信息决策管理作业1.docx
《信息决策管理作业1.docx》由会员分享，可在线阅读，更多相关《信息决策管理作业1.docx（26页珍藏版）》请在冰豆网上搜索。
信息决策管理作业1
信息决策管理作业
班级：
物流082班
学号：
姓名：
王芬芬
指导：
王国华老师
2010年5月21日
一、决策支持系统概述
二、DSS的发展历史以及应用
三、决策支持系统的功能、特点、分类
四、决策支持系统的概念模式
五、决策支持系统的在企业经营管理中的应用
题目：
现在企业的经营管理中，常用的决策支持系统相关技术，现在应用在经营管理中的案例举例。
一、决策支持系统概述
1、1、决策支持系统的概念
决策支持系统（Decisionsupportsystem,简记为DSS），是20世纪70年代，由麻省理工学院M.S.ScottMorton首先提出来的。
目前DSS已经成为计算机应用领域中一个十分活跃的分支。
DSS是一种以计算机为辅助工具，应用决策科学及有关科学的理论与方法，以人机交互方式辅助决策者解决半结构化和非结构化决策问题技术的信息系统。
1、2、决策支持系统的结构、结构特征
★DSS的结构
DSS由若干部件按一定的结构组成，部件不同或结构不同会构成功能略有差异的DSS。
但各种DSS的结构都必须建立在某种概念模式之上。
DSS的概念模式反映DSS的形式及其与“真实系统”、人和外部环境的关系。
DSS概念模型的建立是开发中最初阶段的工作，它通过对决策问题与决策过程的系统分析来描述。
★、DSS的结构特征
①模型库及其管理系统；
②数据库及其管理系统；
③方法库及其管理系统；
④交互式计算机硬件及软件；
⑤对用户友好的建模语言;
1、3、决策支持系统的三个技术支撑层次以及三者之间的关系
从技术角度看，DSS具有专用DSS、DSS生成器与DSS工具等三个层次，它们面向不同的人员，起着不同的作用，三个层次相互间有着依托支撑的关系。
（1）、专用DSS：
是面向用户的能够提供决策支持功能的基于计算机的信息系统。
目前的DSS都是针对某一个或某一类特定的问题域的，因此专用DSS就是我们通称的DSS。
（2）、DSS生成器：
DSS生成器是一种能用来迅速和方便地研制构造专用DSS的计算机硬件和软件系统。
包括数据管理、模型管理和对话管理所需的技术以及能将它们有机地结合起来的接口。
通过DSS生成器可根据决策者的要求、决策问题域与决策环境等在较短的时间里生成一个专用的DSS
★较典型的DSS生成器实例有：
a.Execucom公司的IFPS（交互式财务计划系统）：
专门用于生成财务计划决策支持系统；
b.Boeing计算机服务公司的EIS（ExecutiveInformationSystem）；c.Tymshare公司的Express等。
这些具有数据管理、图像显示、财务和统计分析、风险分析和优化计算等多种功能。
（3）、DSS工具：
DSS工具是可用来构造专用DSS和DSS生成器的技术基础与基本硬件和软件单元。
★DSS工具的概念基于两点：
●不同的DSS在开发技术与构件上都有共性部分，如开发语言、结构框架、基本算法、输入输出程序等。
●从零点开始的DSS开发周期过长，与应用对象的变化不相适应。
★DSS工具的实例如：
1）净现值计算程序、
2）彩色图像工具、
3）线性规划软件包、
4）数据库查询软件、
5）风险分析功能等。
（4）、三者的关系
二、DSS的发展历史以及应用
2、1、DSS的发展
▪电子数据处理（ElectronicDataProcessing,EDP）阶段
▪管理信息系统（ManagementInformationSystem,MIS）阶段
▪决策支持系统（DecisionSupportSystem,DSS）阶段
▪1960年以前，孕育期，出现计算机数据处理系统，不能提供决策支持
▪1960-1970，萌芽期，出现MIS，对日常的决策提供部分支持，如IBM的COPICS系统
▪1970-1980，诞生期，DSS概念的提出（MIT，ScottMorton），有关的理论研究，出现了一些实用性系统。
▪1980-1990，发展期，出现EIS、IDSS、GDSS多个分支，决策支持过程细分（1981，1st）
▪1990-现在，成熟期，基于网络的DSS，DW，KMS等形式的新型DSS
2、2DSS的发展现状
2.3阻碍决策支持系统发展的关键技术问题
1980年,Sprague就曾提出了决策支持系统的三部件结构,即对话部件、数据部件（数据库DataBase和数据库管理系统DBMS）、模型部件（模型库MB和模型库管理系统MBMS）。
该结构明确了DSS的组成,也间接地反映了DSS的关键技术,即模型库管理系统、部件接口、系统综合集成。
1981年,Bonczak等又提出了DSS三系统结构,即语言系统（LS）、问题处理系统（PPS）、知识系统（KS）。
从这些系统总体架构的概括与设计思路看,开发一个实际的高性能DSS需要解决如下关键技术问题:
（1）模型库系统的设计和实现:
它包括模型库的组织结构、模型库管理系统的功能、模型库语言等方面的设计和实现。
（2）部件接口:
各部件之间的联系是通过接口模块完成的,部件接口包括:
①对数据部件的数据存取;
②对模型部件的模型调用和运行;
③对知识部件的知识推理。
（3）系统综合集成:
根据实际决策问题的要求,通过集成语言完成对各部件的有机综合,形成一个完整的系统。
模型库系统虽然已经不再是一个新概念、新技术,但它不同于数据库系统。
数据库系统有成熟的理论和产品,模型库系统还没有形成很成熟的产品工具,它需要系统开发者自己根据需要自行设计和开发。
这样就不可避免地阻碍了决策支持系统的发展。
决策支持系统需要对数据、模型、知识、交互四个部件进行集成。
目前,专家们公认的事实是,计算机语言的支持能力还相当有限,数值计算语言（如FOR2TRAN、Pascal、C等）不支持对数据库的操作,而数据库语言（如FoxPro、Oracle、Sybase等）的数值计算能力又很薄弱。
而决策支持系统既要进行数值计算又要进行数据库操作。
这个问题一直是决策支持系统发展的技术障碍,成为决策支持系统发展缓慢的主要原因。
另外,要提高决策支持系统的智能化水平和决策支持能力,还需要在其它一些相关技术上有所突破,如建模技术、系统快速原型开发技术、数据库仓库和数据挖掘技术、知识仓库技术、知识发现技术、知识析技术、知识描述技术、公式发现技术、智能代理技术、神经网络技术、可视化技术等等。
2、4决策支持系统的未来发展
从目前决策支持系统的发展及未来需求趋势来看,大致反映出了这样一些明显的发展动向:
（1）不断强化知识管理的功能,提升系统的知识管理与知识综合应用能力。
例如具有知识学习能力的IDSS的智能主要体现在系统能利用专家知识辅助决策,并能够随着决策环境的变化改变自己的行为,要求其知识处理系统能随环境变化学习新知识、更新知识库。
知识管理与应用则涉及到推理知识、描述知识和过程知识,从而支持问题求解过程。
另外,将知识管理理论与方法应用于DSS的实现中,可以实现专家经验（隐性知识）的分享,提高系统的决策支持水平与能力。
（2）日益强调多种数据、知识的综合、集成运用。
在技术不断更新的条件下,准确数据信息和高效率的工具是决策者以更低的成本、更加快捷的方式做出及时的科学决策的前提与保证。
因此,在DSS的设计与开发中充分考虑对众多数值数据资源、事实数据资源、先验知识、推理知识等的综合、集成运用,构建有丰富的数据仓库、机构知识仓储等,并配置和开发众多的数据挖掘和知识发现及分析工具。
丰富的资源基础保证了系统支持决策的效率与水平。
（3）在支持一般决策的基础上,引进和集成电子商务平台的功能,形成与电子商务的集成、融合发展的态势。
电子商务是信息时代和网络环境下越来越流行的一种商业运作模式,是商务电子化和信息化的结果。
电子商务的发展不仅强烈地冲击着传统的管理模式和商务运作模式,同时也产生了许多新的管理决策问题。
所以DSS的设计与开发越来越多地考虑电子商务这一重要应用背景,向决策者提供多种分析模型和多种分析角度,在市场-客户-产品等多种条件下进行多维度分析。
例如目前开发的基于Web的DSS和基于GIS的DSS都面向这类应用提供支持。
（4）不断谋求技术及应用上的突破,关注和重视对决策过程中的不确定信息的组织和处理。
尽管现代科学的认识是“世界是物质的,物质是运动的,运动是有规律的”,但是,在现实世界中还是普遍存在许多的不确定性。
为了有效地解决这类问题,专家们发展了“软计算方法”。
所谓软计算主要包括模糊逻辑、神经计算、概率推理、遗传算法、混沌系统、信任网络及其它学习理论。
现有的人工智能技术主要致力于以语言和符号来表达和模拟人类的智能行为,软计算方法则通过与传统的符号逻辑完全不同的方式,解决那些无法精确定义的问题决策、建模和控制。
软计算方法已在很多领域的决策问题中得到应用。
如王光远的不确定信息及其建模方法;任守榘等提出利用遗传算法实现处于混沌与湍流环境下具有重构自身的先进
制造系统的决策模式及其决策支持系统。
（5）系统功能的日臻完善,推动了DSS的应用向更广领域扩展。
DSS将不再仅仅是某些特殊人使用或特殊领域使用的工具,随着其功能的扩充,应用面将越来越广泛,将成为社会发展中任何决策者都可以使用的有效工具与手段。
（6）重视界面的设计与优化,提供越来越友好的客户端管理功能支持。
用户向系统输入参数或请求信息时,IDSS支持图形用户界面,客户端管理更加友好,同时系统的响应速度加快,维护和管理简化,系统的应用范围得到更大拓展。
总之,DSS是一个融多种学科知识和技术于一体的集成系统,随着管理理论、行为科学、心理学、人工科学等相关学科的不断发展,尤其是计算机技术、网络技术等现代信息技术的不断发展,DSS的应用研究将不断深入,逐步向着高智能化、高集成化和综合化方向发展,并将深入到社会生活的各个领域,成为人们决策活动中不可缺少的有力助手。
2、5、DSS与MIS的区别
DSS和MIS是计算机应用于管理工作的两种不同的发展阶段，MIS主要是以改进组织的效率为目标，DSS主要提高决策质量，改进决策的过程。
MIS
DSS
适用的任务
结构化
半结构化
主要收益
改善效率、减少成本、周转时间等
扩大决策者的决策能力，提高决策的有效性
对决策的支持
间接的
直接的
控制方式
人工干预趋于减少，让管理者使用事先规定的流程
以人机会话为主，在管理者控制之下的
系统驱动
数据驱动
模型驱动
…
…
…
2、6、DSS的商业应用
应用领域
使用DSS的例子
金融
风险投资公司采用DSS策划投资决策
财务
主管财务的经理使用DSS做公司财务预算
银行业
DSS可以帮助用户进行商业分期贷款项目审核
公司
企业高层管理者使用DSS进行公司战略规划
社会安全
政府安全部门用DSS进行危机事件处理
经济
经济计划部门使用DSS进行经济政策规划
军事
部队作战参谋部门使用DSS进行军事演习指挥
公安
公安部门用于设计警力配置和规划巡逻路线
环保
环保部门用来进行污染治理规划
个人
个人、家庭用来计算分期付款购买房产
★、DSS的商业应用（国外）
▪IBM公司开发了地理数据分析与显示系统GADS；利用GDSS进行决策分析
▪JandeWit公司开发了一个基于线性规划的DSS，在2000年，LP使收益增加了26%，且边际贡献率增加了32%
▪美国SimplanSystem公司开发的辅助战略规划DSS，即SIMPLAN
▪美国加州圣何塞市的警察巡逻任务部署系统
▪可口可乐公司的定价分析系统
▪美国EasternBank开发的用于支持有价证券投资决策、账目审核的OPMS
▪日本7-11的销售支持系统
★、DSS的商业应用（国内）
▪华中科技大学冯珊等开发的用于我国人口和经济发展战略规划及仿真的CDSS
▪中国人民大学开发的用于企业财务的DSS
▪西北工业大学王隆基等开发的用于企业产品生产计划的DSS
▪宋福根主持开发了大型《现代企业经营决策仿真》系列软件系统
▪神州数码税务决策支持系统解决方案
三、决策支持系统的功能、特点、分类
3.1、决策支持系统的功能
DSS的功能由系统结构所决定，不同结构的系统，功能不尽相同。
但总体上，DSS的功能可归纳为：
（1）、管理并随时提供与决策问题有关的组织内部信息，如订单要求、库存状况、生产能力与财务报表等。
（2）、收集、管理并提供与决策问题有关的组织外部信息，如政策法规、经济统计、市场行情、同行动态与科技进展等。
（3）、收集、管理并提供各项决策方案执行情况的反馈信息，如订单或合同执行进程、物料供应计划落实情况、生产计划完成情况等。
（4）、能以一定的方式存储和管理与决策问题有关的各种数学模型，如定价模型、库存控制模型与生产调度模型等。
（5）、能够存储并提供常用的数学方法及算法，如回归分析方法、线性规划、最短路径算法等。
（6）、使系统中的数据、模型与方法能容易地修改和添加，如数据模式的变更、模型的连接或修改、各种方法的修改等。
（7）、能灵活地运用模型与方法对数据进行加工、汇总、分析、预测，得出所需的综合信息与预测信息。
（8）、具有方便的人机会话和图像输出功能，能满足随机的数据查询要求，回答“如果……则”（What…if…）之类的问题。
（9）、提供良好的数据通信功能，以保证及时收集所需数据，并将加工结果传送给使用者。
（10）、具有使用者能忍受的加工速度与响应时间，不影响使用者的情绪。
3、2、决策支持系统的特征
★决策支持系统基本特征
①、关注上层管理人员经常遇到的结构化程度不高、说明不够充分的问题；
②、把模型或分析技术与传统的数据存取技术及检索技术结合起来；
③、易于为非计算机专业人员，以交互会话的方式使用；
④、强调对环境及用户决策方法改变的灵活性及适应性；
⑤、支持但不是替代高层决策者制定决策。
★、DSS的特性
▪辅助决策，而不是代替决策
▪使用大量的数据和多个模型
▪支持决策制定过程
▪为多个管理层次上的用户提供决策支持
▪用于半结构化、非结构化决策领域
▪通过人机交互接口为决策者提供辅助功能
▪辅助决策，而不是代替决策
▪使用大量的数据和多个模型
▪支持决策制定过程
▪为多个管理层次上的用户提供决策支持
▪用于半结构化、非结构化决策领域
▪通过人机交互接口为决策者提供辅助功能
3.4、决策支持系统的分类
自20世纪70年代提出决策支持系统（DSS）以来,DSS已经得到了很大发展。
从目前发展情况看,主要有如下几种决策支持系统:
（1）数据驱动的决策支持系统（Data–DrivenDSS）。
这种DSS强调以时间序列访问和操纵组织的内部数据,也有时是外部数据。
它通过查询和检索访问相关文件系统,提供了最基本的功能。
后来发展了数据仓库系统,又提供了另外一些功能。
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。
再后发展的结合了联机分析处理（OLAP）的数据驱动型DSS则提供更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型DSS。
（2）模型驱动的决策支持系统（Model–DrivenDSS）。
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。
这类系统有时也称为面向模型或基于模型的决策支持系统。
（3）知识驱动的决策支持系统（Knowledge–DrivenDSS）。
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工具———一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。
（4）基于Web的决策支持系统（Web–BasedDSS）。
基于Web的DSS通过“瘦客户端”Web浏览器（诸如NetscapeNavigator或者InternetExplorer）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。
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）基于仿真的决策支持系统（Simulation–BasedDSS）。
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的决策支持系统（GIS-BasedDSS）。
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,如ARC/INFO、MAPInfo以及Ar2cView等是一些有特定功能的程序,可以完成许多有用的操作,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（如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）通信驱动的决策支持系统（Communication-DrivenDSS）。
通信驱动型DSS强调通信、协作以及共享决策支持。
简单的公告板或者电子邮件就是最基本的功能。
组件比较FAQ（常见问题解答）定义诸如“构建共享交互式环境的软、硬件”,目的是支撑和扩大群体的行为。
组件是一个更广泛的概念———协作计算的子集。
通信驱动型DSS能够使两个或者更多的人互相通讯、共享信息以及协调他们的行为。
（8）基于数据仓库的决策支持系统（DataWare-BasedDSS）。
数据仓库是支持管理决策过程的、面向主题的、集成的、动态的、持久的数据集合。
它可将来自各个数据库的信息进行集成,从事物的历史和发展的角度来组织和存储数据,供用户进行数据分析并辅助决策,为决策者提供有用的决策支持信息与知识。
基于数据仓库理论与技术的DSS的主要研究课题包括:
①数据仓库（DW）技术在DSS系统开发中的应用以及基于DW的DSS的结构框架;②采用何种数据挖掘技术或知识发现方法来增强DSS的知识源;③DSS中的DW的数据组织与设计及DW管理系统的设计。
总的说来,基于DW的DSS的研究重点是如何利用DW及相关技术来发现知识并向用户解释和表达,为决策支持提供更有力的数据支持,有效地解决了传统DSS数据管理的诸多问题。
（9）群体决策支持系统（GroupDecisionSupportingSystem,简称GDSS）。
群体决策支持系统是指在系统环境中,多个决策参与者共同进行思想和信息的交流以寻找一个令人满意和可行的方案,但在决策过程中只由某个特定的人做出最终决策,并对决策结果负责。
它能够支持具有共同目标的决策群体求解半结构化的决策问题,有利于决策群体成员思维和能力的发挥,也可以阻止消极群体行为的产生,限制了小团体对群体决策活动的控制,有效地避免了个体决策的片
面性和可能出现的独断专行等弊端。
群体决策支持系统是一种混合型的DSS,允许多个用户使用不同的软件工具在工作组内协调工作。
群体支持工具的例子有:
音频会议、公告板和网络会议、文件共享、电子邮件、计算机支持的面对面会议软件以及交互电视等。
GDSS主要有四种类型:
决策室、局域决策网、传真会议和远程决策。
（10）分布式决策支持系统（DistributingDecisionSupportingSystem,简称DDSS）。
这类DSS是随着计算机技术、网络技术以及分布式数据库技术的发展与应用而发展起来的。
从架构上来说,DDSS是由地域上分布在不同地区或城市的若干个计算机系统所组成,其终端机与大型主机进行联网,利用大型计算机的语言和生成软件,而系统中的每台计算机上都有DSS,整个系统实行功能分布,决策者在个人终端机上利用人机交互,通过系统共同完成分析、判断,从而得到正确的决策。
DDSS的系统目标是把每个独立的决策者或决策组织看作一个独立的、物理上分离的信息处理节点,为这些节点提供个体支持、群体支持和组织支持。
它应能保证节点之间顺畅的交流,协调各个节点的操作,为节点及时传递所需的信息以及其它节点的决策结果,从而最终实现多个独立节点共同制定决策。
（11）智能决策支持系统（IntelligenceDecisionSup2portingSystem,简称IDSS）。
智能决策支持系统（IDSS）是人工智能（ArtificialIntelligence）和DSS相结合,应用专家系统（ExpertSystem）技术,使DSS能够更充分地应用人类的知识或智慧型知识,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等,并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的系统目标是:
将人工智能技术融于传统的DSS中,弥补DSS单纯依靠模型技术与数据处理技术,以及用户高度卷入可能出现意向性偏差的缺陷;通过人机交互方式支持决策过程,深化用户对复杂系统运行机制、发展规律乃至趋势走向的认识,并为决策过程中超越其认识极限的问题的处理要求提供适用技术手段]。
根据
升级会员 