对DSS的研究始于20世纪80年代，学术界曾提出了数据库、模型库和方法库三库的概念和方法，后来，又提出四库结构，增加知识库。许多论文对DSS的理论、系统结构及建立方法等做了论述和研究,从逻辑上将数据库、模型库、方法库和知识库分为三个空间：数据空间、用户空间、方法空间。随着各行各业竞争的日益激烈，企业对信息技术提供决策支持的要求越来越高。传统四库决策支持系统渐渐不能适应决策支持的需要。例如多数据源无法很好的集成，模型库和数据库的接口难以实现，人机界面不够友好，数据分析功能不强等。数据仓库、联机分析处理、数据挖掘技术是近年来发展的新的数据管理和分析技术，将这些技术应用于决策支持系统中，可以有效地解决传统决策支持系统所面临的问题。本文在分析了传统DSS的不足和缺陷后，引入数据仓库及相关技术，对基于数据仓库的DSS的体系结构作了研究和探讨，用OLAP对DSS用户空间作了改进设计，用DM中的决策树算法改进了DSS的方法空间，最后，以食品销售决策支持系统为例，对基于数据仓库的决策支持系统的实现问题作了尝试，，有效地改进了DSS的分析效率和质量。论文的主要工作为：◆深入分析了基于数据仓库的决策支持系统的体系结构。用数据仓库作为数据空间的主要组成部分，将OLAP用于用户空间，利用DM技术改进方法空间，并对三空间的联系和影响进行了分析，以突出其独特的性能优势。◆用OLAP重新设计用户空间，建立多维数据结构，在数据立方体的基础上设计用户多维视图，为用户提供切片、切块、旋转、上钻和下钻等操作方式，增强了人机交互接口的灵活性和适应性。◆将DM方法用于方法空间的设计，对传统的ID3决策树算法进行改进，将信息增益的计算方式与属性值的概率相结合，使其更具针对性。用改进后的决策树算法进行客户消费卡类型的分类和预测，实验结果表明，分类性能提高约10%。◆结合某食品销售公司的实际需求，设计了一个完整的基于数据仓库的DSS系统，对前述章节提及的方法和模型进行了应用性实验。结果表明，这种新型的DSS的方案是在技术上是可行的，效果是理想的。