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：

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(Decision Support System, 以下简称DSS)的定义。一个经典的定义是：

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(Speedy computation)

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(Critical Success Factor, 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(Key Performance Index, 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

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，Intelligence Decision Supporting System），是人工智能（AI，Artificial Intelligence）和DSS相结合，应用专家系统（ES，Expert System）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（Group DSS）。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 Netscape Navigator 或者Internet Explorer。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World Wide Web进行使用。

7. 通信驱动的DSS

通信驱动DSS强调通信、协作以及共享决策支持。简单的公告板或者线程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。群体决策支持系统或称GDSS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。

综合决策支持系统

一、决策支持系统的发展

1. 决策支持系统的兴起

自70年代提出决策支持系统(DSS)以来，DSS已经得到了很大发展。它是在管理信息系统(MIS)基础上发展起来的。

MIS是利用数据库技术实现各级管理者的管理业务，在计算机上进行各种事务处理工作。DSS则是要为各级管理者提供辅助决策的能力。

1980年Sprague提出了决策支持系统三部件结构，即对话部件、数据部件(数据库DB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。它为DSS的发展起到了很大的推动作用。

1981年Bonczak等提出了DSS三系统结构，即语言系统(LS)、问题处理系统(PPS)、知识系统(KS)。该结构在"问题处理系统"和"知识系统"上具有特色，并在一定范围内有其影响，但它与人工智能的专家系统(ES)容易混淆。

决策支持系统主要是以模型库系统为主体，通过定量分析进行辅助决策。其模型库中的模型已经由数学模型扩大到数据处理模型、图形模型等多种形式，可以概括为广义模型。决策支持系统的本质是将多个广义模型有机组合起来，对数据库中的数据进行处理而形成决策问题大模型。决策支持系统的辅助决策能力从运筹学、管理科学的单模型辅助决策发展到多模型综合决策，使辅助决策能力上了一个新台阶

80年代末90年代初，决策支持系统与专家系统结合起来，形成了智能决策支持系统(IDSS)。专家系统是定性分析辅助决策，它和以定量分析辅助决策的决策支持系统结合，进一步提高了辅助决策能力。智能决策支持系统是决策支持系统发展的一个新阶段。

2. 智能决策支持系统的关键技术

开发一个实际的IDSS需要解决如下关键技术:

(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。

模型库系统是一个新概念、新技术，它不同于数据库系统。数据库系统有成熟的理论和产品，模型库系统则没有，它需要研制者自己设计和开发。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，计算机语言的支持能力有限，数值计算语言(如FORTRAN、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。决策支持系统既要进行数值计算又要进行数据库操作。这个问题再一次为决策支持系统的发展带来障碍。

真正的决策支持系统都是自行解决了上述困难后研制出来的，这需要付出较大的代价。因此，它们成为决策支持系统发展缓慢的主要原因。

二、数据仓库和OLAP的决策支持技术

数据仓库和OLAP是90年代初提出的概念，到90年代中期已经形成潮流。在美国，数据仓库已成为仅次于Internet

之后的又一技术热点。数据仓库是市场激烈竞争的产物，它的目标是达到有效的决策支持。大型企业几乎都建立或计划建立自己的数据仓库，数据库厂商也纷纷推出自己的数据仓库软件。目前，已建立和使用的数据仓库应用系统都取得了明显的经济效益，在市场竞争中显示了强劲的活力。

数据仓库将大量用于事务处理的传统数据库数据进行清理、抽取和转换，并按决策主题的需要进行重新组织。数据仓库的逻辑结构可分为近期基本数据层、历史数据层和综合数据层(其中综合数据是为决策服务的)。数据仓库的物理结构一般采用星型结构的关系数据库。星型结构由事实表和维表组成，多个维表之间形成多维数据结构。星型结构的数据体现了空间的多维立方体。这种高度集中的数据为各种不同决策需求提供了有用的分析基础。

随着数据仓库的发展，OLAP也得到了迅猛的发展。数据仓库侧重于存储和管理面向决策主题的数据；而OLAP则侧重于数据仓库中的数据分析，并将其转换成辅助决策信息。OLAP的一个重要特点是多维数据分析，这与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。OLAP技术中比较典型的应用是对多维数据的切片和切块、钻取、旋转等，它便于使用者从不同角度提取有关数据。OLAP技术还能够利用分析过程对数据进行深入分析和加工。例如，关键指标数据常常用代数方程进行处理，更复杂的分析则需要建立模型进行计算。

以数据仓库和OLAP相结合建立的辅助决策系统是决策支持系统的新形式。Business Object(BO)推出的智能决策支持系统工具BO**是以OLAP技术为主体的、集查询和报表为一体的决策支持系统开发工具。该工具的一个重要特点是提出了"语义层"和"语义动态对象"的概念。语义层是将数据库中的列(字段)按决策主题重组为面向用户的对象，对象可以是数据库中的表、列、连接(多字段组合)以及对多字段进行运算的表达式。语义动态对象是对已经定义的语义层对象进行任意组合后形成决策需要的新表，并将表中的数据以可视化的方式在屏幕上显示或以报表的形式打印出来。

OLAP技术是对由语义动态对象建立的、以动态微立方结构形式存储的表进行向下钻取、向上钻取、跨越钻取、切片和切块等操作。BO**的网络版使用户能够在网上通过浏览器查看或下载BO报表。

三、综合决策支持系统

以模型库为主体的决策支持系统已经发展了十几年，它对计算机辅助决策起到了很大的推动作用。数据仓库和OLAP 新技术为决策支持系统开辟了新途径。数据仓库与OLAP都是数据驱动的。这些新技术和传统的模型库对决策的支持是两种不同的形式，它们可以相互补充。在OLAP中加入模型库，将会极大提高OLAP的分析能力。

90年代中期从人工智能、机器学习中发展起来的数据开采，是从数据库、数据仓库中挖掘有用的知识，其知识的形式有产生式规则、决策树、数据集、公式等。对知识的推理即形成智能模型，它是以定性分析方式辅助决策的。

数据开采的方法和技术包括决策树方法、神经网络方法、覆盖正例排斥反例方法、粗集方法、概念树方法、遗传算法、公式发现、统计分析方法、模糊论方法、可视化技术。

把数据仓库、OLAP、数据开采、模型库结合起来形成的综合决策支持系统，是更高级形式的决策支持系统。其中数据仓库能够实现对决策主题数据的存储和综合，OLAP实现多维数据分析，数据开采用以挖掘数据库和数据仓库中的知识，模型库实现多个广义模型的组合辅助决策，专家系统利用知识推理进行定性分析。它们集成的综合决策支持系统，将相互补充、相互依赖，发挥各自的辅助决策优势，实现更有效的辅助决策。

综合体系结构包括三个主体。第一个主体是模型库系统和数据库系统的结合，它是决策支持的基础，为决策问题提供定量分析(模型计算)的辅助决策信息。第二个主体是数据仓库、OLAP，它从数据仓库中提取综合数据和信息，这些数据和信息反映了大量数据的内在本质。第三个主体是专家系统和数据开采的结合。数据开采从数据库和数据仓库中挖掘知识，并将其放入专家系统的知识库中，由进行知识推理的专家系统达到定性分析辅助决策。

综合体系结构的三个主体既可以相互补充又可以相互结合。它可以根据实际问题的规模和复杂程度决定是采用单个主体辅助决策，还是采用两个或是三个主体的相互结合辅助决策。利用第一个主体的辅助决策系统就是传统意义下的决策支持系统。利用第一个主体和第三个主体相结合的辅助决策系统就是智能决策支持系统。利用第二个主体的辅助决策系统就是新的决策支持系统。在OLAP中利用模型库的有关模型，可以提高OLAP的数据分析能力。将三个主体结合起来，即利用"问题综合和交互系统"部件集成三个主体，这样形成的综合决策支持系统是一种更高形式的辅助决策系统，其辅助决策能力将上一个新台阶。由于这种形式的决策支持系统包含了众多的关键技术，研制过程中将要克服很多困难，这也是我们今后努力的方向。

群体决策支持系统

群体决策支持系统（GDSS，Group Decision Supporting System），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，群策群力，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。群体决策支持系统从DSS发展而来，通过决策过程中参与者的增加，使得信息的来源更加广泛；通过大家的交流、磋商、讨论而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。

1、GDSS的功能群体决策支持系统的基本功能有以下几点：

1）通过加强通信，消除了差异：通过限制不必要的感情式的相互作用，控制、协调参与者的关系。

2）提高讨论者的地位和结论的公正性。

3）系统的实施可以是永久性的（稳定和正式的程序集合）或暂时性的（必要时才使用的系统）。

群体决策支持系统的技术功能主要有以下几点：

1）对决策过程中的数据信息交流的控制。

2）自动选择合适的群体决策技术。

3）对可行的决策方案进行分析计算和解释。

4）如果群体决策无法得出一致，则讨论个体决策差异或提出重新定义问题的建议。

2、GDSS的基本结构

一类典型的GDSS结构。

GDSS是决策支持领域的新的分支，对常规的DSS进行了扩充，扩充的内容包括：

1）增加了一个通信库（Communication Base），方便决策参与者之间进行交流。

2）加强了模型库功能，提供了投票、排序、分类评估等功能来实现达成一致的决策。

3）系统使用前能够快速准备和具有协调能力，如安排会议议程，事先让与会者熟悉相关数据文件和决策模型等。

4）扩充了必要的物理设备。

3、GDSS的分类

GDSS的类型在很大程度上取决于待决策问题的类型和问题所处的组织环境，因此，一般可将GDSS划分为四种类型：1）决策室（Decision Room）。与传统意义相当的电子会议室，决策参与者集中到一间支持群体决策支持的特殊会议室，通过特殊的终端或节点，参与决策过程。在这种环境下的决策过程都有一定的时间限制。

2）局域决策网（Local Decision Network）。GDSS的参与者没有地域的限制，只要局域网上的中央处理器存储有公共的GDSS软件和数据库，参与者就可以通过局域网进行成员间以及成员与中央处理机之间的通信。

3）传真会议（Teleconferencing）。针对决策成员在地理上分散但必要时可集中决策的群体。在这种情况下，两个或两个以上的决策室通过视频和通信连接在一起，其方法与决策室相同，而且使用了传真会议。

4）远程决策（Remote Decision Marketing）。主要针对需要定期在一起作决策而又不能会面的决策成员。地理上分散的决策成员通过远程"决策站"之间的持续通信，完成决策的制定。上面四种类型的GDSS，前一种属于集中性，而后三种是属于分散性的。

决策支持系统综述

决策支持系统（DSS，Decision Supporting System），是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术和信息技术为手段，针对半结构化的决策问题，支持决策活动的具有智能作用的人机系统。该系统能够为决策者提供决策所需的数据、信息和背景材料，帮助明确决策目标和进行问题的识别，建立或修改决策模型，提供各种备选方案，并且对各种方案进行评价和优选，通过人机交互功能进行分析、比较和判断，为正确决策提供必要的支持。

DSS的概念是70年代提出的，并且在80年代获得发展。它的产生基于以下原因：传统的MIS没有给企业带来巨大的效益，人在管理中的积极作用要得到发挥；人们对信息处理规律认识提高，面对不断变化的环境需求，要求更高层次的系统来直接支持决策；计算机应用技术的发展为DSS提供了物质基础。

1、DSS的构成

DSS的概念结构由会话系统、控制系统、运行及操作系统、数据库系统、模型库系统、规则库系统和用户共同构成。

DSS运行过程可以简单描述为：用户通过会话系统输入要解决的决策问题，会话系统把输入的问题信息传递给问题处

理系统，然后问题处理系统开始收集数据信息，并根据知识机中已有的知识，来判断和识别问题，如果出现问题，系统叫过会话系统与用户进行交互对话，直到问题得到明确；然后系统开始搜寻问题解决的模型，通过计算推理得出方案可行性的分析结果，最终将决策信息提供给用户。

DSS的技术构成包括：

1）接口部分，也就是输入输出的界面，是人机进行交互的窗口。

2）模型管理部分，系统要根据用户提出的问题调出系统中已有的基本模型，模型管理部分应当具有存储、动态建模的功能。目前模型管理的实现是通过模型库系统来完成的。

3）知识管理部分，集中管理决策问题领域的知识（规则和事实），包括知识的获取、表达、管理等功能。

4）数据库部分，管理和存储与决策问题领域有关的数据。

5）推理部分，识别并解答用户提出的问题，分为确定性推理和不确定性推理两大类。

6）分析比较部分，对方案、模型和运行结果进行综合分析比较，得出用户最满意的方案。

7）问题处理部分，根据交互式会话识别用户提出的问题，构造出求解问题的模型和方案，并匹配算法、变量和数据等，运行求解系统。

8）控制部分，连接协调系统各个部分，规定和控制各部分的运行程序，维护和保护系统。此外技术构成还包括咨询部分、模拟部分、优化部分等。

2、DSS的特点

DSS的主要特点有如下几方面：

1）系统的使用面向决策者，在运用DSS的过程中，参与者都是决策者。

2）系统解决的问题是针对半结构化的决策问题，模型和方法的使用是确定的，但是决策者对问题的理解存在差异，系统的使用有特定的环境，问题的条件也不确定和唯一，这使得决策结果具有不确定性。

3）系统强调的是支持的概念，帮助加强决策者作出科学决策的能力。

4）系统的驱动力来自模型和用户，人是系统运行的发起者，模型是系统完成各环节转换的核心。

5）系统运行强调交互式的处理方式，一个问题的决策要经过反复的、大量的、经常的人机对话，人的因素如偏好、主观判断、能力、经验、价值观等对系统的决策结果有重要的影响。

3、决策支持系统的开发方法

决策支持系统的开发方法一般采用目标导向法（object Oriented）和原型方法（Prototyping）相结合的方法。具体步骤是先研制一个个DSS的技术部件（应用原型法），然后按照一般系统的结构和系统生成方法组合成DSS的开发工具和开发环境（应用目标导向法）。

从开发一个系统的角度来分析，DSS可以分成三个不同的技术层次：DSS工具，即DSS的基本技术部件；DSS的生成

器，即组织DSS的通用框架；专用的DSS，即针对具体决策问题由DSS生成器生成的实际应用系统。

最基层的设计工作由专业软件人员完成，用户是最高层的使用者。从最基层到中间层的构造过程是系统工程师的任务；中间层是面对DSS建造者的，中间层到最高层的设计过程是系统分析设计人员的主要任务。 DSS的开发过程通常是针对具体目标，分为问题分析、可行性研究、开发方法和开发决策的选择、开发系统和支持决策五个阶段。在开发过程中，决策者必须参与其中，因为决策者是系统设计的直接使用者，他的需求就是系统所要达到的目标。

各阶段的基本工作如下：

问题分析阶段。该阶段对所面临的问题进行实际调查和分析，达到明确求解问题的目标。

可行性研究阶段。依据前一阶段的分析，从实际系统开发在技术方面、可能性方面、方案的有效性方面，以及经济和社会效益方面来研究确定系统开发的可能性。

开发方法和开发策略的确定阶段。该阶段要明确系统开发的组织问题和采用何种开发方式进行，并且明确在开发过程中，所采用的工具、方法、手段和具体实现的途径。开发系统阶段，指开发一个针对实际问题领域的专用DSS，包括DSS 结构的确定、建立数据模型知识方法的结构、确定评价标准和指标体系等。支持决策阶段，指系统开发完成后的实际运行阶段，包括运行结果分析的方法，支持决策的形式，以及反映系统运行结果有效和实际效果的信息反馈数据的采集等。

4、DSS的应用举例

一个商业企业基本的业务过程可以概括为进一存一销。所谓进是指商品的采购；存是指商品的存贮，即商品的库存：销是指商品的销售过程，即顾客的购买过程。如果经营者为防止市场的价格波动（主要来自两方面：采购环节、销售环节），在一定时期内保证经营成本在预先确定的范围内，或是保持营业利润在预先确定的范围，则要通过DSS的应用确定在现货市场采购。商品销售的决策，如果范围更广一些，可以涉及期货市场。企业决策的制定与市场中许多不确定因素有关：首先，决策者要对形势做出自己的判断，如预计商品采购价格会上升，则可通过期贷市场作一个套期保值的期货合同，锁定经营成本。

其次；决策者对市场信息采用的定量化分析方法和所得出结果，对决策过程有影响。

另外，还与决策者对经营管理和现货、期贷市场的知识背景，以及经营者自身素质有关。

系统运行的过程如下：

1）决策者对市场价格波动的趋势和幅度做出估计判断，并选择技术分析模型二系统根据决策者输入的信息，通过推理，对趋势作出定性判断，并给出各种相关分析和预测算法来支持决策者在此基础上讨论的方案，并确定选取本次决策的模型。

2）系统对不同方案进行技术分析，得出预测结果和相关可性分析，以支持决策者对市场发展趋势的判断。同时，系统还根据决策者个人对投资风险的态度计算出各种方案可能带来的结果。

3）决策者此时可以得到一个是否有利于作出决策的参考意见，经过权衡作出最终的决策。

互联网环境下决策支持系统的发展变迁

决策问题没有固定的规律和解决方法，复杂的决策问题甚至难以建立精确的数学模型，所以单纯依靠决策者的主观判断很难及时提出科学的决策方案。传统的决策支持系统（Decision Supports System，简称DSS）进行了研究，在一定程度上成功的解决了部分半结构化和非结构化决策问题。但随着决策问题的复杂程度和难度日渐加大，传统的DSS己经不能满足高新技术的要求。伴随着计算机和网络技术得到了飞速发展，智能化和网络化成为DSS的发展趋势。许多先进的人工智能（Artificial Intelligent，简称AI）技术如机器学习、知识表示、自然语言处理、模式识别以及分布式智能系统等都被融入到DSS的研究中，形成了智能决策支持系统（Intelligent Decision Supports System，简称IDSS）。IDSS是界面友好的交互式人机系统、具有丰富的知识，具备强大的数据信息处理能力和学习能力以及更加符合人类智能的科学决策的能力。在网络化的今天，互联网技术完善了IDSS的功能并大大扩展了IDSS的应用范围。

一、智能决策支持系统

决策支持系统是以信息技术为手段，应用决策技术及有关学科的理论和方法，针对某一类型的半结构化和非结构化的决策问题，通过提供背景材料、协助明确问题、修改完善模型、列举可能方案、进行比较等方式，为管理者做出正确的决策提供帮助的信息系统。决策过程本身是人类的一种智能活动，决策支持系统能够越大程度的模拟人类智能，就能够越科学的做出决策方案。要使系统具有智能，必须提供大量高性能的关于某个问题领域的具体知识，智能决策支持系统的开发和研究正是向这种基于知识的方法转变的结果。IDSS的基本结构有如下三种：

1、基于X库的结构

基于X库的IDSS是在传统DSS的“两库”结构上增加知识库、文本库等。但是增加X库的数目就意味着增加了系统中知识表示的复杂性以及各库之间接口的处理难度，所以这种结构的局限性很大，并非真正意义上的IDSS，在实际中很少应用。

2、基于知识的结构

基于知识的结构就是LPK系统结构，它由语言子系统（LS）、知识库子系统（KS）和问题处理子系统（PPS）组成。这种结构突破了传统DSS的模式，语言系统负责传递信息，知识库系统存储领域知识（模型也被看作知识），问题处理系统接收语言系统描述的问题，然后利用统一的知识推理机制进行模型的智能化选择，提供问题的解决方案。这种IDSS结构以知识库及其管理系统为核心，关键技术是知识的表示和处理以及自学习能力。这种结构的优点是便于知识库的维护以及数据与信息的交换，可真正实现IDSS优势互补的主导思想。

3、基于分布式人工智能的结构

随着计算机和人工智能技术的发展，IDSS的研究重心也由专家型IDSS逐步转移到IDSS的模型系统、人机界面、知识处理单元和分布式IDSS等方面的研究。分布式IDSS在基于知识的IDSS的基础上引入了分布式人工智能（Distributed Artificial Intelligence， DAI）技术，其主要思想是利用DA中的Agent和多Agent系统技术，即根据IDSS中的主要功能模块设计出扮演不同角色的Agent作为模块的智能代理，通过自学习机制模拟人类智能完成决策任务的不同步骤，从而做出科学决策。分布式IDSS主要设计和建立大型的、复杂的互联网支持的协同工作的智能决策支持系统。可以说是IDSS 未来的发展方向。

二、互联网上的智能决策支持系统

基于互联网的智能决策支持系统是一个基于Internet技术的集数据仓库技术、OLAP技术、数据采掘技术与专家系统于一体的智能决策支持体系。数据仓库以及基于Web的数据采掘技术的引入是基于互联网的IDSS区别于一般IDSS的关键特征之一，其目标是在广域网络上实现决策支持。强大的Internet使得IDSS摆脱了地域和开发成本方面的限制，为决策支持系统的实施提供了更广阔的基础环境和更良好的发展平台。互联网上的IDSS具有如下优越性：

1、具有庞大的信息资源库，具备多源数据信息处理能力

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。互联网是辅助决策过程的最理想的载体，信息的智能搜索与知识自动挖掘将使决策者获得更多的可利用的信息。

2、交互的集群决策处理平台

复杂的决策需要搜集系统反馈信息进行预测，有时需要决策者之间的远程协商。强大的信息库和知识库、智能的知识挖掘以及安全高效的实时控制与决策，使得基于互联网的IDSS可以真正实现远程多方协作的广域集群决策。

3、界面友好的客户端管理

用户向系统输入参数或请求信息时，互联网上的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很大拓展。

三、基于互联网的分布式IDSS的结构框架

基于互联网的IDSS系统是在多Agent理论的指导下建立的，其主要实现模块可以分为以下几个方面：

1、浏览器/服务器的设计

对浏览器端，基于互联网的分布式IDSS的客户服务主要面向具有WWW浏览功能的恶客户端。客户首先利用动态HTML 或Java编写的Web页面向服务器端传送决策结果的数据更新请求。通过确认后，系统自动启动相关的任务模块，调用数据、模型和方法等问题领域知识。通过浏览器，决策者从系统后端获得信息查询、知识获取和再现分析处理等服务。客户端使用标准化的浏览器界面，具有访问局部或远程多个关联数据库的能力。动态页面丰富的数据信息表达能力以及它与后端服务器系统的数据交互能力是关键问题。

服务器端，以系统的数据仓库和知识库及其管理系统作为决策支持的基础，进行数据抽象、知识挖掘以及信息的处理，并作为智能中介与Web Server进行交互。

2、功能模块的设计

系统有四个主要部分组成，分别为：信息处理子系统（IS）、知识处理子系统（KS）、问题处理子系统（PPS），以及人机接口子系统。其中，信息处理子系统负责数据信息的智能处理，知识处理子系统负责知识的获取和求精，问题处理子系统负责分配任务和协调系统，人机接口负责用户与系统的交互。在用户输入参数数据时，系统同时进行分析处理，而且可以在用户等待期间显示相关信息或中间结果，这样就大大提高了系统响应速度。

3、Agent的设计

对于基于互联网的IDSS而言，其实现系统的关键技术是多Agent技术，即利用不同角色的Agent作为完成不同功能模块的智能代理，用户提出高层次的复杂任务请求交由不同的Agent通过搜索和推理来实现。Agent允许用户请求中的模糊、遗漏甚至错误；能够通过观察自动建立用户模型并按照用户的工作模式完成任务，还可以通过辅导和帮助用户进行操作。

·任务Agent：负责协调所有的Agent的工作，实现系统的集中控制。系统首先形成问题求解规划，与其他Agent交换信息后启动任务Agent并为其他Agent指定任务，分配资源，以及协调所有Agent最优化的共同实现决策目标。这种集中控制方式较为简单，但大量系统信息都要经过任务Agent，容易形成问题求解的瓶颈。

·接口Agent：负责与用户的交互。它可以协助用户处理各种专门的应用，负责接受用户指令，传送相关信息，建立模型后启动任务Agent，在问题求解过程中，要求用户提供附加的信息，必要时会请求用户确认。

·信息Agent：负责处理数据信息并协调系统与用户之间以及Agent之间的通信，可以访问种类不同、位置不同的信息，具备数据挖掘功能，能够根据用户或其他Agent的需要自动获取和处理相关信息。

·知识Agent：负责系统的学习系统，强调的是自学习能力。知识库中自动存储用户行为和决策问题的应用领域与解决方案。智能自学习Agent无需指导，可以通过观察学习，自动建立和维护知识库。知识库存有适应特定领域的互联网IDSS的程序和算法，系统通过搜索具体路径，按照用户请求或者系统缺省的方式调用合适的路径选择并执行模型。

以上提及的四种Agent为基于互联网的IDSS中所必需的Agent，对于特定的需求和应用环境，系统的构建还需要因时制宜、随需而变。

将决策支持系统与人工智能技术和互联网相结合，大大提高了传统决策支持系统的灵活性和可扩展性。结合数据发掘技术、知识发现技术、模糊处理技术和超文本远程通信技术等先进技术手段，互联网上的IDSS成为了学习能力和适应能力较强的交互式人机系统，这也成为当前决策支持系统的主流发展模式。