论文部分内容阅读
【摘 要】管理信息系统MIS（Management Information System）是从20世纪60年代发展起来的。它既是一个理论研究领域又是一个实用领域，其理论和技术都在不断地发展之中。一般来说，可以将管理信息系统定义为：管理信息系统是一个基于管理科学理论，实用计算机、网络通信和信息处理技术的人、机系统，它通常具有以解决组织所面临的问题为目的;以数据库和数据处理为基础;能够向组织的各层次、各部门提供所需要的信息等特征[1]。
【关键词】管理信息系统;研究;提升
一、管理信息系统
目前，国内大部分高校都使用了一些科研管理系统，但或多或少的存在一些问题。如：安全性较差;或只在实现了科研信息的录入、查询，没有能够实现自动生成统计报表和经费报表等，或功能过于单一;或没有真正从科研管理人员的业务流程出发，为科研管理人员减轻工作负担，从而未能受到科研管理人员的欢迎等。
国内也有不少商业化软件在销售使用，但也存在这样那样的问题或不足，如：基本功能单一，对高校的科研管理需求不了解，不能满足高校科研管理的日常工作要求;或是通用型管理软件，应用面太广，但对高校科研管理的针对性不强，不能真正适应高校科研管理的需求;或系统过于复杂、庞大，对硬件要求高，开发成本高，使用成本高等。
基于以上情况，为便于科研管理部门内部及相关院系通过校园网进行连接，建立信息共享、互联互动的科研项目计划和奖励等申报、管理和推广的网络体系;同时提供多级科研项目管理模式，实现基层院系统与科研领导单位的科研项目同步管理，实现网络化信息共享和传递;為实现科研管理业务安全、高效、准确、快速的管理，提高业务管理水平。建立一套围绕信息共享、决策支持、网上办公的一站式科研管理系统势在必行。
二、决策支持
自70年代提出决策支持系统（DSS）以来，DSS已经得到了很大发展。它从管理信息系统（MIS）基础上发展而来。MIS是利用数据库技术实现各级管理者的管理业务，在计算机上进行各种事务处理工作。DSS则是要为各级管理者提供辅助决策的能力。
我国决策支持系统的研究开始于八十年代中期，其应用最广泛的领域是区域发展规划。大连理工大学、山西省自动化所和国际应用系统分析研究所合作完成了“山西省整体发展规划决策支持系统”。这是一个大型的决策支持系统，在我国起步较早，影响较大。随后大连理工大学、国防科研大学等单位又开发了多个区域发展规划的决策支持系统。天津大学信息与控制研究所创办的《决策与决策支持系统》刊物，对我国决策支持系统的发展起到了很大的推动作用。我国不少单位在智能决策支持系统的研制中也取得了显著成绩，如以中国科学院计算技术研究所史忠植研究员为首的课题组研制并完成的“智能决策系统开发平台DSDP”就是一个典型代表。湖南大学曾进行过“移动通讯企业人力资源管理决策支持系统”的研究。
三、数据挖掘
数据挖掘（Data Mining）是高级数据分析工具，是信息技术自然深化的结果，是应经济社会发展需要而生的。近年来数据挖掘是一个十分活跃的研究领域，其研究重点已从算法研究向具体应用过渡，被广泛的应用于各个领域并取得了丰硕的成果，单就我国当前的应用来看，尚处于萌芽阶段，企业大规模地运用数据挖掘技术尚不普遍。数据挖掘具有广泛的应用前景，其产生的知识可以用于决策支持、信息管理、科学研究等诸多领域，数据挖掘将成为引导信息时代新潮流的应用技术[2]。
目前，比较典型的数据挖掘的研究是关联规则挖掘、分类和预测、聚类、与数据仓库的集成技术研究、Web 数据挖掘、流数据挖掘。
关联规则挖掘给出了数据集中项之间的有趣的关系，是KDD研究中的一个重要分支。最早由R.Agrawal等人于1993年在SIGMOD93第一次提出这个概念以来，关联规则一直是众多学者的研究热点。现已发表的研究论文包括确定性关联规则的挖掘、量化关联规则的挖掘、增量式关联规则的挖掘、模糊关联规则的挖掘、广义关联规则的挖掘等。著名的关联规则发现算法是Apriori算法，多次迭代找出所有的频繁项目集。
国内第十六届数据库年会上有关关联规则挖掘的论文有近十篇，内容包括千兆规则的挖掘、包括正负属性的关联规则的挖掘、模糊关联规则的挖掘、关联规则挖掘的并行算法、关联规则挖掘的新抽样算法、广义关联规则挖掘等，并在基本关联规则的基础上提出了布尔型加权关联规则和广义模糊型加权关联规则算法。
与数据仓库的集成技术研究方面目前比较通用的对数据仓库的定义是W.H.Inmon在1996年提出的，他认为数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。数据仓库为数据挖掘提供了更广阔的活动空间。数据仓库完成了数据的收集、集成、存储、管理等工作，数据挖掘面对的是经初步加工的数据，使得数据挖掘能更专注于知识的发现。
国内在该领域的研究时间较短，相关的研究集中在简单介绍和一般系统的结构设计上。目前数据仓库的供应商很多，比较著名的有IBM、Oracle、Sybase、微软等。
与国外相比，国内对DMKD的研究稍晚，没有形成整体力量，1993年国家自然科学基金首次支持对该领域的研究项目。国内的许多科研单位和高等院校竞相开展知识发现的基础理论及其应用研究。如中国人民大学统计系数据挖掘中心、北京系统工程研究所对模糊方法在知识发现中的应用进行了较深入的研究，北京大学开展对数据立方体代数的研究。我国出版有关数据挖掘具有代表性的著作有：Han J.Kamber M.数据挖掘：概念与技术》等，具有代表性的论文主要有：朱世武《数据挖掘与其他技术比较》，赵黎明《基于数据挖掘的专利引文研究与知识发现》，张酷等《数据挖掘技术在CRM 中的应用》，《中国管理科学》2003年第1期;《统计与信息论坛》2002年刊登了中国人民大学统计学系数据挖掘中心关于数据挖掘理论和应用研究的系列论文6篇，这些著作和论文可供从事数据挖掘研究和应用者参考。
（作者单位：中国石油辽河油田分公司曙光采油厂地质研究所）
【关键词】管理信息系统;研究;提升
一、管理信息系统
目前，国内大部分高校都使用了一些科研管理系统，但或多或少的存在一些问题。如：安全性较差;或只在实现了科研信息的录入、查询，没有能够实现自动生成统计报表和经费报表等，或功能过于单一;或没有真正从科研管理人员的业务流程出发，为科研管理人员减轻工作负担，从而未能受到科研管理人员的欢迎等。
国内也有不少商业化软件在销售使用，但也存在这样那样的问题或不足，如：基本功能单一，对高校的科研管理需求不了解，不能满足高校科研管理的日常工作要求;或是通用型管理软件，应用面太广，但对高校科研管理的针对性不强，不能真正适应高校科研管理的需求;或系统过于复杂、庞大，对硬件要求高，开发成本高，使用成本高等。
基于以上情况，为便于科研管理部门内部及相关院系通过校园网进行连接，建立信息共享、互联互动的科研项目计划和奖励等申报、管理和推广的网络体系;同时提供多级科研项目管理模式，实现基层院系统与科研领导单位的科研项目同步管理，实现网络化信息共享和传递;為实现科研管理业务安全、高效、准确、快速的管理，提高业务管理水平。建立一套围绕信息共享、决策支持、网上办公的一站式科研管理系统势在必行。
二、决策支持
自70年代提出决策支持系统（DSS）以来，DSS已经得到了很大发展。它从管理信息系统（MIS）基础上发展而来。MIS是利用数据库技术实现各级管理者的管理业务，在计算机上进行各种事务处理工作。DSS则是要为各级管理者提供辅助决策的能力。
我国决策支持系统的研究开始于八十年代中期，其应用最广泛的领域是区域发展规划。大连理工大学、山西省自动化所和国际应用系统分析研究所合作完成了“山西省整体发展规划决策支持系统”。这是一个大型的决策支持系统，在我国起步较早，影响较大。随后大连理工大学、国防科研大学等单位又开发了多个区域发展规划的决策支持系统。天津大学信息与控制研究所创办的《决策与决策支持系统》刊物，对我国决策支持系统的发展起到了很大的推动作用。我国不少单位在智能决策支持系统的研制中也取得了显著成绩，如以中国科学院计算技术研究所史忠植研究员为首的课题组研制并完成的“智能决策系统开发平台DSDP”就是一个典型代表。湖南大学曾进行过“移动通讯企业人力资源管理决策支持系统”的研究。
三、数据挖掘
数据挖掘（Data Mining）是高级数据分析工具，是信息技术自然深化的结果，是应经济社会发展需要而生的。近年来数据挖掘是一个十分活跃的研究领域，其研究重点已从算法研究向具体应用过渡，被广泛的应用于各个领域并取得了丰硕的成果，单就我国当前的应用来看，尚处于萌芽阶段，企业大规模地运用数据挖掘技术尚不普遍。数据挖掘具有广泛的应用前景，其产生的知识可以用于决策支持、信息管理、科学研究等诸多领域，数据挖掘将成为引导信息时代新潮流的应用技术[2]。
目前，比较典型的数据挖掘的研究是关联规则挖掘、分类和预测、聚类、与数据仓库的集成技术研究、Web 数据挖掘、流数据挖掘。
关联规则挖掘给出了数据集中项之间的有趣的关系，是KDD研究中的一个重要分支。最早由R.Agrawal等人于1993年在SIGMOD93第一次提出这个概念以来，关联规则一直是众多学者的研究热点。现已发表的研究论文包括确定性关联规则的挖掘、量化关联规则的挖掘、增量式关联规则的挖掘、模糊关联规则的挖掘、广义关联规则的挖掘等。著名的关联规则发现算法是Apriori算法，多次迭代找出所有的频繁项目集。
国内第十六届数据库年会上有关关联规则挖掘的论文有近十篇，内容包括千兆规则的挖掘、包括正负属性的关联规则的挖掘、模糊关联规则的挖掘、关联规则挖掘的并行算法、关联规则挖掘的新抽样算法、广义关联规则挖掘等，并在基本关联规则的基础上提出了布尔型加权关联规则和广义模糊型加权关联规则算法。
与数据仓库的集成技术研究方面目前比较通用的对数据仓库的定义是W.H.Inmon在1996年提出的，他认为数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。数据仓库为数据挖掘提供了更广阔的活动空间。数据仓库完成了数据的收集、集成、存储、管理等工作，数据挖掘面对的是经初步加工的数据，使得数据挖掘能更专注于知识的发现。
国内在该领域的研究时间较短，相关的研究集中在简单介绍和一般系统的结构设计上。目前数据仓库的供应商很多，比较著名的有IBM、Oracle、Sybase、微软等。
与国外相比，国内对DMKD的研究稍晚，没有形成整体力量，1993年国家自然科学基金首次支持对该领域的研究项目。国内的许多科研单位和高等院校竞相开展知识发现的基础理论及其应用研究。如中国人民大学统计系数据挖掘中心、北京系统工程研究所对模糊方法在知识发现中的应用进行了较深入的研究，北京大学开展对数据立方体代数的研究。我国出版有关数据挖掘具有代表性的著作有：Han J.Kamber M.数据挖掘：概念与技术》等，具有代表性的论文主要有：朱世武《数据挖掘与其他技术比较》，赵黎明《基于数据挖掘的专利引文研究与知识发现》，张酷等《数据挖掘技术在CRM 中的应用》，《中国管理科学》2003年第1期;《统计与信息论坛》2002年刊登了中国人民大学统计学系数据挖掘中心关于数据挖掘理论和应用研究的系列论文6篇，这些著作和论文可供从事数据挖掘研究和应用者参考。
（作者单位：中国石油辽河油田分公司曙光采油厂地质研究所）