数据仓库和决策支持系统
决策支持系统三个主要部件——数据库、模型库和会话部件
决策支持系统三个主要部件—数据库、模型库和会话部件决策支持系统的信息可来自内源和外源。
决策支持系统本身包含有一些库，如数据库、模型方法库。
有时模型方法库分开为模型库和方法库。
决策支持系统当然应有信息处理器。
决策支持系统有两个接口，一个是与内源和外源相联的DSS输入接口；一个是DSS的输出接口。
由输出接口产生一些报告、模拟结果以及查询结果，用以支持决策的四个阶段，即情报阶段、设计阶段、选择阶段和评价阶段。
决策支持系统有三个主要部件，即数据库、模型库和会话部件。
由这三个部件联成整体，支持决策的制定。
根据决策的性质，决策支持系统对这三种部件有着特殊的要求。
下面我们就对决策支持系统对这三个部件的要求做些介绍。
决策支持系统大体上由以下三个部分组成:·对决策用的数据进行管理的决策数据管理子系统。
·决策知识、模型管理子系统。
·与用户进行对话、接收命令,提供决策结果的交互环境。
(l)数据库·支持记忆要有空间，要能保留中间结果，要有数据之间的联系，要能方便的触发。
·支持数据的压缩包括抽取、合并和汇总。
·变化细度，变化精度。
·宽的时间范围由过去现在将来，一般的计算机应用只有过去和现在。
·多源内源、外源和内源中的不同部门。
·公用或私有库不同的拥有者和不同的费用方式。
·集合运算能力基本的与、或、非和各种关系逻辑运算。
·和DSS其他部件有好的接口，和终端用户有好的接口。
现代的决策支持系统多用在原来的基层数据库的基础上，建立一个DSS专用数据库的方法。
其结构见图6.10。
由图6.10我们可以看出DSS数据库是由原来的内库基础数据库和外源数据库抽取数据，经过加工以后得到的综合数据组成的。
它可以满足快速的查询和显示的要求。
DSS数据库的优点是减少了I/O时间和计算时间，其缺点是数据冗余功能重复，还有取到的数据是非现实的，也即是由较早的原始数据加工而得到的数据。
数据仓库在决策支持系统中的应用
Ｄ ｔ Ｗ ａｅ ｏ ｓ ｐ ｌａｉ ｎ Ｄ ｃ ｉ ｕ ｐ ｒ Ｓ ｓｅ ａａ ｒｈ ｕ ｅ Ａ ｐｉ ｔ ｎ ｉ ｅ ｉｏ Ｓ ｐ ｏｔ ｙｔｍ ｃ ｏ ｓ ｎ
Ｚ Ｏ Ｇｅ ｈ Ｕ
（ ｈ ｎ ｑ ｇ ｙ Ｖ ｃ ｔ ｎ ｌ Ｔ ｃ ｎ ａＣ ｌｇ ｈ ｎ ｑ ｇ４ ０ １） Ｃ ｏ ｇ ｉ ｏ ｏ ａｉ ａ＆ ｅ ｈ ｉ ｏｌ ｅ Ｃ ｏ ｇ ｉ ０ ７２ ｎ ｏ ｃ ｅ ｎ
数据库 ・信 息 技 术 ・Ｉ ｆ ｒ ａ ｎ Ｔ ｃ ｎ ｌ ｇ ｎ ｏ ｍ ｔｏ ｅ ｈ ｏ ｏ ｙ ｉ
数 据 仓库 在 决策 支持 系统 中的应 用
周 戈
（ 庆青 年职 业技 术 学 院 重 庆 ４ ０ １ ） 重 ０ ７ ２
【 摘
要 】 网络 信 息化 时代 的不 断发展 ， 生 了大量 的各种 各样 的数 据信 息 ， 能 够有 效地从 众 多信息 中提 取 出有 产 如何
用信 息 ， 为 大家普 遍关 注和 研究 的重要 问题 。 于决 策者来 说 ， 多信息 中筛选分析 出对 自己有用 的信 息 是常 已成 对 从众
见的一种工作过程 ， 计算机给人类带来 巨大方便的同时， 如何能帮助决策者处理这些杂乱无章的数据 ， 帮助决策者做
出正 确决 策也 是我们 研 究的 问题 。而基 于数据 仓库 的决 策支 持系 统是解 决该 问题很 好 的一种技 术解 决方 案。文章 介 绍 了数 据仓库 的概 念和 决策 支持 系统 的概念 ， 阐述 了如何 在决 策支持 系统 中建 立数据 仓库及 其 数据仓 库的维 护 。 【 关键 词 】 据仓 库 ； 数 决策 支 持 系统
ｉｆｒ ｔ ｎｆ ｍ ｌｕ ｅｏ ｆｒ ｔ ｎ ｈ ｖ ｅ ｏ ｌｔｅ ａｔｎｉｎａ ｄ ｔｅ ｒｓ ａｃ ｏｔｎ ｕ ｓｉｎ Ａｔｐｅ ｅ ｔｈ ｒ ｒ ｒｕ ｆ ｅ ｓ ｎ ｎｏｍａｉ ｒ ａ ｍｕｔ ｄ ｆｉ ｏｍａｉ ａ ｅｂ ｃ ｍｅａｌｈ ｌ ｔ ｎ ｅ ｅ ｒｈ ｉ ｒ ｔｑ ｅ ｔ ． ｒｓ ｎ ｅｅａ ａ ｇｏ ｐ ｏ ｒ ｉ ｏ ｏ ｉ ｔ ｎ ｏ ｅ ｏ ｈ ｍｐ ａ ｏ ｔ ｅ ｄｉ ｏ
决策支持系统名词解释管理学
决策支持系统名词解释管理学决策支持系统（Decision Support System，简称DSS）是管理学领域中的一个重要概念，指的是一种基于计算机技术的系统，旨在辅助管理者在复杂的决策环境中进行决策制定和分析。
本文将详细解释决策支持系统的概念、特点、构成以及在管理学中的应用。
一、决策支持系统的概念决策支持系统是一种集成了数据仓库、数学模型、人工智能等技术手段的信息系统。
其核心目标是为决策者提供必要的信息和分析工具，支持其在信息不完整、不确定的决策环境中，实现决策的科学化、合理化和高效化。
二、决策支持系统的特点1.针对性：决策支持系统针对特定的决策问题，提供定制化的信息支持。
2.交互性：系统允许决策者与系统进行交互，调整参数、假设，观察决策结果的变化。
3.集成性：系统集成了多种数据来源和分析工具，为决策者提供全面的决策支持。
4.智能性：利用人工智能等技术，实现对数据的自动分析和处理，减轻决策者的工作负担。
三、决策支持系统的构成决策支持系统主要由以下几个部分构成：1.数据仓库：存储和管理大量数据，为决策提供数据基础。
2.模型库：集成了多种数学模型，用于对数据进行分析和预测。
3.知识库：存储了专家的知识和经验，为决策提供智力支持。
4.人机交互界面：决策者与系统进行交互的界面，允许决策者输入指令、查看结果等。
四、决策支持系统在管理学中的应用在管理学中，决策支持系统被广泛应用于企业的战略决策、市场营销、生产管理等领域。
例如，企业战略决策者可以利用决策支持系统分析市场环境、竞争对手情况，制定合适的战略方向。
市场营销人员可以通过系统分析消费者行为、市场需求，制定精准的市场营销策略。
生产管理人员可以利用系统优化生产流程，提高生产效率和质量。
五、总结综上所述，决策支持系统是一种基于计算机技术的信息系统，具有针对性、交互性、集成性和智能性等特点。
它主要由数据仓库、模型库、知识库和人机交互界面等部分构成，在管理学中被广泛应用于企业的各个领域，为企业决策提供科学有效的支持。
决策支持系统的数据库、方法库与知识
目录
• 决策支持系统概述 • 数据库在决策支持系统中的作用 • 方法库在决策支持系统中的作用
目录
• 知识在决策支持系统中的作用 • 决策支持系统的未来发展
01
决策支持系统概述
定义与特点
定义
人机交互性
决策支持系统（Decision Support System，简称DSS） 是一种辅助决策者通过数据、 模型和知识，以人机交互方 式进行半结构化和非结构化 决策的计算机应用系统。
THANKS
感谢观看
知识审核
对新增或更新的知识进行审核，确保质量和准确性。
知识的获取与学习
知识获取
通过数据挖掘、信息抽取等技术，从不同来源获取知识。
知识学习
利用机器学习、深度学习等技术，从历史数据和经验中学习并优化决策支持系统中的知识。
05
决策支持系统的未来发展
智能化决策支持系统
01
基于人工智能和机器学习技术，实现决策过程的自动化和智 能化，提高决策效率和准确性。
过程仿真
对生产过程或业务流程进行仿真，优化资源 配置和生产计划。
04
知识在决策支持系统中的 作用
知识的表示与存储
01
结构化知识
02
非结构化知识
03
半结构化知识
使用表格、关系数据库等形式表 示和存储知识，便于查询和检索。
通过文本、图像、音频等形式表 示和存储知识，便于理解和解释。
结合结构化和非结构化知识，利 用XML、JSON等格式表示和存 储知识，便于灵活处理。
发展历程
从早期的管理信息系统（MIS）到后来的决策支持系统（DSS），再到智能决策支持系统 （IDSS）和群体决策支持系统（GDSS），决策支持系统的功能和性能不断提升。
数据仓库在决策支持系统中的应用
的质量和效率 。
一
在决策支持系统中通 据部件有成熟的商品软件可以直接使用， 其他 被理解的方式表示出来。 部件及部件的接口和集成问题需要自行设计 过数据挖掘发现数据之问的复杂联系， 以及这
不 同。 数据仓 库是在数据库 的基础上发展起来
决策支持系统开发过程中， 模型库、 数据库和
方法库往往被独立的设计与实现， 从而使传统
二、 数据仓库、ＬＰ ０Ａ 及数据挖掘技术
的， 它将传统数据库中大量的、 洋细的、 不同格
数据仓库是一个用于更好地支持企业决 式的数据按照决策需求进 行集 成和重新组织 ， 的决策支持系统在系统结构上很难达到内在 策分析的 、 向主题的 、 的、 面 集成 不可 更新的 、 从而 可 以为不 同需求的 用户提供统 一 的数据 的统一性和完整性， 因而应用效果并不理想。 随时间不断变化的数据集合 ， 以下特 点： 源 。数据挖掘是通过 知识的关 联， 具有 挖掘现 有数 （ 传统决策支持系统缺乏有效的分析 二） 给删 ｌ面向主题 的． 、 数据仓库中的数据 是面 向 据 中隐含 的信息 ， 户提供更为深入和丰富
是一种对数据信息不断抽取的过程， 要对大 数据 的一 个完整、 一致 的描述 ， 一地刻 画 互补， 能统 能够为用户提供更为有力的决策支持。
量分散的数据进行快速综合分析， 然后从中捕 各个分析对象所涉及的企业的各项数据， 以及 三、 基于数据仓库的决策支持系统体系结 获与决策相关的信息。 而传统的决策支持系统 数据之间的联系。 构 往往侧重于抽象的理论研究， 缺乏有效的分析 ２集成的。 、 数据仓库将多个异构数据源集 传统的决策支持系统火都建 在数据库
MIS的平台名词解释
MIS的平台名词解释MIS（管理信息系统）是指一种采用计算机和通信技术，用于收集、处理、传输和存储各种管理活动所需要的信息的系统。
在MIS系统中，有许多名词是需要我们理解和掌握的，下面我将为大家解释一些MIS的平台名词。
1. 数据库管理系统（DataBase Management System，简称DBMS）数据库管理系统是指一种用于管理数据库的软件系统。
它负责存储、管理和操作数据库中的数据，为用户提供高效的数据访问方式。
数据库管理系统常见的有Oracle、MySQL、Microsoft SQL Server等。
2. 数据仓库（Data Warehouse）数据仓库是指一个面向主题、集成、稳定、随时间变化的数据集合。
它旨在支持企业决策制定者的需要，提供高质量的、一致的和可用的数据。
数据仓库常用于数据分析、报告和决策支持等领域。
3. 数据挖掘（Data Mining）数据挖掘是指从大量的数据中提取出有价值的信息和知识。
它通过分析数据库中的模式、关联规则和趋势等来发现潜在的业务机会和问题。
数据挖掘可以帮助企业发现市场需求、优化运营、提高销售等。
4. 企业资源规划（Enterprise Resource Planning，简称ERP）企业资源规划是指一种综合管理和控制企业各种资源的系统。
它通过集成不同部门和功能的信息和流程，实现信息的实时共享和有效管理。
企业资源规划可以帮助企业提高运营效率、降低成本、提供更好的客户服务等。
5. 客户关系管理（Customer Relationship Management，简称CRM）客户关系管理是指一种集中管理和分析客户信息的系统。
它通过建立客户数据库，记录和分析客户的行为和需求，以实现更好的客户关系和满足客户的需求。
客户关系管理可以帮助企业提高客户忠诚度、增加销售额等。
6. 供应链管理（Supply Chain Management，简称SCM）供应链管理是指一种跨组织、跨部门的协同管理方式。
多维数据分析的工具与技术
多维数据分析的工具与技术多维数据分析是一种分析复杂数据集的方法，它基于多个属性或维度，针对多个指标进行分析和展示。
这种方法可以帮助我们更好地理解数据之间的关系和趋势，并从中发现隐藏在数据背后的信息和知识。
在多维数据分析中，有许多工具和技术可以帮助我们进行数据的探索和分析。
下面我们将介绍一些常用的多维数据分析工具和技术。
1.数据仓库（Data Warehouse）数据仓库是多维数据分析的基础，它是一个集中存储和管理企业数据的数据库。
数据仓库中的数据来自于不同的数据源，如数据库、文件、网站等。
数据仓库的设计通常采用星型模型或雪花模型，这使得多维数据分析更加高效和易于理解。
2.在线分析处理（OLAP）在线分析处理是一种用于多维数据分析的技术，它可以对数据进行实时查询、分析和报告。
OLAP通过多维数据模型和预算分析、数据切片、钻取等功能，帮助用户快速发现数据的关联性和趋势。
3.数据挖掘（Data Mining）数据挖掘是利用统计学、机器学习和模式识别等技术，从大规模数据集中发现关联、趋势和模式的过程。
数据挖掘可以与多维数据分析结合，从中发现隐藏在数据中的信息和知识。
常用的数据挖掘技术包括聚类分析、分类分析、关联分析等。
4.数据可视化（Data Visualization）数据可视化是一种通过图表、图形和地图等方式，将数据以可视化的形式呈现给用户的技术。
在多维数据分析中，数据可视化可以帮助用户更好地理解数据之间的关系和趋势。
常见的数据可视化工具包括Tableau、Power BI和matplotlib等。
5.数据立方体（Data Cube）数据立方体是一种多维数据模型，它将数据组织成一个多维空间中的立方体。
数据立方体中的每一个维度都对应着一个属性，而立方体中的每一个单元格都表示一个聚合值。
通过数据立方体，用户可以直观地进行多维数据分析和探索。
6.关联分析（Association Analysis）关联分析是一种用于发现数据中频繁项集和关联规则的技术。
基于数据仓库技术的决策支持系统的设计与实现
第一章引言1．1 问题的提出我国的电信业，尤其是移动通信业，起步比较晚，但发展非常快，对许多业务的决策和方向的把握都是在摸索中进行的，某些立项缺乏统一意见和充足的科学依据，带有一定程度的盲目性。
另一方面，经过多年运营，积累了庞大的业务数据，如计费中心的计费数据、客服中心的用户信息数据等，这些海量数据中包含着宝贵的经验和商业信息，可以很好地拿来借鉴今后的业务运作。
但是这些数据信息隐藏在庞大、复杂的数据库里面，许多有价值的信息并没有直接表现出来，而是掩盖在无聊的数据后面。
多数情况下，我们不得不用到某些分析工具，以期取得丰富而又客观翔实的商业信息，用于开发更大的市场和提供更完善的服务。
到目前为止，电信业尚无比较完备的分析工具，然而另一方面，电信业又面临着许多急于解决的问题，如：话费流失问题、新业务开展问题、基站分配问题、批价问题等等。
以话费流失为例，我国电信业每年仅此项损失就达数亿元人民币之巨，基本上无法追回。
如何尽快避免或尽量减免这一损失，就显得极为迫切和必须。
在这种背景下，数据仓库技术以及其上的一些分析挖掘工具就应运而生了，如联机分析处理、数据挖掘等等。
决策支持系统（DSS-Decision Support System）是70 年代由美国M.S.Scott Morton 提出，迅速发展起来的新型学科。
决策支持系统是综合利用大量数据，有机组合众多模型（数学模型与数据处理模型等），通过人机交互，辅助各级决策者实现科学决策的系统。
数据仓库DW（Data Warehouse）建立在传统事务型数据库的基础之上，为企业DSS 及数据挖掘系统提供数据源。
它从原事务数据库中将分析型数据与事务型数据相分离，单独存放而形成数据集合。
数据仓库就是要把分散存放在企业各个地方的数据集中到一起，并利用这些数据制定出更好的决策。
联机分析处理 OLAP（On Line Analysis Processing）是数据仓库上的分析应用工具。
财务决策支持系统报告
财务决策支持系统报告在当今复杂多变的商业环境中，企业面临着日益激烈的竞争和快速变化的市场需求。
为了在竞争中脱颖而出，做出明智的财务决策至关重要。
财务决策支持系统作为一种强大的工具，能够为企业提供准确、及时和全面的财务信息，帮助管理层更好地理解企业的财务状况和经营成果，从而制定出更加科学合理的决策。
一、财务决策支持系统的定义与功能财务决策支持系统（Financial Decision Support System，简称FDSS）是一种基于计算机技术和数据分析方法的信息系统，旨在为企业的财务决策提供支持和帮助。
它通过整合企业内部和外部的财务数据，运用各种分析模型和工具，为决策者提供决策所需的信息和建议。
财务决策支持系统的主要功能包括：1、数据收集与整合系统能够从企业的财务核算系统、业务系统以及外部数据源（如市场行情、行业数据等）收集相关的财务数据，并进行整合和清洗，确保数据的准确性和一致性。
2、财务分析运用各种财务分析方法和指标（如比率分析、趋势分析、成本分析等），对企业的财务状况、经营成果和现金流进行深入分析，帮助决策者了解企业的财务绩效和潜在风险。
3、预测与模拟基于历史数据和相关假设，系统可以对企业的未来财务状况进行预测，如收入预测、成本预测、利润预测等。
同时，还能够进行各种决策方案的模拟和评估，帮助决策者选择最优的决策方案。
4、决策支持通过直观的图表、报表和报告等形式，将分析和预测结果呈现给决策者，提供决策所需的信息和建议。
此外，系统还可以根据决策者的需求，进行特定问题的专题分析和研究。
二、财务决策支持系统的组成部分一个完整的财务决策支持系统通常由以下几个部分组成：1、数据仓库用于存储企业的财务数据和相关业务数据，是系统的数据基础。
数据仓库通常采用关系型数据库或数据集市的形式，能够对大量的数据进行高效的存储和管理。
2、数据挖掘与分析工具包括各种数据分析算法和模型（如统计分析、机器学习、数据挖掘等），用于对数据进行挖掘和分析，提取有价值的信息和知识。
构建基于数据仓库的医院辅助决策支持系统【范本模板】
构建基于数据仓库的医院辅助决策支持系统目前，多数医院对于医院信息系统数据的后期处理基本处在基于数据库技术的查询、统计的事务性操作上，这些统计查询分析并不能对医院的业务流程优化、成本控制乃至医院的长期发展提供数据支持，更不能为医院决策者提供数据支持。
兰州大学第二医院构建了基于医院信息系统数据仓库为基础的辅助决策支持系统,为医院管理决策者提供了数据支持.【关键词】数据仓库决策支持医院信息化1 概述医院决策支持系统不应该是单纯的事后统计,它必须与医院管理紧密相连，做到事前评估、事中监控、事后分析。
医院决策支持系统必须和医院业务环环相扣，其所分析的数据必须能够为医院的实际发展提供支持和导向。
下述实例，列举了医院决策支持系统在实际运行中应该为医院提供的数据支持和医院管理层的实际需求指标: 1。
1 医院门诊综合需求医院门诊新大楼完工并投入使用,预计每天可增加500—800门诊量,那么该医院每天应该产生放号信息有多少，应该安排多少医生出诊、应该设置多少个挂号和收费窗口,门诊药房的配药发药压力是否会大幅度上升等等。
1.2 医院平均住院日分析平均住院日是评价医院效率和效益、医疗质量、技术水平及管理水平的硬性综合指标，医院应该在确保医疗质量和医疗安全的前提下尽量缩短平均住院日。
1.3 医院就诊流分析患者仅挂号，医生无诊断、无医嘱或者医生下过医嘱，患者并未按照医嘱缴费并接受治疗。
以上两种人群是医院病人流失的主要原因，如何及时分析原因并采取正确的措施，减少医院损失。
1.4 医院高值耗材相关分析通过数据挖掘，找到每种高值耗材在医院的使用情况，各科室使用分布、人群使用分布，针对使用高值耗材病人往往医疗费用较高，通过监控该病人的医保支付情况，及时与病人沟通，减少欠费及医患纠纷的风险。
1.5 医院大处方及合理用药通过对大处方的处方类型（一般情况下，抗菌类处方占大多数）、病人诊断、开单医生进行汇总分析，控制医药合谋以及医患合谋；基于处方点评子系统，分析各科室处方点评率、处方合格率，对问题处方的原因进行分析，并采取有效整改措施,减少由于医疗质量问题带来的医患纠纷。
- 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)。
1. 决策支持系统的定义
❖ 20世纪70年代，学术界对于应用系统分 析、传统运筹学、MIS等学科的发展和作 用进行了反思，认为它们都遇到了一些 障碍，主要是由于不重视或者无法正确 体现决策者的真实需求和作用。
❖ 社会与技术的发展，需要一种既能支持 管理者决策、又能体现决策者意图和作 用的新技术。
1. 决策支持系统的定义
❖ 更为复杂的DSS结构（四库，五库，群库）
DSS三库结构
方法库 管理系统
图1.3 DSS三库结构
DSS四库结构（经典结构）
图1.4 DSS四库结构
DSS五库结构
图1.5 DSS五库结构
DSS群库结构
近年来，有学者提出增加DSS的组成部件，从 而形成5库、6库、7库、8库等群库结构。即：
DSS = 群库系统 + 对话系统（人机界面）
课程主要内容
❖ 决策支持系统的相关概念 ❖ 决策推理与决策支持系统 ❖ 数据仓库的基础知识 ❖ 数据仓库的建造技术 ❖ OLAP技术 ❖ 数据仓库的应用 ❖ 数据仓库的发展趋势 ❖ 数据挖掘方法简介
教材及参考书
教材： [1] 陈京民等. 数据仓库与数据挖掘技术（第二
版），电子工业出版社，2007-12-01. [2]（美）W.H.Inmon著, 王志海等译，数据仓库
数据库系统
模型库系统
图1.2 基于双库结构的决策系统
2. 决策支持系统产生的背景
❖ 基于模型库和方法库的DSS（三库结构） 随着数学模型的结构日益复杂，并且涉及多种数 学方法，数学模型中的数学方法部分被分离出去， 形成了数学模型和数学方法两个部分，分别称为 （数学）模型库和（数学）方法库， 构成了三库 结构的DSS（20世纪80年代中期，图1.3 ）。
❖ IBM公司将DSS与BI（Business Intelligence）等同。
商务智能
1989 年 美 国 加 特 纳 公 司 的 分 析 师 Howard Dresner首次提出“商务智能”的概念。
商务智能是数据仓库、联机分析处理和数据挖掘 等相关技术走向商业应用后形成的一种应用技术。
该技术收集、汇总了与商务活动有关的各种数据， 将其集成到数据仓库中；采用联机分析技术对商务活 动进行实时的监控、分析，便于及时采取有效的商务 决策，提升商务活动的绩效；应用数据挖掘技术对描 述商务活动的数据进行挖掘，以获取有效的商务信息， 从中提取商务知识，为企业商业发展寻找新的机遇。
（第4版），机械工业出版社，2008.8. [3] 高洪深，决策支持系统（DSS）理论·方
法·案例（第四版），清华大学出版社， 2009-09-01. 参考书： [1] 徐洁磐，数据仓库与决策支持系统，科学出版 社，2005年4月，第1版。 [2] 黄梯云，智能决策支持系统，电子工业出版社， 2001.
DSS两库结构(三角式)
模型——是以某种形式对一个系统的本质 属性的抽象描述，揭示系统的功能、 行为及其变化规律。
模型库系统——以库的形式对模型进行组 织和管理，包括模型库及模型库管 理系统。
基于双库的决策系统
决策
决策者
真
问题
实
操作
响应
系
统
与人的行为
有关的信息
DSS 对话系统
环境
内部信息 外部信息
❖ 分析模型：以演绎性推理的数学模型为主 统计分析，线性规划，最小二乘法，回归分析等
DSS两库结构(三角式)
图1.1 DSS双库结构
DSS两库结构(三角式)
❖ 对话部件 人机接口界面 ，协调通信
❖ 数据库部件（根本） 组织形式：
层次模型；网状模型；关系模型
❖ 模型部件（*核心） 与对话部件交互，与数据库部件交互
❖ EDP（Electronic data processing）解决 了一些办公自动化中的数据处理问题， 但缺乏数据的系统处理能力。
❖ 企事业单位的业务数据处理需求，促使 MIS系统得到迅速发展和普及，解决了信 息存储、组织和利用问题，促进了企事 业单位信息化的进程，但不能分析挖掘 并利用数据库中潜藏的深层知识。
事务处理 (TP---Transaction Processing) 分析处理 (AP---Analytical Processing)
2. 决策支持系统产生的背景
❖ 早期的DSS （20世纪80年代初期） ： 直接在数据库之上建立分析模型，构成一种用于 数据分析、预测和决策的系统，一般为双库结构 （图1.1 ）， 。
❖ 第一章 决策支持系统概述
本章内容
❖ 决策支持系统的定义 ❖ 决策支持系统产生的背景 ❖ 决策支持系统的发展阶段 ❖ 决策支持系统主要部件 ❖ 决策支持系统与企业决策 ❖ 决策支持系统的理论基础 ❖ 与DSS相关的若干概念 ❖ 决策支持系统的发展方向
1. 决策支持系统的定义
❖ 计算机发展初期，主要用于科学计算问 题，随后转向事务处理问题。
商务智能
商务智能的体系结构 商务智能体系架构主要有：
✓ 比尔•恩门的信息工厂架构 ✓ 扎克曼的企业体系结构 ✓ 美国数据仓库研究院的商务智能体系结构 ✓ 加特纳公司的商务智能体系结构等。
这些体系结构中均包含了商务分析、OLAP、 数据挖掘和数据仓库四大部分。
1. 决策支持系统的定义
❖ 一般认为，DSS是以数据、模型、方法以 及知识和工具为主体，结合并利用了计算 机强大的信息处理能力和人的灵活判断能 力，以交互方式辅助决策者解决半结构化 和非结构化系统问题，通过定量分析，为 各级管理者提供辅助决策。
❖ 1971年， 美国麻省理工学院的Keen和Scott Morton在《管理决策系统》一书中首次指出计算机 对于决策的支持作用，提出了决策支持系统( DSS--Decision Support Systems）的概念。
❖ 顾名思义，DSS是为管理决策提供技术支持的计算 机系统，主要提供决策所需的必要信息和知识。
❖ 70年代末期 ，DSS一词已经非常流行，由 此开始了信息系统新的发展阶段，并形成 了决策支持系统这一新学科。
2. 决策支持系统产生的背景
2.1 从数据库到数据仓库的必然发展
❖ 20世纪60年代后期 =〉数据库时代
三种典型数据库： ❖ 层次数据库 ❖ 网状数据库 ❖ 关系数据库 ❖ 处理功能以信息检索为主，属于事务处理