第一章决策支持系统导论课件

《第一章决策支持系统导论课件》由会员分享，可在线阅读，更多相关《第一章决策支持系统导论课件（42页珍藏版）》请在金锄头文库上搜索。

1、决策支持系统及其开发,-陈文伟,第一章 决策支持系统导论,管理信息系统 决策支持系统的形成 决策支持系统的发展,1.1 管理信息系统,电子数据处理EDP （Electronic Data Processing） 管理信息系统MIS （Management Information Systems） 决策支持系统DSS （Decision Support Systems）,1.1.1 数据处理,电子计算机问世以后，很快就被应用于管理领域，特别是用于办公自动化。开始人们主要用它进行数据处理、编制报表，这样就产生了最早的电子数据处理（electronic data processing,即EDP）技术

2、。 数据处理是对大量数据进行收集、组织、存储、加工与传播的一系列活动的总和。,数据处理的特点： 数据量大； 数据处理一般不涉及复杂的数学运算； 时效性强 数据处理的方法是每次处理一个记录。,1.1.1 数据处理,主要内容： 数据收集 数据录入 数据的正确性检查 数据操作与加工 数据输出,1.1.1 数据处理,优点: 提高了工作效率，把人们从繁琐的事务处理中解脱出来。 缺点: 仅局限于具体信息处理，不共享，不考虑整体或部门情况。 信息整体分析；系统设计？,1.1.1 数据处理,任何一项数据的处理并不是孤立的，它需要与其它工作进行信息交换、资源共享。因此，就必须对一个企业或部门的有关信息进行整体分

3、析和系统设计，这样就产生了管理信息系统（management information systems,即MIS）。,1.1.2 管理信息系统的基本原理,定义：它是一个由人和计算机组成的进行管理信息收集、传递、储存、加工、维护和使用的系统。 优点是：它把孤立的、零碎的信息变成了一个比较完整的、有组织的信息系统，不仅解决了信息存储的“冗余”问题，而且提高了信息的效能。,MIS的特征： 主要功能是事务处理 包含多个电子数据处理系统（EDP） 为结构化决策服务 具有系统的一切特征 是实际管理系统的一部分 以数据库系统为基础建立起来的,管理信息系统的结构： 管理业务应用系统； 数据库系统。,管理信息系统

4、的功能： 事务处理 数据库的更新和维护 产生各类报表 查询处理 用户与系统的交互作用（用户界面）,1.1.2 管理信息系统的基本原理,高效率高效益？ 错决策？ 适应环境? 管理人员决策帮助?,MIS只能帮助管理者对信息作表面上的组织与管理，而不能挖掘大量信息背后所隐藏的规律为决策者服务。于是，人们开始将系统分析（system analysis,即SA）方法引入MIS中，希望开发出能够解决实际决策问题的MIS，但事与愿违。 20世纪70年代末，学术界对于管理信息系统和系统分析的应用进行了认真地反思，发现：SA和MIS在解决实际问题，特别是复杂的社会、经济、环境问题时，遇到不少困难。系统分析的许多

5、模型、方法往往看起来有用但不一定真正能用，很多研究成果只是停留在研究室里和书面报告之中，大部分被束之高阁，真正被决策者所采纳并付诸实施的成功案例并不多。其原因是：,（1）系统分析者与决策者（特别是高层次决策者）之间缺乏必要的沟通； （2）传统的系统分析对于系统中人的因素和作用考虑不够，或缺乏有效的手段去考虑； （3）MIS没有达到预期的社会经济效果。这是由于：MIS在技术和方法论上存在缺陷，特别是结构化的系统分析方法、及信息导向的开发模式使传统的MIS难于适应多变的外部及管理环境。 经过反思，产生了一个共同的认识：MIS和系统分析者都不要企图取代决策者做出决策，决策支持才是它们的正确地位。于是

6、，人们自然期望研制开发一种能够克服上述缺点，为决策者提供一些切实可行的帮助的决策支持系统（DSS）。,1.2 决策支持系统的形成,从学科发展的背景来看，20世纪70年末期，与DSS相关的各门学科都有了长足的发展，在客观上为DSS的产生提供了一定的科学和技术储备。譬如，运筹学、数理统计应用方法成熟；人工智能、专家系统技术日趋成熟；数据库及其管理系统、图形专用软件等日趋完善；GIS及其应用日趋广泛。,运筹学（Operational ResearchOR） 1940年9月英国成立了由物理学家P.M.S.布莱克特领导的第一个运筹学小组。 1947年G.B.丹齐克提出线性规划及其通用解法单纯形法。 运筹

7、学用来预测发展趋势，制定行动规划或优选可行方案。,1.2 决策支持系统的形成,应用运筹学处理问题分为五个方案： 明确问题和目标； 收集数据和建立模型； 求解模型和优化方案； 检验模型和评价模型是否合理； 方案实施和不断优化。,模型辅助决策系统 运筹学和系统工程利用计算机后形成了模型辅助决策系统。 模型是对客观规律的一般描述。 对模型的工作有两类： 建立模型；使用模型。,1.2 决策支持系统的形成,70年代中期 Keen和Scott Morton在管理决策系统（1971）一书中首次提出。 目标：对管理者做决策提供技术支持。 DSS实质上是在管理信息系统和运筹学的基础上发展起来的。 新的阶段，并形

8、成了决策支持系统新学科。 70年代末期 DSS一词已经非常流行，一般认为DSS是:结合与利用计算机强大的信息处理能力和人的灵活判断能力，以交互方式支持决策者解决半结构化和非结构化问题的系统。,1.2 决策支持系统的形成,决策问题的类型 结构化程度： 对某一过程的环境和规律，能否用明确的语言（数学的或逻辑学的，形式的或非形式的）给予清晰的描述（定量的或推理的）。,结构化问题：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则。 非结构化问题：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或决策规则。 半结构化问题：介于两者之间的问题。一个或二个阶段能使用确定

9、的算法或决策规则。,决策问题的层次,问题的结构化程度区分： 问题形式化描述的难易程度； 解题方法的难易程度； 解题中所需计算量的多少。,决策支持系统的定义： DSS是一种以计算机为工具，应用决策科学既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和非结构化决策问题的信息系统。,1.2 决策支持系统的形成,例：有一制造厂为决定它的生产规模和合适的库存量，建立一个决策支持系统。 模型库：由生产计划、库存模拟模型（如预测、库存控制模型）等组成。 数据库中存有历年销售量、资金流动情况、成本等原始数据。 决策者通过计算机等终端屏幕，根据DSS提供最佳定货量和重新订货时间，以及相应的生产成本、

10、库存成本等信息，进行“如果将会怎样？”的询问，对所提方案进行良民度分析，或者以新的参数进行模拟而得到一个新的方案。,DSS的性能目标： 对半结构和非结构决策提供支持。 对所有管理层次上的用户提供决策支持。 支持相互依赖的决策和相互独立的决策。 支持据测过程的各个步骤。 支持决策过程。 容易使用。,决策支持系统的结构：,1.2 决策支持系统的形成,DSS从MIS的基础上发展起来的，都是以数据库系统为基础，都需要进行数据处理，也能在不同程度上为用户提供辅助决策信息。,决策支持系统与管理信息系统,决策支持系统与管理信息系统,MIS： 面向中层管理人员，为管理服务的系统。 按事务功能综合多个事务处理的

11、EDP。 以数据库系统为基础，以数据驱动的系统。 着重分析系统的总体信息的需求，输出报表模式固定。 追求的是效率，即快速查询和产生报表。 支持结构化决策。,DSS： 面向高层人员，为辅助决策服务的系统。 是通过多个模型的组合计算辅助决策。 以模型库系统为基础的、以模型驱动的系统。 着重分析决策者的需求，输出数据的模式复杂。 追求的是有效性，即决策的正确性。 支持半结构化决策。,DSS与ES的关系 ES：利用知识和推理机，处理半结构化和非结构化问题。 DSS：使用数据和模型，处理半结构化问题，与ES结合后，可处理半结构化和非结构化问题。 IDSS = DSS + ES,1.3 决策支持系统的发展

12、,智能决策支持系统 群决策支持系统 数据仓库和数据开采,智能决策支持系统,IDSS，是人工智能（AI）技术与DSS相结合的产物 IDSS的总体设计，要充分考虑以下两点： (1)传统DSS的设计思想与ES是有矛盾的。传统DSS的三库及其管理系统旨在加强其通用性。而ES是针对“专门问题”开发的具有专家级知识和水平决策咨询系统。在DSS的使用中，决策者却希望DSS能起到ES的作用。IDSS应该充分考虑二者的有机结合。 (2)在决策问题的求解过程中，知识推理机和库管理模块既相对对立又相互依赖。为此，需要借鉴数据字典的定义提出库字典的概念，并建立四个库字典，其中以模型库为库信息的控制中心。,所谓群体决策

13、，是指参与决策的人数多于一个以上。由两个以上的人在一起，共同讨论，共同决策。许多问题，小到一个企业的生产决策，大到某一项国策，都需要群体决策。 群决策支持系统是继承多个决策者的智慧、经验以及相应的决策支持系统组成的集成系统，它以计算机及其网络为基础，用于支持群体决策者共同解决半结构化的决策问题。,群决策支持系统GDSS,远程会议的优点： 匿名性 并行交流 会议记录自动化,为实现GDSS，在软件程序上须完成的工作： 意见产生 意见组织 优先级处理 计划的制定与评价,数据仓库和数据开采,数据库的发展： 70年代，以科技文献的文摘目录为主，用户主要为科技人员 80年代前后，以商业、金融为主 90年代

14、前后，声、图、文一体化,数据仓库（Data Warehouse）的兴起 数据仓库在银行应用最早。 数据仓库是企业内部运作数据的中央仓库 数据仓库能对整个企业各部门的各种信息进行汇总和综合 是银行真正了解客户并提供更好的服务,数据开采（Data Mining）的兴起 数据开采（DM）是在大型数据库中知识发现（Knowledge Discovery in Database-KDD）的一个步骤，它主要是利用某些特定的知识发现算法，在一定的运算效率的限制内，从数据库中发现出有关的知识。 KDD包括：数据预处理、模式提取、知识评估及过程优化。,数据开采可以产生5种类型的数据： 关联信息 序列信息 分类信息 聚类信息 预测信息,数据仓库和数据开采的区别 数据仓库实在数据库的基础上发展起来的。数据开采是从人工智能机器学习中发展起来的。 数据仓库是一种存储技术。利用数据开采挖掘出的信息反映了数据库中数据的规律。,DW和DM的关系 都是决策支持新技术。 两者可以结合起来。 DM可以用于数据仓库，也可以直接作用于数据库。,