行政法的论文：行政决策

实用文时间：2021-08-31 手机版

　　长久以来信息的不完备是影响管理者进行理性判断和决策的直接原因之一，而现有的数据库系统虽然可以高效地实现数据的录入、查询和部分统计等功能，但是无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势。因此，杭州市西湖区院为了在检察业务信息、队伍建设情况和综合行政事务方面辅助领导决策，建设应用行政决策辅助系统，将各科室以往分散的数据资源进行整合，并充分发挥电子政务平台的优势，通过系统提供的多种分析功能进行多角度、多层次的分析，将各类数据转化为院领导决策所需要的信息。它的实施使得行政决策者可以在广泛了解决策所需信息的前提下进行决策，避免了靠经验决策和决策信息不完备导致的决策的盲目性现象，从而提高了行政决策的科学性和合理性，支持与强化行政决策过程。

　　一、系统架构及技术分析

　　系统架构主要由数据仓库系统、模型库系统、知识库系统及可视化接口4部分构成。采用的关键技术是数据仓库技术(DW)、数据挖掘技术(DM)、在线分析处理技术(OLAP)。

　　(一)数据仓库的作用

　　电子政务的决策过程是一个从非结构化数据中抽取结构化信息，再提供非结构化决策分析结果的过程。因此，为了营造良好的电子政务决策数据环境，获得高质量的数据分析结果，建立适合政府决策的数据仓库系统是电子政务决策支持系统的关键环节，以确保政务系统中的'数据能够更好地发挥分析、决策的作用。这种数据仓库系统的功能要能向两个不同方向拓展，一是广度计算，二是深度计算。广度计算是使数据仓库系统的应用范围尽量扩大，能基本涵盖市级政府决策、服务的领域;深度计算使数据仓库系统克服了以往数据库简单数据操作处理(即事务处理)的缺点，对数据处理提出了更高的要求，使其能更多地参与政府对数据分析和决策的制定等工作。

　　(二)模型库系统的功能

　　模型库系统包括模型库及其管理系统，模型库是一个包含有财务、统计、运筹和其他定量模型的软件包，存放解决行政管理问题的经验模型，是为决策提供分析能力的部件，给予决策者通过推理、比较、选择来分析、预测和解答整个问题的能力。因此，研究一些决策支持模型，建立一个政府决策的模型库系统是完成系统的关键环节之一。这种模型库系统应具有以下两个特点，一是能实现多目标决策;二是能实现多领域、多部门、多用途的决策，即按经济内容来看应具有预测类模型、综合平衡模型、结构优化模型、经济控制类模型等，按决策活动来看应有规划模型、推理模型、分析模型、预测模型、评估模型等。

　　(三)知识库系统的功能

　　知识库系统包括知识库及知识库管理系统，其功能是对知识进行系统化组织与管理，存储、增加、删除、修改和查询知识，以及对知识进行一致性和完整性校验。知识库与数据库既有区别又有联系，从知识的逻辑表示观点来看，关系数据库是一种简单的知识库，数据库中的每一个关系是一个原子公式，即一个谓词，关系中的元组即是知识中的事实，因此利用关系数据库来建造知识库，就可以充分利用关系数据库管理系统的功能，便于知识库管理系统的设计与实现。

　　(四)可视化接口

　　可视化接口包括预测、分析、查询和维护等4个子系统。通过数据分析和预测工具对数据仓库中的数据进行多维分析、汇总，结果可以用二维表、饼图、折线图和直方图表示。

　　二、数据挖掘的技术工具和基本过程

　　数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘常用的技术有神经网络、决策树、遗传算法、近邻算法和规则推导等。数据挖掘常用的工具有：

　　第一，基于神经网络的工具。由于对非线性数据具有快速建模能力，神经网络很适合非线性数据和含噪声数据，所以在政府数据库的分析和建模方面可以应用。

　　第二，基于关联规则和决策树的工具。大部分数据挖掘工具采用规则发现或决策树分类技术来发现数据模式和规则，其核心是某种归纳算法。

　　第三，基于模糊逻辑的工具。其发现方法是应用模糊逻辑进行数据查询、排序等。

　　第四，综合多方法工具。不少数据挖掘工具采用了多种开采方法，这类工具一般规模较大，适用于大型数据库或者并行数据库。数据挖掘的基本过程包括数据准备、模型搜索、结果分析和生成报告。

　　数据准备：收集和净化来自数据源的信息并加以存储，将其放入数据仓库中。

　　模型搜索：利用数据挖掘工具在数据中查找模型，搜索过程可以由系统自动执行，也可以由用户参与执行。对于一个主题的搜索，可用神经网络、专家系统、统计方法等。

　　结果分析：一般地说，数据挖掘的搜索过程需要反复多次，因为当分析人员评价输出结果后，他们可能会发现一些偏差或一些新的问题，要求对某一方面做更精细的查询。

　　生成报告：根据分析结果，进行整理，形成分析报告。