1.一种数据分析决策方法，其特征在于，应用于大数据资源中心，所述方法包括：

响应于接收到的数据分析指令，采集目标业务资源大数据；

采用完成调试的专家决策系统模型对所述目标业务资源大数据进行资源事项要素知识挖掘，获得若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息；

结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告；

所述结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告，包括：结合所述若干个描述层面的事项需求决策向量进行第一关注维度调整，获得描述层面数小于未精简的描述层面数的第一关注维度调整后的事项需求决策向量；

结合所述第一关注维度调整后的事项需求决策向量进行第二关注维度调整，获得描述层面数等于未精简的描述层面数的第二关注维度调整后的事项需求决策向量；

结合所述第二关注维度调整后的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，确定关于所述目标业务资源大数据的资源需求识别报告；

所述专家决策系统模型包含用于处理资源需求识别环节的需求决策子模型；所述结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告，包括：结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息之间的设定运算结果，确定完成设定运算的事项需求决策向量；

将所述完成设定运算的事项需求决策向量加载至所述专家决策系统模型包含的需求决策子模型，获得所述需求决策子模型生成的所述资源需求识别报告。

2.根据权利要求1所述的方法，其特征在于，依据以下方式调试所述专家决策系统模型：

获取业务资源大数据示例以及针对所述业务资源大数据示例的资源需求识别参考，其中，所述资源需求识别参考用于反映对应业务资源大数据示例中的资源项目是否匹配携带业务需求类别的数据资源需求；

将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组，对所述待进行调试的专家决策系统模型进行不少于一次模型调试，获得完成调试的专家决策系统模型。

3.根据权利要求2所述的方法，其特征在于，所述专家决策系统模型包括要素知识挖掘子模型、偏心处理子模型、以及需求决策子模型；所述将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组，对所述待进行调试的专家决策系统模型进行不少于一次模型调试，包括：将所述业务资源大数据示例加载至所述专家决策系统模型包含的要素知识挖掘子模型，获得所述要素知识挖掘子模型生成的若干个描述层面的事项需求决策预测向量，并将所述要素知识挖掘子模型生成的若干个描述层面的事项需求决策预测向量加载至所述专家决策系统模型包含的偏心处理子模型，获得所述偏心处理子模型生成的对应各个描述层面的决策偏心系数信息；

结合所述若干个描述层面的事项需求决策预测向量以及对应各个描述层面的决策偏心系数信息之间的设定运算结果，获得完成设定运算的事项需求决策预测向量；

将所述完成设定运算的事项需求决策预测向量加载至所述专家决策系统模型包含的需求决策子模型，确定所述需求决策子模型的资源需求预测结果；

结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参考对所述待进行调试的专家决策系统模型进行不少于一次模型调试；

其中，所述专家决策系统模型包括输出不同显著性的若干个要素知识挖掘子模型、以及需求决策子模型；所述将所述业务资源大数据示例作为待进行调试的专家决策系统模型的模型调试原料，将针对所述业务资源大数据示例的资源需求识别参考作为所述待进行调试的专家决策系统模型的模型生成数据的对照组，对所述待进行调试的专家决策系统模型进行不少于一次模型调试，包括：将所述业务资源大数据示例加载至所述专家决策系统模型包含的若干个要素知识挖掘子模型，获得各个所述要素知识挖掘子模型生成的事项需求决策预测向量；从所述若干个要素知识挖掘子模型中筛选生成的显著性满足设定显著性要求的要素知识挖掘子模型；将所述要素知识挖掘子模型生成的事项需求决策预测向量加载至所述专家决策系统模型包含的需求决策子模型，获得所述需求决策子模型的资源需求预测结果；结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参考对所述待进行调试的专家决策系统模型进行不少于一次模型调试；

其中，所述结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参考对所述待进行调试的专家决策系统模型进行不少于一次模型调试，包括：结合所述资源需求预测结果以及针对所述业务资源大数据示例的资源需求识别参考之间的相似性，确定所述待进行调试的专家决策系统模型的模型代价指标值；借助所述模型代价指标值对所述待进行调试的专家决策系统模型进行不少于一次模型调试。

4.根据权利要求3所述的方法，其特征在于，所述借助所述模型代价指标值对所述待进行调试的专家决策系统模型进行不少于一次模型调试，包括：在当前次模型调试不满足调试循环结束要求的条件下，借助所述模型代价指标值对所述待进行调试的专家决策系统模型包含的要素知识挖掘子模型、偏心处理子模型、以及需求决策子模型中不少于一类的模型变量进行改进，并基于改进后的专家决策系统模型进行下一次模型调试，直到满足调试循环结束要求；

其中，依据以下方式获取针对所述业务资源大数据示例的资源需求识别参考：对获取的业务资源大数据示例进行业务需求挖掘，确定所述业务资源大数据示例中的资源项目所对应的业务需求主题；结合所述业务资源大数据示例中的资源项目所对应的业务需求主题，确定关于所述业务资源大数据示例的资源需求识别参考；

其中，所述对获取的业务资源大数据示例进行业务需求挖掘，确定所述业务资源大数据示例中的资源项目所对应的业务需求主题，包括：基于完成调试的资源使用意向挖掘模型对获取的业务资源大数据示例进行业务需求挖掘，确定从所述业务资源大数据示例中挖掘得到的各关注面的资源使用意向字段；

基于各关注面的资源使用意向字段确定所述业务资源大数据示例中的资源项目所对应的业务需求主题。

5.根据权利要求4所述的方法，其特征在于，所述目标业务资源大数据包含的相异的局部资源数据集对应不同描述层面的事项需求决策向量，事项需求决策向量反映的数据资源需求描述值与对应局部资源数据集所对应决策偏心系数信息反映的决策偏心系数值具有第一设定数值关系。

6.根据权利要求5所述的方法，其特征在于，不同描述层面的事项需求决策向量至少包括如下内容：资源使用意向字段、业务操作行为向量；其中，所述资源使用意向字段对应的决策偏心系数信息反映的决策偏心系数值与所述业务操作行为向量对应的决策偏心系数信息反映的决策偏心系数值之间具有第二设定数值关系。

7.一种数据分析决策系统，其特征在于，该系统包括相互之间通信的大数据资源中心和业务数据处理设备，所述大数据资源中心，用于：响应于接收到的数据分析指令，采集目标业务资源大数据；采用完成调试的专家决策系统模型对所述目标业务资源大数据进行资源事项要素知识挖掘，获得若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息；结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告；

所述结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告，包括：结合所述若干个描述层面的事项需求决策向量进行第一关注维度调整，获得描述层面数小于未精简的描述层面数的第一关注维度调整后的事项需求决策向量；

结合所述第一关注维度调整后的事项需求决策向量进行第二关注维度调整，获得描述层面数等于未精简的描述层面数的第二关注维度调整后的事项需求决策向量；

结合所述第二关注维度调整后的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，确定关于所述目标业务资源大数据的资源需求识别报告；

所述专家决策系统模型包含用于处理资源需求识别环节的需求决策子模型；所述结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息，获得针对所述目标业务资源大数据的资源需求识别报告，包括：结合所述若干个描述层面的事项需求决策向量以及对应各个描述层面的决策偏心系数信息之间的设定运算结果，确定完成设定运算的事项需求决策向量；

将所述完成设定运算的事项需求决策向量加载至所述专家决策系统模型包含的需求决策子模型，获得所述需求决策子模型生成的所述资源需求识别报告。

8.一种大数据资源中心，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述权利要求

1‑6任一项所述的方法。

9.一种服务器，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述权利要求1‑6任一项所述的方法。