基于数据挖掘的技改项目管理和决策支持系统
基于大数据的建筑工程项目管理决策模型研究
基于大数据的建筑工程项目管理决策模型研究随着信息技术的迅猛发展和大数据时代的到来，大数据已经成为各个行业的重要资源和工具。
在建筑工程项目管理领域，大数据的应用也逐渐受到关注。
本文将探讨基于大数据的建筑工程项目管理决策模型的研究。
一、大数据在建筑工程项目管理中的应用在建筑工程项目管理中，大量的数据被生成和积累。
这些数据包括项目进度、成本、质量、安全等各个方面的信息。
传统的项目管理方法往往只能基于有限的数据进行决策，而无法全面了解项目的状态和趋势。
而大数据的应用可以帮助项目管理者更好地理解项目的全貌，从而做出更准确的决策。
首先，大数据可以用于项目风险管理。
通过对历史项目数据的分析，可以发现项目中的潜在风险，并提前采取相应的措施进行预防和应对。
例如，通过分析过去类似项目的成本、进度和质量数据，可以预测当前项目的风险水平，并制定相应的管理策略。
其次，大数据可以用于项目进度管理。
通过对项目中各个环节的数据进行分析，可以了解项目的进展情况，及时发现进度偏差，并采取相应的措施进行调整。
例如，通过对项目进度数据的实时监测和分析，可以发现进度滞后的原因，并及时调整资源和工作计划，以保证项目按时完成。
再次，大数据可以用于项目成本管理。
通过对项目成本数据的分析，可以了解项目的成本结构和成本变化趋势，从而制定合理的成本控制策略。
例如，通过对成本数据的分析，可以发现造成成本增加的主要原因，并采取相应的措施进行成本控制，以保证项目的经济效益。
最后，大数据可以用于项目质量管理。
通过对项目质量数据的分析，可以了解项目的质量状况和质量问题的分布情况，从而制定相应的质量改进措施。
例如，通过对质量数据的分析，可以发现质量问题的主要原因，并采取相应的措施进行质量改进，以提高项目的质量水平。
二、基于大数据的建筑工程项目管理决策模型的研究基于大数据的建筑工程项目管理决策模型是指利用大数据技术和方法，对建筑工程项目进行全面的数据分析和建模，以支持项目管理决策的制定和执行。
IT项目管理中的决策支持系统研究与应用
IT项目管理中的决策支持系统研究与应用随着信息技术的发展与应用，IT项目管理中的决策支持系统（Decision Support System，DSS）正变得越来越重要。
决策支持系统是一种利用计算机和信息技术来辅助管理者进行决策的软件工具集合。
在IT项目管理中，决策支持系统能够有效地帮助项目管理团队做出准确、明智的决策，实现项目的成功。
IT项目管理中的决策支持系统主要包括数据收集、分析和展示三个核心功能。
首先，数据收集是决策支持系统的基础。
项目管理涉及大量的数据，包括项目进度、成本、资源分配等。
决策支持系统可以通过集成各种数据源，自动收集和整理这些数据，形成可视化的项目数据报表。
这样的数据报表能够帮助管理者及时了解项目的进展情况和存在的问题，并为决策提供准确的数据支持。
其次，数据分析是决策支持系统的核心功能之一。
通过对项目数据的分析，决策支持系统可以帮助管理者发现潜在的问题和风险，及时进行调整和优化。
例如，通过对项目成本数据的分析，可以及时发现超支问题，并采取相应的措施进行控制；通过对项目进度数据的分析，可以判断项目是否按计划进行，并及时调整项目进度。
数据分析功能使项目管理团队能够快速准确地了解项目的整体状况，为决策提供科学依据。
最后，数据展示是以用户为中心的决策支持系统必备功能。
项目管理涉及多个相关方，需要向不同的利益相关者传递项目信息。
决策支持系统通过数据的可视化展示，能够将复杂的项目数据变得直观易懂，使各方能够更好地理解和参与项目决策。
数据展示功能还可以根据用户需求进行个性化配置，满足各个利益相关者对项目信息的不同关注点。
决策支持系统在IT项目管理中的应用是多样化的。
一方面，决策支持系统可以提供项目决策的辅助工具，帮助管理者根据数据分析结果做出更明智的决策。
例如，在项目风险管理中，决策支持系统可以根据历史数据和风险评估模型，为管理者提供关于项目风险的预测和应对建议，帮助管理者制定有效的风险管理策略。
大数据分析与决策支持系统研究
大数据分析与决策支持系统研究在信息技术高度发达的现代社会，大数据越来越成为企业决策的重要依据和支持系统。
大数据分析与决策支持系统的研究，涉及从庞杂的数据中提取有价值信息、建立模型和算法、进行数据分析和决策支持的全过程。
本文将通过对大数据分析与决策支持系统的研究进行深入探讨，探讨其理论基础和现实应用。
1. 大数据分析与决策支持系统的定义大数据分析与决策支持系统是利用数据挖掘、统计学、机器学习和模型建立等技术，对庞大的数据集进行分析，并提供决策支持的一种智能系统。
通过大数据分析和决策支持系统，可以从海量数据中发掘有价值的信息，为企业提供决策的科学依据。
2. 大数据分析与决策支持系统的流程大数据分析与决策支持系统的流程主要包括数据收集与存储、数据预处理、数据分析与挖掘、模型建立和决策支持。
（1）数据收集与存储：大数据分析与决策支持系统需要大量的数据作为分析的基础。
数据可以来自于企业内部的各类业务数据和外部的市场数据、社交媒体数据等。
数据的收集和存储是大数据分析与决策支持系统中的第一步，需要保证数据的准确性和完整性。
（2）数据预处理：由于大数据中包含了大量的噪声和冗余信息，需要进行数据预处理来清洗和转换数据。
数据预处理通常包括数据清洗、数据转换、数据集成和数据规约等工作，目的是提高数据的质量和可用性。
（3）数据分析与挖掘：在数据预处理之后，可以利用数据挖掘算法和统计模型进行数据分析和挖掘。
数据分析的目的是发现数据背后的隐藏规律和关联关系，提取有价值的信息。
数据挖掘算法可以帮助发现规律，并构建数据模型。
（4）模型建立：在数据分析的基础上，可以建立适合具体问题的模型。
模型建立通常涉及到机器学习、统计学和数学建模等技术，通过对数据的建模和训练来预测未来的趋势和结果。
（5）决策支持：最后一步是为企业的决策提供支持。
通过对数据的分析和建模，可以为企业提供决策的参考意见和推荐方案。
决策支持系统可以通过可视化等方式将分析结果和决策方案呈现给用户，并帮助用户做出合理的决策。
基于大数据的智能决策支持系统构建
基于大数据的智能决策支持系统构建随着互联网技术的迅速发展和普及，大数据的概念逐渐被广大人民群众所熟知。
大数据不仅涉及到海量数据的存储和处理，更重要的是对这些数据进行分析，从而从中获得一定的价值。
随着人们对数据应用的深入探索，不少产业也在转变自己的业务模式，这其中，智能决策支持系统更是处于风口浪尖之上。
以下，我将从基于大数据的智能决策支持系统构建的角度，阐述这项技术的实际应用与前景。
1. 系统框架在实现智能决策支持系统前，我们需要构建一个有机的框架。
这个框架应该由数据采集模块、数据处理模块、决策模型模块以及应用接口模块等四大部分组成。
数据采集模块：数据采集是决策支持系统的第一步。
大数据技术帮助我们获取了很多数据，但是这些数据并不是所有的数据。
采集的数据需要与企业的业务或战略息息相关，并且是可信的、可靠的、准确的，并且必须遵循个人信息保护的法律规定。
数据处理模块：数据处理模块是智能决策支持系统的核心部分，其主要工作是对原始数据进行清洗、过滤、去重、标准化和结构化处理。
数据清洗和标准化是数据处理的关键所在，是确保后续分析和建模的数据质量的重要保证。
决策模型模块：如今市场上已经涌现出很多机器学习、深度学习、自然语言处理、情感分析等先进技术，有了这些科学技术手段，我们可以从海量数据中提取有用的信息，并建立出更精准、更稳定和更高效的决策模型。
在这个模块中，我们可以采用交叉验证、模型融合、特征工程、优化调参等技术手段，提高模型的性能和鲁棒性。
应用接口模块：应用接口模块负责将输出的模型结果和可视化的数据，以图表、报表、仪表盘等形式展示在决策者面前。
具有友好的用户界面，并能根据需要进行度量、分析和生成应用报告。
2. 实际应用智能决策支持系统的实际应用范围非常广泛。
例如，采购管理领域，可以利用智能决策支持系统，整合供应链的数据，建立采购模型，从而提高采购效率，优化采购成本，保障采购质量等；在销售管理领域，能够根据客户的历史行为数据做出更准确的商业判断，进而推荐更适合的产品和服务，提升客户参与度和用户粘性。
系统集成项目建议书
系统集成项目建议书尊敬的领导：根据您的需求，我将为您撰写一份系统集成项目建议书。
下面是正文内容：一、项目背景随着信息技术的不断发展与应用，我公司近期计划进行一项系统集成项目，以提高公司的生产效率和管理水平。
本项目旨在整合并优化现有的各种信息系统，实现数据共享、业务流程优化和决策支持。
为此，我们向您提出以下建议。
二、项目目的与目标项目的总体目标是实现公司信息化管理的升级和智能化运营的提升。
具体目标如下：1. 整合系统：将现有的分散、孤立的信息系统进行整合，实现数据的集中管理和共享。
通过数据的一体化处理，有效减少数据冗余和误差，提升信息处理的准确性和效率。
2. 优化业务流程：通过系统的集成和优化，实现业务流程的自动化和标准化。
减少人工操作的繁琐性，提高工作效率和质量，并降低人为操作失误导致的风险。
3. 提升决策支持能力：通过整合各类业务数据，搭建数据仓库和决策支持系统，为管理层提供准确、实时、全面的数据分析和决策支持。
帮助领导层科学决策，提高对市场的敏锐度和应变能力。
三、项目内容与实施方案1. 系统整合：对现有的各类信息系统进行评估和整合，包括企业资源管理系统(ERP)、人力资源管理系统(HRMS)、客户关系管理系统(CRM)、供应链管理系统(SCM)等。
根据系统的功能和数据结构，通过接口和数据集成技术，将这些系统整合成一个统一的信息化平台。
2. 流程优化：对现有的业务流程进行识别、优化和重构，减少环节和流程中的重复操作和冗余环节。
通过业务流程管理(BPM)工具，实现业务流程的自动化和标准化，提升工作效率和质量。
3. 决策支持系统：搭建数据仓库和决策支持系统，集成各类业务数据，包括销售数据、财务数据、人力资源数据等。
通过数据分析、数据挖掘等技术手段，为管理层提供准确、及时的决策支持。
4. 技术支持与培训：在项目实施过程中，提供技术支持和培训，帮助员工尽快熟悉和掌握新系统的操作和使用。
确保系统的稳定运行和员工的积极参与。
管理决策支持系统
管理决策支持系统随着信息时代的到来，企业管理面临着越来越多的挑战和机遇。
为了适应市场的变化和优化决策，许多企业开始采用管理决策支持系统（Management Decision Support System, MDSS）来辅助管理层进行决策。
本文将介绍管理决策支持系统的定义、功能和应用，并探讨其在企业管理中的重要性。
一、管理决策支持系统的定义管理决策支持系统是指利用计算机技术和信息系统来提供有关决策的数据、模型和工具，以辅助管理者进行决策的系统。
它基于海量数据的积累和分析，通过数据挖掘、模型建立和智能算法等手段，为管理者提供准确、实时的决策依据。
二、管理决策支持系统的功能1. 数据整合和分析：管理决策支持系统能够自动从各个数据源中整合不同类型的数据，并进行多维度的分析。
通过对数据的挖掘，系统可以发现数据之间的关系和趋势，为管理者提供全面准确的信息。
2. 决策模型建立：管理决策支持系统可以基于历史数据和现有信息，建立各种决策模型，如线性规划模型、风险评估模型等。
这些模型可以帮助管理者定量地评估不同决策方案的效果和风险，并进行可行性分析。
3. 实时监控和预警：管理决策支持系统可以实时监控企业关键指标的动态变化，并根据设定的预警条件提供预警信息。
这样，管理者可以及时了解企业的运营情况，发现问题并采取相应措施，避免损失的发生。
4. 决策辅助工具：管理决策支持系统提供多种决策辅助工具，如数据可视化、报表生成和决策模拟等。
这些工具可以帮助管理者更直观地分析数据、生成报表和模拟决策情景，提升决策的准确性和效率。
三、管理决策支持系统的应用管理决策支持系统广泛应用于各个行业和领域，如金融、制造业、物流、零售等。
下面以金融行业为例，介绍管理决策支持系统的应用。
在金融行业，管理决策支持系统可以帮助银行和证券公司进行风险评估和资产配置。
系统可以通过对大量历史数据的分析，建立风险评估模型和资产配置模型，为机构投资者提供风险把控和投资决策的指导。
ai在建设项目管理中的应用
ai在建设项目管理中的应用AI在建设项目管理中的应用随着人工智能（AI）技术的快速发展，它在各个行业中的应用也越来越广泛。
在建设项目管理领域，AI的应用也逐渐成为趋势。
本文将探讨AI在建设项目管理中的应用，并分析其优势和挑战。
一、AI在建设项目管理中的应用1. 项目规划和设计：AI可以通过分析大量的项目数据和历史案例，辅助项目规划和设计过程。
它可以提供基于数据的决策支持，帮助项目经理预测项目风险、成本和时间，并优化项目计划。
2. 项目进度管理：AI可以通过自动化的进度管理系统，实时监控项目进展情况。
它可以分析项目进度数据，发现潜在的延迟风险，并提供相应的预警和调整建议。
同时，AI还可以通过自动化工具和算法，优化资源分配和任务分配，提高项目进度管理的效率和准确性。
3. 质量控制：AI可以通过图像识别和模式识别技术，对建设项目中的质量问题进行自动检测和识别。
它可以分析图像和数据，发现潜在的质量问题，并提供相应的解决方案和改进措施。
4. 风险管理：AI可以通过对项目数据和市场数据的分析，辅助项目经理进行风险管理。
它可以提供风险评估和预测模型，帮助项目经理识别和评估项目风险，并制定相应的风险应对策略。
5. 智能决策支持：AI可以通过分析大量的项目数据和业务数据，提供智能决策支持。
它可以通过机器学习和数据挖掘技术，发现项目管理中的潜在问题和优化机会，并提供相应的决策建议和方案。
二、AI在建设项目管理中的优势1. 提高效率：AI可以通过自动化和智能化的技术，提高项目管理的效率。
它可以减少人工操作和重复工作，提高数据分析和决策的速度和准确性。
2. 提升质量：AI可以通过自动化的质量控制系统，提升建设项目的质量水平。
它可以实时监测和识别质量问题，并及时采取措施进行改进和纠正。
3. 降低风险：AI可以通过风险管理和预测模型，降低项目的风险水平。
它可以发现潜在的风险因素，并提供相应的风险应对策略，减少项目失败的可能性。
决策支持系统教案
决策支持系统教案第一章：决策支持系统简介1.1 决策支持系统的概念解释决策支持系统的定义强调决策支持系统在组织中的重要性1.2 决策支持系统的发展历程介绍决策支持系统的发展历程强调决策支持系统的演变和进步1.3 决策支持系统的组成解释决策支持系统的核心组件强调数据、模型、用户界面和知识管理的重要性1.4 决策支持系统的应用领域介绍决策支持系统在不同领域的应用强调其在商业、医疗、教育和政府等领域的价值第二章：决策支持系统的需求分析2.1 决策支持系统的目标解释决策支持系统的目标强调用户需求和系统目标的一致性2.2 决策支持系统的用户需求分析决策支持系统的用户需求强调用户需求的重要性和收集方法2.3 决策支持系统的功能需求强调数据管理、模型应用和知识管理的重要性2.4 决策支持系统的性能需求分析决策支持系统的性能需求强调响应时间、准确性和可扩展性的重要性第三章：决策支持系统的数据管理3.1 决策支持系统的数据来源解释决策支持系统的数据来源强调内外部数据的重要性和整合方法3.2 决策支持系统的数据仓库介绍决策支持系统的数据仓库强调数据仓库的设计和维护方法3.3 决策支持系统的数据挖掘技术介绍决策支持系统的数据挖掘技术强调数据挖掘算法和应用方法3.4 决策支持系统的数据可视化介绍决策支持系统的数据可视化强调数据可视化的方法和工具第四章：决策支持系统的模型应用4.1 决策支持系统的模型类型解释决策支持系统的模型类型强调不同模型的特点和适用场景介绍决策支持系统的模型构建过程强调建模方法和技巧4.3 决策支持系统的模型评估介绍决策支持系统的模型评估方法强调评估指标和评估过程4.4 决策支持系统的模型优化介绍决策支持系统的模型优化方法强调模型优化的目标和技巧第五章：决策支持系统的用户界面设计5.1 决策支持系统的用户界面设计原则解释决策支持系统的用户界面设计原则强调用户体验和易用性的重要性5.2 决策支持系统的用户界面设计方法介绍决策支持系统的用户界面设计方法强调界面布局、颜色搭配和交互设计的方法5.3 决策支持系统的用户界面设计工具介绍决策支持系统的用户界面设计工具强调工具的功能和适用场景5.4 决策支持系统的用户界面评估与反馈介绍决策支持系统的用户界面评估与反馈方法强调用户反馈的重要性和持续改进的必要性第六章：决策支持系统的实施与部署6.1 决策支持系统的实施流程解释决策支持系统的实施流程强调项目规划、数据迁移和系统测试的重要性6.2 决策支持系统的部署策略介绍决策支持系统的部署策略强调云计算、移动设备和嵌入式系统的应用6.3 决策支持系统的安全与隐私保护讨论决策支持系统的安全与隐私保护问题强调数据加密、访问控制和用户身份验证的方法6.4 决策支持系统的维护与升级介绍决策支持系统的维护与升级策略强调定期评估和系统改进的必要性第七章：决策支持系统的应用案例分析7.1 决策支持系统在商业领域的应用案例分析决策支持系统在商业领域的应用案例强调市场需求分析、定价策略和风险管理的重要性7.2 决策支持系统在医疗领域的应用案例分析决策支持系统在医疗领域的应用案例强调疾病预测、资源分配和医疗决策的重要性7.3 决策支持系统在教育领域的应用案例分析决策支持系统在教育领域的应用案例强调学生performance分析、课程设计和教育决策的重要性7.4 决策支持系统在政府领域的应用案例分析决策支持系统在政府领域的应用案例强调公共政策分析、城市规划和应急管理的重要性第八章：决策支持系统的挑战与未来发展8.1 决策支持系统的挑战讨论决策支持系统面临的挑战强调数据质量、模型不确定性和用户采纳的问题8.2 决策支持系统的未来发展趋势探讨决策支持系统的未来发展趋势强调、大数据和云计算的影响8.3 决策支持系统的创新应用介绍决策支持系统的创新应用强调增强现实、虚拟现实和物联网的融合8.4 决策支持系统的教育与培训讨论决策支持系统的教育与培训的重要性强调持续学习和技能提升的必要性第九章：决策支持系统的案例研究9.1 成功案例研究：公司的决策支持系统分析公司的决策支持系统的成功要素强调系统设计、用户参与和持续改进的关键作用9.2 失败案例研究：公司的决策支持系统分析公司的决策支持系统的失败原因强调需求分析、项目管理和社会技术因素的重要性9.3 案例研究的启示与建议强调决策支持系统的实施策略和最佳实践9.4 决策支持系统的案例研究方法介绍决策支持系统的案例研究方法强调数据收集、分析和研究设计的技巧第十章：决策支持系统的评估与反馈机制10.1 决策支持系统的评估指标讨论决策支持系统的评估指标强调准确性、响应时间和用户满意度的重要性10.2 决策支持系统的评估方法介绍决策支持系统的评估方法强调定量评估、定性评估和用户反馈的方法10.3 决策支持系统的反馈机制介绍决策支持系统的反馈机制强调用户反馈、错误纠正和系统改进的流程10.4 决策支持系统的持续改进讨论决策支持系统的持续改进策略强调数据分析、用户培训和技术支持的重要性重点和难点解析一、决策支持系统的概念与重要性：理解决策支持系统的定义和其在组织中的作用是学习的基础。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
4中 2017年 第11期（总第565期）
【科技与管理】 Technology and Management
一、背景与研究意义
1.研究背景
现代社会是信息社会，企业如果不能充分利用先进的信息技术，将逐渐失去竞争优势，甚至被社会淘汰。
尽管获取的信息越来越多，甚至造成了信息超载，但是，由于多种原因，能被有效利用的信息却很少。
由于信息分散，很难迅速有效地找到所需数据。
因此，逐渐增加的信息与落后的信息管理系统之间的矛盾越来越突出，必须利用新的技术和手段来建立更强大的决策支持系统，为决策者及时提供信息和支持。
2.研究意义
由于原有的电力设备已无法满足需求，因此，除了要扩建变电站以外，还必须对原有技术、设施等进行改造，来进一步提高供应电力的能力。
在这一系列过程中，会有大量的信息，为了解决这一问题，基于数据挖掘的决策支持系统应运而生。
利用数据挖掘技术，就可以从冗杂的数据中发掘出有用的数据，实现高效、准确的管理。
近年来，电力行业的信息化程度 得到明显的提高。
二、数据挖掘与决策支持系统
1.数据挖掘的辅助决策作用
数据挖掘的过程类似于人类问题解决的过程，都需要进行不断的循环反复。
这里，从三个层次上来说数据挖掘的作用。
第一个层次，数据辅助决策。
它主要进行决策查询，来实现OLTP。
第二个层次，统计分析辅助决策。
第三个层次，发现知识辅助决策。
通过建立预测模型，从冗杂的信息中发现可供利用的数据，正是数据挖掘的内在涵义。
2.决策支持系统的建立
利用数据挖掘技术建立起来的决策支持系统主要由七部分组成。
第一部分，数据库。
第二部分，知识库。
第三部分，数据仓库。
第四部分，数据仓库管理模块。
第五部分，人机交换模式。
第六部分，数据挖掘工具。
包括查询检索工具等，可用于解决实际决策问题，以完成决策支持系统的相关要求。
第七部分，知识发现模块。
主要负责控制和管理知识发现过程。
三、电力部门技改项目DSS需求分析
系统设计的第一步就是需求分析，正确的需求分析是系统得以成功开发的重要保障。
进行需求分析之后，再利用数据挖掘等技术构造出系统的总体框架，使之为电力部门技改工作提供支持。
根据对实际情况进行调查，发现该系统主要实现以下四个功能。
第一，综合在线查询，综合在线查询主要负责对所有技改项目内容进行全面的查询。
主要包括项目总体概况查询、合同签订情况查询以及合同履行情况查询。
第二，自动化报表。
自动化报表可以解决以前工作量大、格式复杂且容易出现错误的问题。
为了实现报表的自动化，必须满足以下四个要求：一是通过设定条件，提取相关信息，利用相关工具，形成自助报表数据；二是生成和调用固定报表；三是万能组合报表。
自行生成任意组合的报表；四是万能组合查询，进行任意组合的查询。
第三，项目审计分析。
主要包括项目流程分析、资金结构分析和数据归档分析。
第四，综合智能分析。
其是整个电力部门技改项目决策支持系统的核心功能，可以大幅提高管理人员的工作效率以及决策的准确性。
四、系统的实现
系统的实现需要进行一系列分析、设计，完成对电力决策支持系统的设计，需要对系统的总体结构设计、各功能模块的实现以及关键技术进行探讨。
系统的实现基于数据仓库的实现，针对数据仓库的实现，要通过详细分析，从数据仓库的开发步骤、数据仓库的主题域以及数据仓库的设计等方面进行分析，提出实现方案。
该系统的实现还需要对电力部门技改项目决策支持系统的OLAP进行分析，从影响因素、技改项目分析和施工计划分析等方面进行分析，以实现多维决策分析。
此外，还需要对该系统进行软件实现。
五、结语
针对电力部门技术改造项目的管理，建立基于数据挖掘的决策支持系统，不仅能有效利用相关信息，为管理者提供决策支持，还增强了对技术改造项目进行管理的能力，使电力部门可以为人们提供更加优质的服务。
信息技术的发展为社会的进步做出了巨大的贡献，只有充分利用信息技术、不断升级，才能拥有绝对的竞争能力。
参考文献：
[1]马春艳,曲伟峰,化松收.基于数据仓库、OLAP和
数据挖掘的智能决策支持系统研究[J].无线互联科技,2013(3):132+154.
[2]刘宝龙.基于数据挖掘的决策支持系统分析研究[J].电子
技术与软件工程,2015(15):198.
[3]王连,徐顺.基于数据挖掘的决策支持系统及应用研究[J].
无线互联科技,2015(22):41-42.
（责任编辑：孙伟明）
基于数据挖掘的技改项目管理和
决策支持系统
王 超
（中航工业雷华电子技术研究所，江苏 无锡 214063）
摘 要：伴随着我国经济的不断发展和社会的不断进步，社会和居民的用电需求也不断增长，导致现有的设施已
经没有办法满足人们逐渐增长的需求。
在相关项目的技术改造过程中，积累了大量的信息和数据。
必须运用数据挖掘
技术，对这些信息进行有效的整合和利用，建立决策支持系统，为技改项目提供决策支持。
笔者从研究意义、数据挖
掘和决策支持系统、系统的需求分析以及系统的实现这几方面进行了探究，并进行了总结和展望。
希望通过笔者的探索，能为电力部门技术改造项目管理的决策与支持系统的建立提供相关支持。
关键词：数据挖掘；技改项目；决策支持系统
中图分类号：TP311.13 文献标志码：A 文章编号：1000-8772（2017）11-0130-01
收稿日期：2017-04-03
作者简介：王超（1987-），男，福建福州人，硕士研究生，工程师。
研究方向：投资、项目管理。
CHINESE & FOREIGN ENTREPRENEURS130。