决策支持系统发展现状与趋势分析
论基于大数据的智能决策支持系统
论基于大数据的智能决策支持系统随着大数据技术的不断发展和普及，越来越多的企业开始尝试利用大数据来改善业务流程和决策过程。
而基于大数据技术和人工智能技术的智能决策支持系统，便成为了企业数智化转型中的核心组成部分。
一、智能决策支持系统是什么？智能决策支持系统（IDSS）是一种基于人工智能（AI）和大数据分析技术，旨在帮助企业快速、准确地做出决策的软件系统。
它可以帮助企业收集、存储、分析和可视化大量的数据，从而提供给企业高度精确、实时、定制化的智能化建议，进而提升决策的质量和效率。
IDSS主要包含以下组成部分：1. 数据采集系统：对传感器、传输通道进行数据采集和带宽优化；2. 数据存储系统：采用分布式文件系统、NoSQL等技术存储和处理各种类型的数据；3. 数据分析系统：通过大数据分析、机器学习等技术对数据进行分类、聚类、回归等分析，并将分析结果反馈给决策者；4. 决策支持系统：通过可视化、建模和优化等技术，帮助决策者作出准确的决策。
二、 IDSS的优势1. 对数据的依赖性高：IDSS可以借助人工智能技术对海量的数据进行分析和挖掘，提供更加准确、实时的数据分析结果，帮助企业更好的了解市场变化、消费趋势以及未来的发展趋势，从而在决策过程中更加科学、精准；2. 精准的决策支持：IDSS可以基于数据分析，提供针对性的决策支持，而非单纯的依靠决策者的经验，从而避免决策过程中的主观性和随意性。
3. 能够快速地调整到变化：IDSS可以更加快速地识别和响应市场变化和风险，及时对决策进行调整和优化，及时应对市场变化，进而提升企业的竞争力。
三、 IDSS的应用场景1.零售业：随着大数据和云计算技术的广泛应用，零售业更加注重数据的收集、分析和应用。
IDSS可以更好地帮助零售企业，通过对数据的分析和挖掘，了解消费者的喜好和需求，调整自身的经营策略和方向，提升零售业的竞争力和盈利能力。
2.金融业：金融业是一种高风险的业务，需要准确的分析和决策来应对各种风险。
教育大数据分析与决策支持系统
教育大数据分析与决策支持系统近年来,随着计算机和数学技术的发展,大数据的概念已经成为人们谈论的热门话题。
而在教育领域,教育大数据已经逐渐成为大家关注的领域。
教育大数据分析是指基于大数据技术对教育数据进行系统分析、挖掘、应用和推理,以发现其中的规律和价值,进而提供有益的决策支持。
而教育大数据分析与决策支持系统,则是利用教育大数据进行教育决策支持和评估的一种系统化的手段。
在这篇文章中,我们将探讨教育大数据分析与决策支持系统的重要性,应用场景以及其未来发展趋势。
一、教育大数据分析与决策支持系统的重要性教育大数据分析与决策支持系统的重要性在于,其能够从海量、复杂、多样化的教育数据中挖掘出有价值的信息,为教育机构提供科学、便捷、真实、客观的数据分析依据,从而指导教育决策。
例如,可以通过数据分析来了解学生的学习状态,并根据学生的学习情况对教学策略进行优化。
通过数据分析可以了解学生所需要的课程内容,以便课程开发者设计更加符合学生需求的课程,从而提高学生的学习效果。
又例如,通过数据分析可以了解教师的授课质量及其教学效果,以便教育管理者可以针对性地对教师进行培训和素质提升。
因此,教育大数据分析与决策支持系统的重要性不可忽视。
二、教育大数据分析与决策支持系统的应用场景教育大数据分析与决策支持系统的应用场景非常广泛。
我们可以将其应用到以下几个方面:1. 学生成绩分析。
学生成绩是最常见的教育数据之一。
通过对成绩分析可以掌握学生的学习状态和成绩分布情况,并需要针对性地优化课程设计和教学策略。
2. 课程开发和优化。
通过收集学生在学习中的数据,可以分析学生学习曲线及相关数据,提高教育机构对教学质量的掌控,并为课程开发者提供有用的数据参考。
3. 教师培训和评估。
通过对教师授课的数据进行分析,可以评估教师授课的效果,从而为教师的培训和考核提供更科学的依据。
4. 教育决策支持。
教育大数据分析与决策支持系统还可以为教育管理者提供决策支持,进而减少教育资源的浪费,提高教育效果。
决策分析的决策支持系统
决策分析的决策支持系统决策是指在面临多种选择的情况下，选择一种或多种行动方案的过程。
在现代社会中，决策对于个人和组织来说都是至关重要的一环。
然而，由于信息的不完全性和复杂性，决策过程常常面临困难和挑战。
为了帮助人们更加科学地进行决策，决策支持系统应运而生。
一、决策支持系统的定义和作用决策支持系统（Decision Support System，简称DSS）是一种通过使用计算机技术和数学模型，提供决策过程中所需信息和分析方法的工具。
它能够帮助决策者更好地理解问题、分析决策方案、评估风险以及做出最佳决策。
决策支持系统在决策过程中发挥着关键的作用。
首先，它能够收集和整合各种信息，包括内部数据、外部数据以及行业研究报告等，为决策者提供全面、准确的信息基础。
其次，决策支持系统能够应用各种数学和统计方法，进行数据分析、模拟和预测，帮助决策者理清问题的本质和关键因素。
最后，决策支持系统还能够提供多种决策方案的比较和评估工具，帮助决策者选择最佳的方案并降低风险。
二、决策支持系统的组成和功能决策支持系统由数据管理子系统、模型管理子系统、知识管理子系统和用户接口子系统组成。
下面分别介绍各个子系统的功能：1. 数据管理子系统：负责收集、存储和处理各种数据，包括历史数据、实时数据以及用户输入的数据。
它能够提供数据清洗、数据集成和数据挖掘等功能，为其他子系统提供所需的数据支持。
2. 模型管理子系统：负责管理和运行各种决策模型，包括统计模型、优化模型和仿真模型等。
它能够通过数学运算，对数据进行分析和建模，并生成决策方案的评估结果。
3. 知识管理子系统：负责管理和运行专家系统和规则引擎等知识表达工具。
它能够将领域知识和专业经验转化为计算机可执行的规则和推理过程，为决策者提供专业意见和建议。
4. 用户接口子系统：提供用户与决策支持系统之间的交互界面，使决策者能够方便地输入数据、选择模型和查看结果。
它通常采用图形化界面和交互式操作方式，提高用户的易用性和体验。
决策支持系统应用
DSS在企业管理中的应用
DSS在企业管理中可以用于销售预测、人力资源管理、供应链管理等方面，可 以帮助企业高效决策，提高企业运营效率。
DSS在金融风险管理中的应用
DSS在金融风险管理中可以用于风险评估、投资分析、交易监控等方面，可以 有效预测和控制金融风险，保证金融系统的稳定和安全。
DSS在环保领域中的应用
DSS的价值和作用
提高决策质量
DSS能够提供准确、实时和全面的信息，帮助决策者做出更好的决策。
节约时间成本
DSS能够减少人力和物力资源的浪费，帮助企业节约时间和成本。
提高工作效率
DSS可以帮助员工更好地理解和分析数据，提高工作效率。
DSS的分类及特点
• DSS可以分为模型驱动的DSS、规则驱动的DSS、人工智能驱动的DSS和 数据驱动的DSS。
DSS的发展历程和现状分析
1
1960s-1970s
早期决策支持系统主要使用桌面计算机和传统数据存储技术。
2
1980s-1990s
DSS开始广泛应用于商业和工业领域，并形成了自己的理论体系和方法。
3
2 0 0 0 s - P res en t
随着互联网和云计算技术的发展，DSS的应用领域不断扩展，包括金融、医疗、 环保等领域。
对开发完成的DSS进行测试和优化， 确保系统稳定可靠。
DSS的应用案例分析
农业决策
DSS用于农业管理，可以提高 收成、降低成本，为农业决 策提供有效支持。
城市规划
DSS用于城市规划，可以进行 土地评估、环境评估、市场 分析等，帮助城市规划者做 出更明智的决策。
医疗诊断
DSS用于医疗诊断，可以根据 患者的病情提供有效的诊断 和治疗建议。
DSS论文
浅析决策支持系统发展趋势[摘要] 本文首先提出了决策支持系统(DSS)的基本概念,并结合现代新技术的发展趋势,提出了新一代DSS 的主要发展方向:群决策支持系统(GDSS);分布式决策支持系统(DDSS);智能决策支持系统(IDSS);决策支持中心(DSC)及行为导向的决策支持系统(BODSS)。
结合各种决策支持系统的具体内容,全面、系统地阐述了各决策支持系统的特点及应用方向。
DSS是当前信息系统研究的最新发展阶段，DSS的各类研究成果为各级各类决策提供了科学的方法和依据，因此DSS成为软科学中的一个重要分支。
本文简要评述了近20年来DSS 研究的理论成果与应用现状，分析了DSS研究存在的问题和不足，重点介绍了DSS研究发展趋势。
[关键词] 管理系统决策支持系统发展趋势决策质量决策支持系统/软科学/数据仓库/数据开采一、决策支持系统的兴起决策是时时处处存在的一种社会现象。
任何行动都是相关决策的一种结果。
正是这种普遍性，使人们一直致力于开发一种系统，来辅助或支持人们进行决策，以便促进提高决策的效率与质量。
尤其是随着现代信息技术和人工智能技术的发展和普及应用，更有力地推动了决策支持系统(Decision Support System)的发展。
DSS是决策支持系统(Decision Support System)的简称。
其概念最早由Scott Morton和Keen 于20世纪70年代中期提出,是20世纪70年代末期兴起的一种新的管理系统。
它是一种以计算机为工具,应用决策科学及有关学科的理论与方法,以人机交互方式辅助决策者解决半结构化或非结构化决策问题的信息系统,是以特定形式辅助决策的一种科学工具。
它通过人机对话等方式为决策者提供了一个将知识性、主动性、创造性和信息处理能力相结合,定性与定量相结合的工作环境,协助决策者分析问题、探索决策方法,进行评价、预测和选优。
广泛用于企业管理、系统开发、经济分析与规划、战略研究、资源管理、投资规划等方面。
IT行业中的大数据分析与决策支持系统
IT行业中的大数据分析与决策支持系统随着信息技术的发展与普及，大数据分析与决策支持系统在IT行业中扮演着至关重要的角色。
这些系统通过收集、整理和分析海量的数据，为企业高效地决策提供支持。
本文将就大数据分析与决策支持系统在IT行业中的应用进行探讨，并从实践案例中分析其优势与挑战。
一、大数据分析的价值在IT行业中的体现大数据分析是指利用先进的计算技术和算法，从海量的数据中提取有价值的信息和知识。
在IT行业中，大数据分析的价值主要体现在以下几个方面。
1. 市场分析与预测：IT企业可通过分析大数据来了解市场需求和趋势，根据数据指引决策，调整产品研发方向和市场推广策略，提高市场竞争力。
2. 客户关系管理：大数据分析能够挖掘客户行为数据，了解客户需求和购买习惯，为企业提供基于数据驱动的个性化服务，增强客户满意度和忠诚度。
3. 运营效率提升：通过对大数据进行分析，IT企业可以实时了解其运营状况，掌握资源分配和利用情况，对瓶颈环节进行优化，提高效率和降低成本。
二、大数据分析与决策支持系统的关系大数据分析与决策支持系统紧密相连，二者相辅相成，互为支持。
大数据分析为决策支持系统提供了可靠的数据来源和分析结果，而决策支持系统则通过可视化和交互化的方式呈现分析结果，为决策者提供决策依据。
在IT行业中，大数据分析与决策支持系统的应用可以通过以下几个方面进行体现。
1. 数据源的集成与准备：决策支持系统需要从各个数据源中获取数据，这些数据可能分散在不同的系统中。
大数据分析通过数据集成和准备，将分散的数据整合在一起，以便决策支持系统的使用。
2. 数据的分析与处理：大数据分析通过运用统计学、数据挖掘和机器学习等方法，对海量数据进行分析和处理，提取有用的信息和知识。
这些分析结果可以为决策支持系统提供数据基础。
3. 决策结果的可视化与展现：决策支持系统通过可视化的方式将复杂的分析结果以图表、报表等形式展现给决策者，使其能够直观地理解分析结果，更好地做出决策。
经济发展中的决策分析和决策支持系统
经济发展中的决策分析和决策支持系统在当今快速发展的社会中，经济的快速发展是每个国家都追求的目标。
然而，随着市场的复杂性和不确定性不断增加，经济决策变得越来越困难。
为了更好地指导经济决策，决策分析和决策支持系统逐渐应运而生。
一、决策分析的重要性及其方法决策分析是指通过采用科学的方法和技术，对问题进行系统性的分析和评估，进而提供有知识依据的决策。
决策分析的重要性体现在以下几个方面：1. 提供全面信息：决策分析可以从大量的数据和信息中提取有价值的信息，全面了解问题的背景和特征，为决策者提供全面的参考。
2. 评估决策效果：通过建立模型和进行模拟，决策分析可以预测各种决策的效果，并进行评估。
这有助于决策者选择最优方案，并降低决策的风险。
3. 解决复杂问题：在现代经济中，问题往往是复杂多变的，决策分析通过将问题分解为更小的子问题，并进行系统分析，帮助决策者更好地理清头绪，找到解决问题的方向。
决策分析可以采用多种方法，如决策树、模型模拟、统计分析等。
不同的方法适用于不同的问题，并且往往需要结合实际情况和决策者的经验进行选择。
二、决策支持系统的功能和应用决策支持系统是利用计算机技术和信息科学方法，为决策者提供辅助决策的软件系统。
它的主要功能包括以下几个方面：1. 数据收集与整理：决策支持系统可以帮助决策者从各个渠道收集和整理各类数据，确保决策的基础数据准确全面。
2. 模型建立与计算：决策支持系统可以使用各种模型，进行决策的模拟和计算。
这些模型可以是经济模型、决策树模型等，通过对模型的建立和计算，帮助决策者更好地评估各种决策的效果。
3. 可视化和报告：决策支持系统可以将决策的结果以图表或报告的形式展现给决策者。
这种可视化的展示方式可以使决策者更直观地了解决策的情况，有助于决策的理解和沟通。
4. 决策协同与共享：决策支持系统可以实现多人同时参与决策的协同工作，并实现决策信息的共享。
这样可以增加决策的合理性和准确性，提高决策效率。
系统工程中的决策支持系统
系统工程中的决策支持系统在复杂的系统工程中，做出合理的决策是至关重要的。
然而，由于系统的复杂性和不确定性，常常会给决策者带来巨大的挑战。
这时，决策支持系统（Decision Support System，简称DSS）的出现为决策者提供了强大的工具，帮助他们做出明智的决策。
一、决策支持系统的定义和作用决策支持系统是一种信息管理系统，通过收集、整理和分析大量的数据和信息，为决策者提供决策过程中所需的各种信息，帮助他们进行决策分析和预测。
它不是替代决策者的工具，而是提供辅助性的建议和指导，使决策者能更全面、客观地看待问题，减少决策的风险。
决策支持系统在系统工程中的应用广泛，它的作用主要可以在以下几个方面：1.信息收集与整理：决策支持系统能够从各种渠道和数据源中收集大量的信息，并将其整理为决策者所需的格式和形式，减少了决策者的信息搜集成本。
2.多条件分析：在系统工程中，常常会涉及多个条件和因素的综合评估，决策支持系统能够将这些条件和因素进行量化和分析，为决策者提供全面、准确的决策依据。
3.模型和算法的支持：决策支持系统常常基于一些模型和算法，通过模拟和优化等方法，帮助决策者预测未来的发展趋势和可能的结果，以及找出最佳的解决方案。
4.可视化展示：决策支持系统将大量的数据和信息以可视化的方式展现给决策者，使其能够更直观地理解和把握问题的本质和关联性，提高了决策的透明度和效果。
二、决策支持系统的技术与方法决策支持系统利用了许多技术和方法来实现决策过程的有效支持。
以下是一些常用的技术与方法：1.数据挖掘和分析：决策支持系统能够通过对数据的挖掘和分析，发现其中的模式和规律，帮助决策者做出准确的预测和判断。
2.专家系统：专家系统是一种通过模拟人类专家知识和经验来解决问题的技术。
决策支持系统中的专家系统能够模拟专家的决策过程，为决策者提供决策建议。
3.模糊逻辑：模糊逻辑是一种能够处理不确定性和模糊性的逻辑方法。
在决策支持系统中，模糊逻辑可以用于处理问题中的模糊信息，提高决策的灵活性和鲁棒性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
部件接口、系统综合集成“…。
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
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）““。
。一露；｜｛ｌ姗一糍至堇．。嬲一糍溉黼。…耋萋一糍“。一糍
本课题通过对近年来DSS研究的理论成果与应用的研究，分析了目前企业DSS开发和应用的现状，以及企业在DSS开发应用中存在的问题和不足，从理 论和方法上对企业管理工作如何建立和运用DSS提供相应的对策与建议。本文的主要工作以及创新之处主要在以下几点：
1、从管理学的角度分析了决策支持系统的作用、特点和应用原则。这是探讨企业DSS开发应用的基础，文中从DSS的一般理论、管理的决策理论、控 制理论等方面对DSS的研究开发进行了深入剖析，分析了DSS在目标确立、功能设计、评价指标、决策方法、应用实现等方面的特点，通过分析当前企业 在建立DSS中遇到的关键问题，研究了DSS开发和设计的基本方法。
应能保证节点之间顺畅的交流，协调各个节点的操 从这些系统总体架构的概括与设计思路看，开发一个
作，为节点及时传递所需的信息以及其它节点的决策 实际的高性能Ｄｓｓ需要解决如下关键技术问题：
结果，从而最终实现多个独立节点共同制定决策。
（１）模型库系统的设计和实现：它包括模型库的
（１１）智能决策支持系统（Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｄｅｃｉｓｉｏｎ ｓｕｐ－ ｐｏｎｉｎｇ ｓｙｓｔｅｍ，简称ＩＤｓｓ）挎１。智能决策支持系统（ＩＤｓｓ）
吴新年， 陈永平， Wu Xinnian， Chen Yongping 吴新年,Wu Xinnian(中国科学院国家科学图书馆兰州分馆,兰州,730000)， 陈永平,Chen Yongping(北方民族大学图书馆,银川,750021)
情报资料工作 INFORMATION AND DOCUMENTATION SERVICES 2007，""(1) 5次
12.Sprague R H A Framework for the Development of Decision System 1980 13.Bonczak R H Foundation of decision support system 1981 14.袁磊 互联网环境下决策支持系统的发展变迁 2006 15.杨善林 智能决策方法与智能决策支持系统 2005 16.张跃.王光远 模糊随机动力系统理论 1993
万方数据
万方数据
情报资料工作２００７年第１期
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
参考文献(17条) 1.史忠植 知识工程 1988 2.中国科学院计算技术研究所智能信息处理重点实验室智能科学课题组 智能决策支持系统 2006 3.Bonczek R.C Holsapple.A Whinston Foundations of Decision Support Systems 1981 4.同 5.Dhar V.Stein R Intelligent Decision Support Methods:The Science of Knowledge Work 1997 6.Chen Wei-Chou.Hong Tzung-Pei.Jeng Rong A framework of decision support systems for use on the World Wide Web 1999(22)
2、研究了DSS开发的关键环节，并提出了一些有针对性的解决办法。本文结合DSS与M工S、EIS等系统的关系，对建立DSS的关键环节，如开发目标、 功能设计、评价指标的分析研究，对我国企业在今后的DSS设计开发都有较好的参考价值。
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。
是人工智能（ＡｎｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）和Ｄｓｓ相结合，应用
（２）部件接口：各部件之间的联系是通过接口模
专家系统（Ｅｘｐｅｒｔ Ｓｙｓｔｅｍ）技术，使Ｄｓｓ能够更充分地应 块完成的，部件接口包括：①对数据部件的数据存取；
分析处理及数据挖掘技术的ＩＤｓＳ等。
言的支持能力还相当有限，数值计算语言（如ＦＯＲ－
（１２）自适应决策支持系统（Ａｄａｐｔｉｖｅ Ｄｅｃｉｓｉｏｎ ｓｕｐ— ｐｏｒｔ ｓｙｓｔｅｍ，简称ＡＤｓｓ）。自适应决策支持系统是针对 信息时代多变、动态的决策环境而产生的，它将传统
ＴＲＡＮ、Ｐａｓｃａｌ、ｃ等）不支持对数据库的操作，而数据库 语言（如ＦｏｘＰｍ、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
2.学位论文 汤喆川 供应链管理决策支持系统(SCM-DSS)的研究与开发-基于WEB的信息支持技术的研究与协同工作
环境的开发 2000
该论文旨在论述对供应链管理(SCM)技术及决策支持系统(DSS)所进行的研究和设计开发工作.作者从信息技术集成与支持的角度,着重研究供应链管 理决策支持系统的信息支持基础结构与信息集成问题,提出了一种因特网环境下,采用WEB技术构建供应链管理决策支 持系统的设计方案,设计开发了相应 的原型系统.作者完成了系统的总体框架及协同工作支持环境和工具有开发工作,并结合上海汽轮发电机公司的实际情况,就供应链的构建决策问题进行典 型应用的研究,以验证该系统的先进性与可行性.最后,总结全文指出有待改进的地方和进一步研究的方向.该论文是以同济大学CIMS研究中心承担的国家 863计划课题《供 应链建模技术及其管理决策支持系统研究和应用》(课题编号:863-511-9844-003)为基础进行的.
应用户接口设计、自适应模型或领域知识库的设计、 如建模技术、系统快速原型开发技术、数据库仓库和
在线帮助系统与Ｄｓｓ的自适应设计四个方面进行，其 数据挖掘技术、知识仓库技术、知识发现技术、知识分
中问题领域知识库能否建立是ＡＤｓｓ成功与否的关 析技术、知识描述技术、公式发现技术、智能代理技
键，它使整个系统具有了自学习功能，可以自动获取 术、神经网络技术、可视化技术等等。
4.期刊论文 李必成.丁平.张乃华.叶爱华.LI Bi-cheng.DING Ping.ZHANG Nai-hua.YE Ai-hua 决策支持系统
(DSS)在农业中的应用 -农机化研究2005,""(3)
决策支持系统(DSS)已是当前信息系统研究的最新发展阶段,它的各类研究成果为各级决策提供了科学的方法和依据,已成为软科学中的一个重要分支 .为此,介绍了DSS的历史、发展趋势及其现在主要面临的几个问题;通过几个方面例子来体现DSS在农业及实际生活中运用的广泛性.随着科学的发展 ,DSS对整个人类社会的影响也必然会更加深远.
认识，并为决策过程中超越其认识极限的问题的处理 具，它需要系统开发者自己根据需要自行设计和开
要求提供适用技术手段“…。根据ＩＤｓｓ智能的实现可 发。这样就不可避免地阻碍了决策支持系统的发展。
将其分为：基于Ｅｓ的ＩＤｓｓ；基于机器学习的ＩＤｓｓ；基
决策支持系统需要对数据、模型、知识、交互四个
于智能代理技术Ａｇｅｎｔ的ＩＤｓｓ［１¨；基于数据仓库、联机 部件进行集成。目前，专家们公认的事实是，计算机语
技术融于传统的Ｄｓｓ中，弥补ＤＳｓ单纯依靠模型技术 的系统。
与数据处理技术，以及用户高度卷入可能出现意向性
模型库系统虽然已经不再是一个新概念、新技
偏差的缺陷；通过人机交互方式支持决策过程，深化 术，但它不同于数据库系统。数据库系统有成熟的理
用户对复杂系统运行机制、发展规律乃至趋势走向的 论和产品，模型库系统还没有形成很成熟的产品工
信
息
３ 阻碍决策支持系统发展的关键技术问题
化
１９８０年，Ｓｐｒａｇｕｅ就曾提出了决策支持系统的三 与
部件结构，即对话部件、数据部件（数据库Ｄａｔａ Ｂａｓｅ和 网
数据库管理系统ＤＢＭｓ）、模型部件（模型库ＭＢ和模 络
型库管理系统ＭＢＭｓ）。该结构明确了Ｄｓｓ的组成，也
化 建
间接地反映了Ｄｓｓ的关键技术，印模型库管理系统、 设
或提炼决策所需的知识。对此，就要求问题处理模块
必须配备一种学习算法或在现有Ｄｓｓ模型上再增加 ４ 决策支持系统的未来发展
一个自学习构件。归纳学习策略是其中最有希望的一
从目前决策支持系统的发展及未来需求趋势来
种学习算法，可以通过它从大量实例、模拟结果或历 看，大致反映出了这样一些明显的发展动向：
史事例中归纳得到所需知识。此外，神经网络、基于事
（１）不断强化知识管理的功能，提升系统的知识
例的推理等多种知识获取方法的采用也将使系统更 管理与知识综合应用能力。例如具有知识学习能力的
具适应性。
ＩＤｓｓ的智能主要体现在系统能利用专家知识辅助决
万方数据
万方数据
决策支持系统发展现状与趋势分析
作者： 作者单位：
刊名： 英文刊名： 年，卷(期)： 被引用次数：
用人类的知识或智慧型知识，如关于决策问题的描述 ②对模型部件的模型调用和运行；③对知识部件的知
性知识、决策过程中的过程性知识、求解问题的推理 识推理。
性知识等，并通过逻辑推理来帮助解决复杂的决策问
（３）系统综合集成：根据实际决策问题的要求，通
题的辅助决策系统。ＩＤｓｓ的系统目标是：将人工智能 过集成语言完成对各部件的有机综合，形成一个完整
3.期刊论文 戴悦.岳超源.Dai Yue.Yue Chaoyuan 会计DSS: 决策支持系统在会计学中的应用 -华中理工大学学报