《{决策管理}上财信管PPT第6章决策支持系统》由会员分享，可在线阅读，更多相关《{决策管理}上财信管PPT第6章决策支持系统（35页珍藏版）》请在金锄头文库上搜索。
1、第六章 决策支持系统,第一节 决策支持系统概述 第二节 决策支持系统的构造和系统结构 第三节 决策支持系统设计和开发 第四节 决策支持系统发展趋势,第一节 决策支持系统概述,一、基本概念 1决策过程 决策科学主要研究：确定目标、设计方案、评价方案三个基本阶段。 这三个基本阶段又分别称为理解、设计、选择活动。,2决策问题的类型 决策问题的类型（按结构化程度）分为 结构化 半结构化 非结构化,3决策问题的性质和层次 决策问题的层次有： 办事员参与的作业调度层 部门负责人参与的运筹管理层 顶层负责人参与的战略规划层,按照决策问题的层次和类型，决策问题可分为9类，如表6-1所示。 表6-1 决策问题的
2、类型,4决策风格 决策风格按获取数据的方式分为感知型（S）和直觉型（N）。 （1）感知型喜欢与特定问题有关的硬数据。 （2）直觉型喜欢描写可能性的整体信息。 决策风格按处理数据的方式分为思考型（T）和感觉型（F）。 （1）思考型喜欢用逻辑或其他规范化的手段去推理。 （2）感觉型喜欢用个人的术语来考虑问题。,组合起来，共有四种类型的决策风格： （1）系统型（ST） 喜欢运用量化信息，喜欢运用成本效益分析和评价的研究作为辅助决策的工具。 （2）思辩型（NT） 善于思索未来的可能性，喜欢运用带有灵敏度分析的决策树作为决策的帮助。 （3）司法型（SF） 注意力集中于当前的环境，喜欢运用决策小组进行决策
3、。 （4）直观推断型（NF） 十分重视现实的可能性，喜欢运用双向调整的方法来达到决策的目的。,5决策支持系统概念 决策支持系统是以管理科学、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。,二、决策支持系统的产生、发展及构成,决策支持系统的产生背景 决策支持系统的发展 决策支持系统的构成,图6
4、-2 决策支持系统的概念模式,三、决策支持系统的理论基础,决策支持系统建立在： 信息论 计算机技术 管理科学 运筹学 行为科学 人工智能等理论基础之上。,决策支持系统与相关技术的关系,决策与预测的关系 决策支持系统与运筹学的关系 决策支持系统与管理信息系统的关系 决策支持系统与专家系统的关系,四 决策支持系统的特点及实例,决策支持系统的主要特点：（1）系统的使用面向决策者，在运用决策支持系统的过程中，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
5、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。,决策支持系统实例如下： （1）SIMPLAN系统 （2）AAIMS系统,第二节 决策支持系统的构造和系统结构,一 决策支持系统的构造,图6-3 决策支持系统的“三部件”结构,1981年R.H.Bonczek等人提出了决策支持系统的“三系统”结构形式，如图6-4所示：,图6-4
6、决策支持系统的“三系统”结构,图6-5 决策支持系统“三功能”结构,二、决策支持系统的系统结构,人机界面技术 2 数据库系统 模型库系统 4. 方法库系统 知识库系统,三、数据仓库和OLAP的决策支持技术,数据仓库将大量用于事务处理的传统数据库中的数据进行清理、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。 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。,第三节 决策支持系统设计和开发,一
7、、决策支持系统设计 1系统分析 环境 功能 系统部件 部件的布局 资源,3系统部件 对话管理 数据管理 模型管理,2环境特征 任务特征 存取方式,二、决策支持系统开发,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：先研制一个个决策支持系统的技术部件（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决策支持系统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，决策支持系统可以分成三个不同的技术层次： 决策支持系统工具，即决策支持系统的基本技术部件； 决策支持系统的生成器，即组织
8、决策支持系统的通用框架； 专用的决策支持系统，即针对具体决策问题由决策支持系统生成器生成的实际应用系统。,第四节 决策支持系统发展趋势,一、群体决策支持系统 群体决策支持系统（Group Decision Supporting System，GDSS），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。,1群决策支持系统的功能 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
9、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群决策支持系统的基本结构 群决策支持系统对常规的决策支持系统进行了扩充，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
10、。（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群决策支持系统的分类 （1）决策室（Decision Room） （2）局域决策网（Local Decision Network） （3）传真会议（Teleconferencing） （4）远程决策（Remote Decision Marketing）,二、智能决策支持系统 智能决策支持系统（Intelligent Decision Support Systems，IDSS）是决策支持系统与人工智能（Artificial Intelligence，AI）相结
11、合，应用专家系统技术，使决策支持系统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。,1智能决策支持系统的信息结构 智能决策支持系统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） 规则库（RB）,2智能决策支持系统的结构层次依照系统层次的观点，智能决策支持系统从技术上可以划分为三个层次： （1）应用层（2）控制协调层（3）基本结构层,3智能决策支持系统的特点（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
12、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，如人工智能技术等。,4智能决策支持系统的运行效率 由于在智能决策支持系统的运行过程中，各模块要反复调用上层的，比起直接采用低层调用的方式，运行效率要低。 但是考虑到智能决策支持系统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。,5互联网上的智能决策支持系统 互联网上的智能决策支持系统具有如下
13、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。 （2） 交互的集群决策处理平台。 （3） 界面友好的客户端管理。,6基于互联网的分布式智能决策支持系统的结构框架 基于互联网的智能决策支持系统是在多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 （2） 功能模块的设计（3） Agent的设计,三、综合决策支持系统,把数据仓库、OLAP、数据挖掘、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。 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挖掘的结合。数据挖掘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。,
