第一篇：智能審計決策支持系統
智能審計決策支持系統
審計決策支持系統(Audit Decision Support System，ADSS)是輔助審計人員通過數據、模型和知識，以人機交互方式進行半結構化或非結構化決策的計算機應用系統。目前，ADSS被應用于會計師事務所的審計決策支持活動，并承擔審計信息的收集、處理和傳遞功能，為審計人員提供分析問題、建立模型、模擬決策過程和方案的環境，調用各種信息資源和分析工具，幫助提高決策水平和審計質量。
智能審計決策支持系統(Inteligent Audit Decision Support System，IADSS)通常簡稱為智能審計系統，是在傳統ADSS的基礎上結合審計專家系統(Audit Expert System，AES)和數據挖掘系統(Data Mining System，DMS)而形成的軟件系統。ADSS能夠借助定量化的決策支持模型輔助審計人員進行決策，但智能性不足；AES能模擬審計專家思維來解決非結構性的問題，但審計專家知識獲取和轉化困難，而且不具備自我學習的功能；以神經網絡為代表的DMS具有良好的自組織、自學習和自適應能力，但不能對自身的結論進行解釋。這三種系統的優缺點恰好互補，若相互融合，則可構建一個IADSS。
一、審計決策支持系統(ADSS)
1、ADSS的特征。ADSS是支持審計人員進行非程序性決策的一種信息系統，具有如下三個特征：(1)以處理非程序性決策為主。(2)對審計人員進行支持而不是代替。(3)系統本身要求具有靈活性，采用聯機對話方式，以便利用審計人員的經驗和系統提供的信息來分析解決問題。
2、ADSS的構建。按照（國家經濟信息系統設計應用標準化規范）中的“三庫一體化理論”，ADSS由數據庫、模型庫和方法庫組成，它們彼此獨立，用戶系統通過三庫控制系統與“三庫”發生聯系。(1)數據庫子系統是存儲、管理、提供與維護用于審計決策支持的審計數據的ADSS基本部件，是支撐模型庫子系統及方法庫子系統的基礎。數據庫子系統由數據庫、數據析取模塊、數據字典、數據庫管理系統及數據查詢模塊等部件組成。(2)模型庫是ADSS中最復雜和最難實現的部分，通常可直接用于制定審計決策的模型是應用結構性比較好的問題，其處理算法有明確規定，其參數值是已知的。對于非結構化的決策問題，有些參數值并不知道，需要運用數理統計等方法估計這些參數值。模型庫管理系統的主要功能是模型的利用和維護，模型的利用包括決策問題的定義和概念模型化，從模型庫中選擇恰當的模型或單元模型構造具體問題的決策支持模型，以及運行模型；模型的維護包括模型的聯結、修改和增刪等。模型庫子系統是在與ADSS其他部件交互過程中發揮作用的，與數據庫子系統的交互可獲得各種模型所需的數據，實現模型輸入、輸出和中間結果存取自動化；與方法庫子系統的交互可實行目標搜索、靈敏度分析和仿真運行自動化等。更主要的交互則是在人機對話子系統之間，模型的使用和維護實質上是審計人員通過人機對話子系統予以控制與操作。(3)方法庫子系統是存儲、管理、調用及維護ADSS要用到的通用算法、標準函數等方法的部件，方法庫中的方法一般用程序方式存儲。它通過對描述外部接口的程序向ADSS提供合適的環境，是計算過程實行交互式的數據存取，從數據庫選擇數據，從方法庫選擇算法，然后將數據和算法結合起來進行計算，以清晰地呈現方式輸出結果，供決策者使用。
3、ADSS的思路。ADSS解決問題的過程是沿著“審計人員根據當前環境提出問題→審計專家與審計人員交互理解問題→審計專家抽象出數學模型→依據數學模型編制或調用求解軟件→軟件運行求解問題”這一思路進行。在該思路中，問題的求解由“模型驅動”，問題求解模型隨著問題環境的變化而變化，由于變化而重新構造模型時離不開審計專家的輔助，這使原本的審計人員在決策支持系統輔助下求解變成了在審計專家輔助下求解，用戶在求解問題的多數環節仍離不開審計專家。ADSS應用中出現這種問題，其主要原因是系統的智能性不足，不能根據問題的變化作出適應性的自主調整。
二、審計專家系統(AES)
1、AES的功能。ADSS借助計算機強大的運算能力與審計人員（專家）靈活的分析和判斷能力交互寫作，為解決審計中的半結構化與非結構化的決策問題提供了有力的支持。但由于ADSS中計算機一方的重點還在于模型的定量計算，人機對話方式對于大多數不熟悉計算機的使用者仍存在一定的距離，限制了ADSS的應用效果。作為人工智能的一個分支，專家系統在二十世紀80年代初開始進入審計人員的視野，AES是建立在管理信息系統和計算機人工智能技術基礎上的一種計算機輔助審計軟件系統。與普通計算機輔助審計技術不同的是，它利用人工智能的原理，借助計算機模擬人類的思維過程，對管理信息系統的數據進行計算、分析及推理，并作出相應的判斷，提出審計建議及線索，以供審計人員進行進一步的重點審計，最終得出審計結論。AES能夠借助計算機強大的數據分析和處理能力，在最短的時間里，做廣泛、詳細的計算與核查，而且在面臨多個結論時，能夠通過排序來尋找最佳方案，減少審計人員在做出結論時出現的失誤或不一致的可能性，因而可以有效地提高審計效率，降低審計風險。
2、AES的工作過程。AES的工作過程可分為三個階段：初始化階段、實質性測試階段和完善工作底稿階段。每一個階段，系統會自動地根據審計人員事先選擇的要求和系統數據庫中所存儲的相關審計知識，分成若干個推理判斷的步驟，對被審計單位的會計資料及其他相關資料進行審查，并自動查找存在的各類錯誤、舞弊、異常數據和變動及其他不利于企業經營的情況，并以列表或審計意見初稿的形式向審計人員列示。在每一個階段，審計人員都可以通過系統的人機對話界面對審查情況進行監控。作為一種模擬審計專家水平來解決問題的AES，必須具備的組件包括：(1)知識獲取組件，它負責審計專家經驗（規則）處理，并存儲在知識庫中，以備推理機調用。(2)知識表達組件，它運用各種表達法，解決內碼轉換問題，使信息在系統內部各部件之間得以溝通。(3)知識庫，它存儲的是既不能用數據表示，也不能用模型方法描述的審計專家知識與經驗，同時也包括一些特定問題領域的專家知識。(4)知識庫管理子系統，由一系列知識庫的操作命令程序組成，是知識庫操作與其他部件進行聯系的橋梁。(5)推理機，主要功能是查詢和分析，它由一組具有推理策略的程序組成，根據系統知識庫的數據和程序，推斷出問題的可能解。(6)解釋組件，將推理機得出的結果經過解釋輸出，在系統的人機交互界面上，尋求審計決策人員的確認和進一步分析。AES中，知識庫和推理機是核心。建立知識庫的關鍵是如何表示知識，也就是審計經驗的形式化表示，推理機用于確定不精確推理的方法。AES的弱點在于審計知識獲取和轉化困難，因為其需要人工地將各種審計專家知識從人類專家的頭腦中或其他知識源處轉換到知識庫中，費時且低效；對于動態和復雜的系統，由于其推理規則是固定的，難以適應變化的情況，AES還不能從過去處理過的審計案例中繼續學習，使知識獲取較為困難。
三、數據挖掘系統(DMS)
1、DMS的功能。DMS能夠從大量不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中的、事先不知道的、潛在有用的信息和知識。不僅可以對信息系統產生的被審計單位財務、業務數據進行深層次分析和研究，而且可以通過模型匹配和挖掘算法實現其在信息系統開發審計、安全審計等方面的應用。此外，通過數據挖掘技術與信息系統審計技術的有效結合可確定快照技術中快照點的選擇問題，以及確定系統控制審計復核文件中嵌入審計程序應采集什么信息。
2、DMS的應用。(1)運用統計分析子系統發現偏差數據。審計人員通過建立統計模型對搜集的被審計單位以及同類型單位的大量財務、業務歷史數據進行分析，挖掘內部存在的函數關系或相關關系，然后對審計期間內的相關數據進行合理預測。(2)運用聚類分析子系統確定審計重點。利用聚類分析技術對信息系統中被審計單位的同類型的財務數據或者業務數據進行分組，使其成為有相似特性的聚集。一般來說，財務數據及重要業務數據（如銷售數據）的變動具有一定的規律性，如果某些數據處于稀疏區域，說明其變動表現異常，需要重點關注。如SQL2005中的Microsoft Analysis Services工具，選擇聚類挖掘模型，就可利用其強大的分析功能實現日志數據的分類，將非正常的日志記錄從正常的日志數據中區分出來。(3)運用孤立點分析子系統挖掘審計疑點。面對海量的電子數據，采用孤立點檢測算法，發現異常審計數據或異常發生頻率等，從而發現有可能隱藏的違規行為，如利用快照點捕捉問題數據，利用嵌入式審計模塊進行實時監控等方法，達到鎖定疑點數據的目的。(4)運用關聯分析子系統揭示關鍵屬性。在對財務或業務數據的審計中，同類或不同類會計科目及數據項之間，可能存在某種對應關系，利用關聯分析方法來查找、分析，可發現一些隱藏的經濟活動，挖掘出數據的各個屬性間可能的相互影響，為后續審計工作提供參考。
四、智能審計決策支持系統(IADSS)
1、IADSS的特點。與AES相比，人工智能的另一個分支，以神經網絡為代表的數據挖掘系統(DMS)具有良好的自組織、自學習和自適應能力，因而適用于處理復雜問題和開放系統，這彌補了AES的不足。同樣，DMS也有其弱點：數據挖掘的知識是分布在整個系統內部，對審計人員而言是個黑箱；而且其對于自己的結論不能作出合理的解釋。因此，在ADSS的基礎上，融入AES與DMS，可以充分發揮各自的優勢，向IADSS發展。
2、IADSS的構建。IADSS的結構是在傳統三庫ADSS的基礎上增設知識庫和推理機，在人機對話子系統加入自然語言處理系統(LS)，并在四庫之間插入問題處理系統(PPS)而構成的四庫系統結構。四庫系統的智能人機接口接受用自然語言或接近自然語言的方式表達的決策問題及決策目標，這較大程度地改變了人機界面的性能。決策者可以使用自然語言來提出決策問題，由LS通過語法、語義結構分析等方法轉換成系統能理解的形式。運行后，系統則以決策者能清晰理解的或制定的方式輸出求解過程與結果。PPS是IADSS中最活躍的部件，它既要識別與分析問題，設計求解方案，還要為問題的求解調用四庫中的數據、模型、方法及知識等資源，對半結構化或非結構化問題還要觸發推理機作推理或新知識的推求。在分析被審計單位海量數據和復雜經濟業務的條件下，可以對被審計單位原始數據（數據池）按審計風險分析目的進行有機歸并（數據泵），利用關聯規則的挖掘算法，提取其反映相關性的規則、規律和模式，并對這些規則、規律和模式進行分析和評價，有效地形成審計知識（知識庫）。伴隨著IADSS的發展，這種學習人腦思維活動的程序會日臻完善，但無論該技術如何發展，其畢竟是審計人員思維的外化，是計算機審計的高級形式，其作用不是完全替代審計人員，而是代替審計人員完成大量繁瑣的線性或非線性邏輯思維過程，減輕審計人員的工作強度。^
第二篇：決策支持系統--教學大綱
決策支持系統（教學大綱）
Decision Support System
課程編碼：05405090 學分： 2 課程類別： 專業方向課 計劃學時：32 其中講課：32 實驗或實踐：0 上機：0 適用專業：信息管理與信息系統 推薦教材：
陳文偉，決策支持系統教程(第2版)清華大學出版社;第2版(2010年10月1日)參考書目：
《決策支持系統》，張鵬翥，上海交通大學出版社，2009年。《決策支持系統》，陳文偉，清華大學出版社，2009年。《計算機決策支持系統》，孟波編著，武漢大學出版社，2010年。
《決策支持系統（DSS）理論.方法.案例（第三版）》，高洪深著，清華大學出版社，2010年。
課程的教學目的與任務
決策支持系統是一門年輕的學科，又是集自然科學與社會科學于一體的交叉學科，也是一門應用科學。本科程是管理信息系統專業的一門重要的專業課，目的與任務在于是使學生掌握決策支持系統的理論基礎、基本結構、發展方向及其應用，重點是決策的基本原理、決策過程建模、決策支持系統的基本構成、決策支持系統的實施過程。
課程的基本要求
1、正確認識課程的性質、任務及其研究對象，全面了解課程的體系、結構，對決策支持系統有一個總體的把握。
2、通過本課程的學習，要求學生應能夠充分理解決策分析、決策支持系統的基本概念。
3、通過本課程的學習，要求學生應能夠針對不同的決策問題，通過使用計算機軟件或編制計算機程序的手段，設計和開發決策支持系統。
各章節授課內容、教學方法及學時分配建議
第一章：決策支持系統綜述 建議學時：4學時
[教學目的與要求] 通過本節90分鐘的教學，使學生對決策支持系統的產生和發展進行了解，知道決策支持系統的概念和基本應用領域，對系統的演變有所了解。
[教學重點與難點] 決策支持系統的產生和發展
[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔。[授 課 內 容] 1.1 決策支持系統的形成 1.1.1 管理信息系統 1.1.2 管理科學/運籌學 1.1.3 決策支持系統 1.1.4 專家系統
1.1.5 智能決策支持系統
1.1.6 基于數據倉庫的決策支持系統 1.1.7 綜合決策支持系統
1.1.8 網絡環境的綜合決策支持系統 1.2 決策支持系統概念
1.2.1 決策問題的結構化分類 1.2.2 決策支持系統的定義
1.2.3 決策支持系統與管理科學/運籌學的關系 1.2.4 決策支持系統與管理信息系統的關系 1.2.5 幾個典型的決策支持系統 1.3 決策科學與決策支持系統 1.3.1 決策與決策科學
1.3.2 決策過程與決策支持系統 1.3.3 決策體系與決策支持系統 1.3.4 決策支持系統的技術基礎
第二章：決策資源與決策支持 建議學時：6學時
[教學目的與要求] 通過對本章內容的學習，使學生對決策資源與決策支持的概念有所了解，知道決策資源分類及其特點，了解模型實驗的決策支持和模型組合方案的決策支持。
[教學重點與難點] 決策資源分類及其特點，模型實驗的決策支持和模型組合方案的決策支持的應用。
[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔。[授 課 內 容] 2.1決策資源
2.1.1 數據資源 2.1.2 模型資源 2.1.3 知識資源 2.2 決策支持
2.2.1 決策支持概念 2.2.2 決策資源的決策支持 2.2.3 決策方案的決策支持 2.3 模型實驗的決策支持
2.3.1 模型的建立與what-if分析 2.3.2 模型組的決策支持 2.4 模型組合方案的決策支持
2.4.1 經濟優化方案的決策支持 2.4.2 產品優化方案的決策支持 2.4.3 多模型輔助決策系統
第三章：決策支持系統 建議學時：6學時
[教學目的與要求] 通過對本章內容的學習，使學生對決策系統的結構有所了解，知道數據庫系統的開發應用，了解模型庫系統的概念、組織和存儲。了解決策支持系統的實際應用。
[教學重點與難點] 數據庫系統的開發應用，模型庫系統的組織和存儲 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔。[授 課 內 容]
3.1 決策支持系統結構
3.1.1 決策支持系統結構形式 3.1.2 決策支持系統的結構比較 3.1.3 決策支持系統的統一結構形式 3.2 數據庫系統
3.2.1 數據庫系統開發與應用
3.2.2 數據庫系統在決策支持系統中的作用 3.3 人機交互與問題綜合系統
3.3.1 人機交互系統 3.3.2 問題綜合系統
3.3.3 決策支持系統的綜合部件 3.4 模型庫系統
3.4.1 模型庫
3.4.2 模型庫的組織和存儲 3.4.3 模型庫管理系統 3.5 組合模型的決策支持系統
3.5.1 模型組合技術 3.5.2 模型組合的程序設計 3.5.3 決策支持系統的決策支持 3.6 決策支持系統實例
3.6.1 物資申請和庫存的計劃匯總 3.6.2 制定物資的分配方案 3.6.3 物資調撥預處理 3.6.4 制定物資運輸方案 3.6.5 制定物資調撥方案
3.6.6 物資分配調撥決策支持系統結構與決策支持
第四章：人工智能的決策支持和智能決策支持系統 建議學時：4學時
[教學目的與要求] 通過對本章內容的學習，使學生掌握人工智能的基本原理，知道專家系統的決策支持的應用，掌握神經網絡的決策支持原理。了解機器學習的決策支持的相關知識。了解智能決策支持系統。
[教學重點與難點] 專家系統的決策支持的應用，神經網絡的決策支持原理。[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔。[授 課 內 容] 4.1 人工智能基本原理
4.1.1 邏輯推理 4.1.2 知識推理 4.1.3 搜索技術 4.2 專家系統的決策支持
4.2.1 專家系統原理 4.2.2 產生式規則專家系統 4.2.3 建模專家系統 4.3 神經網絡的決策支持
4.3.1 神經網絡原理 4.3.2 反向傳播模型
4.3.3 神經網絡專家系統及實例 4.3.4 神經網絡的容錯性 4.4 遺傳算法的決策支持
4.4.1 遺傳算法原理
4.4.2 優化模型的遺傳算法求解 4.4.3 獲取知識的遺傳算法 4.5 機器學習的決策支持
4.5.1 機器學習綜述 4.5.2 機器學習分類 4.5.3 建立模型的發現學習4.6 智能決策支持系統
4.6.1 智能決策支持系統概念 4.6.2 智能決策支持系統結構 4.6.3 專家系統與決策支持系統的集成 4.6.4 智能決策支持系統實例
第五章：基于數據倉庫的決策支持系統 建議學時：4學時
[教學目的與要求] 通過對本章內容的學習，使學生掌握數據倉庫的基本原理，掌握聯機分析處理的概念、數據組織以及決策支持，掌握數據倉庫的決策支持以及數據挖掘的概念。了解基于數據倉庫的決策支持系統。
[教學重點與難點] 聯機分析處理的數據組織以及決策支持，數據倉庫的決策支持以及數據挖掘。[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔。[授 課 內 容] 5.1 數據倉庫的基本原理
5.1.1 數據倉庫概念 5.1.2 數據倉庫結構 5.1.3 數據集市 5.1.4 元數據 5.1.5 數據倉庫存儲 5.1.6 數據倉庫系統 5.2 聯機分析處理
5.2.1 基本概念 5.2.2 OLAP數據組織
5.2.3 OLAP的決策支持: 多維數據分析 5.2.4 OLAP的應用實例 5.3 數據倉庫的決策支持
5.3.1 查詢與報表
5.3.2 多維分析與原因分析 5.3.3 預測未來 5.3.4 實時決策 5.3.5 自動決策 5.4 數據挖掘
5.4.1 知識發現與數據挖掘概念 5.4.2 數據挖掘方法和技術 5.4.3 數據挖掘的知識表示 5.5 數據挖掘的決策支持 5.5.1 數據挖掘的決策支持分類
5.5.2 決策樹與決策規則樹的挖掘及其應用 5.3.3 關聯規則及應用 5.6 基于數據倉庫的決策支持系統
5.6.1 基于數據倉庫的決策支持系統的原理和結構 5.6.2 基于數據倉庫的決策支持系統簡例 5.6.3 基于數據倉庫的決策支持系統實例
第6章 綜合決策支持系統 建議學時：4學時
[教學目的與要求] 通過對本章內容的學習，使學生掌握基于模型庫與知識庫的傳統決策支持系統，掌握基于數據倉庫的新決策支持系統和綜合決策支持系統，了解網絡環境的綜合決策支持系統。[教學重點與難點] 基于數據倉庫的新決策支持系統和綜合決策支持系統。[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔。[授 課 內 容] 6.1 基于模型庫與知識庫的傳統決策支持系統
6.1.1 傳統決策支持系統概念 6.1.2 傳統決策支持系統的進展
6.1.3 傳統決策支持系統的關鍵技術和開發的困難 6.2 基于數據倉庫的新決策支持系統
6.2.1 新決策支持系統與商業智能 6.2.2 數據倉庫關鍵技術 6.2.3 數據倉庫開發的困難 6.3 綜合決策支持系統
6.3.1 傳統決策支持系統與新決策支持系統的比較 6.3.2 數據倉庫與數學模型
6.3.3 綜合決策支持系統原理、結構和定義 6.4 網絡環境的綜合決策支持系統
6.4.1 客戶機/服務器結構與數據庫服務器 6.4.2 網絡環境的決策支持系統
6.4.3 網絡環境的綜合決策支持系統體系
第7章 決策支持系統的開發與實例 建議學時：4學時
[教學目的與要求] 通過對本章內容的學習，使學生掌握傳統決策支持系統設計與開發，掌握各種傳統決策支持系統開發工具，掌握新決策支持系統的開發的開發方法。
[教學重點與難點] 傳統決策支持系統開發工具，新決策支持系統的開發的開發方法。[授 課 方 法] 以課堂講授為主，課堂討論和課下自學為輔。[授 課 內 容] 7.1 傳統決策支持系統設計與開發
7.1.1 決策支持系統開發過程 7.1.2 決策支持系統設計 7.1.3 決策支持系統的關鍵技術 7.2 傳統決策支持系統開發工具
7.2.1 決策支持系統開發技術與方法 7.2.2 系統快速原型開發方法 7.2.3 決策支持系統的開發實踐 7.2.4 專家系統開發工具與實例 7.3 新決策支持系統的開發
7.3.1 數據倉庫開發過程 7.3.2 數據抽取、轉換和裝載
7.4 基于客戶機/服務器的決策支持系統快速開發平臺CS-DSSP 7.4.1 CS-DSSP開發平臺綜述 7.4.2 客戶端交互控制系統 7.4.3 廣義模型服務器系統 7.4.4 CS-DSSP決策支持方式 7.5 基于客戶機/服務器的決策支持系統實例 7.5.1 全國農業投資決策問題
7.5.2 全國農業投資空間決策支持系統 7.6 網絡環境的決策支持系統的對比分析
7.6.1 網絡環境的決策支持系統的技術進步
7.6.2 網絡環境的決策支持系統的決策支持效果的提升
撰稿人：劉鵬 審核人：
第三篇：決策支持系統實驗3
決策支持系統
實驗名稱：回歸分析實驗
實驗地點：
專業班級：信管
學生姓名：
學生學號：
指導教師：
成 績：
2016年X月X日
一、實驗目的1.了解Microsoft
Office
Excel
2003
提供的數據分析工具
2.掌握Microsoft
Office
Excel
2003
提供的三種回歸方法
3.掌握通過回歸分析進行預測的方法
二、實驗內容
1.掌握Excel2003提供的分析工具庫
2.使用數據分析方法進行回歸分析
3.使用函數方法進行回歸分析，包括直線回歸函數，預測函數，指數曲線趨勢函數
三、實驗內容及步驟
7.1數據分析對話框
圖7.2參數設置示意圖
圖7.3部分分析結果
圖7.5斜率和Y軸截距數據
圖7.6
圖7.7
圖7.8
圖7.9
圖7.10
圖7.12
圖7.13
圖7.14
圖7.15
圖7.16
圖7.17
圖7.18
圖7.19
練習
數據分析
預測函數
指數曲線預測函數
四、實驗總結
通過本次實驗，我熟悉了Excel提供的分析工具庫，并能使用“數據分析”方法進行回歸分析，使用直線回歸函數，使用預測函數，使用指數曲線趨勢函數，用趨勢線進行回歸分析，并能通過回歸分析進行預測。也讓我懂得回歸分析對我們生活有很大的作用，回歸分析是將一系列影響因素和結果進行一個擬合,擬合出一個方程,然后通過將這個方程應用到其他同類事件中,可以進行預測通過回歸可以找出哪些影響因素及對結果的影響規律。
第四篇：《決策支持系統》課程講稿
決策支持系統
課前導入
第一章 決策支持系統概述 第一節 決策支持系統的形成和發展
決策支持系統（DSS）是20世紀70年代初由美國的Scott Morton在《管理決策系統》中首先提出，于20世紀80年代迅速發展起來。
? 管理信息系統 ? 管理科學/運籌學 ? 決策支持系統
管理科學與運籌學是運用模型輔助決策，體現在單模型輔助決策上，這樣以來，對于多模型輔助決策問題，在決策支持系統出現之前要靠人來實現模型間的聯合和協調。決策支持系統的出現要解決由計算機自動組織和協調多模型的運行以及數據庫中大量數據的存取及處理，達到更高層次的輔助決策能力。
決策支持系統具有以下6個特性： ①用定量方式輔助決策，而不是代替決策 ②使用大量的數據和多個模型 ③支持決策制定過程
④為多個管理層次上的用戶提供決策支持 ⑤能支持相互獨立的決策和相互依賴的決策 ⑥用于半結構化決策領域 ? 專家系統 專家系統也是一種很有效的輔助決策系統。它是利用專家的知識，特別是經驗知識經過推理得出輔助決策結論，專家系統輔助決策的方式屬于定性分析。
? 智能決策支持系統
智能決策支持系統是以決策支持系統為主體，結合人工智能技術形成的系統。除專家系統這種典型的人工智能技術以外，還有神經網絡、機器學習、遺傳算法以及自然語言理解等多種人工智能技術。
? 經理信息系統 ? 決策支持系統的發展
決策支持系統的技術進步經歷以下四個階段： ①單模型輔助決策 ②交互建模的DSS ③組合模型的DSS ④智能的DSS 第二節 決策支持系統概念
R.H.Spraque和E.D.Carlson對DSS的定義：
? 決策支持系統具有交互式計算機系統的特征，幫助決策者利用數據和模型去解決半結構化問題。S.S.Mittra對DSS的定義：
? 決策支持系統是從數據庫中找出必要的數據，并利用數學模型的功能，為用戶產生所需要的信息。
DSS是在MIS的基礎上發展起來的，都是以數據庫系統為基礎，都需要進行數據處理，也都能在不同程度上為用戶提供輔助決策信息。第三節 新決策支持系統與綜合決策支持系統
? 20世紀90年代中期，興起了數據倉庫、聯機分析處理和數據挖掘三項新技術，這三項新技術的結合為決策支持系統開辟了新方向，形成了基于數據倉庫的新決策支持系統。
?
數據倉庫中存儲著大量輔助決策的數據，它為不同的用戶隨時提供各種輔助決策的隨機查詢、綜合數據或趨勢分析信息。聯機分析處理提供了多維數據分析、進行切片、切塊、鉆取等多種分析手段。數據挖掘是挖掘數據中隱含的信息和知識，讓用戶在進行決策中使用。? 以數據倉庫為基礎結合聯機分析處理和數據挖掘形成了基于數據倉庫的新決策支持系統。
新決策支持系統與傳統決策支持系統具有以下關系：
①新決策支持系統中數據挖掘獲取的知識與傳統決策支持系統的知識推理中的知識是不相同的。
②新決策支持系統中沒有充分利用模型和模型組合來輔助決策。③決策支持系統的技術還沒有完全成熟。
把數據倉庫、聯機分析處理、數據挖掘、模型庫、數據庫、知識庫結合起來形成的綜合決策支持系統是更高級形式的決策支持系統。
決策支持系統的綜合部件是由網絡上的客戶機來完成，即在客戶機上編制DSS控制程序，由它來調用或者組合模型服務器上的模型并完成模型計算，調用知識服務器上的知識，完成知識推理以及實現數據倉庫的綜合信息查詢，或用歷史數據進行預測。這樣，就形成了網絡環境的綜合決策支持系統。
第二章 決策支持 課前復習
第一節 決策與決策支持
決策
決策自古有之，從宏觀講，決策就是制定政策，從微觀講，決策就是做出決定。
決策是指個人或集體為了達到或實現某一目標，借助一定的科學手段和方法，從若干備選方案中選擇或綜合成一個滿意合理的方案，并付諸實施的過程。
決策過程與決策技術
著名的學者Ｈ.Ａ.西蒙認為決策過程由四大步驟組成：
（1）確定決策目標；
（2）擬定各種被選方案；
（3）從各種被選方案中進行選擇；
（4）執行方案。決策過程八個階段
決策過程中四大步驟可以分成更詳細的八個步驟：
提出問題；確定目標；價值準則；擬定方案；
分析評估；選定方案；實驗驗證；普遍實施。決策體系與決策信息
決策體系是指決策整個過程中的各個層次、各個部門在決策活動中的決策權限、組織形式、機構設置、調節機制、監督方法的整個體系。
決策體系由決策系統、參謀（智囊）系統、信息系統、執行系統與監督系統這五大部分組成一個統一整體。
決策支持的概念
在DSS發展歷史中，決策支持是一個先導概念，決策支持的概念形成若干年后，才出現決策支持系統。
Keen和Morton認為，決策支持是指用計算機來達到如下的目的：
幫助經理在非結構化任務中作出決策；
支持而不是代替經理的判斷能力； 改進決策的效能（Effectiveness），而不是提高決策的效率（Efficiency）。第二節 模型的決策支持
模型及分類
模型反映了實際問題最本質的特征和量的規律，描述了現實世界中有顯著影響的因素和相互關系。
按模型的表現可以分為物理模型、數學模型、結構模型和仿真模型 數學模型及建模
數學模型分類：
（1）原理性模型
自然科學中所有定理，公式都是這類模型。
（2）系統學模型
系統學是研究系統結構與功能的一般規律的科學。
按系統的復雜程度把系統分為簡單系統和巨系統。
簡單系統是指組成系統的元素比較少，它們之間的關系又比較簡單的系統。巨系統是指組成系統元素的數目非常龐大的系統。
系統學的模型有：系統動力學、大系統理論、灰色系統、系統辨識、系統控制、最優控制和創造工程學等。
優化模型的決策支持（線性規劃實例）第三節 決策方案的決策支持
決策方案及生成
設計的方案要有明確的、清晰的和簡潔的表述。決策方案盡量計算機語言描述。并在計算機上通過計算得出方案的結果，以便決策者參考。
管理科學與運籌學所研究的大量數學模型，均是解決實際決策問題時進行抽象、總結的結晶。我們可以在管理科學/運籌學中的大量數學模型的基礎上，設計解決當前的決策問題的決策方案。
模型并行組合方案的決策支持
在對一個實際決策問題做方案時，往往會采用對同一問題的多個不同模型進行計算，然后對這些模型的計算結果進行選擇或者進行綜合，得到一個比較合理的結果。這是一種采用多模型并行組合的決策方案。下面通過一個實例進行說明。
模型串行組合方案的決策支持 第三章 決策支持系統 課前復習
第一節 決策支持系統結構的分析
決策支持系統的結構形式
三部件結構、三系統結構、三庫結構、四庫結構 決策支持系統的結構比較
決策支持系統有多種結構形式，但主要是兩種基本結構形式:（1）以“對話（人機交互）、模型、數據”三部件組成DSS。
（2）以“語言系統（LS）、問題處理系統（PPS）、知識系統（KS）”三系統組成DSS。
“對話、模型、數據”三部件結構的優點 ：
①明確了三部件之間關系
明確它們之間的接口關系和集成關系，便于決策支持系統的設計和關鍵技術的解決。
②便于和其他系統的區別 它和“管理信息系統(MIS)”的區別在于DSS多了模型部件。它和“專家系統(ES)”的區別在于DSS中是以“模型、數據”部件進行數值計算為主體的系統，而ES是以定性知識進行推理為主體的系統。
“LS、PPS、KS”三系統結構的優點：
①突出了問題處理系統(PPS)的重要性。
在設計和開發DSS時，應該重點考慮決策問題的處理。
②明確了語言系統(LS)在人機交互中的作用。
人機交互是要通過語言系統來完成的。決策問題的形式化也要用LS來描述。
③統一了知識的看法。
將數據、模型、規則看成是知識的不同表現形式。
決策支持系統的統一結構形式
三部件結構中的最大弱點，在于“人機交互”部件太簡化。該部件應該是三系統中問題處理系統和語言系統、人機交互系統的綜合部件。
把“人機交互部件”改為 “綜合部件”更合適一些。
它具有對決策問題綜合“多模型組合運行，大量數據庫的存取，人機交互”為一個整體，形成實際決策支持系統。
“人機交互與問題綜合系統（綜合部件）”可理解為對實際決策問題的集成處理與人機交互的綜合作用。它包含的功能有： ? 人機交互 ? 控制模型的運行 ? 多模型的組合運行 ? 數值計算 ? 數據處理 決策支持系統的語言系統的功能要求比較高，即它應具有：調用模型運行能力、數據庫存取能力、數值運算能力、數據處理能力、人機交互能力等五種綜合能力，我們稱它為決策支持系統語言（DSS語言）。DSS語言應是兩類語言（數值計算語言和數據庫語言）的綜合。第二節 數據庫系統
數據管理技術的發展 ? 人工管理（50年代中期）
數據不保存 沒有數據管理軟件 ? 文件系統（60年代中期）
數據管理軟件——文件管理系統 面向單個應用，冗余度大、獨立性差 ? 數據庫系統（60年代后期開始）
數據管理軟件——數據庫管理系統 面向組織，冗余度小、獨立性好
1、數據庫系統的組成、數據庫管理系統
數據庫系統一般由四部分組成：-數據庫
-數據庫管理系統-數據庫管理員-用戶和應用程序
數據庫管理系統有四項主要功能：
1、描述數據庫
描述數據的邏輯結構、存儲結構等。
2、管理數據庫（1）控制整個數據庫系統的運行；
（2）進行數據檢索、插入、刪除和修改操作；
（3）控制用戶的并發訪問；
（4）檢驗數據的安全、保密與完整性；
3、維護數據庫
（1）控制初始數據的裝入；
（2）修改、更新、重組數據庫；
（3）恢復出現故障的數據庫；
4、數據通信
組織數據的傳輸
2、數據庫應用系統的設計和開發步驟
數據庫應用系統的設計過程主要是：
（1）系統需求分析
（2）概念結構設計
（3）邏輯結構設計
（4）物理結構設計
3、數據庫應用
4、數據庫系統在決策支持系統中的作用 第三節 人機交互與問題綜合系統
人機交互系統
人機交互的三個元素： ? 交互設備
計算機系統的輸入輸出設備 ? 交互軟件
展示各種交互功能的核心 ? 人的因素
用戶操作模型
問題綜合系統
問題綜合系統在決策支持系統的統一結構形式中和人機交互系統結合在一起形成綜合部件。
人機交互系統主要實現人機對話和對DSS的控制。
問題綜合系統完成的任務是：在決策問題用DSS語言描述（形式化）后，完成對DSS問題的分析和求解。
決策支持系統的綜合部件
（1）決策支持系統語言
決策支持系統既要達到綜合模型部件和數據部件的作用，又要起到人機交互對話作用，是需要利用功能很強的語言來完成。
（2）綜合部件功能 ? 控制模型的運行 ? 多模型的組合運行 ? 人機交互
? 數值計算和數據處理 第四節 模型庫系統
模型庫
模型庫的概念
? 模型庫的由來（模型應用水平的不斷提高）模型程序：即用即編；誰用誰編
模型程序包：結構簡單；相互獨立；數據不共享 模型庫：共享；可重用；可管理；相關 ? 模型庫——具有一定組織結構的模型集合 由模型庫管理系統進行管理 每個模型都具有輔助決策能力 多個模型能有效地組織成系統
多個模型的連接需要利用共享的數據庫 模型庫的組織和存儲 模型庫的存儲需求
1個模型對應2～4個文件： 源程序文件 目標程序文件 模型說明文件 數據描述文件 模型庫管理系統
模型的存儲管理
（1）模型的表示（文件形式）
程序文件（數學模型、數據處理模型）
數據文件（圖形、圖像等）（2）模型存儲的組織結構
模型字典庫
模型文件庫
（3）模型的查詢和維護
查詢、增加、刪除、修改需要：
模型字典庫和文件庫同時進行 基本概念
模型庫管理系統的功能
模型庫管理系統的語言體系 1.模型管理語言MML（1）模型的存儲管理-同時完成字典庫和文件庫的管理（2）模型的查詢和維護 2.模型運行語言MRL（1）單模型的調用、運行-用命令語言完成（2）模型的組合運行-用集成語言編制程序控制運行 3.數據接口語言DIL 模型程序通過接口操作數據庫 第五節 組合模型的決策支持系統
? 組合模型輔助決策是決策支持系統研究的內容。? 它需要模型庫提供共享模型和數據庫提供共享數據。? 其基礎是多模型輔助決策系統。
多模型輔助決策系統
區域發展規劃系統：區域發展規劃問題是典型的多模型輔助決策系統。? 區域：社會、經濟、文化、生態環境的地域空間，如縣、市、國家等都是區域。
? 規劃：制定未來一定時期的目標、任務及實現方案。
? 區域發展規劃：分析自身的優、劣勢，對比其他區域狀況，制定快速發展的目標和措施。模型組合技術
模型的組合有多種方式，用邏輯形式表示有： ? 模型間的關系為“與”（and）關系
例如“模型1 and模型2” ? 模型間的關系為“或”（or）關系
例如“模型3 or 模型4” ? 模型間的關系為組合“閉包”(and|or)+ 關系
例如“模型1 and模型2”or“模型3 and 模型4”……
模型組合的程序設計
決策支持系統程序與一般系統程序的比較
1、相同處
DSS的控制程序對模型的調用與一般系統主程序對子程序的調用在程序結構上是相似的。
2、不同處：
（1）DSS中的“模型”是共享資源，同一模型可以被不同DSS程序所調用。
一般系統程序中的子程序（模塊）只能被該系統主程序調用，并隸屬于它。它不能被別的系統主程序所調用。
（2）DSS中模型程序所使用的語言可以不同于DSS的控制程序。
一般系統的子程序（模塊）和主程序的語言是一致的。
結論：DSS程序是利用模型程序和數據兩個共享資源組建的。在本質上，DSS程序與一般系統程序是不一樣的。
決策支持系統的決策支持
由多個模型組合而成的決策支持系統，在模型組合中，可以選擇不同的模型、相同的數據構成不同的決策支持系統方案；
DSS也可以選擇相同模型、不同的數據構成不同的決策支持系統方案； DSS還可以選擇不同的模型和不同的數據構成不同的決策支持系統方案。
決策支持系統要修改方案，只需修改綜合部件中控制的模型名以及該模型發送控制信息的程序地址。
決策支持系統的決策支持作用很容易在模型組合的控制程序中實現。第四章 智能決策支持系統和智能技術的決策支持 第一節 智能決策支持系統概述 智能決策支持系統的概念
智能決策支持系統（Intelligent Decision Support Systems , IDSS）是：決策支持系統（DSS）與人工智能（Artificial Intelligent , AI）技術相結合的系統。
智能決策支持系統的結構
1、人工智能的決策支持技術
智能決策支持系統中包含了人工智能技術，與決策支持有關的人工智能技術主要有：專家系統、神經網絡、遺傳算法、機器學習、自然語言理解等。
2．智能決策支持系統結構形式 1）基本結構
智能決策支持系統（IDSS）＝決策支持系統（DSS）＋人工智能（AI）技術
人工智能技術可以概括為：推理機＋知識庫 第二節 人工智能基本原理
邏輯推理-形式邏輯
形式邏輯是研究人的思維形式及其規律的科學。它是屬“符號處理”范疇。形式邏輯主要研究：形成概念、作出判斷、進行推理。
1）概念：概念是反映事物的特有屬性和它的取值。2）判斷：判斷是對概念的肯定或否定。
3）推理：推理是從一個或幾個判斷推出一個新判斷的思維過程。
知識表示與知識推理 命題邏輯 舉例： 1）如果a是偶數，那么a2是偶數
2）“人不犯我，我不犯人；人若犯我，我必犯人”
歸結原理使用反證法來證明語句。即歸結是從結論的非，導出已知語句的矛盾。
利用命題邏輯公式和謂詞邏輯公式，把邏輯表達式化成合取范式、前束范式，再化成子句。一子句定義為由文字的析取組成的公式。
逆向推理是從目標開始，尋找以此目標為結論的規則，并對該規則的前提進行判斷，若該規則的前提中某個子項是另一規則的結論時，再找以此結論的規則。
重復以上過程，直到對某個規則的前提能夠進行判斷。按此規則前提判斷（“是”或“否”）得出結論的判斷，由此回溯到上一個 規則的推理，一直回溯到目標的判斷。
搜索技術
搜索技術是人工智能的一個重要研究內容。智能技術體現在減少搜索樹中的盲目搜索。
1.執行時間與ｎ，ｎ２，ｎ３等成正比的算法，稱為按多項式時間執行。2.執行時間與２ｎ，ｎ！和ｎｎ等成正比的算法，稱為按指數時間執行。按多項式時間執行的算法，計算機是可以實現的。按指數時間執行的算法，計算機是不可能實現的。
1、基本搜索法
對搜索樹的基本搜索法有兩種思想，一是按廣度優先展開搜索樹的搜索方法，叫廣度優先搜索法；一是按深度優先展開搜索樹的搜索方法，叫深度優先搜索法。
（1）廣度優先搜索法。（2）深度優先搜索法。
2、生成測試法。
3、爬山法。
4、啟發式搜索。
5、博弈算法。
第三節 專家系統與智能決策支持系統
專家系統原理
專家系統是具有大量專門知識，并能運用這些知識解決特定領域中實際問題的計算機程序系統。
專家系統是利用大量的專家知識，運用知識推理的方法來解決各特定領域中的實際問題。計算機專家系統這樣的軟件能夠達到人類專家解決問題的水平。
產生式規則專家系統
產生式規則的推理機＝搜索+匹配（假言推理）
在推理過程中，是一邊搜索一邊匹配。匹配需要找事實。這個事實一是來自于規則庫中別的規則，一是來自向用戶提問。在匹配時會出現成功或不成功，對于不成功的將引起搜索中的回溯和由一個分枝向另一個分枝的轉移，可見在搜索過程中包含了回溯。
專家系統與決策支持系統的集成
智能決策支持系統IDSS充分發揮了專家系統以知識推理形式解決定性分析問題的特點，又發揮了決策支持系統以模型計算為核心的解決定量分析問題的特點，充分做到定性分析和定量分析的有機結合。
IDSS中DSS和ES的結合主要體現在三個方面: 1.DSS和ES的總體結合。由集成系統把DSS和ES有機結合起來(即將兩者一體化)。
2.KB和MB的結合。模型庫中的數學模型和數據處理模型作為知識的一種形式，即過程性知識，加入到知識推理過程中去。
3.DB和動態DB的結合。DSS中的DB可以看成是相對靜態的數據庫，它為ES中的動態數據庫提供初始數據，ES推理結束后，動態DB中的結果再送回到DSS中的DB中去。
建模專家系統
智能決策支持系統實例 第四節 神經網絡的決策支持
神經網絡原理
神經元的學習規則是Hebb規則。
Hebb學習規則：若i與j兩種神經元之間同時處于興奮狀態，則它們間的連接應加強，即：
△Wij＝?SiSj(?＞0)
這一規則與“條件反射”學說一致，并得到神經細胞學說的證實。
設α＝1，當Si＝Sj＝1時，△Wij＝1，在Si，Sj中有一個為0時，△Wij＝0。反向傳播模型
神經網絡專家系統及實例 神經網絡專家系統特點: 1.神經元網絡知識庫體現在神經元之間的連接強度（權值）上。它是分布式存貯的，適合于并行處理。
2.推理機是基于神經元的信息處理過程。它是以ＭP模型為基礎的，采用數值計算方法。
3.神經元網絡有成熟的學習算法。感知機采用delta規則。反向傳播模型采用誤差沿梯度方向下降以及隱節點的誤差由輸出結點誤差反向傳播的思想進行的。４.容錯性好。由于信息是分布式存貯，在個別單元上即使出錯或丟失，所有單元的總體計算結果，可能并不改變。
確定系統框架-完成對神經元網絡的拓樸結構設計：（1）神經元個數（2）神經元網絡層次（3）網絡單元的連接
確定神經元的作用函數和閾值-作用函數用得較多的有兩種：（1）階梯函數（2）S型函數
閾值的選取可為定值如?i=0或?i=0.5，或者進行迭代計算。神經網絡的容錯性 第五節 遺傳算法的決策支持
遺傳算法(Genetic Algorithm，GA)是模擬生物進化的自然選擇和遺傳機制的一種尋優算法。它模擬了生物的繁殖、交配和變異現象，從任意一初始種群出發，產生一群新的更適應環境的后代。
這樣一代一代不斷繁殖、進化，最后收斂到一個最適應環境的個體上。遺傳算法對于復雜的優化問題無需建模和進行復雜運算，只需要利用遺傳算法的算子就能尋找到問題的最優解或滿意解。
遺傳算法原理 1.群體中個體的編碼
如何將問題描述成位串的形式，即問題編碼。一般將問題的參數用二進制位（基因）編碼構成子串，再將子串拼接起來構成“染色體”位串。
2.適應值函數的確定
適應值函數(即評價函數)是根據目標函數確定的。適應值總是非負的，任何情況下總是希望越大越好。如果目標函數不是取最大值時，需要將它映射成適應值函數。優化模型的遺傳算法求解
優化模型的計算是遺傳算法最基本的也是最重要的研究和應用領域之一。一般說來，優化計算問題通常帶有大量的局部極值點，往往是不可微的、不連續的、多維的、有約束條件的、高度非線性的NP完全問題。
精確地求解優化問題的全局最優解一般是不可能的。獲取知識的遺傳算法
? 1980年，Smith采用遺傳算法研制了一種分類器系統，這是遺傳算法在機器學習中的重要應用系統。他使用單個字符串來表示一條規則。? 分類器系統的規則形式如下： ? IF
? 遺傳規劃是建立數學模型（發現公式）的一類遺傳算法。
? 編碼采用了層次化形式進行，每個個體都對應一個公式，在設計適應度函數時，應用給定數據對每個公式的誤差進行計算，誤差小的適應度高，誤差大的適應度低。
? 通過遺傳規劃算子對群體空間進行操作，通過選擇算子，變異算子，交換算子等選擇適應度高的個體進入下一代遺傳，? 最終按照終止原則，輸出算法計算的結果，即發現的公式。第六節 機器學習的決策支持
機器學習概述
學習和解決問題是人類最重要的兩個智能行為。
機器學習是讓計算機模擬和實現人類的學習，獲取知識。機器學習也是計算機具有智能的重要標志。（1）R.S.Michalski認為：學習是構造或修改所經歷的事物的表示。該觀點強調知識的表示。
（2）學習是知識的獲取。該觀點強調知識獲取。
（3）H.A.Simon認為：學習是系統在相似的任務中，做一些適應性變化，使得在下一次類似的任務中，做得更好。該觀點強調學習的效果。
機器學習分類
學習過程的本質是學生(學習系統)把教師或環境(如書本)提供的信息轉換成能夠理解的形式記憶下來，以便將來使用。
當前,國際上流行的機器學習分類方法主要有：
按應用領域分類(專家系統、問題求解、認知模擬）；按獲取知識的表示分類(邏輯表達式、產生式規則、決策樹、框架、神經網絡)；按推理策略分類(演繹推理和歸納推理)；按系統性分類(歷史淵源、知識表示、推理策略、應用領域)。
建立模型的發現學習
BACON系統的思想是利用一些算子反復構造一些新的項，當這些項中有一個是常數時，就得到概念：“項＝常數”。第五章 數據倉庫與數據挖掘的決策支持 第一節 數據倉庫、數據倉庫系統及應用 1.數據倉庫的基本原理
數據倉庫的概念、結構，數據集市，元數據
數據倉庫是面向主題的、集成的、穩定的，不同時間的數據集合，用于支持經營管理中決策制定過程。
近期基本數據：是最近時期的業務數據，是數據倉庫用戶最感興趣的部分，數據量大。歷史基本數據：近期基本數據隨時間的推移，由數據倉庫的時間控制機制轉為歷史基本數據。
輕度綜合數據：是從近期基本數據中提取出的，這層數據是按時間段選取，或者按數據屬性（attributes）和內容（contents）進行綜合。
高度綜合數據層：這一層的數據是在輕度綜合數據基礎上的再一次綜合，是一種準決策數據。
? 數據倉庫工作范圍和成本常常是巨大的。開發數據庫是代價很高、時間較長的大項目。
? 提供更緊密集成的數據集市就應運產生。
? 目前，全世界對數據倉庫總投資的一半以上均集中在數據集市上。? 數據集市（Data Marts）是一種更小、更集中的數據倉庫，為公司提供分析商業數據的一條廉價途徑。
? Data Marts是指具有特定應用的數據倉庫，主要針對某個應用或者具體部門級的應用，支持用戶獲得競爭優勢或者找到進入新市場的具體解決方案。
元數據是數據倉庫的重要組成部分。
元數據描述了數據倉庫的數據和環境，即關于數據的數據(meta data)元數據包括四種元數據。
2、數據倉庫系統
數據倉庫系統結構、數據倉庫的存儲
數據倉庫應用是一個典型的客戶/服務器（C/S）結構形式。
數據倉庫采用服務器結構，客戶端所做的工作有：客戶交互、格式化查詢、結果顯示、報表生成等。
服務器端完成各種輔助決策的SQL查詢、復雜的計算和各類綜合功能等。現在，越來越普通的一種形式是三層C/S結構形式，即在客戶與數據倉庫服務器之間增加一個多維數據分析（OLAP）服務器。
數據倉庫存儲采用多維數據模型。
3、簡單闡述一下數據倉庫在決策支持中的應用 第二節 數據挖掘及其應用
1、數據挖掘的概念
知識發現（KDD）：從數據中發現有用知識的整個過程。
數據挖掘（DM）：KDD過程中的一個特定步驟，它用專門算法從數據中抽取模式（patterns）。
KDD過程定義：從大量數據中提取出可信的、新穎的、有用的并能被人理解的模式的高級處理過程。
“模式”可以看成是“知識”的雛形，經過驗證、完善后形成知識。
2、數據挖掘的方法和技術
（一）歸納學習方法
分為兩大類：信息論方法（決策樹方法）和集合論方法。
1、信息論方法（決策樹方法）
利用信息論的原理建立決策樹或者是決策規則樹。
（1）ID3方法：Quiulan研制的ID3方法是利用信息論中互信息建立決策樹。
（2）IBLE方法：是利用信息論中信道容量，尋找數據庫中信息量大的多個字段的取值建立決策
2、集合論方法
（1）粗糙集（Rough Set）方法
對數據庫中的條件屬性集與決策屬性集建立上下近似關系，對下近似集合建立確定性規則，對上近似集合建立不確定性規則（含可信度）。（2）關聯規則挖掘
在交易事務數據庫中，挖掘出不同商品集的關聯關系，即發現哪些商品頻繁地被顧客同時購買。
（3）覆蓋正例排斥反例方法
它是利用覆蓋所有正例，排斥所有反例的思想來尋找規則。
比較典型的有AQ11方法，AQ15方法以及AE5方法。
（二）仿生物技術
仿生物技術典型的方法是神經網絡方法和遺傳算法。
1、神經網絡方法：包括：前饋式網絡、反饋式網絡、自組織網絡等多個神經網絡方法。
2、遺傳算法：這是模擬生物進化過程的算法。
它由三個基本算子組成：
繁殖（選擇）、交叉（重組）、變異（突變）
遺傳算法起到產生優良后代的作用，經過若干代的遺傳，將得到滿足要求的后代（問題的解）。
（三）公式發現
在工程和科學數據庫中對若干數據項（變量）進行一定的數學運算，求得相應的數學公式。
1．物理定律發現系統BACON BACON發現系統完成了物理學中大量定律的重新發現。2．經驗公式發現系統FDD 我們研制了FDD發現系統，尋找由數據項的初等函數或復合函數組合成的經驗公式。
（四）統計分析方法
利用統計學原理通過對總體中的樣本數據進行分析得出描述和推斷該總體信息和知識的方法。
（五）模糊數學方法
利用模糊集合理論進行數據挖掘，如模糊聚類、模糊分類等。
（六）可視化技術
利用可視化技術分析數據庫，找到潛在的有用信息。
3、數據挖掘的知識表示
主要有四種：規則、決策樹、濃縮數據、公式。
規則知識由前提條件和結論兩部分組成,前提條件由字段項（屬性）的取值的合取（與?）和析取（或?）組合而成。結論為決策字段項（屬性）的取值或者類別組成。
4、數據挖掘在決策支持中的應用 數據挖掘的決策支持分類有：
關聯分析、時序模式、聚類、分類、偏差檢測、預測。
關聯分析：
若兩個或多個數據項的取值之間重復出現且概率很高時，它就存在某種關聯，可以建立起這些數據項的關聯規則。
時序模式：
通過時間序列搜索出重復發生概率較高的模式。這里強調時間序列的影響。
聚類：在數據庫中找出一系列有意義的子集，即類。分類：對數據庫中的類，找出該類別的概念描述規則。偏差檢測： 在數據庫中找出異常數據。
預測：利用歷史數據找出變化規律的模型，并用此模型預測未來。第六章 綜合決策支持系統
1.傳統決策支持系統的概念 ? 1980年Sprague提出了決策支持系統三部件結構； ? 1981年Bonczak等提出了決策支持系統三系統結構； ? 根據以上兩種結構的優缺點建立起來的統一的DSS結構；
? 20世紀90年代初，決策支持系統與專家系統結合起來，形成了智能決策支持系統（IDSS）。DSS的關鍵技術：
（1）模型庫系統的設計和實現。
（2）部件接口。部件接口包括對數據部件的數據的存取，對模型部件的模型的調用和運行，以及對知識部件的知識完成推理。
（3）系統綜合集成。通過集成語言完成對各部件的有機綜合，形成一個完整的系統。
2.數據倉庫與新決策支持系統 數據倉庫技術
管理大量數據
數據倉庫中的數據量是10GB或100GB級的，數據倉庫開發需要滿足處理大量數據的需求。
數據的高效裝入和數據壓縮
裝入數據：裝入的數據量很大，同時也要裝入高效的索引。（2）數據壓縮：DW數據量大需要進行數據的壓縮。
存儲介質的管理
數據倉庫中的數據量是10GB或100GB級的，數據倉庫開發需要滿足處理大量數據存儲介質的需求。
元數據管理:沒有一個好的元數據來運作的話，DSS分析員的工作就非常困難。
數據倉庫語言 數據倉庫語言可有效管理數據倉庫中的數據和快速、高效地訪問數據倉庫中的數據。
高效索引
數據倉庫不僅能夠方便地支持新索引的創建和裝入，而且要能夠高效地訪問這些索引。
數據倉庫的特殊管理
（1）復合鍵碼：能夠支持復合鍵碼。
（2）變長數據：有效管理變長數據的能力。
（3）快速恢復：快速地恢復數據倉庫表。
多維DBMS和數據倉庫
多維數據庫管理系統（多維DBMS）提供了用多種方法對數據進行切片、分割，動態地考查匯總數據和細節數據的關系，非常適合DSS環境。
數據倉庫中的細節數據為多維DBSM提供了數據源，數據要定期從數據倉庫中導入到多維DBMS中去，為DSS用戶服務。
3.傳統決策支持系統與新決策支持系統的比較 傳統決策支持系統的特點
(1)用模型和模型的組合來輔助決策
多模型的組合擴大了模型輔助決策的能力。多模型的組合的實現是靠數據或數據處理來完成模型間的連接。
多模型的組合使模型的范圍由數學模型擴展為數據處理模型等。
人機交互的手段豐富了多模型組合輔助決策的效果，也為人控制多模型的組合提供了支持手段。
(2)用知識推理進行定性分析
知識推理的專家系統主要是進行定性分析。它結合到決策支持系統中形成智能決策支持系統。實質上完成了定量分析和定性分析相結合的輔助決策方式。
新決策支持系統的特點：
（1）數據倉庫和聯機分析處理的數據組織方式是多維數據數據倉庫的數據組織為空間的多維結構形式。
（2）數據倉庫是為決策分析服務的數據倉庫可以提供綜合信息和時間趨勢信息等輔助決策信息。
（3）聯機分析處理提供多維分析手段（4）數據挖掘是從數據中挖掘出隱藏知識 4.綜合決策支持系統結構和原理
數據倉庫（DW）實現對決策主題數據的存儲和綜合。聯機分析處理（OLAP）實現多維數據分析。數據挖掘（DM）能挖掘數據倉庫中的知識。
DW+OLAP+DM形成的新決策支持系統是利用數據資源輔助決策的。新決策支持系統主要針對商場、銀行、顧客、銷售等獲取企業外部社會上的信息。
傳統決策支持系統是以模型庫（MB）和知識庫（KB）為基礎的。數學模型的優化模型輔助決策的效果很明顯。知識推理具有較強的智能性。
傳統決策支持系統充分發揮模型資源的輔助決策作用和知識資源輔助決策作用。
兩個決策支持系統是完全不同的輔助決策方式，兩者不能相互代替，應該是相互結合。
通過兩個決策支持系統的結合能充分發揮數據、模型、知識這三種不同的決策資源，獲取企業或組織的內部和外部相互補充的信息和知識，才能為決策者提供更全面，更廣泛和更有效的輔助決策信息和知識。把數據倉庫（DW）、聯機分析處理（OLAP）、數據挖掘（DM）、模型庫（MB）、數據庫（DB）、知識庫（KB）結合起來形成的決策支持系統：
將傳統決策支持系統和新決策支持系統結合起來的決策支持系統是更高級形式的決策支持系統，稱為綜合決策支持系統（Synthetic Decision Support System, SDSS）。
綜合決策支持系統體系結構包括三個主體: 第一個主體是模型庫系統和數據庫系統的結合，它是決策支持的基礎，它為決策問題提供定量分析（模型計算）的輔助決策信息。
第二個主體是數據倉庫和OLAP的結合，它從數據倉庫中提取綜合數據和信息，這些數據和信息反映了大量數據的內在本質。
第三個主體是知識庫與推理機和數據挖掘的結合。5.網絡環境下的綜合決策支持系統體系 客戶/服務器結構與數據庫服務器
計算機聯網可以使得某些服務在服務器系統上執行，而另一些任務在客戶機系統上執行，這種工作任務的劃分，形成了客戶機/服務器系統。
客戶機/服務器（Client/Server, C/S），由服務器提供應用服務，多臺客戶機進行連接。
當前的實際應用中多數服務器就是一臺數據庫服務器而客戶端就是編寫的客戶軟件，通過ODBC或ADO同數據庫服務器通信。組成一個應用系統。
在當前Internet/Intranet領域，“瀏覽器/服務器”結構是當前非常流行的客戶機/服務器結構，簡稱B/S結構。
Web瀏覽器只利用鼠標點擊某個強調的詞語或某個圖形按鈕，你就會毫不費力地迅速訪問到世界各地的計算機。
決策支持系統的綜合部件由網絡上的客戶機來完成。
模型服務器是對用戶提供各種模型的服務。模型需要調用數據庫服務器存取數據，在模型服務器內完成模型運算，這些模型服務器相對數據庫服務器來說是客戶端。當模型運算出結果后為用戶提供輔助決策信息時，它起到服務器的作用。這種關系形成了三層客戶／服務器結構。
在網絡環境下形成的決策支持系統結構，既具有客戶/模型/數據三層C/S結構，也有客戶/數據二層C/S結構，這種組合是一種三角的C/S結構形式。
第七章 決策支持系統的開發
1．決策支持系統開發過程、步驟 DSS系統開發的主要步驟為：
（1）DSS系統分析-包括確定實際決策問題目標，對系統分析論證。（2）DSS系統初步設計-包括對決策問題進行分解成多個子問題以及它們的綜合。
（3）DSS系統詳細設計-包括各個子問題的詳細設計（數據設計和模型設計）和綜合設計。數據設計包括數據文件設計和數據庫設計，模型設計包括模型算法設計和模型庫設計。綜合設計包括對各個子問題的綜合控制設計。
（4）各部件編制程序-包括①建立數據庫和數據庫管理系統；②編制模型程序，建立模型庫、模型庫管理系統；③編制綜合控制程序（總控程序），由總控程序控制模型的運行和組合，對數據庫數據的存取、計算等處理，設置人機交互等。
（5）三部件集成為DSS系統-包括解決部件接口問題，由總控程序的運行實現對模型部件和數據部件的集成，形成DSS系統。
2．決策支持系統設計 設計思想 決策支持系統的系統結構是由綜合部件、模型部件、數據部件三大部件組成。
決策支持系統設計主要是決策支持系統總體結構設計，它包括運行結構設計和管理結構設計。
運行結構是對實際決策問題用決策支持系統原理設計的程序結構。
管理結構是完成模型庫管理和數據庫的管理，達到多模型的共享和大量數據的共享。
運行結構的關鍵是綜合部件。
3．決策支持系統開發技術 建立模型概述
系統建模目的主要在于：
（1）分析和設計實際系統
（2）預測或預報實際系統的未來發展趨勢。（3）對系統實行最優控制。建立模型步驟
(１)建立模型的數學結構，即建立模型中變量之間的方程形式。(２)確定模型的參數，它包括模型中變量的數目、方程的個數、變量的系數等。
? DSS的建模技術
DSS建模的主要問題是如何選擇多個模型組合形成解決實際問題的方案。也可以認為該方案是解決實際問題的大模型。每個具體的小模型又涉及所需要的數據。多模型的組合表現為用模型資源和數據資源來組合成實際問題方案。決策支持系統就是利用模型庫（模型資源）和數據庫（數據資源），通過問題綜合來組合多模型和大量數據形成解決實際問題的方案，方案可以是一個或者多個，通過方案的計算和比較，達到輔助決策的作用。? 模型部件和綜合部件存取數據庫的接口
模型程序一般采用數值計算語言編制。不具有數據庫操作功能。而數據庫語言對數組運算等數值計算功能很弱，故數據庫語言不適合于編制數值計算類型的模型程序。決策支持系統又需要把數值計算和數據處理二者結合起來。有效的途徑是解決好模型存取數據庫的接口。
決策支持系統中，把所有公用的數據都放入數據庫中，這便于數據庫共亨，又便于數據的統一管理。模型程序用到數據時，需要通過這個接口去存取所需數據。
? 綜合部件對模型的接口
綜合部件對模型的控制運行以及多模型的組合。一般采用“順序、選擇、循環”結構以及嵌套組合結構形式來組合模型。? 綜合部件的集成技術
綜合部件要真正達到控制單模型運行以及多模型的組合運行，控制大量的數據庫的存取，實現DSS的系統集成。
綜合部件需要利用一種計算機語言，針對具體的決策問題，編制或者自動生成決策問題的總控程序，將所需要的模型庫、數據庫進行集成，形成一個實際的決策支持系統。? 系統快速原型開發技術
快速原型開發技術用于決策支持系統的主要任務是：按決策問題處理過程，快速生成對多模型的組合以及大量數據庫數據的存取并進行集成的決策支持系統。快速原型方法是根據系統的需求能迅速的產生出系統的原型，該原型能表現出系統的功能、行為特性，但不一定符合其全部要求。當用戶對原型運行結果不滿意時，能迅速修改原型，經過幾次反復，將可得到用戶滿意的應用系統。
快速原型法的實現是需要一個很好的支撐環境來保證軟件原型的快速生成。
4.決策支持系統的開發
綜合部件的總控程序開發從DSS總控程序的設計中可知它要完成的工作為：
（1）控制模型程序的運行；
（2）存取數據庫的數據；
（3）進行數據處理；
（4）進行數值計算；
（5）完成人機交互。
總控程序既要有數值計算能力又要有數據處理能力，還需要有很強的人機交互能力。可見它是一個集成語言。
第五篇：決策支持系統在企業管理中的應用
決策支持系統在企業管理中的應用
摘要：通過分析現代企業管理者對決策支持系統的需求原因，引出了決策支持系統的概念與組成，給出了其在企業中的應用，并對企業建設決策支持系統提出了一些需要考慮的因素及實施原則。
一、需求原因
經濟全球化的趨勢以及中國加入WTO之后，無論是否愿意，企業都將面對全球的競爭者和全球范圍的消費市場；隨著競爭環境的惡化、消費者權益意識的增強等等，政府頒布了更詳盡的法令和制度來約束企業的經營行為。企業管理者在進行決策時需要考慮更多、更復雜的制約因素，管理者們迫切需要一種計算機化的決策支持系統。雖然每個企業的狀況和需求都不相同，但是他們卻有著共同的需求：
1． 快速的計算：及時的決策在許多情況下非常關鍵，如股票交易、市場營銷策略等。
2． 克服人在處理和存儲上的限制：人的智力受制于人處理和存儲信息的能力。而且，人不可能隨時都能準確無誤地回想起信息。
3． 認知極限：當需要許多不同的知識和信息時，個人解決問題的能力將受限制。計算機系統能幫助人快速訪問和處理大量存儲的信息。計算機還有助于減輕工作組中的協調和溝通。
4． 削減費用：計算機化的支持能削減小組的大小，并允許小組在異地相互交流，將提高支持人員的生產率（如財務或法律分析師），提高的生產率就意味著更低的成本。
5． 信息支持：通過計算機技術，管理者可以獲得正確的、及時的和最新的信息來進行決策。
6． 質量支持：計算機能提高決策的質量。例如，可以評價更多的備選方案，快速進行風險分析，以很低的代價迅速收集專家的意見。許多專業知識甚至可以直接由計算機系統導出。利用計算機，決策制定者可以執行復雜的模擬，檢查各種可能的情況，快速經濟地評定 不同的影響。
7． 有助于業務流程重組和員工授權：競爭不僅僅在于價格，還在于質量、及時性、產品的定制以及對客戶的支持。決策支持技術，如專家系統，使得欠缺知識的人也能做出良好的決策。這樣就可以進行有意義的授權。決策支持系統還可用于業務流程重組中，研究競爭者的活動、定制產品、優化生產流程等等。
決策支持系統的應用可以很好地滿足上述需求，可以減少決策的盲目性，更加有效地利
用信息資源，從而提高市場反映能力。
二、概念組成20世紀70年代初，美國的M S Morton教授在名為《管理決策系統》一文中首先提出決策支持系統（DSS）的概念。70年代中期，DSS的一些概念得到進一步發展，70年代末、80年代初，計算機管理應用的重點由事務性處理轉向企業的管理、控制、計劃和分析等高層次決策制定方面，DSS的研制和應用才迅速發展起來。現在，決策支持系統已逐步推廣
應用于大、中、小企業的預算與分析、預測與計劃、生產與銷售、研究與開發等職能部門，軍事決策、工程決策、區域規劃等方面。
那么，什么是決策支持系統呢？決策支持系統通過結合個人的智力資源和計算機的能力來改進決策的質量。它是一個基于計算機的支持系統，服務于處理半結構化問題的管理決策制定者。
一個決策支持系統將包括如下典型的組件：
1．數據管理子系統：DSS的數據庫通常包括在數據倉庫中。數據倉庫是集成的、面向主題的數據庫集合，它是用來支持決策支持功能的，其中每個數據單元都不隨時間改變。數據倉庫的數據通常從內部和外部數據源中抽取。內部數據主要來自于組織的交易處理系統。外部數據包括行業數據、市場調查數據、人口普查數據、國家經濟數據等。2． 模型管理系統：一個包含有財務、統計、運籌和其它定量模型的軟件包，能夠提供系統的分析能力和合適的軟件管理能力。在模型庫中的模型可以分為戰略性的、策略性的、運營性的等等。
3． 知識管理系統：許多非結構化和半結構化的問題是如此的復雜以至于除了通常的DSS能力外，它們還需要特別的專業知識。這些知識可以由專家系統或者其它智能系統提供。因此，更高級的DSS系統還包含成為知識管理的組件。
4． 用戶界面子系統：用戶與DSS應用之間的交流。如交互式界面、報表打印。為了實現組織內的信息共享，還應包括Intranet/Internet的發布方式。
5． 用戶：用戶可看作系統的一部分。DSS的用戶主要是企業各層次的管理者和商業分析人員。
三、應用實施
1． 銷售支持：每日按地區、部門、銷售員和產品生成銷售情況的匯總，給高級經理提供支持。這些報告標識了丟失的業務、挽回的業務和新的業務。根據需要還可以定制額外的周期報表，這些特殊的報表給經理提供了比較和趨勢分析，有助于確定問題和機會。DSS應用能夠分析和評價以往產品的銷售，以確定產品成功或失敗的因素。借助DSS，可以利用全公司的數據來推測一個決策所隱含的利潤和收入。
2．客戶分析和市場研究：DSS應用可以利用統計工具來分析每天收集的交易數據，以確定各種類型客戶的消費模式，然后采取相應的營銷措施，從而實現最大的利潤。對于重點客戶要提供更好的服務和更優惠的價格策略；對于潛在客戶要進行促銷予以爭取；對于易流失的客戶要分析原因以挽回。市場研究包括：利用預測模型分析得出每種產品的增長模式，以便做出終止或者擴張某種產品的適當決定；進行企業品牌和形象的研究，以便提高企業和品牌的知名度和美譽度；分析客戶滿意度和進行市場規模和潛在規模的研究等。
3． 財務分析：按年、月、日或其它自定義周期來進行實際費用和花費的比較；審查過去現金流的趨勢，并預測未來的現金需求量；復雜項目的預算計劃和成本分攤；整合各分支機構的財務數據，形成正確、一致的財務報表。
4． 運籌和戰略計劃：基于資源和時間的限制，來確定最優的項目時間表；制定工廠每日的生產計劃；確定大型連鎖機構中分支網點的設立，如連鎖店、加油站、通訊中繼站等等；協助制定大規模資本投資計劃，并計算投資風險。
5． 企業分析：為了達到組織的目標所必須考慮的因素被稱為關鍵成功因子（Critical Success Factor, CSF）。CSF是企業級分析的焦點。這樣的因子可以是戰略性的或者操作性的，主要從三個來源導出：組織性因素、行業因素和環境因素。關鍵性能指標（Key Performance Index, KPI）提供了CSF在公司層次上的度量。典型的KPI包括贏利能力、財務、市場、人力資源、計劃、經濟分析、消費者趨勢等。
四、建設考慮
一個高效的、滿足企業自身商業需要的決策支持系統，將會成為企業的核心競爭力。作
為企業用戶，在考慮本企業決策支持系統的建設時要認識到如下幾點：
1． DSS是一個解決方案。DSS不是一種通用的產品，而是一個解決方案。每個企業都要結合自身的狀況，明確亟待解決的管理困難，然后進行決策支持系統的分析、設計、開發和實施，以真正滿足企業管理決策的需要。
2． 先進的管理思想是DSS的靈魂。一個成功的DSS應用，應該融合了優秀的管理思想，能給企業提供分析和解決商業問題的有效的方法論。DSS中所包含的計算機軟硬件技術，則是將這種管理思想和方法論具體表現出來，從而讓DSS的用戶在使用過程中能夠貫徹這種管理思想、實踐這種方法論。組織整體的管理績效因此而得到提高。這從另一角度說明，企業必須首先整合自己的管理思路，提升管理意識，明確通過DSS將實現的管理目標，才能開始DSS的實施。
3． DSS的實施存在很高風險。DSS實施是復雜的，因為它不僅僅是搜集、處理和分發信息的信息系統，而且還可能顯著地改變組織運作的方式。DSS應用系統的成功最終取決于企業的使用效果，讓管理者感受到投資帶來的回報。因此，DSS的實施除技術之外還包含著諸多人為因素。每個企業的情況都是不同的，所以要做到具體問題具體分析。這些人為的、組織的不確定性造成了DSS應用實施的高風險。據國外統計，大約60%~70%的人工智能項目都沒有取得良好效果。
中國企業在20多年的改革開發過程中取得了飛速的發展，企業的規模不斷擴大，產品更加豐富，產值和利潤持續增長。與此同時，涌現出一大批具有現代企業制度和先進管理意識的企業。隨著國內市場競爭的加劇和中國加入WTO，這些企業已經意識到通過IT技術來改善管理，提高競爭力。它們將成為中國企業DSS應用的先行者。對于中國企業DSS應用的實施，我們建議遵循總體規劃、分步實施、迅速受益、不斷完善的原則：（1）首先要整合內部管理，總結出能保證企業持續取得成功的管理思想，然后在DSS的總體規劃中要貫徹這些思想。（2）應該建設出滿足自身需要的系統，不必盲目地求大求新。（3）分階段實施。要確保每部分都在管理上可控，降低風險。（4）應該讓企業盡快從中受益，看到投入的回報。這樣可以增加系統建設的信心。（5）隨著企業的業務發展和信息技術的發展，DSS應用需要不斷地調整和完善。
五、結束語
自從DSS問世以來，由于它的實用性，給社會和企業帶來了巨大的社會和經濟效益，因而引起了許多專家和企業界人士的極大興趣和關注，使之很快得到了長足的發展和應用。DSS有力地支持了企業的決策活動，并不同程度地改善了決策者和信息工作人員的素質和行為，改善了決策者和管理者人員的思維和工作方式。DSS充分體現了現代管理技術與方法的綜合集成與運用。隨著信息技術與現代管理思想的進一步發展，DSS將在吸收新的管理思想的基礎上不斷創新，未來的DSS將是一個集管理、技術于一身的現代管理支持系統，它將比以往更深刻地影響人類的工作和思維方式，也必將促進科學與經濟的更大繁榮。參考文獻：
1．Simon H A．The new science of management decision．New York：Prentice—Hall，1997．
2．高洪深．決策支持系統（DSS）理論、方法、案例．北京：清華大學出版社，2000．
3．雷光復．信息系統與計算機輔助管理．北京：清華大學出版社，1997
點擊咨詢 