《深大专插本 信息与信息系统 第八章.doc》由会员分享，可在线阅读，更多相关《深大专插本 信息与信息系统 第八章.doc（5页珍藏版）》请在金锄头文库上搜索。
1、第八章 决策支持与商务智能1， 决策过程。2， DSS的特点。3， DSS的发展趋势。4， 专家系统的特征。5， 专家系统的发展趋势。6， OLTP（联机事务处理）与OLAP（联机分析处理）的区别。7， 数据挖掘的特点和类型。】1，决策过程。所谓决策过程，指的是人们为实现一定目标而制定行动方案，并准备实施的活动过程，这个过程也是一个提出问题、分析问题和解决问题的过程。】2，DSS的特点（决策支持系统）。为了能够支持管理者对半结构化和非结构化问题的决策，决策支持系统在传统的管理信息系统(MIS)的基础上开始形成和发展。它的目标是要在人的分析和判断能力的基础上借助计算机与科学方法支持决策者对半结构
2、化和非结构化问题进行有效的决策，以获得尽可能令人满意的客观的解决方案。DSS具有以下一些明显的特特征 1面向决策者决策支持系统的输人和输出、起源和归宿都是决策者。2主要帮助管理人员完成半结构化的决策问题这些问题从来很少或者得不到电子数据处理(EDP)和管理信息系统的支持，而DSS则可以解决一部分分析工作。3强调支持的概念DSS必须辅助和支持管理人员，而不是取而代之。 。4模型和用户共同驱动决策过程是动态的，是根据决策的不同层次、周围环境、用户要求以及现阶段人们对决策问题的理解和已获得的知识等动态决定的。5强调交互式的处理方式通过大量、反复、经常性的人机对话方式将计算机系统无法处理的因素(如人的
3、偏好、主观判断等)输入计算机，并依此来规定和影响决策的进程，让决策者在根据自己的实际经验和洞察力的基础上，主动利用各种支持功能，在人机交互的过程中反复学习和探索，最后选择一个合适的方案。 和管理信息系统相比，I)SS体现了人们对信息处理工作的逐步深入的认识过程。一般意义上的管理信息系统本质上属于更高一级的电子数据处理，它能够提高数据处理的速度，改善工作效率。但是高效率仅仅是系统业务处理中所追求的一个“过程目标”，它并不等于高效益，只有科学的、正确的决策才能带来好的效益。因此，管理自身的需求促使MIS尽快地发展到DSS，即从数据管理向模型管理发展，针对半结构化甚至非结构化的决策问题，不光重视高效
4、的数据管理，更强调模型管理对决策的支持作用。当然，MIS所搜集和存储的大量信息是DSS工作的基础，并且它得到的反馈信息也支持I)SS进行结果检验和评价。DSS的工作则可以对MIS工作进行检查和审计，为MIS的改进和完善提出了方向。当DSS经过反复使用，所涉及的问题模式和数据模式逐步明确，逐步结构化，可以归并到MIS的工作范围中。】3，DSS的发展趋势。 近年来， DSS的相关学科，如信息技术、管理科学、人工智能及运筹学等科学技术快速发展，计算机、网络和通信技术更是日新月异。各方面的快速发展有效地推动了DSS的研究和应用。例如，充分利用专家系统定性分析与DSS定量分析的能力，形成了智能决策支持系
5、统(IDSS)； DSS与计算机网络技术结合则构成了新型的能够供一定决策者共同参与进行决策的群体决策支持系统(GDSS)；在GDSS的基础上，人们又将分布式的数据库、模型库与知识库等决策资源有机的集成，构建分布式决策支持系统(DDSS)；(一)智能决策支持系统 DSS借助计算机强大的运算能力与人灵活的分析判断能力交互协作，为人们解决半结构化与非结构化问题的决策问题提供了强有力的支持。但是由于DSS机器一方的重点主要还是在于模型的定量计算，人机对话方式与大多数不熟悉机器的使用者还存在一定距离，限制了I)SS的应用效果。在另一方面，几乎与DSS同步发展起来的人工智能领域的专家系统(ES)，在人的知
6、识的开发与利用上获得不少的成果。利用ES的优势来弥补DSS的不足，形成了新型的智能决策支持系统。 IDSS以知识库为核心，在模型数值计算的基础上引入了启发式等人工智能的求解方法，使传统DSS原来由人承担的定性分析工作部分或者大部分工作转由机器完成。 可见，IDSS具有人工智能的行为，能充分利用人类已有的知识。IDSS在用户决策问题的输入，机器对决策问题的描述，决策过程的推进，问题解的求取与输出等方面都有了显著的改进，很好地体现了人工智能的优越性。(二)群体决策支持系统 前面所述的DSS都是面向个人的，但是很多决策是在群体中产生的。实际上一个组织的决策大都是由领导群体做出的，一些事关组织生存与发
7、展的重大决策几乎更是毫无例外地由集体参与制定。 群体决策支持系统(GDSS)是一种在DSS基础上利用计算机网络与通信技术，供多个决策者为了一个共同的目标，通过某种规程相互协作地探询半结构化或非结构化决策问题的信息系统。与传统的会议决策或者传递式群体决策相比，GDSS不受时间与空间的限制，能够让决策者之间便捷地交流与共享信息，可以集思广益，激发决策者思路，同时克服决策者消极的心理影响，使他们无保留地发表自己的意见，因而可以提高决策群体成员对决策结果总体的满意程度和置信度。同DSS一样，GDSS包括一个数据库、模型库和基于群体处理的软件，能够总结成员的意见，报告投票情况，讨论可选方案的权重，匿名地
8、记录意见。 决策室像一个传统的会议室，但是增加了计算机设备。每个成员都有一个终端机。成员之间可以通过语言或者计算机互相交流。屋子前面的屏幕用来展示想法和分析被选方案。决策局域网情况下，小组成员分布在各自办公室的工作站中。网上各位决策者通过联网的计算机站点进行通信，相互交流，共享存于网络服务器或中央处理机的公共决策资源，可在决策周期内时问分散地参与决策。远程电信会议利用计算机网络的通信技术，使分散在各地的决策者在同一时间内进行集中决策。它在本质上与决策室相同，优点是能够克服空间距离的限制。远程决策网充分利用广域网等信息技术来支持群体决策，综合了决策局域网和远程电信会议的优点，可使决策者异时异地对
9、同一问题进行决策。】4，专家系统的特征。为了实现上述的目标，一个高性能的专家系统应该具备如下七个特征 1具有专家水平的专门知识专家系统建造的一个重要目标是达到一个专家在解决某些任务时所体现出的高水平的性能。专家系统能够成功地解决领域内的各种问题，在解题的质量、速度和动用启发式规则的能力方面具有本领域专家的水平，其根本原因是系统中存储有专家水平的知识。2符号处理专家系统使用符号推理。专家系统用符号准确地表达领域有关的信息和知识，并且对其进行各种处理和推理。3一般问题的求解能力各种专家系统应具备一种公共的智能行为，能够做一般的逻辑推理、目标搜索和常识处理等工作。专家系统往往采用试探性方式进行处理；
10、为使问题求解更加符合实际情况，往往采用不精确推理。4复杂度和难度专家系统所拥有的知识涉及面一般很窄，但必须具有相当的复杂度和难度。如果某个领域不够复杂，不需要专家来解决，没有什么专家知识可言，就不能成为专家系统的用武之地。5具有解释功能专家系统具有解释机制。它运用知识库求解过程使用过的知识和各种中间结果，回答用户关于求解结果提问的“为什么”，“为什么要如此做”，“它是如何做的”等问题。这种机制加强了用户对专家系统的接受性，并且可以让专家检查求解过程中知识运用是否合理。6具有获取知识的能力 系统能够提供一种手段，使知识工程师和领域专家能够不断地给系统“传授”知识，使知识库越来越完善，或者系统自身
11、具有自学习能力，从系统的运行过程中不断总结经验，提取新知识，更换旧知识，自动地使知识库中的知识不断丰富和更新。7知识和推理机构相互独立专家系统一般把推理机构与知识库分开，并且独立，使系统具有良好的可扩充性和维护性。】5，专家系统的发展趋势。根据专家系统的产生和发展过程，可以划分为三代 (一)第一代专家系统第一代专家系统的典型例子有化学专家系统DENDRAL、数学专家系统MACSYMA等。DEN：DRAL系统从l965年开始研制，于1968年完成，能够进行质谱数据分析，推断化学分子结构，达到了化学专家的水平。DENDRAL的问世标志着专家系统的诞生。第一代专家系统具有如下特点： (1)高度专业化
12、，但结构、功能不完整，移植性差； (2)专门问题求解能力强，但缺乏推理解释功能。 (二)第二代专家系统第二代专家系统的典型例子有医疗诊断专家系统MYCIN、地质探矿专家系统PROSPECI0R等。MYcIN系统从1971年开始，1974年基本完成，它是第一个结构比较完整、功能较为全面的专家系统。该系统第一次明确采用了“知识库”的概念，引入了“可信度”方法，进行非精确推理。第二代专家系统具有以下特点： (1)学科专用型系统：(2)系统结构较完整，功能较全面，移植性好；(3)具有推理解释功能，使用户比较清楚地了解系统地解题过程；(4)采用启发式推理、似然推理、非精确推理，增强了系统的表达能力：(5
13、)把具有一定普遍意义的推理方法与大量同领域相关的专门知识结合起来，从而使这些系统具有广泛的通用性： (6)用产生式规则、框架、语义网络表达知识。 (三)第三代专家系统第三代专家系统的典型代表有多学科综合型专家系统HPP，80、骨架型专家系统EMYCIN和EXPERT等。HPP-80是20世纪80年代具有大型知识库的多学科综合型专家系统，它体现了第三代专家系统从单学科、单功能、专门性的小型专家系统向多学科、多功能、综合性的大型知识系统发展的趋势，其特点是：(1)针对用户实际的复杂问题进行求解；(2)具有综合性、多方面的集成功能：(3)应用多学科、多专业、多专家的知识和经验，进行并行协同解题：(4
14、)依靠诸如模型、方法、软件和接15等多种技术集成进行设计和建造；(5)基于分布式、开放性软硬件及网络环境；(6)实现知识共享和知识重用。 此外，模糊技术、神经网络和面向对象等新技术的迅速崛起，为专家系统注入了新的活力。除了传统的知识获取和表达方法、知识推理技术外，在问题描述模型、问题求解方法、程序设计方法、软件实现技术等方面引进和融合了其他先进技术，如人工神经网络、面向对象方法、遗传算法、模糊数学等，来设计和建造集成化、混合型专家系统等。】6，OLTP（联机事务处理）与OLAP（联机分析处理）的区别。 事务处理和分析处理都是信息创造过程。事务处理侧重于对组织的业务职能的自动化，典型的处理形式是
15、统计报表和数据查询。而分析处理则侧重于对信息的分析，通常涉及对信息的切分、多维化、前推和回溯，以及回答what-if问题。很明显，分析处理相对于事务处理来说，更与中高管理层的业务范围相关，并更集中于对企业管理决策的支持。常见的分析处理应用如多维视图、预测、敏感性分析、成本控制等。同时，分析处理往往需要较为强大的软硬件以及复杂的分析方法与工具的支持。 OLTP OLAP数据库原始数据 数据库导出数据或数据仓库细节性数据 综合性数据当前数据 历史数据经常更新 不可更新，但周期性刷新一次性处理的数据量少 一次性处理的数据量大相应时间要求高 响应时间合理用户数量大 用户数量相对较少面向操作人员支持日常实践 面向决策人员支持管理需要。面向应用，事务驱动 面向分析，分析驱动】7，数据挖掘的特点和类型。（商务智能的核
