决策支持系统要点
1.决策的概念：决策是指个人或集体为了达到或实现某一目标，借助一定的科
学手段和方法，从若干备选方案中选择或综合成一个满意合理的方案，并付诸实施的过程。
2.决策的特征：1）决策具有目的性
2）决策不是简单的方案选择，而是一个具有创造性的过程
3）决策石油一系列的活动过程组成的
4）决策的过程需要有效的支持
3.决策的类型
1）从决策者的角度，决策可分为个人决策和群体决策
2）从组织的层次角度，决策可分为高层决策，中层决策和基层决策
3）从决策涉及的范围和着眼点角度，决策可分为宏观决策，中观决策和微观决策
4）从决策影响的时间和影响面角度，决策可分为战略决策，战术决策和运行决策
4.决策支持的概念、目的P21：
决策支持是目标，而决策支持系统是工具。决策支持的基本含义是用计算机及软件技术来达到如下目的：
（1）帮助决策者在半结构化或非结构化的任务中做决策
（2）支持决策，但并没有代替决策
（3）改进决策的效能，而不是提高决策的效率
5.决策支持的特征
{决策问题：决策问题是指在一定的决策支持原子目标下决策支持系统所要完成的相对独立的信息处理任务。
决策问题的分类
1）结构化问题；指常规的，可重复性的，以结构化模型求解就可得到合理结果的问题。
2）非结构话问题；指自身逻辑性并不清晰，或者在目前掌握的知识水平下无法用较为明晰的程序化语言描述清楚的问题。
3）半结构化问题；单指那些在问题中既存在可以利用结构化语言建立模型求解的部分，同时又存在只能借助个人经验，常识等非逻辑化知识帮助求解的部分。}
5.决策制定的过程（西蒙提出）
1）情报阶段
（1）识别和确定决策问题（2）解析决策问题
（3）建立决策问题的所有权（4）确定决策目标
2）设计阶段
（1）确立决策的价值准则（2）建立和描述决策问题模型
（3）开发产生决策方案
3）选择阶段
（1）分析评价决策的备选方案（2）选择决策方案
4）实施阶段
6.决策支持系统产生
1971年，美国学者M.S.Scott Morton在《管理决策系统》一文中首次提出决
策支持系统的概念。1971年到1976年，从事决策支持系统研究的人数逐渐增多，大部分人认为决策支持系统就是交互式的计算机系统。与此同时，很多人都把注意力集中到有界推理、非结构任务、组织的信息处理以及决策者的认知特征等。1975年以后，决策支持系统作为这一领域的专有名词逐渐被大家承认。
7.决策支持系统的发展
1）创立阶段：1971年美国学者M.S.Scott Morton提出决策支持系统的概念。2）运筹阶段：20世纪70年代中期，运筹学的模型逐渐进入决策支持系统，形成了面向数据与面向模型相互结合的决策支持系统。
3）集成阶段：20世纪70年代末期至80年代中期，决策支持系统进一步发展成为服务于高层综合决策的集成化决策支持系统。
4）智能阶段：P37
数据处理具备特点：
（1）数据量大
（2）不涉及复杂的数学运算
（3）时效性强
8.决策支持系统的定义（DSS）
决策支持系统是综合利用大量数据，有机组合众多模型，通过人机交互，辅助各级决策者实现科学决策的系统。
9.决策支持系统的特点
1)运用数据库与模型库等结合实现决策
2)具有良好的人际界面，实现人际沟通
3)能辅助决策者个人或决策群体做出决策
4)对组织所有管理层的人都能提供决策支持
5)支持各种决策制定过程与决策类型，在解决半结构化和机构化问题上
作用显著
6)支持决策制定的所有阶段，包括收集，设计，选择与实施
7)能实现即时决策，提高决策速度
8)不断改进决策效果，而不是效率
9)强调交互式的处理方式
10)可以作为一个标准工具，被组织内成员或组织客户使用
11)在运用中能够实现与众多系统的集成，具有广泛的扩展性
10.DSS与管理科学/运筹学的关系
二者的共同点：都以模型辅助决策为基础。
不同点：
管理科学/运筹学：是处理结构化问题的成功方法；其处理问题的步骤为：调研、建模、优化和解释。可以成功建模，但无法实现模型的选择和组合。
DSS：将数据和模型（多个）通过接口组成一个系统；
需要多模型之间的选择和组合；
通过人机交互，支持对非结构化问题的解决；
便于用户的使用和适应用户的不同需求。
11.决策支持系统的三部件结构形式（图46）：
1)对话部件（人机交互系统）
2）模型部件（模型库管理系统和模型库）
3）数据部件（数据库管理系统和数据库）
目的：达到决策支持系统的目标要求
决策支持系统的三系统结构形式（图P49）：
1）语言系统（LS）
2）问题处理系统（PPS）
3）知识系统（KS）
决策支持系统的三库结构形式（图50）：1）数据库2）模型库3）方法库决策支持系统的四库结构形式（图51）：
1）数据库2）模型库3）方法库4）知识库
EDP（电子数据处理）：20世纪50年代中期，计算机主要用来进行数据处理和报表编制，其目的是实现办公自动化，通常把这一类系统所涉及的技术称为电子数据处理。
MIS（管理信息系统）：管理信息系统是一个由人、计算机等组成的，能进行管理信息的收集、传递、存储、加工维护和使用的系统。
EEES（经济、能源、环境系统）：允许专家与决策者参与网络分析，并具有数据处理、模型处理等功能。
决策支持系统与管理信息系统：
联系：（1）决策支持系统是从管理信息系统基础上发展起来的
（2）它们都是以数据库系统为基础的
（3）它们都需要进行数据处理
（4）它们都能在不同程度上为用户提供决策信息
区别：
（1）管理信息系统是面向中层管理人员，为管理服务的系统；决策支持系统是面向高层管理人员，为辅助决策服务的系统
（2）管理信息系统按照事物功能综合多个事物处理的EDP；决策支持系统是通过模型计算辅助决策
（3）管理信息系统是以数据库系统为基础，以数据驱动的系统；决策支持系统是以模型库系统为基础，以模型驱动的系统
（4）管理信息系统着重于系统的总体信息的需求，输出报表的模式是固定的；决策支持系统着重于决策者的需求，输出数据的模式是复杂的
（5）管理信息系统追求的是效率；决策支持系统追求的是有效性，即决策的正确性
（6）管理信息系统支持的是结构化的决策问题；决策支持系统支持的是半结构化的决策问题
DSS与EDP的对比（表P45）
OLAP：
OLTP：
数据库管理系统的概念：是用于描述、管理和维护数据的程序系统，可以对数据
进行统一的管理和操作。
数据库管理系统的功能：
1.数据定义功能
2.数据操纵功能
3.数据控制功能
4.数据维护功能
数据库应用系统的设计：
1.需求分析
2.概念结构设计
3.逻辑结构设计
4.物理设计
5.数据库实施
E-R模型
决策支持系统中的数据库：DSS数据库与传统的、基于联机事物处理的数据库是有很大区别的
决策支持系统数据库的架构(图P75)：其中包括若干个源数据库及其管理系统，一个数据析取系统，析取数据库及其管理系统，还有一个会话部件
DSS数据库常用的析取操作：数据描述、子集、聚集和显示
第4章
人类认识世界的三种方法：逻辑推理法、实验法、模型法
模型的概念：模型是以某种形式对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律。
模型分类：
1.按系统的状态分类，分为静态模型和动态模型
2.按机制分类，分为结构模型、微分方程模型、差分方程模型、自动控制模型、线性规划模型、决策理论模型、离散事件模型、逻辑模型、仿真模型等
3.按用途分类，分为描述性模型和指示性模型
4.按处理方法分类，分为数值分析型和经验推理型
模型库的定义：将众多的模型按一定的结构形式组织起来，通过模型库管理系统对各个模型进行有效的管理和使用
模型库的组成：1.模型字典库 2.模型文件库
模型管理三个发展阶段：
1.程序文件
2.模型软件包
3.模型库管理系统
模型库管理系统的定义：是一个支持模型生成、存储、维护、运行和应用的软件系统
模型库管理系统的功能：
1.模型的存储管理
2.模型的运行管理
3.支持模型的组合
模型库管理系统的结构：由模型、模型字典、外部数据库和模型管理模块构成。知识的定义：知识是事实和关系的集合的描述，这种描述可用计算机能够识别的约定符号表示，它以高度概括的形式解释研究对象的属性和相互关系，用来解决实际问题和从事创造性活动
知识的分类：
根据知识的作用，可将知识划分为描述性知识、过程性知识和控制性知识
根据知识的来源，可将知识划分为基础知识和专业知识
知识表示的4种方法及怎样表示：
1.知识的一阶谓词逻辑表示方法P117
2知识的产生式表示方法
3知识的语义网络表示方法
4.知识的框架表示方法
数据仓库的定义：面向主题的、集成的、稳定的、随时间变化的数据集合，用以支持企业或组织的决策分析过程
数据仓库的特征：（1）数据仓库是面向主题的（2）数据仓库是集成的（3）数据仓库是不可更新的（4）数据仓库是随时间变化的
数据仓库框架（图P136）
多维数据模型
联机分析处理（OLAP）概念：联机分析处理（OLAP）是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面（多维）观察信息，以达到深入理解数据的目的。
OLAP与OLTP区别：
1.用户和系统的面向性不同
2.管理的数据内容和数据量不同
3.数据库设计方法不同
4.访问模式和响应时间要求不同
数据挖掘是从大量数据中获取有用知识的过程。
数据挖掘的基本功能：
1.自动预测趋势和行为
2.概念描述
3.关联分析
4.分类
5.聚类
6.偏差检测
数据挖掘方法：关联规则挖掘，决策树分类，朴素贝叶斯分类，K-means聚类方法
数据库中的知识发现（KDD）：从数据中发现有用信息和模式的过程。
12.数据库定义：存放在计算机中的，以一种合理的方法组织起来的，与企业或
组织的业务活动和组织结构相对应的各种相关数据的集合，该集合重的数据可还以为各级经过授权的人员所共享。
13.数据库系统的组成：数据库，数据库管理系统，数据库管理员，用户和应用
程序。
14.数据库应用系统的设计主要包括需求分析，概念结构设计，逻辑结构设计，
物理设计和数据库实施等。
15.模型库管理技术经历了3个发展阶段：1)程序文件2)模型软件包
3)模型库管理系统
16.模型库的组成：
1）模型字典库作用：（1）字典是模型文件的索引（2）字典偏于对模型
文件的分类（3）字典方便了对模型的查询和修改
组织结构：文本形式，菜单形式，数据库形式2）模型文件库存储方式：（1）直接在计算机操作系统管理下存储
（2）建立子目录存储模型文件
1）
17.知识的定义
18.知识表示的方法
1）逻辑的知识表示方法
2）知识的结构表示方法
3）基于图的知识表示方法
19.知识的分类：
。
20.联机分析处理（OLAP）概念：联机分析处理（OLAP）是一种软件技术，它
使分析人员能够迅速、一致、交互地从各个方面（多维）观察信息，以达到深入理解数据的目的。
21.联机分析处理（OLAP）分类：
1）多维联机分析处理（MLOAP）2）关系型练级分析处理（RLOAP）3）混合型联机分析处理(HLOAP)
22.数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在其中的信息或知识
的过程。
23.KDD过程：1）数据准备（分为数据选择，数据预处理和数据转换）
2）数据挖掘3）结果评价
24.数据挖掘方法：关联规则挖掘，决策树分类，朴素贝叶斯分类，K-means聚
类算法
DSS决策支持系统考试重点整理
题型： 名词解释填空解答建模计算 一、重点概念 1、决策树（Decision T ree）法； 决策树是决策分析中最常用的方法之一，它提供了对决策问题的备选方案选择和随机事件的图形表示，使用起来直观方便，而且可以有效地解决比较复杂决策问题、由决策节点，机会节点、树枝和树梢组成。 2、企业资源计划； ERP是针对物资资源管理、人力资源管理、财务资源管理、信息资源管理集成一体化的企业管理软件。（百度百科） 3、供应链管理； SCM是一种集成的管理思想和方法，它执行供应链中从供应商到最终用户的物流计划和控制等职能。 4、趋势平均法； 趋势平均法又称为趋势移动平均法。它的主要优点是考虑时间序列发展趋势，使预测结果能更好地符合实际。根据对准确程度要求不同，可选择一次或二次趋势移动平均值来进行预测。首先是分别计算相邻数期的平均值，其次是确定变动趋势和趋势平均值，最后再以最近期的平均值加趋势平均值与距离预测时间期数的乘积，即得预测值。 5、最大收益期望值准则（EMV准则）； 所谓最大收益期望值准则。就是现计算出每个可供选择方案的期望收益值，然后比较选优。若问题的决策目标考虑的是收益值，则选择期望值最大的方案作为最优方案。若问题的决策目标考虑的是损失值，则选择期望值最小的方案作为最优方案。 6、客户关系管理； CRM是一种以客户为中心的经营策略，它以信息技术为手段，对相关业务功能进行重新设计，并对相关工作流程进行重组。 7、层次分析法； 层次分析法是一种能将定量计算与定性分析相结合的系统分析方法。层次分析法具有思路清晰、方法简捷、适用面广、系统性强等特点，便于普及推广，最适宜于解决那些难以完全用定量方法进行分析的决策问题。 8、一次指数平滑法； 一次指数平滑法是根据前期的实测数和预测数，以加权因子为权数，进行加权平均，来预测未来时间趋势的方法。 9、半结构化问题； 有一定的决策规则，但不是很明确，也可以建立适当的模型来产生决策方案，但由于决策的数据不精确或不全，不可能从那些决策方案中得到最优解，只能得到相对优化的解，称为半结构化问题。 10、决策支持； 在决策过程中，决策者首先应通过一定的手段获取充分的信息，并进行信息的处理。信息获取和处理的原则，取决于解决某种决策问题的构思和设想、或某种处理模式。其目的是要从大量的信息中清除或删去不必要的信息，并对这些信息进行结构化处理或逻辑处理。 11、非结构化问题； 在决策过程中不可能用确定的模型或语言进行描述，原因是突发性的，过程是不易掌握的，也无所谓最优解的决策问题，称为非结构化问题。
决策支持系统要点
1.决策的概念：决策是指个人或集体为了达到或实现某一目标，借助一定的科 学手段和方法，从若干备选方案中选择或综合成一个满意合理的方案，并付诸实施的过程。 2.决策的特征：1）决策具有目的性 2）决策不是简单的方案选择，而是一个具有创造性的过程 3）决策石油一系列的活动过程组成的 4）决策的过程需要有效的支持 3.决策的类型 1）从决策者的角度，决策可分为个人决策和群体决策 2）从组织的层次角度，决策可分为高层决策，中层决策和基层决策 3）从决策涉及的范围和着眼点角度，决策可分为宏观决策，中观决策和微观决策 4）从决策影响的时间和影响面角度，决策可分为战略决策，战术决策和运行决策 4.决策支持的概念、目的P21： 决策支持是目标，而决策支持系统是工具。决策支持的基本含义是用计算机及软件技术来达到如下目的： （1）帮助决策者在半结构化或非结构化的任务中做决策 （2）支持决策，但并没有代替决策 （3）改进决策的效能，而不是提高决策的效率 5.决策支持的特征 {决策问题：决策问题是指在一定的决策支持原子目标下决策支持系统所要完成的相对独立的信息处理任务。 决策问题的分类 1）结构化问题；指常规的，可重复性的，以结构化模型求解就可得到合理结果的问题。 2）非结构话问题；指自身逻辑性并不清晰，或者在目前掌握的知识水平下无法用较为明晰的程序化语言描述清楚的问题。 3）半结构化问题；单指那些在问题中既存在可以利用结构化语言建立模型求解的部分，同时又存在只能借助个人经验，常识等非逻辑化知识帮助求解的部分。} 5.决策制定的过程（西蒙提出） 1）情报阶段 （1）识别和确定决策问题（2）解析决策问题 （3）建立决策问题的所有权（4）确定决策目标 2）设计阶段 （1）确立决策的价值准则（2）建立和描述决策问题模型 （3）开发产生决策方案 3）选择阶段 （1）分析评价决策的备选方案（2）选择决策方案 4）实施阶段 6.决策支持系统产生 1971年，美国学者M.S.Scott Morton在《管理决策系统》一文中首次提出决
食品安全风险评估与决策支持系统
食品安全风险评估与决策支持系统随着人们对食品安全的日益关注和食品安全事件的频发，建立一个 高效准确的食品安全风险评估与决策支持系统变得尤为重要。这样的 系统可以帮助决策者更好地了解食品安全风险，采取科学合理的措施 来保障公众健康。本文将就食品安全风险评估与决策支持系统的重要性、建设要点以及应用案例进行探讨。 一、食品安全风险评估的重要性 食品安全风险评估是对食品生产、加工、运输、销售等环节中的风 险进行评估，对食品中可能存在的有害因素进行检测和测定，并评估 其对人体健康的危害程度。食品安全风险评估有助于揭示食品安全问 题的真实状况，帮助政府和食品企业了解食品安全的现状，从而及时 制定措施来降低食品安全风险，保护公众的健康。 二、食品安全风险评估与决策支持系统的建设要点 1. 数据采集与分析：食品安全风险评估与决策支持系统需要构建一 个完善的数据采集和分析平台，收集各类食品安全数据、监测报告、 科研成果等，并进行数据处理和分析，为决策提供准确的依据。 2. 风险评估模型的建立：根据不同食品类型、有害因素及其潜在危 害程度，建立科学的风险评估模型。该模型应考虑食品的生产、加工、储存、运输等环节，结合病毒、细菌、重金属、农药等各类有害物质，进行全面细致的评估。
3. 决策支持工具的开发：根据食品安全风险评估的结果，研发决策 支持工具，以辅助决策者做出科学合理的食品安全决策。这些工具可 以基于人工智能和大数据技术，进行风险预警、风险管理、应急处置 等方面的支持。 4. 信息共享与协作机制的建立：食品安全风险评估与决策支持系统 需要建立起政府、科研机构、食品生产企业等各方的信息共享和协作 机制。通过共享数据和经验，提升系统的整体效能，实现食品安全管 理的全链条闭环。 三、食品安全风险评估与决策支持系统的应用案例 中国已经在食品安全风险评估与决策支持系统的建设方面取得了一 定的成绩。例如，中国食品安全风险评估中心（CFSA）成立于2004年，负责对食品和饮用水中的有害物质进行风险评估，并提供科学建 议支持政府的食品安全监管政策。 此外，在中国食品安全领域还出现了一系列食品安全风险评估与决 策支持系统的应用，如全国食品安全信息平台、智能食品溯源系统等。这些系统利用先进的信息技术和数据分析手段，实现了对食品安全风 险的实时监测与评估，为政府决策提供了有力支持。 总结： 食品安全风险评估与决策支持系统是保障公众健康和食品安全的重 要工具。通过建立合理科学的评估模型、开发决策支持工具以及实现 信息共享与协作机制，可以有效降低食品安全风险，保障公众的健康。
基于大数据的智能决策分析系统的设计与实现
基于大数据的智能决策分析系统的设计与实 现 一、引言 随着大数据和人工智能技术的发展，智能决策分析系统（Intelligent Decision Analysis System）逐渐成为企业决策和管理 中不可或缺的重要工具。本文旨在探讨基于大数据的智能决策分 析系统的设计与实现方法和技术要点，为企业和管理者进行更加 科学、高效和准确的决策提供支持和借鉴。 二、智能决策分析系统概述 智能决策分析系统是一种基于人工智能和大数据技术的决策支 持系统，通过对海量数据的收集、预处理、分析和挖掘，为企业 和管理者提供深度洞察和智能化的决策分析服务。其主要功能如下： 1. 数据收集与预处理：通过采集各种内部和外部的企业数据， 并对其进行清洗、过滤、转化和整合，以确保数据质量和准确性。 2. 数据挖掘与分析：利用各种数据挖掘技术和算法，从数据中 提取出隐藏的关联规则、模式、趋势和异常点，以支持企业和管 理者进行决策分析。
3. 决策支持与建议：通过丰富的可视化和交互式技术，向企业和管理者提供直观和易懂的数据图表、报告和分析结果，以支持他们做出更加科学、合理和准确的决策。 三、智能决策分析系统设计与实现 1. 数据源选择与预处理 智能决策分析系统的数据源通常包括企业内部的管理和运营数据、外部的市场和竞争数据、以及社交网络等多种数据类型。在选择数据源时应该根据实际需求和场景进行选择，并对其进行必要的预处理，如数据清洗、格式转化、重复记录合并等。 2. 数据挖掘与分析 在数据挖掘和分析方面，系统需要应用各种先进的数据挖掘算法和技术，如分类与预测算法、聚类算法、关联规则挖掘等，以挖掘数据中的关键信息和知识。此外，系统还需要建立一套完整的数据分析流程，包括数据探索、模型建立、模型评估和优化等环节。 3. 决策支持与建议 在决策支持和建议方面，系统需要利用可视化和交互式技术，将数据分析结果以直观、易懂、可交互的方式呈现给用户。这可以通过数据报告、可视化图表、仪表盘、决策树等方式实现。此
供应链智能化决策支持系统的构建
供应链智能化决策支持系统的构建 随着科技的不断发展，供应链管理已经成为了企业日常运营中不可或缺的一部分。为了提高供应链的效率和准确性，越来越多的企业开始关注并构建供应链智能化决策支持系统。 一、智能化决策支持系统的定义与意义 智能化决策支持系统是指通过运用人工智能、大数据分析等技术手段，对供应链中的各个环节进行数据收集、分析和预测，从而为企业的决策者提供准确、可靠的决策支持。 构建智能化决策支持系统有助于提高供应链管理的效率和准确性。通过系统化的数据收集和分析，企业可以更好地了解供应链中的各个环节，从而及时发现问题并采取相应的措施。此外，智能化决策支持系统还可以提供实时的数据和预测，帮助企业做出更准确的决策，降低运营风险。 二、智能化决策支持系统的构建要点 1. 数据收集与整合 构建智能化决策支持系统的第一步是进行数据收集与整合。企业需要收集供应链中各个环节的数据，包括供应商信息、库存情况、运输状况等。同时，还需要整合这些数据，建立一个完整的供应链数据平台，以便后续的数据分析和决策支持。 2. 数据分析与挖掘 在数据收集与整合的基础上，企业需要进行数据分析与挖掘。通过运用人工智能和大数据分析技术，企业可以对供应链中的各个环节进行深入的数据分析，发现潜在的问题和机会。例如，通过分析历史数据和趋势，企业可以预测需求量，并相应地进行生产和库存管理。
3. 决策支持与优化 数据分析与挖掘的结果为企业的决策者提供了重要的参考依据。企业可以根据 数据分析的结果，制定相应的决策和优化方案。例如，根据预测的需求量，企业可以优化供应链中的生产计划和库存管理，以减少库存成本和提高交付效率。 4. 实时监控与反馈 智能化决策支持系统应具备实时监控和反馈的功能。通过实时监控供应链中的 各个环节，企业可以及时发现问题并采取相应的措施。同时，系统还应能够及时反馈决策的效果，帮助企业了解决策的准确性和有效性，从而进行优化和改进。 三、智能化决策支持系统的应用案例 智能化决策支持系统已经在许多企业中得到了应用。以物流公司为例，通过构 建智能化决策支持系统，物流公司可以实时监控货物的运输情况，提前预警可能出现的问题，并及时调整运输路线和方式，以保证货物的安全和准时交付。 另外，智能化决策支持系统还可以应用于供应商管理。通过对供应商的数据进 行分析和评估，企业可以了解供应商的绩效和可靠性，从而做出更准确的供应商选择和合作决策。 四、智能化决策支持系统的挑战与展望 虽然智能化决策支持系统在提高供应链管理效率和准确性方面有着巨大的潜力，但也面临一些挑战。例如，数据的质量和准确性是构建智能化决策支持系统的关键因素之一。此外，企业在构建智能化决策支持系统时还需要考虑数据安全和隐私保护等问题。 展望未来，随着人工智能和大数据技术的不断发展，智能化决策支持系统将会 更加智能和高效。企业可以通过不断优化和改进系统，提高供应链管理的效率和准确性，从而为企业的发展提供有力的支持。
自然资源大数据决策支持系统建设与应用
自然资源大数据决策支持系统建设与应 用 摘要：在我国自然资源部门建立的背景下，自然资源在新形势下的信息化具有了更多的内涵。为了紧随时代潮流，构建以数字化改革促进国土空间治理的现代化体系，需要建立起基于大数据技术的自然资源决策支持系统，逐渐实现“数据驱动、精准治理”的目标。鉴于此，本文围绕自然资源决策工作的实际情况，简述了自然资源大数据决策支持系统建设与应用的两点意义，从两个角度出发分析了该系统的建设要点，详细阐述了该系统在建设后在三个领域内的实际应用。 关键词：自然资源；大数据；决策支持系统；建设；应用 引言：自然资源大数据是一种关键的生产要素，属于我国大数据战略中的重要组成。应当通过自然资源决策支持系统的建设，构成大数据技术在自然资源分析决策中智慧化应用的服务机制，深入挖掘自然资源的数据价值，以信息技术的灵活运用为核心，全方位促进自然资源治理能力的现代化发展。 1自然资源大数据决策支持系统建设与应用的意义 1.1自然资源信息是经济社会高质量发展的根基 自然资源本质上是人类社会生产与发展的关键载体，矿产、土地、海洋等各类资源，均为社会经济发展的基本保障，同人们的切身利益密切相关。自然资源大数据作为关键的战略性信息资源，在为各个行业赋能、服务和保障民生等方面具有不容忽视的作用。经由建设自然资源大数据决策支持系统，可以实现科学配置自然资源的目标，逐步强化对不同领域空间数据要素的综合运用。 1.2创新发展对自然资源大数据提出了更高要求 ①提升数据获得的及时性。为了尽快获得自然资源相关数据，需要在完善航空遥感、卫星遥感等技术的条件下，发挥出无线通信、传感器、物联网等信息技
术的优势，全面提高数据收集的时效性，建立全天候、实时性的自然资源监测体系。 ②增强同其他相关数据的融合使用。应当以自然资源大数据为根基，运用经济、人口、税收等社会经济数据，以及城乡建设、能源、交通、卫生、生态环境 等相关行业的数据信息，在各部门数据共享机制的应用下，使自然资源数据能够 和多模态数据有机结合，用以发挥出自然资源服务社会经济发展的价值。 ③高效运用互联网地图等数据。基于互联网地图产生了带有时空标识的海量 数据，对人类与经济活动的行为轨迹进行了记录，从新的视角出发为自然资源决 策分析提供了多类功能化信息，有利于精确掌握和分析自然资源的功能用途与社 会需要，增强自然资源配置的针对性[1]。 2自然资源大数据决策支持系统的建设分析 2.1系统建设的整体思路 该系统以国土空间基础信息平台为依托，除了使用大数据技术以外，还使用 了地理信息技术、互联网技术等信息技术，建成自然资源大数据决策支持系统。 能够在整合利用自然资源，配合开展数据监测和管理的条件下，汇总产业、人口、经济等各种数据内容，形成自然资源与人类社会经济的数据库，开发出带有浏览、查询、输出等可视化功能的系统，致力为自然资源管理、社会化服务提供大数据 决策支持。 2.2系统建设各项功能的实现 2.2.1用户登录模块 用户登录模块决定了系统建设的安全性，可选择加密登录的方式，保护决策 人员存储的数据信息。在开展用户登录界面设计工作中，需要关注布局管理器和view组件的搭配使用，选用线性布局和相对布局相结合的方法进行界面设计，以 手动安排相关控件属性的方法，对空间进行科学布置，在布局管理器的管理下完 成用户登录界面的设计工作，使界面简洁、直观、美观的特点共存。
央企决策支持系统的建设重点与难点
龙源期刊网 https://www.360docs.net/doc/9f19126014.html, 央企决策支持系统的建设重点与难点 作者：李军治 来源：《信息化建设》2010年第07期 目前,中国移动、国家电网等央企的信息化建设已经取得很大的进展,建成了较完善的应用系统,并在此基础上,较为成功地建立了决策支持系统(Decision Support System, DSS)。DSS通过统计报表、在线分析、数据挖掘等技术向管理和决策者提供支持,使管理和决策者能够更快 速、全面地掌握企业经营和管理信息。但是在有些企业实际应用中,DSS往往会由于实用性不强、数据不真实等问题而被束之高阁。为了避免这些问题继续发生,或帮助现在正在为这些问 题而苦恼的企业IT部门和开发商尽快摆脱困境,我们对较为成功的央企DSS建设案例进行了分析。通过分析,认为,“找准建设时机”、“数据集中管理”和“业务管理系统互动”这三点既是DSS 成功建设的重点,也是建设中存在的难点。 找准建设时机 根据信息化实施规划方法论,在应用系统实施的优先级排序上应该遵循“先业务处理系统、后管理信息和DSS”的原则。该原则一方面反映了系统间存在一定的依赖性,另一方面也反映了对投资回报率的考虑。 “系统间的依赖性”这点比较好理解,主要原因在于数据。DSS总体来说是数据驱动的。一 方面支持从既有数据发现知识,比如预测模型或分类模型;另一方面支持利用既有知识或经验将数据加工成可以支持决策者做出判断的形式,比如形象的趋势图、柱状图等图形或格式化的表格。因此,DSS能够发挥作用是以业务处理或管理信息系统已经运行一段时间并积累了大量数据为前提的,这是DSS建设时机的一个重要方面。 在应用系统的投资回报率方面,除了定量分析外,还可以通过经验来说明问题。通过对中国移动和国家电网等央企DSS成功建设经验的研究,我们认为,DSS建设应首先关注以下几个方面应用: 1.市场营销 市场营销是企业管理的主要方面。它是一个管理决策过程,通过市场调查分析,产品、价格、分销、促销相结合,确保营销计划的执行。同时,应注意开发和引导消费者的潜在需求,而在计划实施中,应根据反馈信息及时调整战略、战术组合,适应市场新的变化。在企业发展初期或市场扩张期,产品质量提升、品种多样、价格低、促销可能是足够有效的营销手段。但随着企 业生产能力的提升,市场容量的饱合,企业需要向更细分的市场、以更具特色的产品、更准确的
决策支持系统课程论文
《决策支持系统》课程论文评定标准 一、评分要点 1.选题符合课程论文内容范围要求。 围绕决策支持系统在XX中的应用研究展开，应用领域自选。 如决策支持系统在电子商务中的应用，决策支持系统在电子政务中的应用，决策支持系统在CRM中的应用，决策支持系统在电信行业的应用等等均是符合要求的范围，自行选题时可不限于上述几种。 2.论文内容撰写思路清晰，条理清楚，层次分明，基本概念和基本原理正确，不能泛泛而 谈，需联系授课内容加以运用，构建一定的模型、平台等。 3.内容上无明显抄袭现象。 4.书写格式符合标准（见附件1和标准科技论文格式）。 二、说明 1.论文成绩评定采用100分制记分。 2.不符合上述评分要点中1、3条中任意一条按不通过处理。 三、评分标准 1.符合上述评分要点中1、2、4条，各记20分，共60分； 2.摘要包含有文章同等量的主要信息，记10分； 3.关键词高度概括论文信息，记6分； 4.层次划分使用阿拉伯数字连续编号，记4分； 5.量和单位使用正确，记4分； 6.图表格式正确, 记6分； 7.参考文献引用正确，记10分； 以上总计100分。 附件1：书写格式要求 1.4000-5000字。宋体小四号字，1.5倍行间距，A4纸型。 2.全文必须包括： 题目，作者姓名、学号、班级、系别,中文摘要，关键词，正文，参考文献； *作者姓名置于题名下方。 3.题目和摘要及关键词
文章题名应以最恰当、最简明的词语来反映、表达论文的中心内容。不宜超过20字，必要时可加副题名。应避免使用非公知公用的缩略词。 摘要不分段，不用图表、非公知公认的符号或术语，也不宜引用参考文献的序号。摘要中若采用非标准的术语、缩写词和符号等，均应在第一次出现时予以说明。 摘要在200—300字，采用第三人称表述。 摘要包含有文章同等量的主要信息，使读者能迅速了解文章最基本的内容，也有利于数据库和文摘报刊作二次文献采用。摘要内容包括目的、方法、结果和结论。 关键词应是论文信息的高度概括，一定要选准。每篇不多于5个。 4.层次划分 二级和三级标题用阿拉伯数字连续编号（前言不加编号），层次划分如下： 1 1.1 1.1.1 1.1.1.1 1.1.1.1（1） 2 2.1 2.1.1 2.1.1.1 2.1.1.1（1） 一级标题二级标题三级标题四级标题五级标题 5.量和单位 量和单位不用中文名称，而用法定符号表示。度量衡单位一律采用法定计量单位，单位符号用外文的正体表示。如千克（公斤）kg、摩尔mol、米每秒m/s、毫克每升mg/L、公斤每平方米kg/m2等。不得使用已废弃的单位。如高斯（G和Gs）、亩、克分子浓度（M）、当量浓度（N）等。量的符号用外文的斜体表示，如质量m、体积V、长度L、时间t等。6.图表 文中图、表是最重要的，表内无斜线、竖线。插图切勿过大，宽度一般不超过10 cm。 7.参考文献 参考文献是反映论文的科学依据和作者尊重他人研究成果的严肃态度以及向读者提供有关信息的出处。参考文献必须是便于读者查找的一次文献（作者直接阅读过的）、最主要的且发表在正式出版物上的文献，二、三次文献不得引用，如文摘上的条目等。参考文献的著录，按文稿中引用先后顺序编号，在正文中标注，如“李扬等人[2]指出，……”，并集中在文末排列。文献的作者不超过3位时，全部列出，超过3位时，只列前3位，后面加“等”字或“et al”。作者姓名之间不用“和”或“ａｎｄ”，而用“,”分开。中国人和外国人的姓名一律采用姓前名后著录，外国人的名字部分可缩写,并省略“·”。标注如下： ①期刊文章 [序号]作者.文题[J].刊名（版本），年，卷(期)：起止页码. [1]张奇涵，张明哲.回心草化学成分的研究[J] .北京大学学报（自然科学版），1992，28(28):175~177. ②专著、论文集、学位论文、报告 [序号]作者.文题[文献类型标识].出版地：出版者，出版年. 起止页码（任选）. [1]Timoshenkob. Theory of Plate and Shells:2nd ed[M]. New York: McGraw Hill，1959.17-36. [2]辛希孟.信息技术与信息服务国际研讨会论文集：A集［C］.北京：中国社会科学出版社1994. [3]张筑生.微分半动力系统的不变集［D］. 北京：北京大学数学系教学研究所，1983. [4]冯西桥.核反应堆压力管道与压力容器的LBB分析［R］. 北京：清华大学核能技术研究所，1997. ③专利 [序号]专利所有者. 专利题名［P］. 专利国别：专利号，出版日期. [1]姜锡洲.一种温热外敷药制备方案［P］.中国专利：881056073，1989-07-26.
物流运输管理中的决策支持系统设计
物流运输管理中的决策支持系统设计 物流运输是现代流通业中不可缺少的一个部分，因为负责着货物从供应商到客 户的快速、高效的传递。由于现代物流运输的管理日益庞大、复杂，决策者们越来越意识到如何优化物流运输的重要性。决策支持系统(DSS)为优化物流运输提供了 有效的解决方案。下文将探讨如何设计一个优秀的DSS来协助物流运输决策管理。 一、物流运输决策支持系统介绍 1. 什么是决策支持系统 决策支持系统是指用计算机技术和信息处理技术辅助管理者做出决策的系统， 其主要作用是向管理者提供必要的信息、数据进行分析和处理，从而帮助管理者做出正确的、科学的决策。 2. 物流运输决策支持系统的基本功能 物流运输决策支持系统的基本功能主要包括以下几个方面： （1）数据处理：将数据从不同种类、来源和形式中汇集、分类、转化、清洗 和整合。 （2）数据分析：分析和形成经济、社会、技术和环境等不同方面的决策信息 和分析结果。 （3）知识管理：根据不同的管理实际需要和具体场景的要求，对各类知识进 行分类、整合和管理。 （4）模型建立：根据实际需要，建立不同的决策模型。 （5）统计分析：根据数据进行统计分析来确定机遇和挑战。 （6）效果评估：对决策效果和效益进行评估。
二、物流运输管理中DSS的设计要点 设计一个物流运输决策支持系统，需要考虑以下几个方面。 1. 系统的主要功能 决策支持系统是一个复杂的信息技术系统，它必须具有多种功能。物流运输决策支持系统的主要功能包括：数据收集、整合、分析和处理和知识管理等。在设计过程中，需要根据实际需要和场景要求，对各种功能进行合理的设置和规划。 2. 数据的处理和分析 决策支持系统的数据处理和分析是最主要的功能之一，需要完整地收集和整合各种物流运输数据，包括货品数据、运输数据、市场数据等，通过数据分析找出需要侧重的运输方案、优化方案和风险预测等。 3. 系统的用户和应用场景 决策支持系统主要适用于企业的物流运营管理人员，为他们提供决策支持。在设计过程中需要考虑用户的背景和需求，设计出符合用户使用习惯的界面和操作方式，使用户能够轻松地使用。 4. 知识管理和模型建立 决策支持系统的知识管理和模型建立是整个系统的核心，建立不同的物流运输模型，以及基于各种知识库进行分析和决策支持，为用户提供决策的参考和依据。 5. 技术支持 在物流运输决策支持系统设计的过程中，需要密切关注技术上的开发，有专业的技术支持和后续的系统更新是必要的。系统的开发要采用最先进的技术，以保证系统具有持久性和持续性。 三、物流运输管理中DSS的未来发展
决策支持系统的设计和实现要点
决策支持系统的设计和实现要点随着信息技术的快速发展，决策支持系统 (Decision Support System, DSS) 已经成为越来越多组织和企业的重要工具。它可以帮助用户基于数据和模型做出更明智的决策，提高组织的效率和竞争力。然而，要想实现一个高效、可靠的决策支持系统并不容易。本文将讨论决策支持系统的设计和实现要点。 1. 用户需求分析 首先需要进行用户需求分析，明确用户的需求和期望。不同的用户可能会有不同的需求，例如，高层管理者通常需要有关关键绩效指标的信息，而操作人员可能更关心流程细节和操作流程。了解用户需求可以帮助设计师确定系统的功能和界面设计。 2. 数据采集和管理 DSS 需要基于可靠、准确的数据进行分析和预测。因此，数据采集和管理是关键的。数据可以通过内部或外部渠道获取，包括数据库、电子表格、Web 爬虫，交易记录、调查问卷等。数据应该存储在可靠的数据库中，并赋予适当的安全性和隐私保护。 3. 模型开发和选择 决策支持系统需要基于数据模型进行决策分析。对于已有的模型，可以直接在系统中集成，可始用现有的专业化模型和算法，比如某些机器学习模型和人工智能模型。如果系统涉及到新的问
题领域，可能需要自行开发新模型。开发和选择适当的数学模型对于决策的准确性非常重要。 4. 数据可视化和用户交互 决策支持系统的界面设计也非常重要，需要考虑用户体验、易用性和可操作性。数据可视化是关键因素之一，色彩感知度、细节深度、图表风格和动态反馈等技术可以帮助用户更加直观地理解和分析数据。用户交互可以通过开发“即时反馈”和“自我学习”功能，使用户可以迅速获取结果及时得到反馈。 5. 分析结果评估和反馈 最后，在使用决策支持系统之后需要进行评估，以便提高其准确性和实用性。评估可以通过定量和定性方法进行，包括问卷调查、测试、用户反馈等。同时，系统应该可以自动收集用户的反馈结果，并用于改进系统的性能和功能。 总之，决策支持系统的设计和实现需要根据用户需求而定，并包括数据采集、模型开发、数据可视化及用户交互和分析结果评估四个关键要点。设计师应该开发一个高效、可靠、易用和具备灵活性的系统，其能够为用户提供实时的决策支持，提高组织的运营效率和竞争力。
决策支持系统 考试重点
决策支持系统（DSS）与管理信息系统（MIS）的区别： （1）MIS是面向中层管理人员，为管理服务的系统。DSS是面向高层人员，为辅助决策服务的系统。 （2）MIS综合了多个事务处理功能。DSS是通过模型计算辅助决策。 （3）MIS是以数据库系统为基础，以数据驱动的系统。DSS是以模型库为基础的，以模型驱动的系统。 （4）MIS分析着重于系统的信息的需求，输出报表是固定的。DSS分析着重于决策者的需求，输出的数据是计算的结果。 （5）MIS系统追求的是效率，即快速查询和产生报表。DSS追求的是有效性，即决策的正确性。 （6）MIS支持的是结构化决策。DSS支持的是半结构化决策。 决策的分类： （1）按决策的作用分类 a.战略决策 b.管理决策 c.业务决策 （2）按决策的性质分类 a.程序化决策匕非程序化决策 （3）按决策问题的条件分类 a.确定性决策 b.风险型决策 c.不确定性决策 决策过程：（1）确定决策目标（2）拟定各种被选方案（3）从各种被选方案中进行选择（4）执行方案 数据是对客观事物的记录，用数字、文字、图形、图像、音频、视频等符号表示。数据经过二值化后能够被计算机存储、处理和输出。数据是信息的载体，数据本身是没有意义的。 数据按精度分类（由粗到细）：定类数据、定序数据、定距数据和定比数据。 模型的种类：统计学模型、运筹学模型、经济数学模型和预测模型。 经济数学模型主要有计量经济模型、投入产出模型、经济控制模型和系统动力模型。 人工智能的行为： （1）通过学习获取知识 （2）利用知识进行逻辑思维（推理） （3）通过自然语言理解进行人机之间的交流 （4）通过图像理解进行形象思维（联想） （5）利用启发式（经验）方法，解决新问题 （6）利用试探性（创新性）方法，解决新问题 智能行为概括为：获取知识，进行推理、联想或交流，解决随机问题或新问题。 决策支持系统的三部件结构：对话部件（人机交互系统）、数据部件（数据库管理系统DBMS和数据库DB）、模型部件（模型库管理系统MBMS和模型库MB）。
管理信息系统考试重点
第1章管理信息系统概述 １。数据(Dａｔａ）是对客观世界的符号记录，是用于表示客观世界未经加工的原始事实．2。信息（Ｉnｆormation)是对数据经过解释或处理之后,对人的行为能产生影响并赋予一定意义的数据。 ３。信息与数据的区别: ①数据是信息的载体,信息是加工后的数据，对人的行为产生影响； ②数据随介质的表现形式不同而不同,但信息却不因表现形式不同而有所差异。 4．信息的基本属性 (１）事实性: 事实性是信息的第一属性; (２）等级性：通常把信息分为：战略级、战术级和作业级. (3)价值性: 信息是经过加工的、有意义的数据，具有使用价值和交换价值; （４）可压缩性：信息可以被浓缩、集中、概括及综合，而不丢失信息的本质。 （５)扩散性：扩散性是信息的本性,信息通过各种渠道和手段向四面八方传播； （6）转换性 ①当今社会信息无所不在，它与物质、能源共同构成了人类社会赖以生存和发展的三大资源; ②物质、能源和信息三者有机地联系在一起，可以相互转化。 5.决策：是人们为了达到某种目的而进行的有意识的、有选择的行为，在一定的条件制约下,为了实现一定的目标,而从可能的选择方案中做出的决定,以求达到较为满意的结果。 6。决策过程四步骤 问题识别： 解决什么问题 方案设计： 设计解决问题的多种 方法 方案选择: 选定最合适方案 实施改进: 付诸实施 6。系统:是为了实现某种目标而相互联系、相互作用的若干事物（元素）的有机整体。 7.系统具有如下主要特性 (1)整体性:系统是把原本不相关的元素联系起来，成为一个整体。 （2)目的性:系统的组成都是有目的,即为了完成或达到某些目标． （3）层次性：通常一个复杂的系统由许多子系统构成，而这些子系统又可以由更小的子系统组成,层层相扣。 (4)相关性：系统内各个子系统之间相互作用、相互依赖。 8. 信息系统 信息系统是以计算机、网络及其它信息技术为核心，为实现某些系统目标、对信息资源进行
DSS考试重点总结
第一章决策支持系统的理论基础 1、明茨伯格将管理者扮演的角色分为三方面：人际关系、信息传递和决策制定（最关键）。 2、管理和决策的关系：决策贯穿管理活动的始终，管理的过程主要是决策及其实施的过程；决策是管理的根本和核心所在，但它并不等同于管理。 3、决策的概念：决策是人们在政治、经济、技术和日常生活中普遍存在的一种行为，它是经过周密的推断和分析在众多替代方案中选出最佳的方案。简言之，决策就是针对预期目标，在一定条件下，从诸多方案中选择一个并并付诸实施。 4、决策的特征：决策陈述、一批替代方案和一套准则。 5、科学决策的基本原则：信息化原则，定量分析与定性分析紧密结合的原则，对比优化原则，反馈原则，复杂问题群体决策的原则。 6、决策系统要素：决策主体、决策目标、决策方案、结局、效用。 7、Simon决策阶段的结构化分类：结构化决策（指决策方法和决策过程有固定的规律可遵循，可用形式化的方法描述和求解的一类管理决策问题。如可用解析的方法、运筹学的方法、经验方法、程序化的方法等来解决的决策问题等）、非决策化决策（指决策方法和决策过程没有什么规律可遵循并难以用确定的方法和程序表达的，即只能根据当时的情况和决策者手中所掌握的资料，凭经验和直觉作出决定的一类决策问题，通常是一次性的）、半结构化决策(是指介于前两者间的一种情况，即决策方法和决策过程有一定的规律可遵循，但又不完全确定的情况。我们通常在社会经济和管理活动中所遇到的决策绝大部分属于这种情况。例如证券交易、产品的市场预测等和银行信贷员决策都是这类问题中的典型例子) 8、问题的结构化程度的区分因素：一问题形式化描述的难易程度；二是解题方法的难易程度；三解题中所需计算量的多少。 9、决策模式即决策的模型和方式，它是决策系统中对决策过程的客观规律的表述，是决策者进行决策必须遵从的规律。5种决策模型：理性模式（完全理性模式、有限理性模式）、有效理性模式、非理性模式、过程型模式和组织和策略决策模式。 10、决策支持系统与管理科学MS、运筹学OR的关系。答：第一，管理科学／运筹学适合处理结构化问题。在处理结构性很强的局部问题时，管理科学／运筹学是相当成功的方法。但是，用它们来解决诸如战略、规划等半结构化或非结构化一类的决策问题时，往往使人进退维谷，很难达到预期的效果。第二，管理科学／运筹学注意结构规范，DSS不拘于形式上的构造。管理科学／运筹学过于注意结构上的规范、形式上的构造模式，而DSS 却把管理者所要处理问题的过程分为四个步骤：调研、建模、优化和解释，用这种分类方法对 DSS与管理科学／运筹学加以比较，发现管理科学／运筹学只完成第二步工作，而相对于其余三步工作，它们是无能为力的，DSS在这三步工作中却大有作为。第三，DSS的开发和研制离不开传统的管理科学／运筹学所提供的模型，但是DSS倾向于模型尽量简单，宁可牺牲方法上的精巧而努力使用户在概念上和决策效能上能够接受，而不拘泥于形式上的构造和模型的规范，这是DSS的显著特点。第四，DSS给管理科学／运筹学的发展带来了生机，DSS既与管理科学／运筹学构成了一个相互支持、相互合作的整体，又与管理科学／运筹学之间有剧烈的竞争。 11、DSS与AI之间的关系：人工智能将为DSS提供有效的理论和方法。 12、西蒙的决策阶段模型：将决策过程划分为4个步骤。第一步：信息阶段又称为情报阶段，它用于寻找要求决策的条件。它包括找出、识别和确切地表述需要作出决策的问题或情况。第二步：设计阶段用于创建、发展和分析可能的行动方案。该阶段涉及建立、开发和分析各种可能的可行方案。第三步：选择阶段，决策者要对在设计阶段开发的各种方案的利弊进行评价，评估每种方案的可能实施结果，并从中选择一项令人满意的最优方案。第四：实施阶段是执行选中的方案，检测实施的结果，并做出必要的调整。 13、决策的分类：按性质的重要性分类可将战略决策、策略决策和执行决策或称为战略计划、管理控制和运行控制3个级别。 14、对现代决策的要求：决策质量的要求更高、决策时要考虑的因素更复杂、决策速度要求更快、决策失败的代价更高。 第二章决策支持系统概述 1、计算机在文件管理部门的应用经历了三个阶段：电子数据处理EDP、管理信息系统MIS、决策支持系统DSS。 2、DSS定义（无统一定义）：决策支持系统是以计算机为基础的完成信息收集、信息整理、信息处理和信息提供的人机系统。 3、DSS的特点：一、用于半结构化或者非结构化的决策领域二、用来辅助决策者，而不是取代决策者三交互式、友好的用户界面四着重于决策制定过程，而不是效率五使用基础的数据和模型六可以为各种类型的知识工作者提供支持七、强调对环境及用户决策方法改变的灵活性及适应性 4、DSS组成：人机接口、数据库、模型库、知识库、和方法库。 5、DSS与MIS的关系：①MIS是DSS中的一部分；②DSS是MIS中的一部分；③MIS与DSS 是同一信息系统中的两个不同的、相互联系而又相互配合的部分；④MIS和DSS是计算机应用于管理系统中的两个不同的发展阶段； ⑤DSS和MIS没有什么区别，只是名字不同而已。 6、DSS与MIS的主要联系①MIS收集、存储组织机构所提供的大量基础信息是DSS工作的基础，而DSS能使MIS所组织和保存的信息真正发挥作用；②MIS需要负担起反馈信息的收集工作，可以支持DSS进行结果检验和评价；③DSS的工作可以对MIS的工作进行检查和审计，为MIS的改进及完善指出了方向；④DSS经过反复使用，所涉及的问题模式和数据模式逐步明确，逐步结构化，可归并入MIS的工作范围。 7、DSS与MIS的区别：①MIS完成的是例行业务活动中的信息处理任务，而DSS完成的是辅助支持决策活动，提供决策所需的信息。②MIS追求的目标是高效率，而DSS追求的目标是有效性。③MIS的设计方法是以数据驱动的，而DSS得设计方法是以模型来驱动的。 ④MIS的设计思想是一个相对稳定协调的工作系统，设计方法强调系统的客观性；而DSS 的设计思想是努力实现一个具有巨大潜力的、适应性强的开发系统，设计方法强调充分发挥人的经验、智慧、努力是决策更加正确。⑤MIS趋向于信息的集中管理，而DSS趋向于信息的分散使用。⑥MIS的分析着重体现系统全局的、总体的信息需求，而DSS的分析着重体现决策者的信息需要。 8、新一代决策支持系统的应用与发展：群体DSS、智能DSS、分布式DSS、战略DSS、基于案例推理的DSS、基于数据仓库技术的DSS. 9、按DSS的最终用户或操作模式划分：个人型决策支持系统、群体决策支持系统GDSS、领导支持系统ESS、分布式决策支持系统DDSS. 10、Alter对DSS的分类：面向数据的系统（信息分析系统、文件抽屉系统、数据分析系统）、面向模型的系统（建议模型系统、财务模型系统、最佳模型系统、表达性模型系统）11、DSS的三个阶段：数据库阶段，数据仓库阶段，商务智能阶段。 第三章 1、DSS概念结构的组成：用户接口，控制系统，问题处理系统，数据库系统，模型库系统，知识库系统，用户。 2、DSS的技术层次：专用DSS（即SDSS是指专门针对某种问题的决策支持系统，它是能够实际完成决策支持任务的计算机硬件和软件系统）、DSS工具（即DSST是指一些工具或是一些可用来构成专用DSS或DSS生成器的硬件或软件单元）和DSS生成器（即DSSG是通用的生成器可以生成各种决策决策支持系统） 3、DSS的两类基本体系结构：一类基于X库的体系结构（由数据库、模型库、方法库、知识库等各种库和对话系统构成，是一种典型的三库系统）第二类是基于知识的3S体系结构（由语言子系统LS、知识子系统KS和问题处理子系统PPS三部分组成，简称3S结构。1989年增加了表示系统IS.） 4、最基本的结构是两库结构（数据库和模型库）；三库结构模式是在两库的基础上增加了知识库系统；四库结构是在三库的基础上增加了方法库。 5、DSS部件的逻辑结构：DSS的三角形结构形式、DSS串联结构形式、DSS融合式结构形式、以数据库为中心的结构形式。 6、影响DSS总体结构因素分析： DSS的系统环境、DSS的目标和功能、DSS的组成成分、DSS的分布布局、DSS所需的资源。 7、DSS的环境对DSS结构的影响：①决策任务的可结构性对DSS结构的影响②决策任务的级别对DSS结构的影响③决策过程的不同阶段与DSS的关系④DSS的应用领域与DSS结构的关系 第五章 DSS中的模型库 1、模型库系统是将众多的模型按一定的结构形式组织起来，通过模型库管理系统对各个模型进行有效的管理和使用的计算机软件系统。 2、模型库的特征：动态性（基本的）、组合性 3、模型库系统在DSS的作用和地位：第一，模型库系统是构建和管理模型的计算机软件系统，它是DSS中最复杂与最难实现的部分。DSS用户是依靠模型库中的模型进行决策的，因此我们认为DSS是由“模型驱动的”。第二，其主要功能是通过使用人机交互语言使决策者能方便地利用模型库中各种模型支持决策，引导决策者应用模型做出科学的决策。 4、模型库系统的基本构成：模型库、建模系统、模型库使用维护系统、模型库管理系统构成。 5、模型的定义：以某种形式对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律。 6、模型的特点：模型是现实世界的抽象、使用简单、节约时间、降低费用、运用模型便于进行灵敏度分析、模型有助于学习和练习 7、DSS应用模型获得的输出可以分为以下三种作用：直接用于决策；对决策的制定提出建议；用来估计决策实施后可能产生的后果。 8、模型程序模块的分类：零件型的模型程序模块、部件型的模型程序模块、框架型的模型程序模块。 9、模型的表示方法：模型的程序表示、模型的数据表示、语句表示。 10、构建模型的常用方法：影响图（模型的图形表示，用于支持模型设计、开发和理解），决策树（适用于判断条件较多，各条件又相互组合，且相应的决策方案较多的问题），决策表（适用于描述条件比较多的决策问题）。 11、模型库的分类：按照模型建立和使用的特点分为通用模型库、专用模型库和智能模型库。 12、模型字典是用来存放有关模型的描述信息和模型的数据抽象。 13、模型库管理是为生成模型和管理模型提供一个用户友好环境的计算机软件系统。包括的内容：建模管理、模型库存取管理、模型的运行管理和模型的组合。 14、数据库管理系统语言：数据库描述语言（DDL），数据库操作语言（DML）。 15、模型库管理系统语言：模型管理语言（MML），模型运行语言（MRL），数据接口语言（DIL）。第五章决策支持系统的数据库、方法库和知识库 1、DSS数据库子系统是存储、管理、提供与维护用于决策支持的数据的DSS基本部件，是支持模型库子系统及方法库子系统的基础。 2、DSS数据库的组成：数据析取子系统，DSS数据库，数据库管理系统，数据字典，数据 查询模块。 3、数据来源：内部数据、外部数据、个人数据 4、数据库三种设计方案：①与业务管理数据库相结构构成一个统一型的数据库。 ②建立独立的DSS数据库。③从已有业务管理数据库中析取、加工成决策 需的数据以形成DSS数据库。 5、数据析取操作包括数据描述、聚合、抽取子集及数据析取显示方式4种。 6、数据析取系统的设计:一是设计与源数据库管理系统的接口，它负责两者的转换与通信。二是设计数据析取描述分析器，它分析析取要求，三是设计析取操作形成器，它利用源系统的操作命令形成相应析取操作的命令序列，以对源数据进行析取。四是设计输出接口，它显示结果并按DSS数据库德要求存于其中。 7、DSS数据库类型：经营管理数据库和战略规划数据库。 8、在DSS中引入方法库的优点：①提供各种通用计算、分析、加工处理的能力。 ②提高模型运行的效率。③实现软件资源的共享。 9、方法库系统的基本结构：方法库，方法库管理系统，内部数据库和用户界面。 10、DSS知识库系统分类：包含知识库子系统的DSS称为智能DSS、专家支持系统或者基 于知识的DSS 11、开发知识库关键技术：是知识的获取和解释、知识的表示、知识推理以及知识库的管 理和维护。 12、推理机：知识库系统问题求解过程必不可少的机制，其功能是根据一定的推理策略从 知识库中选择有关知识，对用户提供的事实进行推理，直到得出相应的结论为止。 13、推理的方式：正向推理，反向推理。 14、推理的冲突消解策略：特殊知识优先、新鲜知识优先、差异性大的知识优先、领域特 点优先、上下文关系优先、前提条件少者优先 15、知识：以各种方式把一个或多个信息关联在一起的信息结构。 16、知识的表示：用一些约定的符号把知识编码成一组计算机可以接受的数据结构。知识表示的观点：①陈述性观点②过程性观点 17、知识的表示方法：规则表示法，框架表示法，语义网络表示法，面向对象表示法等。 18、规则表示法的优缺点。正向推理：优点：直观，允许用户主动提供有用的事实信息。缺点：无明确目标，推理效率较低。反向推理：优点：推理过程的目标明确缺点：当用户对解的情况认识不清时，由系统自主选择假设目标的盲目性比较大，若选择不好，会影响系统效率。混合推理：当问题较复杂时，为了发挥前两种方式的长处，避免各自的短处，可以将它们结合起来使用。 框架表示法的优点:①结构性②深层性③继承性④自然性缺点①缺乏框架的形式理论②缺乏过程性知识表示③清晰性难以保证 框架表示法推理形式为填充槽值。填充槽值方式有匹配和继承。 19、知识获取的分类：主动式，被动式。知识获取的方式：人工移植、机器学习、机器感知 第六章决策支持系统的新术 1、为什么要建立数据仓库？答：为了提高分析和决策的效率和有效性，分析型处理及其数据必须与操作型处理及其数据相分离。必须把分析型数据从事务处理环境中提取出来，按照DSS处理的需要进行重新组织，建立单独的分析处理环境，数据仓库正是为了构建这种新的分析处理环境而出现的一种数据存储和组织技术。 2、数据库与数据仓库的区别 ①数据库面向业务，使用者是企业的一般业务人员，进行企业日常的数据处理和维护工作。 ②数据仓库是面向决策的，使用者是企业的高层管理人员，它也是使用关系数据库，但数据仓库并不负责处理业务，而是把企运行数据收集以后用于分析和决策，它的数据来源是企业的业务数据库，甚至EXCEL表格或文本文件。 ③数据库注重的是企业运行的当前数据，任务是收集和记录企业的原始业务数据；而数据仓库面对的是非即使性的历史数据，任务是通过从企业的业务数据中提取业务数据，并经过加工和处理来呈现给企业的决策人员。 3、数据仓库的定义和特征：定义1（无统一定义）：数据仓库是面向主题的、集成的、随时间变化的、历史的、稳定的、支持决策制定过程的数据集合。 特征：①数据仓库是面向主题的②数据仓库是集成的③数据仓库是稳定的④数据仓库是随时间增长的⑤数据仓库中的数据量很大⑥数据仓库软硬件要求较高 4、数据仓库系统组成由数据仓库，仓库管理和分析工具。 数据仓库的结构构成：当前基本数据、历史基本数据、轻度综合数据、高度综合数据、元数据数据仓库的物理设计包括：划分粒度，数据分割。数据仓库的运行结构：典型客户/服务器（c/s）结构形式。数据集市结构分为独立的数据集市和从属的数据集市。 5、数据集市和数据仓库的差别：①数据仓库是基于整个企业的数据模型建立的，它面向企业范围内的主题。数据集市是按照某一特定部门的数据模型建立的，由于每个部门有自己特定的需求，他们对数据集市的期望也不同。②部门的主题与企业的主题之间可能存在关联，也可能不存在关联。③数据集市的数据组织一般采用星型模型。大型数据仓库的数