基于数据库技术的DSS的解决方案：

 

       数据仓库、OLAP和数据挖掘是作为三种独立的信息处理技术出现的。数据仓库用于数据的存储和组织，OLAP集中于数据的分析，数据挖掘则致力于知识的自动发现。它们都可以分别应用到信息系统的设计和实现中，以提高相应部分的处理能力。但是，由于这三种技术内在的联系性和互补性，将它们结合起来即是一种新的 DSS 架构， DW + OLAP + DM ————> DSS 的可行方案。这一架构义数据库中的大量数据为基础，其特点是：
       DW：     Data Warehouse                            数据仓库
       OLAP：  On-Line Analytical Processing       联机分析处理
       DM：     Data Mining                                   数据挖掘
       DSS：    Decision Support Systems             决策支持系统

从图中可以看出，联系分析处理和数据挖掘是数据仓库上的两类不同目的的数据增值操作。

    （1）在底层的数据库中保存了大量的事务级细节数据。这些数据是整个 DSS 系统的数据来源。

    （2）数据仓据对底层数据库中的事务级数据进行集成、转换、综合，重新组织成面向全局的数据视图，为 DSS 提供数据存储和组织的基础。

    （3）OLAP从数据仓库中的集成数据出发，构建面向分析的多维数据模型，再使用多维分析方法从多个不同的视角对多维数据进行分析、比较、分析活动从以前的方法驱动转向了数据驱动，分析方法和数据结构实现的分离。。联机分析工具是数据汇总/聚集工具，它提供切片、切块、下钻、上卷和旋转等数据分析操作，简化用户的数据分析工作。

    （4）数据挖掘以数据仓库和多维数据库中的大量数据为基础，自动地发现数据中的潜在模式，并以这些模式为基础自动地做出预测。数据挖掘表明知识就隐藏在日常积累下来的大量数据之中，仅靠复杂的算法和推理并不能发现知识，数据才是知识的真正源泉。,数据挖掘支持知识发现，包括找出隐藏的模式和关联，构造分析模型，进行分类和预测，并用可视化工具提供挖掘结果。数据分析工具和数据挖掘工具可以配合使用，由数据分析为数据挖掘提供预期的挖掘对象和目标，避免挖掘的盲目性。数据挖掘为AI技术指出了一条新的发展道路。