DSS决策支持系统.docx
《DSS决策支持系统.docx》由会员分享，可在线阅读，更多相关《DSS决策支持系统.docx（21页珍藏版）》请在冰豆网上搜索。
DSS决策支持系统
决策支持系统
管理的核心是“决策”。
全球经济一体化的进程以及信息技术的发展，消除了许多流通壁垒。
企业比以往任何时候都面临着更为复杂的生存环境，更难以形成并维护其竞争壁垒。
竞争的压力对企业制定决策的质量、速度都有更高要求。
决策支持系统作为一种新兴的信息技术，能够为企业提供各种决策信息以及许多商业问题的解决方案，从而减轻了管理者从事低层次信息处理和分析的负担，使得他们专注于最需要决策智慧和经验的工作，因此提高了决策的质量和效率。
现代企业的管理决策
一、管理和决策制定
60年代末，明茨伯格（Mintzberg）对5位总经理的工作进行一项仔细的研究。
他发现，管理者扮演着十种不同的但却是高度相关的角色。
这十种角色可以进一步分为三方面：
人际关系、信息传递和决策制定，如下表所示：
角色
描述
人际关系
名义首领
象征性的首领；必须履行许多法律性或社会性的例行义务
领导者
负责激励和动员下属；负责人员配备、培训和相关的职责
联络者
维护自行发展起来的外部接触和联系网络，向人们提供恩惠和信息
信息传递
监听者
寻求获取各种特定的信息（其中许多是即时的），以便透彻地了解组织与环境；作为组织内部和外部信息的神经中枢
传播者
将从外部人员和下级那里获得的信息传递给组织的其他成员-有些是关于事实的信息，有些是解释和综合组织的有影响的人物的各种价值观点。
发言人
向外界发布有关组织的计划、政策、行动、结果等信息；作为组织所在产业方面的专家
决策制定
企业家
寻求组织和环境中的机会，制定"改进方案"以发起变革，监督某些方案的策划
混乱的处理者
当组织面临重大的、意外的动乱时，负责采取补救行动
资源的分配者
负责分配组织的各种资源-事实上是批准所有重要的组织决策
谈判者
在主要的谈判中作为组织的代表
在这三方面中，决策制定是管理最核心、最实质性的角色。
所有的管理活动都围绕着决策。
决策的整体质量对企业的成败有重大影响。
二、现代企业决策的挑战
在过去许多年，管理者制定决策是一门纯粹的艺术，是通过很长一段时间的经验所获得的一项天赋。
管理之所以被看成一门艺术，是因为许多个体风格被用于处理并成功地解决了同一类型的管理问题。
这些风格源于创造力、判断力、直觉和经验，而不是建立在科学方法基础上的系统化的定量分析方法。
但是，今天管理所面临的外部环境正在发生迅速变化。
商业及其本身的环境也比以往更加复杂，而且这种复杂性日益增加。
这些都对现代企业的管理决策带来了新的挑战：
1.决策质量的要求更高
随着技术的迅速发展，客户获得产品和服务的渠道更为畅通，客户的选择余地更大。
同时大规模生产使得产品出现了供过于求的状态。
客户成为最稀缺的资源。
这迫使企业必须采取“以客户为中心”的经营策略，努力提高产品和服务的质量。
2.决策时要考虑的因素更复杂
随着经济全球化的趋势，尤其是中国加入WTO之后，无论是否愿意，企业都将面对全球的竞争者和全球范围的消费市场；随着环境的恶化、消费者权益意识的增强等，政府颁布了更详尽的法令和制度来约束企业的经营行为。
企业管理者在进行决策时需要考虑更多、更复杂的制约因素，
3.决策速度要求更快
随着通讯方式的发展、交通的便利以及金融体系的完善，企业更难以长久维持自己的竞争优势。
企业必须不断地创新，从以规模取胜转变到以速度取胜。
这些都要求管理者能够迅速做出正确的决策。
4.决策失败的代价更高
企业中采购、生产、销售和服务等方面的联系日益紧密，企业的整个运作系统更加复杂和精密。
某一环节的判断失误将产生链锁反应，造成企业重大的损失。
面对这些趋势和变化，管理者必须变得更加精明。
他们需要新的工具和技术来帮助他们制定有效的决策。
而传统的企业信息管理系统却不具备这样强大的分析功能。
这体现在：
1.分析工作量大
企业通常的运营系统只能提供面向交易的数据。
因此，许多管理者要花费80%的时间进行数据的分析，真正用于决策的时间只有20%。
而且对于许多大型企业，还必须为之配备庞大的专业分析队伍。
2.分析结果滞后
由于分析时间过长，经理们经常无法及时拿到所需的报表，因此贻误了许多商业机会。
3.无法按照商业习惯进行分析
传统的报表只能进行简单的汇总。
管理者有时为了分析一个关键的商业因素，不得不在一大堆打印的报表中前后翻阅，极不方便。
4.无法进行复杂的分析
管理者经常希望能综合多种因素来分析问题。
如，石油价格的上涨、物价指数的波动对企业各方面的影响；如果现在采取降价措施，本年度末公司的市场分额、销售额和赢利是否有所增长？
哪些客户对我们企业最关键，他们有什么特征，如何增加他们对我们企业的忠诚度？
等。
5.无法提供关键问题的解决方案
例如，对于大型零售企业，为了实现最高效率，如何在一个区域内设立自己的连锁店？
如何制定有效的预算计划和现金流计划？
如何防止客户的流失？
传统的信息技术都无法提供这些关键性问题的解决方案。
6.缺乏量化的衡定指标
随着企业规模的扩大和机构的日益复杂，管理者不能只依赖经验和直觉来评价企业的整体表现，必须借助一些关键的、量化的指标。
但通常的MIS系统无法做到这一点。
决策支持系统
一、决策支持系统的概念
目前没有普遍接受的决策支持系统（DecisionSupportSystem,以下简称DSS）的定义。
一个经典的定义是：
决策支持系统通过结合个人的智力资源和计算机的能力来改进决策的质量。
它是一个基于计算机的支持系统，服务于处理半结构化问题的管理决策制定者。
不同的人对决策支持系统有着不同的理解。
DSS可以广义地作为一个包罗众多的术语，用来描述任何在组织中支持决策制定的计算机化系统。
一个组织可能拥有一个为高层经理使用的经理信息系统，各种进行市场、财务、会计的DSS系统，生产中MRP系统，和一些用于维修诊断的专家系统。
企业采用DSS后可以感受到的收益有：
更高的决策质量、沟通的改进、成本的削减、生产率的提高、节约时间以及客户和员工满意度的改善。
这些可感受的收益与企业竞争的程度、行业特点、公司的规模以及DSS的用户友好性密切相关。
处于如下状况的企业会对DSS产生迫切需求：
-公司在一个不稳定的经济下运作
-公司面临国内和国外竞争的加剧
-公司在跟踪其大量业务操作时面临日益增加的困难。
-公司现存的计算机系统无法支持提高效率、收益率和进入可赢利市场等目标。
-信息系统部门无法致力解决公司需求的多样性或者管理上特别的查询；现行的系统不具备固有的商业分析功能。
二、现代企业的需要
由于现代企业管理所面临上述的种种挑战，企业的管理者迫切需要一种计算机化的决策支持系统。
虽然每个企业的状况和需求都不相同，但是共同的原因如下：
·快速的计算（Speedycomputation）
计算机允许决策制定者以很低的成本快速进行大量的计算（要知道高层管理者的人力成本非常之高）。
及时的决策在许多情况下非常关键，如股票交易、市场营销策略等。
·克服人在处理和存储上的限制
人的智力受制于人处理和存储信息的能力。
而且，人不可能无论何时，都能准确无误地回想起信息。
·认知极限
当需要许多不同的知识和信息时，个人解决问题的能力将受限制。
多集中几个人会有帮助，但是工作组中会产生协调和沟通的问题。
计算机系统能帮助人快速访问和处理大量存储的信息。
计算机还有助于减轻工作组中的协调和沟通。
·削减费用
聚集一组决策制定者，尤其是专家，将是代价高昂的。
计算机化的支持能削减小组的大小，并允许小组在异地相互交流（节省旅行费用），而且将提高支持人员的生产率（如财务或法律分析师），对于决策这些支持是必须的。
增加的生产率就意味着更低的成本。
·信息支持
通过计算机技术，管理者可以获得正确的、及时的和最新的信息来进行决策。
数据可能存储在组织的不同数据库中，还可能在组织之外。
数据可能包括声音和图象，必须从很远的位置迅速传输过来。
计算机能快速经济地查询、存储和传输需要的信息。
·质量支持
计算机能提高决策的质量。
例如，可以评价更多的备选方案，快速进行风险分析，以很低的代价迅速收集专家的意见（这些专家可能分散在各地）。
许多专业知识甚至可以直接由计算机系统导出。
利用计算机，决策制定者可以执行复杂的模拟，检查各种可能的情况，快速经济地评定不同的影响。
所有这些都将导致更好的决策。
·有助于业务流程重组和员工授权
竞争的压力使得制定决策的工作更困难。
竞争不仅仅在于价格，还在于质量、及时性、产品的定制以及对客户的支持。
组织必须迅速经常地改变它们的运作模式、重组它们的流程和结构、授权给员工并进行创新。
决策支持技术，如专家系统，使得欠缺知识的人也能作出良好的决策。
这样就可以进行有意义的授权。
决策支持系统还可用于业务流程重组中：
研究竞争者的活动、定制产品、优化生产流程等等。
三、决策支持系统的主要应用
企业根据自己的情况可以实施不同的DSS应用。
最主要的应用有：
1、销售支持：
每日按地区、部门、销售员和产品生成销售情况的汇总，给高级经理提供支持。
这些报告标识了丢失的业务、挽回的业务和新的业务。
根据需要还可以定制额外的周期报表，这些特殊的报表给经理提供了比较和趋势分析，有助于确定问题和机会。
DSS应用能够分析和评价以往产品的销售，以确定产品成功或失败的因素。
借助DSS，可以利用全公司的数据来推测一个决策所隐含的利润和收入。
2、客户分析和市场研究：
DSS应用可以利用统计工具来分析每天收集的交易数据，以确定各种类型客户的消费模式，然后采取相应的营销措施，从而实现最大的利润。
对于重点客户要提供更好的服务和更优惠的价格策略。
对于潜在客户要进行促销以争取。
对于易流失的客户要分析原因以挽回。
市场研究包括：
利用预测模型分析得出每种产品的增长模式，以便作出终止或者扩张某种产品的适当决定；企业品牌和形象的研究，以便提高企业和品牌的知名度和美誉度；分析客户满意度；市场规模和潜在规模的研究等。
3、财务分析：
按年、月、日或其它自定义周期来进行实际费用和花费的比较；审查过去现金流的趋势，并预测未来的现金需求量；复杂项目的预算计划和成本分摊；整合各分支机构的财务数据，形成正确、一致的财务报表。
4、运筹和战略计划：
基于资源和时间的限制，来确定最优的项目时间表；制定工厂每日的生产计划；确定大型连锁机构中分支网点的设立,如连锁店、加油站、通讯中继站等等；协助制定大规模资本投资计划，并计算投资风险。
5、企业分析：
为了达到组织的目标所必须考虑的因素被称为关键成功因子（CriticalSuccessFactor,CSF）。
CSF是企业级分析的焦点。
这样的因子可以是战略性的或者操作性的，主要从三个来源导出：
组织性因素、行业因素和环境因素。
关键性能指标（KeyPerformanceIndex,KPI）提供了CSF在公司层次上的度量。
典型的KPI见下表：
典型的关键性能指标
赢利能力
每个部门、产品和区域的赢利能力；部门之间、产品之间以及竞争者之间的比较。
财务
流动比率；现金储备情况；资产负债分析；投资汇报率。
市场
市场份额，广告分析，产品定价，每周（每天）的销售结果，客户的销售潜力。
人力资源
人员流动率，工作的满意度。
计划
销售增长/市场份额分析。
经济分析
市场趋势，对外贸易和汇率，行业趋势，劳动力成本趋势
消费者趋势
消费者的信心级别，购买习惯，人口数据
四、决策支持系统的组件
一个决策支持系统将包括如下典型的组件：
·数据管理子系统：
DSS的数据库通常包括在数据仓库中。
数据仓库是集成的、面向主题的数据库集合，它是用来支持决策支持功能的，其中每个数据单元都不随时间改变。
数据仓库的数据通常从内部和外部数据源中抽取。
内部数据主要来自于组织的交易处理系统。
外部数据包括行业数据、市场调查数据、人口普查数据、国家经济数据等。
·模型管理系统：
一个包含有财务、统计、运筹和其它定量模型的软件包，能够提供系统的分析能力和合适的软件管理能力。
在模型库中的模型可以分为战略性的、策略性的、运营性的等等。
·知识管理系统：
许多非结构化和半结构化的问题是如此的复杂以至于除过通常的DSS能力外，它们还需要特别的专业知识。
这些知识可以由专家系统或者其它智能系统提供。
因此，更高级的DSS系统还包含成为知识管理的组件。
·用户界面子系统：
用户与DSS应用之间的交流。
如交互式界面、报表打印。
为了实现组织内的信息共享，还应包括Intranet/internet的发布方式。
·用户：
用户可看作系统的一部分。
DSS的用户主要是企业各层次的管理者和商业分析人员。
企业决策支持系统的建设
一、决策支持系统的应用特点
如本文开篇所述，技术的发展、经济的全球化、商业环境的复杂化等等都给现代企业管理带来了巨大的挑战。
有挑战，也有机遇。
如果能够成功地建设企业自己的决策支持系统，提高企业的经营决策质量和效率，就能在竞争把握主动，争得先机。
在一个不断发展的市场经济环境下，各企业间在外部资源条件方面的差异将越来越小，真正的竞争优势将越来越集中于企业内部的知识和智力资源。
一个高效的、满足企业自身商业需要的决策支持系统，将会成为企业的核心竞争力。
作为企业用户，在考虑本企业决策支持系统的建设时要认识到如下几点：
·DSS是一个解决方案
DSS不是一种通用的产品，而是一个解决方案。
每个企业都要结合自身的状况、明确亟待解决的管理困难，然后进行决策支持系统的分析、设计、开发和实施，以真正满足企业管理决策的需要。
·先进的管理思想是DSS的灵魂
一个成功的DSS应用，应该融合了优秀的管理思想，能给企业提供分析和解决商业问题的有效的方法论。
DSS中所包含的计算机软硬件技术，则是将这种管理思想和方法论具体表现出来，从而让DSS的用户在使用过程中能够贯彻这种管理思想、实践这种方法论。
组织整体的管理绩效因此而得到提高。
这从另一角度说明，企业必须首先整合自己的管理思路，提升管理意识，明确通过DSS将实现的管理目标，才能开始DSS的实施。
·DSS的实施存在很高风险
DSS实施是复杂的，因为它不仅仅是搜集、处理和分发信息的信息系统，而且还可能显著地改变组织运作的方式。
DSS应用系统的成功最终取决于企业的使用效果，让管理者感受到投资带来的回报。
因此，DSS的实施除技术之外还包含着诸多人为因素。
每个企业的情况都是不同的，所以要做到具体问题具体分析。
这些人为的、组织的不确定性造成了DSS应用实施的高风险。
据国外统计，大约60-70%的人工智能项目都没有取得良好效果。
二、中国企业DSS应用的实施建议
中国企业在二十多年的改革开发过程中取得了飞速的发展，企业的规模不断扩大，产品更加丰富，产值和利润持续增长。
与此同时，涌现出一大批具有现代企业制度和先进管理意识的企业。
随着国内市场竞争的加剧和中国进入WTO，这些企业已经意识到通过IT技术来改善管理，提高竞争力。
它们将成为中国企业DSS应用的先行者。
对于中国企业DSS应用的实施，我们建议遵循总体规划、分步实施、迅速受益、不断完善的原则：
-首先要整合内部管理，总结出能保证企业持续取得成功的管理思想，然后在DSS的总体规划中要贯彻这些思想。
-应该建设出满足自身需要的系统，不必盲目地求大求新。
-分阶段实施。
要确保每部分都在管理上可控，降低风险。
-应该让企业尽快从中受益，看到投入的回报。
这样可以增加系统建设的信心。
-随着企业的业务发展和信息技术的发展，DSS应用需要不断地调整和完善。
智能决策支持系统
一、简介
智能决策支持系统（IDSS，IntelligenceDecisionSupportingSystem），是人工智能（AI，ArtificialIntelligence）和DSS相结合，应用专家系统（ES，ExpertSystem）技术，使DSS能够更充分地应用人类的知识，如关于决策问题的描述性知识，决策过程中的过程性知识，求解问题的推理性知识，通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。
IDSS的概念最早由Bonczek等人于80年代提出，它的功能是，既能处理定量问题，又能处理定性问题。
IDSS的核心思想是将AI与其它相关科学成果相结合，使DSS具有人工智能。
长期来信息系统的研究者以及技术人员不断研究和构建决策支持系统（DSS）。
DSS的大致发展历程是：
60年代后期，面向模型的DSS的诞生，标志着决策支持系统这门学科的开端；70年代，DSS的理论得到长足发展；80年代前期和中期，实现了金融规划系统以及群体决策支持系统（GroupDSS）。
80年代中期，通过将DDS与知识系统相结合，我们提出并实现了智能决策支持系统（IDSS）（参考:
史忠植:
知识工程）。
文献表明，在那以后开始出现了主管信息系统，联机分析处理（OLAP）以及商业智能。
90年代中期，发展基于Web的DSS成为了活跃的研究领域，并产生了广泛的影响。
1、IDSS的信息结构
把AI技术引人DSS，主要是通过专家系统与DSS相结合，在DSS系统中加入推理机和规则库。
由于在决策过程中，许多知识不能用数据来表示，也不能通过模型来描述，所以没有固定方式的专门知识和历史经验。
IDSS引人的规则库可以存储这些知识，为决策提供重要的参考和依据。
IDSS可以有多种类型的信息库：
文本库（TB）、数据库（DB）、方法库（AB）、模型库（MB）和规则库（RB）。
其中文本库存储的是大量的自然语言书写的文档；数据库中存放的是事物关键因素的字段形式；模型库中存放的是反映信息本质关系的各种模型；规则库存放的是知识的最精炼的形式。
从最初未加工的数据到经过加工的信息再到提炼出的知识，信息的这种演变关系被称为"演进链"。
2、IDSS的结构层次
依照系统层次的观点，IDSS从技术上可以划分为三个层次：
1）应用层，直接面向IDSS的使用者。
在该层，决策者可以根据自己的需要，确定IDSS的状态和约束。
决策者通过用户接口进行系统对话，输入相关信息，DSS则通过信息转换理解用户请求和命令，并进行系统推理运算，将结果通过输出界面反映给用户。
整个过程对用户是透明的。
2）控制协调层，面向IDSS的总设计师。
其基本单元是系统中心库的控制协调模块，系统工程师通过各库的标准接口来建立它们之间的联系。
3）基本结构层，面向专业程序设计人员。
专业程序设计人员通过该层对各库进行具体的实现，具体到定义各库的组织结构、通信方式等，以完成各库的内部管理和外部通信任务。
3、IDSS的特点
1）基于成熟的技术，容易构造出实用系统；
2）充分利用了各层次的信息资源；
3）基于规则的表达方式，使用户易于掌握使用；
4）具有很强的模块化特性，并且模块重用性好，系统的开发成本低；
5）系统的各部分组合灵活，可实现强大功能，并且易于维护；
6）系统可迅速采用先进的支撑技术，如AI技术等。
4、IDSS的运行效率
由于在IDSS的运行过程中，各模块要反复调用上层的桥梁，比起直接采用低层调用的方式，运行效率要低。
但是考虑到IDSS只是在高层管理者作重大决策时才运行，其运行频率与其他信息系统相比要低得多，况且每次运行的环境条件差异很大，所以牺牲部分的运传效率以换取系统维护的效率是完全值得的。
二、DSS分类
1.数据驱动的DSS
数据驱动的DSS是DSS的一种，强调以时间序列访问和操纵公司的内部数据也有时是外部数据。
通过查询和检索进行访问的简单的文件系统提供了最基本的功能。
数据仓库系统提供另外一些功能。
数据仓库系统允许采用应用于特定任务或设置的特制的计算工具或者较为通用的工具和算子来对数据进行操纵。
结合了联机分析处理（OLAP）的数据驱动DSS提供最高级的功能和决策支持，并且此类决策支持是基于大规模历史数据分析的。
主管信息系统（EIS）以及地理信息系统（GIS）属于专用的数据驱动DSS。
2.模型驱动的DSS
模型驱动的DSS强调对于模型的访问和操纵，比如，统计模型，金融模型，优化模型和/或仿真模型。
简单的统计和分析工具提供最基本的功能。
一些允许复杂的数据分析的联机分析处理系统（OLAP）可以分类为混合DSS系统，并且提供模型和数据的检索，以及数据摘要功能。
一般来说，模型驱动的DSS综合运用金融模型，仿真模型，优化模型或者多规格模型来提供决策支持。
模型驱动的DSS利用决策者提供的数据和参数来辅助决策者对于某种状况进行分析。
模型驱动的DSS通常不是数据密集型的，也就是说，模型驱动的DSS通常不需要很大规模的数据库。
模型驱动的DSS的早期版本被称作面向计算的DSS，Bonczek,Holsapple以及Whinston（1981）。
这类系统也称为面向模型或基于模型的决策支持系统。
3.知识驱动的DSS
知识驱动的DSS可以就采取何种行动向管理者提出建议或推荐。
这类DSS是具有解决问题的专门知识的人—机系统。
“专门知识”包括理解特定领域问题的“知识”，以及解决这些问题的“技能”。
与之相关的一个概念是数据挖掘——一类在数据库中搜寻隐藏模式的用于分析的应用程序。
数据挖掘通过对大量数据进行筛选，以产生数据内容之间的关联。
构建知识驱动的DSS的工具有时也称为智能决策支持方法（参见，史忠植，1988，Dhar和Stein,1997）。
4.基于Web的DSS
基于Web的DSS通过“瘦客户端”Web浏览器向管理者或商情分析者提供决策支持信息或者决策支持工具，浏览器包括可以访问全球网或公司内部网的诸如 NetscapeNavigator或者InternetExplorer。
运行DSS应用程序的服务器通过TCP/IP协议与用户计算机建立网络连接。
基于Web的DSS可以是通讯驱动，数据驱动，文件驱动，知识驱动，模型驱动，或者混合类型。
Web技术可用以实现任何种类和类型的DSS。
“基于Web”意味着全部的应用均采用Web技术实现。
“Web启动”意味着应用程序的关键部分，比如数据库，保存在遗留系统中，而应用程序可以通过基于Web的组件进行访问，并通过浏览器显示。
5.基于仿真的DSS
基于仿真的DSS可以提供决策支持信息和决策支持工具，以帮助管理者分析通过仿真形成的半结构化问题。
这些种类的系统全部称为决策支持系统。
DSS可以支持行动，金融管理，以及战略决策。
包括优化以及仿真等许多种类的模型均可应用于DSS。
6.基于GIS的DSS
基于GIS（地理信息系统）的DSS通过GIS向管理者或商情分析者提供决策支持信息或决策支持工具。
通用目标GIS工具是诸如ARC/INFO,MAPInfo以及ArcView这样一些程序，具有广泛的功能，但对于那些不熟悉GIS以及地图概念的用户来说，比较难于掌握。
特殊目标GIS工具是由GIS程序设计者编写的程序，以易用程序包的形式向用户组提供特殊功能。
以前，特殊目标GIS工具主要采用宏语言编写。
这种提供特殊目标GIS工具的方法要求每个用户都拥有一份主程序（ARC/INFO或者ArcView）的拷贝用以运行宏语言应用程序。
现在，GIS程序设计者拥有较从前丰富得多的工具集来进行应用程序开发。
程序设计库拥有交互映射以及空间分析功能的类，从而使得采用工业标准程序设计语言来开发特殊目标GIS工具成为可能，这类程序设计语言可以独立于主程序进行编译和运行（单机）。
同时，Internet开发工具已经走向成熟，能够开发出相当复杂的基于GIS的程序让用户通过WorldWideWeb进行使用。
7.通信驱动的DSS
通信
升级会员 