决策支持系统升级122
决策支持系统概述
决策支持系统概述决策支持系统（DSS）是一种帮助管理者做出决策的信息系统。
它集成了数据收集、数据分析、模型构建和解决方案评估等技术工具，以提供定性和定量的决策支持。
DSS的目标是通过使管理者能够更好地评估和选择各种决策方案来提高决策质量和效率。
决策支持系统的基本构成包括数据仓库、模型和分析工具以及用户接口。
数据仓库用于存储和管理各种关键数据，包括历史数据、实时数据和外部数据等。
模型和分析工具提供了各种算法和方法，如统计分析、优化模型、模拟和决策树等，用于分析数据并生成决策结果。
用户接口是管理者与DSS交互的方式，可以是图形用户界面、自然语言处理或者其他形式。
1.数据分析：决策支持系统能够从数据仓库中提取数据，并通过各种分析工具对数据进行定性和定量的分析。
这些分析可以帮助管理者了解当前的业务情况和趋势，从而作出合适的决策。
2.模型构建：决策支持系统能够根据具体的问题和需求构建各种模型。
这些模型可以是统计模型、优化模型、模拟模型等，通过运行模型可以产生各种方案，并对不同方案进行评估。
3.解决方案评估：决策支持系统能够对各种决策方案进行评估和比较。
它可以根据不同的指标和权重对方案进行综合评估，并为管理者提供决策参考。
4.知识管理：决策支持系统可以帮助管理者收集和管理各种关键知识和信息。
它可以通过知识库、专家系统和数据挖掘等技术，将知识和经验转化为可用的决策支持。
5.沟通和协作：决策支持系统可以提供各种协作工具，帮助多个决策者之间进行沟通和协作。
这些工具可以包括电子邮件、在线会议和共享文档等，以促进团队决策的效率和准确性。
使用决策支持系统可以带来许多好处。
首先，它可以提高决策的质量和效率，通过提供准确和全面的信息，帮助管理者做出明智的决策。
其次，它可以降低决策的风险，通过模拟和评估不同的方案，管理者可以更好地估计每个方案的风险和回报。
最后，它可以提高组织的竞争力，通过加强决策者之间的沟通和协作，决策支持系统可以促进团队决策的效率和准确性，从而提高组织的整体竞争力。
决策支持系统文献综述
决策支持系统应用研究综述李某某ＸＸＸＸ大学经济管理学院武汉湖北430074摘要：本文从国内外应用现状、相关技术、热门领域等方面对决策支持系统展开论述，较为详尽的总结了决策支持系统的主要开发技术及其特点，对决策支持系统的两大热门领域：智能决策支持系统（IDSS）和综合集成系统进行了简要的概括，最后讨论了决策支持系统的未来发展趋势。
关键词：决策；决策支持系统；应用研究综述；1 引言决策支持系(DSS，Decision Supportsystem)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、人工智能技术和信息技术为手段，智能化地支持决策活动的计算机系统[1]。
它通过人机对话进行分析、比较和判断，识别问题，建立或修改模型，帮助决策者明确决策目标，为决策者提供各种方案并对其进行评价和优选，为正确决策提供有益帮助。
这一概念于20世纪70年代初，由美国Michael S．Scott Morton在《管理决策系统》[2]一文首次提出，20世纪80年代中期引入我国。
目前已经呈现出多元化的发展态势。
DSS系统模型是以数据仓库（DW）为基础，联机分析处理（OLAP）与数据挖掘（DM）为工具的智能系统[3]。
DW，DM，OLAP就是以DSS为驱动发展起来的信息处理技术，DW用于数据的存储和组织．0LAP集中于数据的分析，DM则致力于知识的发现，三者自然结台。
使分析结果更全面、有效和深刻。
自DSS开发以来，与它的理论研究相比，实际应用工作开展得更早，它广泛用于企业管理、系统开发、经济分析与规划、战略研究、资源管理、投资规划[4]等方面，支持各类决策问题的决策支持系统大量出现并已投入使用。
2 国内外应用现状目前，DSS己成为系统工程与计算机应用领域中的重要研究课题。
通过国内外相关专家、学者的不断探索和研究，DSS在国内外学术界的理论研究和国民经济的实际应用中得到了迅猛发展，在军事应用领域也有广阔的发展前景，世界各国都在竞相开发军事应用中的DSS[5]。
决策支持系统
促使决策支持系统（DSS —Decision Support System®发展的原因（ 1 ）企业面临着日益激烈的国内外竞争；（2）企业已有的计算机系统不能支持增加效率、利润和进入赢利市场的目标；（3）信息系统部门已不能满足企业不断的需求和某些管理决策需求的特殊性，而且在已有系统中还没有所需要的分析功能。
决策支持系统的特性（1）用定量方式辅助决策，而不是代替决策（2）使用大量的数据和多个模型（3）支持决策制定过程（4）为多个管理层次上的用户提供决策支持（5）能支持相互独立的决策和相互依赖的决策（6）用于半结构化决策领域管理信息系统（Management Information Systems , MIS）是一种以计算机为基础支持和管理功能的信息系统。
MIS 的特性（1）主要功能是事务处理（2）包含多个电子数据处理系统（EDP）（3）为结构化决策服务的（4）具有系统的一切特征（5）是管理系统的一部分（6）以数据库系统为基础MIS 的功能（ 1 ）事务处理（2）数据库的更新和维护（3）产生各类报表（4）查询处理（5）用户与系统的交互作用（用户界面）群决策支持系统GDSS 的特性①GDSS是一个支持群决策的支持系统，它需要专门设计，不是多个DSS的简单组合。
②GDSS能减少群中部分消极行为的影响。
③GDSS能完成群决策过程和得出群决策方案，并在组织管理者指导下得到群决策结果。
④GDSS能支持在一个地点举行的群决策会议，也能支持远程的决策会议，并得到决策问题的结果。
群決策的方法头脑风暴法（Brainstorming）名义群体法（Norminal Group）德尔菲法（Delphi Methods）决策支持系统的发展经历了如下几个阶段：（1）单模型辅助决策管理科学、运筹学模型的应用。
（2）交互建模的DSS 人机交互建立模型，可以修改模型（变量、系数或常数等参数）。
（3）组合模型的DSS 解决复杂的决策问题，多个模型以某种方式组合。
管理决策支持系统
管理决策支持系统随着信息时代的到来，企业管理面临着越来越多的挑战和机遇。
为了适应市场的变化和优化决策，许多企业开始采用管理决策支持系统（Management Decision Support System, MDSS）来辅助管理层进行决策。
本文将介绍管理决策支持系统的定义、功能和应用，并探讨其在企业管理中的重要性。
一、管理决策支持系统的定义管理决策支持系统是指利用计算机技术和信息系统来提供有关决策的数据、模型和工具，以辅助管理者进行决策的系统。
它基于海量数据的积累和分析，通过数据挖掘、模型建立和智能算法等手段，为管理者提供准确、实时的决策依据。
二、管理决策支持系统的功能1. 数据整合和分析：管理决策支持系统能够自动从各个数据源中整合不同类型的数据，并进行多维度的分析。
通过对数据的挖掘，系统可以发现数据之间的关系和趋势，为管理者提供全面准确的信息。
2. 决策模型建立：管理决策支持系统可以基于历史数据和现有信息，建立各种决策模型，如线性规划模型、风险评估模型等。
这些模型可以帮助管理者定量地评估不同决策方案的效果和风险，并进行可行性分析。
3. 实时监控和预警：管理决策支持系统可以实时监控企业关键指标的动态变化，并根据设定的预警条件提供预警信息。
这样，管理者可以及时了解企业的运营情况，发现问题并采取相应措施，避免损失的发生。
4. 决策辅助工具：管理决策支持系统提供多种决策辅助工具，如数据可视化、报表生成和决策模拟等。
这些工具可以帮助管理者更直观地分析数据、生成报表和模拟决策情景，提升决策的准确性和效率。
三、管理决策支持系统的应用管理决策支持系统广泛应用于各个行业和领域，如金融、制造业、物流、零售等。
下面以金融行业为例，介绍管理决策支持系统的应用。
在金融行业，管理决策支持系统可以帮助银行和证券公司进行风险评估和资产配置。
系统可以通过对大量历史数据的分析，建立风险评估模型和资产配置模型，为机构投资者提供风险把控和投资决策的指导。
税务工作中的决策支持系统建设与应用
税务工作中的决策支持系统建设与应用随着社会经济的不断发展，税收管理工作变得越来越复杂。
税务机关需要处理大量的纳税人信息，并进行税情分析、风险评估等工作，以支持税务决策的科学性和准确性。
在这样的背景下，决策支持系统成为税务工作中的重要工具。
本文将探讨税务工作中决策支持系统的建设与应用。
一、决策支持系统的定义与作用决策支持系统（Decision Support System，DSS）是应用信息技术和决策分析方法，为决策者提供辅助决策的工具和环境。
它通过收集、组织和分析数据，利用模型和算法进行决策分析，帮助决策者做出合理的决策。
在税务工作中，决策支持系统的建设与应用旨在提高税种管理效益，优化税收征管流程，增强税务机关的决策能力。
决策支持系统可以通过自动化处理大量数据，提供高效的查询和分析功能，帮助决策者发现税收管理的问题和趋势，为制定更有针对性的政策和措施提供依据。
二、决策支持系统的建设1. 数据采集与整理税务决策支持系统的建设需要大量的数据支撑。
税务机关应通过与其他政府部门和金融机构的数据互联互通，采集相关的纳税人和财务数据，并进行合理整理和分类。
数据采集的过程中，需要充分注意数据的准确性和完整性，以保证决策支持系统的分析结果的准确性。
2. 决策模型与算法的构建决策支持系统的核心是决策模型和算法的构建。
针对税务管理中的各种问题和需求，需要建立相应的模型和算法，以支持决策者对问题的分析和决策。
例如，可以构建税收风险评估模型、税收收入预测模型等。
这些模型和算法需要经过严密的验证和调整，确保其在实际应用中的准确性和可靠性。
3. 用户界面与操作方式为了让决策支持系统能够方便、高效地被使用，需要设计用户界面和操作方式。
用户界面应该简洁明了，操作方式应该符合用户的习惯和需求。
同时，还可以考虑引入可视化技术，通过图表、地图等方式展示数据和分析结果，使决策过程更加直观和可理解。
三、决策支持系统的应用1. 税收征管风险评估通过决策支持系统对纳税人数据进行分析和评估，可以判断纳税人的风险程度，对可能存在的问题进行预警和干预。
关于决策支持系统的自查报告及整改措施
关于决策支持系统的自查报告及整改措施自查报告决策支持系统（Decision Support System，简称DSS）在现代管理中起到了重要的作用，它提供了决策过程中所需要的信息和工具。
然而，在我们的决策支持系统中，经过自查发现存在一些问题。
本报告将对这些问题进行梳理和分析，并提出相应的整改措施。
1. 系统功能不稳定我们的决策支持系统在使用过程中存在功能不稳定的问题。
有时，系统会出现卡顿现象，导致决策的进行受到干扰。
这种情况严重影响了决策效果，需要进行相应的整改。
解决方案：我们将联系系统供应商，对系统进行升级和优化，确保系统的稳定性。
同时，我们还将建立一个内部的反馈渠道，鼓励用户及时汇报系统问题，以便即时修复。
2. 数据质量不可靠决策支持系统所依赖的数据是决策结果的重要依据，然而，在我们的系统中，存在数据质量不可靠的问题。
有时，数据会出现错误、重复或缺失，使得系统无法提供准确可靠的决策支持。
解决方案：我们将制定严格的数据录入规范和流程，保证数据的准确性和完整性。
同时，我们也将加强对数据的检查和验证，确保数据的质量达到可靠的标准。
3. 决策模型过时决策支持系统的决策模型是其核心组成部分，它们为决策提供了理论基础和方法框架。
然而，在我们的系统中，部分决策模型已经过时，无法满足当前管理环境的需求。
解决方案：我们将成立一个专门的团队，负责研究和更新决策模型。
该团队将密切关注行业的发展趋势和最新的管理理念，及时进行模型的更新和优化。
整改措施基于以上的自查报告，我们制定了以下整改措施，以优化和改进我们的决策支持系统：1. 系统升级与优化我们将与系统供应商进行紧密合作，升级和优化我们的决策支持系统。
除了解决系统功能不稳定的问题外，我们还将提升系统的响应速度和用户体验，使其更加符合我们的需求。
2. 数据管理与控制为了保证数据的可靠性和准确性，我们将制定严格的数据管理规范和控制措施。
这包括规范数据录入的流程、建立数据验证和审查机制，并确保数据的备份和恢复工作能够有效进行。
决策支持系统
决策支持系统决策支持系统（DDS）是一种基于计算机技术和信息技术的系统，用来辅助决策者进行决策过程中的信息获取、分析、评估和选择等环节。
通过整合和分析大量的数据和信息，DDS可以提供可靠的决策支持，为决策者提供决策的依据，帮助其做出准确、高效和科学的决策。
下面将从DDS 的定义、特点、功能和应用等方面进行详细介绍。
首先，DDS的定义。
DDS是一种以计算机技术和信息技术为基础的决策辅助系统，通过收集、分析和应用大量的数据和信息，帮助决策者进行决策过程中的信息获取、分析、评估和选择等环节，提供决策的依据和支持。
DDS可以采用各种技术和方法，如数据挖掘、模型建立、信息检索和智能算法等，以实现对数据和信息的高效利用和全面分析。
然后，DDS的功能。
DDS主要包括信息获取、数据分析、决策评估和决策选择等功能。
信息获取是DDS的基础功能，通过收集和整合各种数据和信息，形成决策的数据源和知识库。
数据分析是DDS的核心功能，通过应用数据挖掘、模型建立和统计分析等方法，对数据进行分析和挖掘，提取有用的信息和规律。
决策评估是DDS的关键功能，通过对决策的各种方案和选项进行评估和比较，提供决策的可行性和优劣性评价。
决策选择是DDS的最终功能，通过综合分析和评估的结果，帮助决策者做出最佳的决策选择。
最后，DDS的应用。
DDS可以应用于各个领域和行业，如企业管理、金融投资、物流运输、市场营销、医疗健康等。
在企业管理中，DDS可以帮助企业管理者进行决策支持，优化生产计划、供应链管理和资源配置等方面的决策。
在金融投资中，DDS可以帮助投资者进行数据分析和风险评估，提供投资决策的参考和建议。
在物流运输中，DDS可以帮助物流管理者进行路径选择和货物配送等决策，提高物流的效率和质量。
在市场营销中，DDS可以帮助市场营销人员进行市场分析和目标客户的选择，制定合适的市场营销策略。
在医疗健康领域中，DDS可以帮助医生进行疾病诊断和治疗方案的选择，提高医疗的质量和效果。
决策支持系统教程
决策支持系统教程引言在当今数字化时代，企业面临着日益复杂的决策环境。
决策支持系统（Decision Support System，简称DSS）作为一种基于计算机技术的辅助决策工具，正在被广泛应用于各个行业和领域。
本篇教程将介绍决策支持系统的基本概念、原理、模块和使用方法，以帮助读者更好地理解和运用决策支持系统。
一、决策支持系统的概念决策支持系统是一种运用信息技术和数学模型，为管理者提供决策分析和决策支持的系统。
它能够收集、组织和分析各种数据和信息，为管理者提供决策制定所需的信息和工具，促进决策者在复杂的问题环境中做出科学、合理的决策。
二、决策支持系统的原理决策支持系统的原理主要包括数据收集与组织、模型建立与分析、决策选择与评估三个阶段。
1. 数据收集与组织决策支持系统通过收集各种内部和外部数据，包括历史数据、市场数据、竞争数据等，并对这些数据进行组织、分类和汇总，以便后续的决策分析和决策支持。
2. 模型建立与分析在决策支持系统中，管理者可以建立各种数学模型，如线性规划模型、多目标规划模型、模糊决策模型等，通过对这些模型进行分析和求解，得到各种决策方案的优劣比较和评估。
3. 决策选择与评估决策支持系统通过对不同决策方案的评估和分析，帮助决策者选择最优的决策方案，并提供相应的决策报告和决策结果，辅助决策者做出科学、明智的决策。
三、决策支持系统的模块决策支持系统通常包含以下几个主要模块：1. 数据输入模块：负责收集和输入各种数据和信息。
2. 模型构建与分析模块：提供各种数学模型的建立和分析功能。
3. 决策选择模块：通过模型求解和评估，为决策者提供决策选择的建议和支持。
4. 报告输出模块：生成决策报告和决策结果的输出。
四、决策支持系统的使用方法使用决策支持系统需要遵循以下几个基本步骤：1. 确定决策目标和需求：明确决策目标，确定需要决策支持的具体问题和需求。
2. 数据收集与准备：收集相关数据和信息，并对其进行组织和清理，以便后续的分析和建模。
云计算如何支持政 府决策支持系统建设
云计算如何支持政府决策支持系统建设在当今数字化时代，政府决策面临着日益复杂的挑战和海量的数据信息。
为了提高决策的科学性、准确性和及时性，建设高效的决策支持系统成为当务之急。
云计算作为一种创新的信息技术架构和服务模式，为政府决策支持系统的建设提供了强大的支持和有力的保障。
一、云计算为政府决策支持系统带来的优势1、强大的计算和存储能力政府决策往往需要处理海量的数据，包括经济数据、社会数据、环境数据等。
云计算平台能够提供几乎无限的计算资源和存储容量，使得政府可以快速处理和分析大规模的数据，从而为决策提供更全面、更准确的信息依据。
2、弹性扩展和灵活部署政府的业务需求可能会随着时间和政策的变化而发生改变。
云计算具有弹性扩展的特点，能够根据实际需求快速增加或减少计算和存储资源，确保决策支持系统始终能够满足业务的需求。
同时，云计算还支持灵活的部署方式，无论是公有云、私有云还是混合云，都可以根据政府的安全和管理要求进行选择。
3、降低成本传统的政府信息化建设需要投入大量的资金用于硬件采购、软件许可和系统维护。
而采用云计算服务，政府可以按需租用计算资源，避免了前期的高额投资和后期的维护成本，从而有效地降低了决策支持系统的建设和运营成本。
4、高可用性和可靠性云计算服务提供商通常会采用先进的技术和冗余机制来确保服务的高可用性和可靠性。
这意味着政府决策支持系统可以在不间断的情况下运行，减少了因系统故障而导致的决策延误和错误。
5、数据安全和隐私保护政府数据涉及国家安全和公民隐私，数据安全至关重要。
云计算服务提供商通常具备专业的安全团队和完善的安全措施，能够提供从网络安全到数据加密等全方位的安全保障。
同时，政府也可以通过与云服务提供商签订严格的服务协议和合规性要求，确保数据的安全和隐私得到保护。
二、云计算在政府决策支持系统中的应用场景1、数据分析和挖掘通过云计算平台，政府可以整合来自不同部门和领域的数据，并运用数据分析和挖掘技术，发现数据中的潜在规律和趋势，为政策制定和决策提供科学依据。
决策支持系统实践报告(2篇)
第1篇一、引言随着信息技术的飞速发展，决策支持系统（Decision Support System，DSS）在各个领域得到了广泛应用。
决策支持系统是一种以人机交互为特征的信息系统，旨在辅助决策者进行科学、合理的决策。
本报告以某企业为例，探讨决策支持系统的实践过程，分析其应用效果，并提出改进建议。
二、实践背景某企业是一家从事制造业的企业，近年来，随着市场竞争的加剧，企业面临着诸多挑战。
为了提高企业的核心竞争力，企业决定引入决策支持系统，以优化决策过程，提高决策效率。
三、决策支持系统实践过程1. 需求分析在实践过程中，首先对企业的业务流程、决策需求、数据资源等方面进行深入分析。
通过调研、访谈等方式，了解企业决策者在日常工作中遇到的问题，以及对决策支持系统的期望。
2. 系统设计根据需求分析结果，设计决策支持系统的架构和功能。
系统主要包括以下模块：（1）数据采集模块：负责从企业内部和外部的数据源中采集数据，包括销售数据、生产数据、市场数据等。
（2）数据预处理模块：对采集到的数据进行清洗、转换和整合，确保数据的准确性和一致性。
（3）数据分析模块：运用统计学、数据挖掘等方法，对预处理后的数据进行挖掘和分析，为决策者提供数据支持。
（4）决策支持模块：根据分析结果，为企业决策者提供多种决策方案，并支持决策者进行决策。
（5）用户界面模块：提供友好的用户界面，方便决策者使用系统。
3. 系统开发根据系统设计，选择合适的开发工具和技术，进行系统开发。
在开发过程中，注重系统的可扩展性、可维护性和安全性。
4. 系统测试与部署完成系统开发后，进行系统测试，确保系统功能正常、性能稳定。
测试合格后，将系统部署到企业内部，供决策者使用。
四、实践效果分析1. 提高决策效率通过引入决策支持系统，企业决策者可以快速获取所需数据，分析问题，制定决策方案。
与传统决策方式相比，决策支持系统大大提高了决策效率。
2. 提高决策质量决策支持系统为企业决策者提供了全面、准确的数据支持，有助于决策者做出更加科学、合理的决策。
- 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、决策问题的类型〔按结构化程度分为〕：〔第一局部ppt17〕 a结构化决策问题。能够描述清楚的问题，三个阶段都能使用确定的算法或决策规如此。 b半结构化决策问题。不能够描述清楚，而只能凭直觉或经验作出判断的问题。三个阶段都不能使用确定的算法。 c非结构化决策问题。介于两者之间的问题。一个或二个阶段能使用确定的算法或决策规如此。 作业调度 运筹管理 战略规划 支持需求
结构化 库存报表、零件定货 线性规划、生产调度 新厂位置选择 EDP MS/OR
半结构化 股票管理、贸易 开发市场、经费预算 资本获利分析 DSS
非结构化 为杂志选择封面 聘用管理人员 研究、开发分析 经验和直觉 2、决策过程：就是人们为了实现一定的目标而制定行动方案，并准备组织实施的活动过程，这个过程也是一个提出问题、分析问题、解决问题的过程。〔第一局部ppt20〕 决策的过程，赫尔伯特•西蒙划分的四个阶段 1.情报活动 2.设计活动 3.抉择活动 4.实施活动 3、个人决策和集体决策〔第一局部ppt30〕 ——从决策的主体看可划分为个人决策和集体决策 优点：效率高； 缺点：决策质量可能低；可承受性低。 其人存，如此其政举，其人亡，如此其政息 4、做一位明智的决策者〔第一局部ppt37〕 ① 开始工作。 ② 关注重大问题。 ③ 改善工作方案。 ④ 化繁为简 ⑤ 摆脱困境 ⑥ 适时退出 ⑦ 聪明地利用他人的帮助 ⑧ 确立根本的决策原如此 ⑨ 调整决策风格 ⑩ 掌握自己的决策 5、当前决策科学化开展的方向〔第一局部ppt27〕 一、 用信息系统支持和辅助决策 二、 定性决策向定量与定性相结合的决策开展 三、 单目标决策向多目标综合决策开展 四、 战略决策向更远的未来决策开展 6、决策支持的方式〔第一局部ppt44〕 a 数据与决策支持 b模型的决策支持 c“如果，将怎样〞〔what-if〕分析的决策支持 d决策问题方案的决策支持 e自动生成决策问题方案的决策支持 f知识推理与智能技术的决策支持 7、模型是对于现实世界的事物、现象、过程或系统的简化描述〔第一局部ppt46〕 〔一〕物理模型：也称实体模型，又可以分为实物模型和类比模型。 〔二〕数学模型：用数学语言描述的一类模型 〔三〕结构模型：主要反映系统的结构特点和因果关系的模型 〔四〕仿真模型：通过数字计算机，模拟计算机或混合计算机上运行的程序表达的模型。 选择模型需要做到：〔1〕对已有模型解决的问题很熟悉。 〔2〕对现实世界的实际问题也很熟悉。 模型库管理系统：提供模型的提取、访问、更新和合成等操作。〔第二局部ppt33〕 数学建模步骤〔第一局部ppt51〕 1〕模型准备 4〕模型求解 2〕模型假设 5〕模型分析 3〕模型建立 6〕模型检验 模型库管理系统的功能：一、模型的存储管理，包括模型的表示、模型存储组织结构、模型的查询和维护。 二、模型的运行管理，包括模型程序的输入 和编译、模型的运行控制、模型对数据的存取。 三、支持模型的组合，包括模型间的组合以及模型之间数据的共享与传递。〔课本99〕 8、决策支持系统：是以信息技术为手段，应用管理科学、计算机科学及有关学科的理论和方法，针对半结构化的决策问题，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、进展分析比拟等方式，为管理者做出正确决策提供帮助的人机交互信息系统。〔第二局部ppt20〕 决策支持系统的结构图 9、DSS与MIS、 DSS与ES、DSS与MS/OR的关系〔第二局部ppt14〕 (1) DSS与MS/OR的关系 MS：处理结构化问题，运用分析的观点。 OR：处理结构化问题，研究对象主要集中在数学规划、决策论、对策论等理论和方法上。 DSS：处理战略、规划等半结构化的决策问题。 (2) DSS与MIS的关系 MIS：收集、传递、存储、加工处理各种信息，监测运营数据，利用历史数据预测未来，用指定的数学方法分析数据，提供全面数据和分析报告。面向管理人员，提供低层次的决策支持。 DSS：面向决策者，提供适当的决策支持，是MIS的高级阶段。 (3) DSS与ES的关系 IDSS = DSS + ES ES：利用知识和推理机，处理半结构化问题。 DSS：使用数据和模型，处理结构化问题，与ES结合后，可处理半结构化问题 10、数据集市(Data Mart)——具有特定应用的数据仓库，主要针对某个具有战略意义的应用或者具体部门级的应用，支持用户利用已有的数据获得重要的竞争优势或者找到进入新市场的具体解决方案。〔第四局部ppt18〕 数据集市可以分为两种： a独立的数据集市(Independent Data Mart)，数据直接来源于数据源。 b附属的数据集市(Dependeant Data Mart)，数据来源于中央的数据仓库。 数据集市的特点 〔1〕规模较小，灵活， 〔2〕开发工作一般由业务部门主持定义、设计、实施、管理和维护。 〔3〕能够快速实现，代价较低，投资回收期短，风险小。 〔4〕具集的严密集成。 〔5〕有利于进一步升级到完整的数据仓库或形成分布式数据仓库。 数据集市的应用：人力资源数据集市、财务数据集市、 销售数据集市、市场数据集市等 数据仓库：是指从业务数据中创立信息数据库，并针对决策和分析进展优化，且支持决策过程的、面向主题的、集成的、随时间变化的、稳定的数据集合。〔第四局部ppt6〕 数据仓库的特点〔第四局部ppt9〕 a面向主题 b集成的 c数据仓库是稳定的 d随时间变化的 数据挖掘：具体地说是在数据库中，对数据进展一定的处理，从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含的、事先未知的、但又是潜在有用的信息和知识的过程。〔第四局部下ppt14〕 11、 数据仓库构建大致有如下几个步骤 1〕明确主题 2〕概念设计 3〕技术准备 4〕逻辑设计 5） 物理设计 6〕数据仓库生成 7〕数据仓库的运行与维护 12、OLTP、OLAP〔第四章上ppt39〕 On-line Analytical Processing(在线分析处理或联机分析处理)是针对特定问题的联机数据访问和分析，使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维特性的信息进展快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。(OLAP委员会的定义)〔第四章上ppt44〕 OLAP的特性 1. 快速性 2. 可分析性 3. 多维性 4.信息型.〔第四章上ppt46〕 OLTP系统——联机事务处理 On-Line Transaction Processing 事件驱动，面向应用。如：银行的储蓄系统 OLAP系统——联机分析处理 On-Line Analytical Processing 跨部门，面向主题。 OLTP与OLAP比照 13、 数据挖掘的主要方法〔第四局部下ppt16〕 〔1〕归纳学习方法信息论方法〔决策树方法〕： ID3、ID4、ID5、C4.5、IBLE方法 集合论方法：粗糙集方法、关联规如此挖掘、 覆盖正例排斥反例方法、概念树方法 〔2〕仿生物技术：神经网络方法、遗传算法 〔3〕公式法：现在工程和科学数据库中对假如干数据项〔变量〕进展一定的数学运算，求得相应的数学公式。 〔4〕统计分析方法常用统计方法、相关分析、回归分析、 假设检验、聚类分析、判别分析 〔5〕模糊数学方法：模糊模式识别、模糊聚类、模糊分类、 模糊关联规如此等 〔6〕可视化技术 14、Apriori算法\ID3算法的思想及其应用 Apriori算法(课本230)〔第四章下ppt26〕 在关联规如此挖掘算法中，把工程的集合称为项集〔itemset〕，包含有k个工程的项集称为k-项集。包含项集的事务数称为项集的出现频率，简称为项集的频率或支持度计数。如果项集的出现频率大于或等于最小支持度s与D中事务总数的乘积，如此称该项集满足最小支持度s。如果项集满足最小支持度，如此称该项集为频繁项集〔frequent itemset 〕。 关联规如此的挖掘主要被分解为下面两步： 第1步：找出所有的频繁项集，即找出支持度大于或等于给定的最小支持度阈值的所有项集。可以从1到k递归查找k-频繁项集。 第2步：由频繁项集产生强关联规如此，即找出满足最小支持度和最小置信度的关联规如此。对给定的L，如果其非空子集AL，sup(L)为L的支持度，sup(A)为A的支持度，如此产生形式为AL-A的规如此。 ID3的根本思想〔第四局部下ppt34〕 构造决策树，决策树的每个节点对应一个非类别属性，每条边对应该属性的每个可能值。以信息熵的下降速度作为选取测试属性的标准，即所选的测试属性是从根到当前节点的路径上尚未被考虑的具有最高信息增益的属性。 ID3方法应用〔第四局部下ppt97〕 a根据疾病分类患者 b根据起因分类设备故障 c根据拖欠支付的可能性分类债款申请 15、数据仓库在物流领域的应用：