thông tin quan trọng không được công khai hoặc không được cập nhật thường xuyên, gây khó khăn cho các nhà quản lý trong việc đưa ra quyết định chính xác và kịp thời.

III. Phương pháp xây dựng hệ thống trợ giúp ra quyết định hiệu quả

Để xây dựng một hệ thống trợ giúp ra quyết định hiệu quả, cần phải áp dụng các phương pháp hiện đại trong công nghệ thông tin. Việc thiết kế hệ thống cần phải dựa trên nhu cầu thực tế của người dùng và khả năng tích hợp dữ liệu từ nhiều nguồn khác nhau. Hệ thống cũng cần có khả năng xử lý dữ liệu lớn và cung cấp các báo cáo phân tích chi tiết.

3.1. Thiết kế kiến trúc hệ thống thông tin

Kiến trúc hệ thống cần được thiết kế sao cho dễ dàng mở rộng và tích hợp với các hệ thống khác. Việc sử dụng các công nghệ hiện đại như cloud computing sẽ giúp tối ưu hóa hiệu suất của hệ thống.

3.2. Phát triển kho dữ liệu tích hợp

Kho dữ liệu tích hợp là phần quan trọng trong hệ thống trợ giúp ra quyết định. Nó cần được xây dựng với cấu trúc rõ ràng, dễ dàng truy cập và cập nhật thông tin từ nhiều nguồn khác nhau.

IV. Ứng dụng thực tiễn của hệ thống trợ giúp ra quyết định trong nghiên cứu

Hệ thống trợ giúp ra quyết định đã được áp dụng thành công trong nhiều lĩnh vực nghiên cứu khoa học. Các nhà quản lý có thể sử dụng hệ thống này để theo dõi tiến độ thực hiện các đề tài, đánh giá hiệu quả và đưa ra quyết định kịp thời. Việc ứng dụng công nghệ thông tin trong quản lý nghiên cứu không chỉ giúp tiết kiệm thời gian mà còn nâng cao chất lượng nghiên cứu.

4.1. Các trường hợp thành công trong ứng dụng hệ thống

Nhiều đơn vị đã áp dụng hệ thống trợ giúp ra quyết định và đạt được những kết quả tích cực trong việc quản lý các đề tài nghiên cứu. Các trường hợp này cho thấy rõ ràng lợi ích của việc sử dụng công nghệ thông tin trong quản lý.

4.2. Đánh giá hiệu quả của hệ thống trong thực tiễn

Đánh giá hiệu quả của hệ thống cần dựa trên các tiêu chí cụ thể như thời gian ra quyết định, độ chính xác của thông tin và sự hài lòng của người dùng. Các nghiên cứu cho thấy hệ thống đã giúp cải thiện đáng kể hiệu quả công việc.

V. Kết luận và triển vọng tương lai của hệ thống trợ giúp ra quyết định

Hệ thống trợ giúp ra quyết định đang ngày càng trở nên quan trọng trong quản lý đề tài nghiên cứu khoa học. Với sự phát triển không ngừng của công nghệ thông tin, hệ thống này sẽ tiếp tục được cải tiến và mở rộng. Triển vọng tương lai cho thấy hệ thống sẽ đóng vai trò quan trọng trong việc nâng cao hiệu quả quản lý và thúc đẩy sự phát triển của nghiên cứu khoa học.

5.1. Xu hướng phát triển của công nghệ thông tin trong nghiên cứu

Công nghệ thông tin sẽ tiếp tục phát triển và mang lại nhiều cơ hội mới cho việc quản lý nghiên cứu. Việc áp dụng trí tuệ nhân tạo và học máy sẽ giúp hệ thống trở nên thông minh hơn.

5.2. Tương lai của hệ thống trợ giúp ra quyết định

Hệ thống trợ giúp ra quyết định sẽ ngày càng được cải tiến để đáp ứng nhu cầu ngày càng cao của các nhà quản lý. Việc tích hợp các công nghệ mới sẽ giúp nâng cao hiệu quả và độ chính xác của hệ thống.

Nội dung chính

Tổng quan nghiên cứu

Trong giai đoạn 1996–2010, Bộ Khoa học và Công nghệ đã triển khai nhiều chương trình tin học hóa quản lý nhà nước theo tinh thần Chỉ thị số 58-CT/TW và Nghị định số 64/2007/NĐ-CP. Tuy nhiên, công tác quản lý các chương trình, đề tài nghiên cứu khoa học và công nghệ tại các đơn vị trực thuộc vẫn gặp nhiều bất cập lớn về hạ tầng thông tin. Kết quả điều tra thực tế tại 29 đơn vị trực thuộc Bộ Khoa học và Công nghệ cho thấy hơn 85% cơ sở dữ liệu quản lý đề tài đang vận hành độc lập trên phần mềm Microsoft Access cục bộ tại từng máy trạm. Tình trạng này khiến trên 60% dữ liệu nghiên cứu bị phân mảnh, thiếu chuẩn hóa cấu trúc và không thể chia sẻ liên thông giữa các phòng ban.

Vấn đề nghiên cứu trọng tâm là giải quyết tình trạng thiếu hụt một công cụ tin học hóa cấp cao có khả năng tổng hợp dữ liệu đa chiều, phục vụ quá trình phê duyệt và thẩm định kế hoạch nghiên cứu. Mục tiêu cụ thể của luận văn là nghiên cứu, thiết kế và cài đặt thử nghiệm "Hệ thống trợ giúp ra quyết định phục vụ công tác quản lý các đề tài nghiên cứu khoa học và công nghệ của các đơn vị trực thuộc Bộ Khoa học và Công nghệ". Phạm vi nghiên cứu bao quát dữ liệu quản lý nhiệm vụ khoa học và công nghệ từ năm 1996 đến năm 2010 tại 29 đơn vị trực thuộc Bộ.

Ý nghĩa thực tiễn của công trình thể hiện qua việc giảm khoảng 70% thời gian tổng hợp báo cáo thủ công của chuyên viên, nâng cao 30% hiệu quả phân bổ ngân sách sự nghiệp khoa học hàng năm, đồng thời ngăn chặn triệt để tình trạng phê duyệt các đề tài có nội dung trùng lặp, hướng tới xây dựng thành công mô hình Bộ Khoa học và Công nghệ điện tử.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên 2 nền tảng lý thuyết cốt lõi trong ngành khoa học dữ liệu và hệ thống thông tin:

Thứ nhất là lý thuyết Hệ trợ giúp ra quyết định (Decision Support System - DSS). Luận văn kế thừa mô hình phân loại hệ hỗ trợ ra quyết định của Daniel Power, tập trung phát triển hệ hỗ trợ ra quyết định hướng dữ liệu (Data-driven DSS) kết hợp hướng mô hình (Model-driven DSS), cùng nguyên lý phân loại hệ thống theo mức độ tương tác của Haettenschwiler nhằm chuyển hóa dữ liệu tác nghiệp thô thành tri thức điều hành.

Thứ hai là lý thuyết Kho dữ liệu (Data Warehouse - DW) theo trường phái của Bill Inmon và công nghệ Xử lý phân tích trực tuyến (Online Analytical Processing - OLAP). Các khái niệm chính được áp dụng xuyên suốt bao gồm:

• Kho dữ liệu (Data Warehouse): Tập hợp dữ liệu tích hợp, hướng chủ đề, gắn liền với chuỗi thời gian lịch sử và bất biến, chuẩn hóa từ các hệ thống xử lý giao dịch trực tuyến (OLTP).
• Mô hình dữ liệu đa chiều (Multi-dimensional Data Model): Tổ chức dữ liệu dưới dạng các khối đa chiều (Data Cube) thông qua giản đồ hình sao (Star Schema) với bảng sự kiện trung tâm và các bảng chiều vệ tinh.
• Khung nhìn hiện thực hóa (Materialized Views): Kỹ thuật tiền tính toán và lưu trữ sẵn các bảng tóm tắt tổng hợp nhằm tăng tốc truy vấn phân tích.
• Các phép toán phân tích OLAP: Thực hiện linh hoạt các thao tác cuốn gộp (Roll-up), đào sâu chi tiết (Drill-down), cắt lát (Slice), kẻ ô (Dice) và xoay chiều dữ liệu (Pivot).

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu được thu thập toàn diện từ 29 đơn vị trực thuộc Bộ Khoa học và Công nghệ, bao gồm các văn bản thuyết minh nhiệm vụ, báo cáo tiến độ tài chính và hồ sơ nghiệm thu giai đoạn 1996–2010.

Phương pháp chọn mẫu là chọn mẫu phi xác suất có chủ đích toàn bộ 29 đơn vị thuộc khối quản lý nhà nước và khối đơn vị sự nghiệp trực thuộc Bộ nhằm đảm bảo độ bao phủ 100% thực trạng vận hành.

Phương pháp phân tích hệ thống có cấu trúc kết hợp mô hình xoắn ốc (Spiral Model) và kỹ thuật tạo bản mẫu (Prototyping) được lựa chọn làm phương pháp luận chủ đạo. Lý do lựa chọn mô hình xoắn ốc là khả năng chia nhỏ chu trình phát triển thành nhiều vòng lặp kế tiếp, giúp nhóm nghiên cứu liên tục đánh giá rủi ro, chuẩn hóa bảng mã tiếng Việt TCVN 6909-2000 (Unicode) và bàn giao từng phần phân hệ trên nền tảng Microsoft SQL Server 2005 Analysis Services và ASP.NET mà không làm gián đoạn nghiệp vụ tác nghiệp thường nhật.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích hiện trạng và triển khai thử nghiệm hệ thống đã mang lại 4 phát hiện quan trọng:

Thứ nhất, khảo sát thực trạng chỉ ra hơn 80% biểu mẫu quản lý đề tài tại 29 đơn vị chưa có chuẩn định danh chung, gây ra độ trễ thông tin từ 15 đến 30 ngày mỗi khi Lãnh đạo Bộ yêu cầu báo cáo tổng kết tình hình thực hiện nhiệm vụ theo giai đoạn 5 năm.

Thứ hai, nghiên cứu đã thiết kế hoàn chỉnh kiến trúc kho dữ liệu tập trung gồm 4 khối chức năng: khối nguồn dữ liệu tác nghiệp, khối tạo dựng kho dữ liệu, khối kho dữ liệu chuyên đề cục bộ (Data Marts) và khối truy nhập khai thác người dùng. Cấu trúc bảng sự kiện trung tâm DETAI_FT được liên kết trực tiếp với các bảng chiều phân cấp gồm đơn vị (DM_Office), chủ nhiệm đề tài (DM_Cdt) và chiều thời gian (Time Dimension).

Thứ ba, việc áp dụng công nghệ khối OLAP và thiết kế các Materialized Views đã cải thiện vượt bậc hiệu năng trích xuất thông tin. Tốc độ xử lý các câu truy vấn thống kê phức tạp trên tập dữ liệu hàng nghìn bản ghi giảm từ hơn 10 phút trên hệ cơ sở dữ liệu quan hệ xuống dưới 3 giây trên khối dữ liệu đa chiều, giúp tăng hơn 95% hiệu suất khai thác báo cáo.

Thứ tư, hệ thống đã số hóa và theo dõi chính xác 3 nguồn kinh phí thực hiện đề tài gồm: ngân sách sự nghiệp khoa học, nguồn tự có của cơ quan và nguồn huy động khác, cho phép phát hiện sớm các sai lệch giải ngân vượt ngưỡng 10% so với kế hoạch ban đầu.

Thảo luận kết quả

Hiệu năng vượt trội của hệ thống xuất phát từ việc tách biệt hoàn toàn môi trường phân tích dữ liệu đa chiều (OLAP) khỏi môi trường xử lý giao dịch trực tuyến (OLTP). Trong thực tế, các hệ thống OLTP truyền thống chỉ tối ưu cho các thao tác thêm, sửa, xóa với chuẩn 3NF, dẫn đến tình trạng nghẽn cổ chai và khóa bảng hàng loạt khi phải thực hiện các phép gom nhóm dữ liệu lớn. Ngược lại, giải pháp kho dữ liệu được xây dựng đã phi chuẩn hóa có kiểm soát qua giản đồ hình sao, giúp loại bỏ các phép kết nối bảng phức tạp.

So sánh với các mô hình triển khai tại Bộ Tài chính và Bộ Nông nghiệp và Phát triển nông thôn cùng thời kỳ, hệ thống của Bộ Khoa học và Công nghệ nổi bật nhờ khả năng hỗ trợ ra quyết định 3 cấp: kiểm tra trùng lặp tên/nội dung đề tài mới đăng ký; đánh giá năng lực chủ nhiệm và cơ quan chủ trì dựa trên lịch sử nghiệm thu 3 năm liên tiếp; và tự động gợi ý định mức cấp kinh phí cho năm tiếp theo.

Dữ liệu phân tích đa chiều trong hệ thống có thể được trực quan hóa sinh động thông qua bảng xoay 3 trục (Thời gian × Đơn vị × Lĩnh vực nghiên cứu) kết hợp cùng biểu đồ phân bố kinh phí dạng cột chồng, giúp các nhà quản lý nhận diện tức thì xu hướng dịch chuyển ngân sách và tình trạng chậm nghiệm thu của từng khối cơ quan.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, tác giả đề xuất 4 nhóm giải pháp chiến lược nhằm tối ưu hóa công tác quản lý đề tài khoa học và công nghệ:

1. Chuẩn hóa và đồng bộ hóa dữ liệu toàn diện: Bộ Khoa học và Công nghệ cùng Trung tâm Tin học cần ban hành quy chế bắt buộc về cấu trúc dữ liệu theo chuẩn TCVN 6909-2000, hoàn thành chuyển đổi 100% cơ sở dữ liệu từ Microsoft Access sang hệ quản trị cơ sở dữ liệu tập trung Microsoft SQL Server trong thời hạn 6 tháng.
2. Mở rộng các kho dữ liệu chuyên đề (Data Marts): Đơn vị quản trị kỹ thuật tiến hành xây dựng và tích hợp thêm 5 Data Mart chuyên sâu (bao gồm quản lý đề tài cấp Nhà nước, đề án khoa học xã hội, chuyên gia khoa học công nghệ, tài chính dự toán và dự án tăng cường trang thiết bị) trong lộ trình 12 tháng, nhằm nâng cao độ chính xác dự báo chỉ tiêu kế hoạch lên trên 95%.
3. Thiết lập quy trình tự động cảnh báo tiến độ và hậu kiểm: Ban Quản lý các chương trình khoa học và công nghệ triển khai các kịch bản OLAP tự động rà soát trùng lặp từ khóa thuyết minh và kích hoạt cảnh báo trễ hạn nghiệm thu trước 30 ngày, hướng đến mục tiêu giảm 100% tình trạng đề tài chậm tiến độ không rõ lý do.
4. Nâng cao năng lực bảo mật và đào tạo nhân sự: Vụ Tổ chức cán bộ phối hợp cùng Trung tâm Tin học tổ chức 4 khóa đào tạo khai thác hệ thống cho hơn 150 cán bộ quản lý, đồng thời thiết lập cơ chế xác thực đa tầng, phân quyền truy cập nghiêm ngặt và cài đặt hệ thống tường lửa hoàn chỉnh trong vòng 9 tháng.

Đối tượng nên tham khảo luận văn

Luận văn mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng chính:

1. Lãnh đạo và cán bộ quản lý khoa học tại các Bộ, ngành: Cung cấp khung phương pháp luận ra quyết định dựa trên dữ liệu, hỗ trợ xây dựng kịch bản phân bổ ngân sách nghiên cứu và giám sát minh bạch tiến độ thực hiện đề tài cấp bộ và cấp quốc gia.
2. Kỹ sư hệ thống thông tin và chuyên viên phân tích dữ liệu: Đóng vai trò là tài liệu hướng dẫn kỹ thuật chi tiết về thiết kế giản đồ hình sao, xây dựng bảng sự kiện DETAI_FT, cấu hình Microsoft SQL Server Analysis Services và tối ưu hóa truy vấn đa chiều bằng Materialized Views.
3. Học viên cao học và nghiên cứu sinh ngành Công nghệ thông tin: Nguồn tài liệu tham khảo chuẩn mực về tích hợp lý thuyết kho dữ liệu của Bill Inmon với bài toán chuyển đổi số trong khu vực hành chính công tại Việt Nam.
4. Chủ nhiệm đề tài và các viện nghiên cứu trực thuộc: Giúp nắm bắt tường tận các tiêu chí đánh giá định lượng, quy trình xét duyệt hồ sơ và cơ chế hậu kiểm tài chính mà cơ quan quản lý nhà nước áp dụng.

Câu hỏi thường gặp

Hệ thống trợ giúp ra quyết định trong luận văn khác gì so với phần mềm quản lý cơ sở dữ liệu thông thường?

Hệ thống quản lý thông thường (OLTP) chỉ xử lý các tác vụ thêm, sửa, xóa dữ liệu thô hàng ngày tại từng máy trạm riêng lẻ. Trong khi đó, hệ thống hỗ trợ ra quyết định (DSS) tích hợp kho dữ liệu tập trung và công nghệ OLAP, cho phép phân tích dữ liệu đa chiều lịch sử từ 29 đơn vị, đưa ra các kịch bản dự báo và tư vấn xét duyệt kinh phí chính xác cho nhà quản lý.

Tại sao nghiên cứu lại chọn mô hình giản đồ hình sao thay vì giản đồ tuyết rơi?

Giản đồ hình sao (Star Schema) kết nối trực tiếp các bảng chiều với bảng sự kiện trung tâm DETAI_FT mà không phân nhánh phức tạp như giản đồ tuyết rơi (Snowflake Schema). Cấu trúc này chấp nhận mức độ dư thừa dữ liệu tối thiểu nhưng giúp tối ưu hóa tối đa tốc độ truy vấn đa chiều, giảm thời gian xử lý báo cáo xuống dưới 3 giây.

Công nghệ OLAP hỗ trợ phát hiện trùng lặp đề tài khoa học như thế nào?

Khối OLAP liên kết các chiều thông tin về lĩnh vực nghiên cứu, từ khóa mục tiêu, tên chủ nhiệm và sản phẩm dự kiến tạo ra. Khi một đề tài mới được đăng ký, hệ thống sẽ tự động thực hiện các phép cắt lát (Slice) và kẻ ô (Dice) trên dữ liệu lịch sử 10 năm để đối soát, phát hiện ngay các nội dung tương đồng đã từng được cấp kinh phí.

Luận văn giải quyết bài toán bảo mật dữ liệu giữa 29 đơn vị trực thuộc ra sao?

Hệ thống thiết lập cơ chế bảo mật đa tầng trên Windows Server và Microsoft SQL Server 2005. Quyền truy cập được phân cấp chặt chẽ theo vai trò người dùng (chuyên viên đơn vị, cán bộ thẩm định, lãnh đạo bộ), kết hợp mã hóa dữ liệu đường truyền, bảo vệ qua tường lửa và lưu vết kiểm toán toàn bộ lịch sử truy vấn thông tin.

Hệ thống có thể mở rộng để tích hợp với các cơ sở dữ liệu ngoài Bộ Khoa học và Công nghệ không?

Hệ thống được thiết kế theo kiến trúc mở, tuân thủ bảng mã chuẩn Unicode TCVN 6909-2000 và giao thức web ASP.NET. Do đó, hệ thống hoàn toàn có khả năng mở rộng để tích hợp dữ liệu với các cơ sở dữ liệu khoa học công nghệ quốc gia, các trường đại học và viện nghiên cứu trên toàn quốc thông qua các cổng dữ liệu định dạng XML hoặc Web Services.

Kết luận

• Luận văn đã giải quyết triệt để bài toán phân mảnh dữ liệu tại 29 đơn vị trực thuộc Bộ Khoa học và Công nghệ bằng mô hình kho dữ liệu tập trung.
• Xây dựng thành công khối OLAP và giản đồ hình sao với bảng sự kiện DETAI_FT, rút ngắn thời gian xử lý truy vấn phân tích xuống dưới 3 giây.
• Thiết lập khung kịch bản trợ giúp ra quyết định 3 cấp: chống trùng lặp nhiệm vụ, đánh giá năng lực thực hiện và tối ưu hóa phân bổ kinh phí hàng năm.
• Đóng góp giải pháp công nghệ hoàn chỉnh kết hợp Microsoft SQL Server 2005 Analysis Services và giao diện web ASP.NET chuẩn TCVN 6909-2000.
• Đặt nền móng kỹ thuật vững chắc cho lộ trình 12 tháng tiếp theo nhằm mở rộng 5 Data Marts chuyên ngành, thúc đẩy xây dựng thành công Bộ Khoa học và Công nghệ điện tử (e-MOST).

Quý bạn đọc và các đơn vị nghiên cứu quan tâm có thể khai thác tài liệu luận văn đầy đủ để ứng dụng trực tiếp vào công tác tin học hóa quản lý khoa học tại cơ quan, đơn vị mình.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan; Chương 2: Phân tích, thiết kế hệ thống trợ giúp ra quyết định hỗ trợ quản lý hoạt động KH&CN; Chương 3: Xây dựng kho dữ liệu và giải pháp xử lý phân tích trực tuyến; Chương 4: Trích, chọn, nạp và xử lý dữ liệu; Kết luận; Tài liệu tham khảo. LUAN VAN CHAT LUONG download : add [e-mail] 15 CHƢƠNG 1. Hệ trợ giúp ra quyết định 1. Giới thiệu khái niệm hệ trợ giúp ra quyết định Hệ hỗ trợ ra quyết định cấu tạo từ một lớp các hệ thống thông tin dựa trên máy tính bao gồm các hệ thống dựa trên tri thức để hỗ trợ cho các hoạt động ra quyết định.

Hệ hỗ trợ quyết định là một lớp xác định các hệ thống thông tin được máy tính hoá hỗ trợ cho các hoạt động ra quyết định của tổ chức và doanh nghiệp. Hệ hỗ trợ quyết định được thiết kế hoàn hảo là hệ thống dựa trên phần mềm tương tác với mong muốn giúp đỡ những người ra quyết định chuyển các thông tin thông dụng từ các dữ liệu thô, các tài liệu, các tri thức cá nhân và/hoặc các mô hình doanh nghiệp để xác định và giải quyết vấn đề từ đó ra quyết định. Thông tin thông thường mà ứng dụng hỗ trợ ra quyết định có thể thu thập và trình diễn là: - Kho thông tin hiện thời (bao gồm các tài nguyên, các khối, các kho dữ liệu, các siêu dữ liệu có liên quan và hợp pháp). - Các kết quả của việc lựa chọn các quyết định khác nhau, những kinh nghiệm đã có được mô tả trong ngữ cảnh nhất định.

- Hệ hỗ trợ quyết định phụ thuộc vào môi trường trên nền tảng đa phương thức, bao gồm (nhưng không loại trừ) nghiên cứu cơ sở dữ liệu, trí tuệ nhân tạo, tương tác người máy, các phương pháp mô phỏng, công nghệ phần mềm và truyền thông. Phân loại hệ trợ giúp ra quyết định Các tác giả khác nhau đưa ra các cách phân loại khác nhau. Sử dụng mối liên kết với người dùng như một tiêu chí đánh giá, Haettenschwiler đã phân tách hệ hỗ trợ quyết định thành các loại: hệ hỗ trợ quyết định bị động, chủ động và kết hợp. Hệ bị động là hệ thống trợ giúp cho tiến trình ra quyết định nhưng không thể cung cấp giải pháp hay tư vấn rõ ràng cho quyết định.

Hệ chủ động có thể khắc phục được điều đó. Hệ kết hợp cho phép người ra quyết định sửa đổi, hoàn thành hay cải tiến những tư vấn quyết định do hệ thống cung cấp trước khi gửi đi kiểm tra. Sau khi hệ thống xem xét các thông tin của người ra quyết định gửi đến sẽ sửa đổi, bổ sung và gửi lại để người ra quyết định kiểm tra lần nữa. Quá trình trên sẽ lại được bắt đầu lại từ đầu cho tới khi đưa ra được các giải pháp thống nhất.

LUAN VAN CHAT LUONG download : add [e-mail] 16 Daniel Power cũng có cách phân loại khác cho hệ hỗ trợ quyết định. Sử dụng mô hình trợ giúp như tiêu chuẩn phân loại, Power phân chia hệ hỗ trợ quyết định thành hệ hỗ trợ quyết định hướng giao tiếp, hệ hỗ trợ quyết định hướng tài liệu, hệ hỗ trợ quyết định hướng tri thức và hệ hỗ trợ quyết định hướng mô hình: - Hệ hỗ trợ quyết định hướng mô hình (Model-driven DSS) tập trung vào truy nhập và thao tác trên mô hình thống kê, tài chính, tối ưu hoặc mô phỏng. Hệ hỗ trợ quyết định hướng mô hình sử dụng dữ liệu và các tham số do người dùng cung cấp để trợ giúp cho người ra quyết định trong việc phân tích tình huống, hệ thống này không cần phải có nhiều dữ liệu. - Hệ hỗ trợ quyết định hướng giao tiếp (Communication-driven DSS) hỗ trợ trong trường hợp nhiều người cùng làm 1 công việc, trong đó sử dụng các công cụ tích hợp như Microsoft's NetMeeting hay Groove.

- Hệ hỗ trợ quyết định hướng dữ liệu (Data-driven DSS hay Data-oriented DSS) tập trung vào truy nhập và thao tác trên dẫy dữ liệu nội bộ của công ty hoặc đôi khi là dữ liệu bên ngoài. - Hệ hỗ trợ quyết định hướng tài liệu (Document-driven DSS) quản lý, hiển thị và thao tác trên thông tin phi cấu trúc dưới các định dạng điện tử khác nhau - Hệ hỗ trợ quyết định hướng tri thức (Knowledge-driven DSS) cung cấp kinh nghiệp giải quyết vấn đề chuyên sâu đã được lưu trữ trong hệ thống như các sự kiện, các luật, thủ tục hoặc các cấu trúc tương tự. Sử dụng phạm vi như tiêu chuẩn phân loại, Power cũng phân hệ hỗ trợ quyết định thành hệ hỗ trợ quyết định mở rộng cho doanh nghiệp và hệ hỗ trợ quyết định thu gọn. Hệ hỗ trợ quyết định mở rộng cho doanh nghiệp liên kết đến những kho dữ liệu lớn và phục vụ cho các nhà quản lý trong doanh nghiệp.

Trong khi khi đó hệ hỗ trợ quyết định cho người dùng đơn (thu gọn) là hệ thống nhỏ hoạt động trong máy tính của từng người quản lý. Các thành phần cơ bản của hệ hỗ trợ ra quyết định Theo Power, qua lý thuyết chính thống và từ thực tế hệ hỗ trợ ra quyết định được xây dựng từ 4 thành phần chính: (a) Giao diện người dùng, (b) Cơ sở dữ liệu, (c) Các công cụ phân tích và xây dựng mô hình, (d) Cấu trúc hệ hỗ trợ ra quyết định và mạng. Còn Hättenschwiler định nghĩa 5 thành phần trong hệ hỗ trợ ra quyết định bao gồm: LUAN VAN CHAT LUONG download : add [e-mail] 17 (a) người dùng với các vai trò hoặc chức năng khác nhau trong tiến trình ra quyết định (người quyết định, người tư vấn, chuyên gia lĩnh vực, chuyên gia hệ thống, người thu thập dữ liệu); (b) một ngữ cảnh quyết định có thể định nghĩa và xác định; (c) một hệ thống đích mô tả các điểm chính của thành phần liên quan; (d) tri thức thu lượm từ các nguồn dữ liệu bên ngoài, các CSDL tri thức, CSDL công việc, các kho dữ liệu và siêu cơ sở dữ liệu, các mô hình và phương pháp tính toán, các thủ tục, các máy tìm kiếm, các chương trình quản trị và hệ thống báo cáo; (e) môi trường hoạt động để chuẩn bị, phân tích và xây dựng tài liệu cho các phiên bản quyết định. Theo Arakas dự kiến một cấu trúc chung có 5 thành phần (a) Hệ thống quản lý dữ liệu (b) Hệ thống quản lý mô hình (c) Máy tri thức (d) Giao diện người dùng (e) Người dùng 1.

Kho dữ liệu (DW) 1. Dữ liệu tác nghiệp Hệ thống OLTP cho phép các giao dịch thay đổi dữ liệu trong bảng (ví dụ bằng các lệnh insert, update, delete, join.) trong quá trình xử lý. Hệ thống cho phép nhiều ứng dụng truy cập dữ liệu cùng một thời gian. Các ứng dụng trên client bao gồm tất cả các loại ứng dụng như ngân hàng, bán vé trực tuyến, bán vé hàng không, thanh toán cước phí.

Sử dụng hệ thống OLTP có các ưu điểm sau: - Xử lý các tương tác. - Dễ bảo trì và khống chế dữ liệu thừa. - Thiết lập dữ liệu quan hệ trọn vẹn. - Tính hiệu quả cao.

- Giảm thời gian của khách hàng. Các CSDL trong các hệ OLTP thường được thiết kế thoả mãn 3NF (Third Normal Form) hoặc tốt hơn. Đặc điểm của hệ thống OLTP là nó lưu trữ các dữ liệu "thô", có nghĩa là mức độ tổng quát, trừu tượng của dữ liệu này rất thấp. Nói cách khác OLPT rất có ích để tìm trả lời những câu truy vấn dạng: Tổng sản LUAN VAN CHAT LUONG download : add [e-mail] 18 lượng sản phẩm X do công ty bán được trong 6 tháng đầu năm, mặt hàng nào bán chạy nhất tại địa phương Y trong tháng vừa qua.

Trong khi đó các nhà quản lý ở mức cao của công ty rất ít khi quan tâm đến những câu hỏi loại đó. Điều họ cần chú ý là những câu hỏi trừu tượng hơn như: Tiêu thụ A tại B đang giảm, nếu thay đổi 3%-5% giá của sản phẩm A tại khu vực B, tình trạng tiêu thụ sẽ thay đổi ra sao trong 6 tháng cuối năm và tại sao? Các hệ thống OLTP hiện nay trả lời rất tốt câu hỏi 1 bằng các công cụ của hệ CSDL quan hệ nhưng để tìm đáp án cho những câu hỏi dạng 2 là không đơn giản. Những yếu tố căn bản cản trở việc sử dụng dữ liệu của các hệ thống OLPT trong việc phân tích dữ liệu là: - Các số liệu ở mức quá chi tiết - Các số liệu được phân bố ở những hệ thống khác nhau, có các thủ tục truy cập khác nhau và ở những CSDL hoàn toàn khác nhau. - Các số liệu không được cập nhập cùng một chu kỳ dẫn đến sự mất đồng bộ.

- Việc tổ chức truy cập từ rất nhiều bảng dữ liệu khác nhau có ảnh hưởng xấu tới hiệu suất của các hệ thống vì mục đích của các hệ thống này là nhằm phục vụ các giao dịch trực tuyến. Trong môi trường thừa thãi số liệu, nhà phân tích không thể tìm ra cho mình thông tin cần thiết nhằm có được sự hiểu biết thấu đáo về những quá trình xảy ra xung quanh. Tình trạng số liệu quá chi tiết và không có được sự liên kết với nhau của các số liệu phản ánh các quá trình tương đối độc lập của một thực thể là lý do trực tiếp dẫn đến sự khủng hoảng này. Vì vậy, người ta đã đưa ra giải pháp tích hợp các hệ thống OLTP để tạo ra một hệ thống chứa đầy đủ thông tin.

Tuy nhiên giải pháp này có hai nhược điểm lớn: - Phải liên kết các hệ thống có xuất xứ khác nhau về phần cứng và phần mềm hệ thống. Các chương trình cần có sự thống nhất về định nghĩa dữ liệu cũng như phương pháp biểu diễn dữ liệu. Vấn đề này rất phức tạp thậm chí đối với các hệ thống có thiết kế phân tích tốt và hoàn toàn không khả thi đối với những hệ thống được mô tả kém. - Khi thực hiện các truy vấn để tạo báo cáo thường xuyên phải khoá rất nhiều bảng, cản trở sự truy xuất của nhân viên khai thác trong quá trình làm việc hàng ngày và làm ảnh hưởng trực tiếp đến khách hàng.

LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Khái niệm về kho dữ liệu Là một cách tiếp cận do B.Inmon đề xướng vào những năm 90 của thế kỷ trước. Đây là sự kết hợp của một số giải pháp kỹ thuật và được đặt tên là Data Warehoushing - kỹ thuật xây dựng các kho dữ liệu. Kho dữ liệu được định nghĩa như một tập hợp các phương tiện cho phép hình dung dữ liệu một cách tổng thể, hướng đối tượng để giúp cho việc phân tích và ra quyết định.