一、房地產投資決策支持系統?
房地產投資決策支持系統是將決策支持系統技術應用到房地產投資中,從而能有效地對房地產投資者進行輔助決策,提高決策的效率和準確性。?
(一)房地產投資決策支持系統的基本功能?
本系統分為房地產市場調查與預測、經濟評價、風險分析和可行性報告生成等四大模塊。通過房地產市場調查與預測模塊,用戶可以方便地了解到房地產市場的現狀以及國民經濟狀況,并能對將來房地產市場的發展情況做出一個大概的預測。通過經濟評價模塊可以對所投資項目做出準確的評估,從而判斷出此項目的盈利狀況。風險分析模塊可以對投資項目的風險作一個大體的分析,用戶通過對各個投資方案的經濟評價和風險的權衡,可以做出較為準確的判斷。可行性報告生成模塊則可以自動生成項目的可行性報告,用戶可以根據具體情況來添加可行性報告中的內容。?
(二)系統的基本結構?
在房地產投資中遇到的可變性因素非常多,再加上房地產投資本身所具有的高風險性,這就使得傳統的MIS系統不能滿足房地產投資決策的需要,只有使用決策支持系統才能有效地解決這一問題。但是傳統的決策支持系統也有著它的不足,不能很好的對房地產投資進行有效的輔助決策。因此,本系統借鑒了最近發展起來的決策支持系統的新技術,提出了一種新的房地產決策支持系統模型。?
數據倉庫、聯機分析處理、數據挖掘是決策支持系統發展中的新興技術,將這些技術引入到房地產決策支持系統中可增強系統的輔助決策功能。該系統的總體結構如圖1所示。?
其中,數據倉庫是為了決策支持的需要而在數據庫的基礎上發展起來的一項新技術。數據倉庫可將大量的用于事務處理的數據庫中的數據進行清理、抽取和轉換,按決策主體的需要重新進行組織。數據倉庫中的各種數據可以適應決策問題多樣性的要求,數據倉庫側重于對面向主題的數據的存儲和管理。聯機分析處理可以對數據倉庫中的大量數據進行分析,從中提取出有用的信息,從而起到輔助決策的作用。數據挖掘是從知識發現的概念中引申出來的,把數據挖掘技術應用到數據倉庫的分析可以有效地從數據倉庫中挖掘出有價值的東西,從而有利于輔助決策。
二、房地產投資決策系統的相關技術?
傳統的決策支持系統是利用數據庫、人機交互進行多模型的有機組合,輔助決策者實現科學決策的綜合集成系統。自從決策支持技術形成以來,在全世界得到了廣泛的應用,但是決策支持在發展中也遇到了一些問題,主要問題有以下幾個方面:(1)DSS使用的數據庫只能對原始數據進行一般的加工和匯總,而決策支持涉及大量歷史數據和半結構化問題,傳統的數據庫管理系統難以求解復雜的半結構,不能滿足DSS的需要;(2)決策支持系統以集成數據為基礎,然而現實中的數據往往分散管理且大多分布于異構的數據平臺,數據集成不易;(3)由于決策本身所涉及問題的動態性和復雜性,針對不同的情況應有不同的處理方法,而模型庫提供的分析能力有限,所得到的分析結果往往不盡如人意;(4)決策支持系統的建立需要對數據、模型、知識和接口進行集成。數據庫語言數值計算能力較低,因而采用數據庫管理技術建立決策支持系統知識表達和知識綜合能力比較薄弱,難以滿足人們日益提高的決策要求。?
數據倉庫、聯機分析處理和數據挖掘技術,給決策支持系統的發展注入了新的活力,數據倉庫、聯機分析處理和數據挖掘技術的出現,有利于解決上面傳統的決策支持系統所遇到的問題,為決策支持的發展提供了一條新的途徑。?
(一)數據倉庫(DW)技術?
信息系統中有兩種類型的數據:操作型數據和決策支持型數據。前者是由日常事務處理生成的,后者是把前者加工后(清理與集成)形成的。操作型數據服務于日常事務處理,決策支持型數據服務于信息增值。目前,理論界把存有決策支持型數據的系統稱為數據倉庫。當需要為決策部門提供及時、準確、詳細和可靠的風險信息時,海量數據的存儲與加工便成為首要問題,而這正是數據倉庫的專長。?
(二)聯機分析處理(OLAP)?
OLAP是一種決策分析工具,它是針對特定問題的聯機數據訪問和數據分析而產生的一種技術,它可以根據分析人員的要求,快速、靈活地對大量數據進行復雜地查詢處理,并以直觀的、易理解的形式將查詢結果提供給各種決策人員,從而得到高度歸納的信息。OLAP是基于數據倉庫的信息分析處理過程,是數據倉庫的用戶接口部分。通過OLAP這種獨立于數據倉庫的分析技術,決策者能靈活地掌握項目進度的數據,以多維的形式從多方面和多角度來觀察項目進度的狀態、了解項目進度的變化。OLAP技術分析方法有切片、鉆取、維度自由組合、圖標自由切換,并可形成表現友好、豐富的報表結果。?
(三) 數據挖掘(DM)技術?
數據挖掘可以稱為數據庫中的知識發現,是從大量數據中提取出可信、新穎有效并能被人理解的模式的高級處理過程,是數據庫技術、人工智能、神經網路、機器學習等領域的交叉學科。數據挖掘是一個過程,是從大型數據庫中抽取隱藏其中的可理解的可操作的信息,目的是幫助分析、決策人員尋找數據之間的關聯,發現被忽略的要素,而這些信息對于決策行為是至關重要的。?
數據挖掘常用的技術和算法有決策樹、神經網絡、概念樹、遺傳算法、模糊數學、統計分析、可視化技術、粗糙集、公式發現等。數據挖掘的作用是可以實現自動預測趨勢和行為、關聯分析、聚類等。數據倉庫、聯機分析處理、數據挖掘是作為三種獨立的信息處理技術出現的,但都是以解決決策支持分析問題為主要驅動力量發展起來的,具有一定的聯系性和互補性。其中數據倉庫用于數據的存儲和組織,聯機分析處理集中于數據的分析,數據挖掘則致力知識的自動發現。
