决策支持系统复习资料

1、管理者扮演的角色：人际间的，信息的，决策的（最关键）
2、所有管理活动都围绕着决策进行，管理者是首要的或重要的决策人，在组织的各层次中分布着各种决策人。
3、决策：人们在政治经济技术和日常生活中普遍存在的一种行为，它是经过周密的推断和分析后在众多替代方案中选出的最佳方案。简言之，决策就是针对预期目标，在一定条件的约束下，从诸多方案中选择一个并付诸实施。
4、决策特征：决策陈述（表明正试图做出怎样的决策），替代方案（是人们能做出的可能决策），决策准则（是找一个决策中希望优化的对象）
5、科学决策的基本原则：信息化原则，定量分析与定性分析紧密结合的原则，对比优化原则，反馈原则，复杂问题群体决策的原则。
6、决策系统要素：决策主体（人是决策主体）、决策目标、决策方案、结局（一个结局为确定型决策，多个可能结局称为风险型决策或不确定型决策）、效用。
7、P11西蒙决策阶段模型：信息阶段，设计阶段，选择阶段，实现阶段。
信息阶段又称为情报阶段，它用于寻找要求决策的条件。它包括找出、识别和确切地表述需要作出决策的问题或情况。
设计阶段用于创建、发展和分析可能的行动方案。该阶段涉及建立、开发和分析各种可能的可行方案。
选择阶段，决策者要对在设计阶段开发的各种方案的利弊进行评价，评估每种方案的可能实施结果，并从中选择一项令人满意的最优方案。
实施阶段是执行选中的方案，检测实施的结果，并做出必要的调整。
7、决策分类
按决策性质的重要性分：战略决策、策略决策和执行决策。
按结构化程度分：结构化决策（有章可循、可重复进行、具有严格定义的决策程序），非结构化决策（无章可循、凭经验和直觉做出应变的、通常是一次性的），半结构化决策（求解这类问题需要结合标准的求解过程与决策者的判断进行）
8、问题的结构化程度的区分因素：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。
9、决策模式：即决策的模型和方式，它是决策系统中对决策过程的客观规律的表述，是决策者进行决策必须遵从的规律。
具体分为：理性模式（完全理性模式、有限理性模式），有效理性模式，非理性模式，过程性模式（面对现实的），组织和策略决策模式。
10、对现代决策的要求：决策质量的要求更高、决策时要考虑的因素更复杂、决策速度要求更快、决策失败的代价更高
11、DSS与运筹学和信息管理科学之间的关系
决策支持系统是一个融计算机技术、人工智能、管理决策科学、行为科学等学科与技术于一体的集成系统，要想成功地开发一个决策支持系统，除了需要用到近代数学、决策分析理论、计算机技术、管理理论和人工智能等知识外，还需要了解与决策问题相关的知识以及决策人的行为和心理活动。
第二章
1、DSS的三个阶段：数据库阶段，数据仓库阶段，商务智能阶段
2、Tymshare于1969年设计出的财政规划决策支持系统REVEAL是世界上的第一个决策支持系统
3、1981年Boneczak等提出了DSS三系统结构：语言系统LS 、问题处理系统PPS、知识系统KS。
4、DSS的组成：人机接口，数据库，模型库，知识库，方法库。
5、DSS的定义（无统一定义）：决策支持系统是以计算机为基础的完成信息收集、信息整理、信息处理和信息提供的人机系统。
6、DSS的特点：①用于半结构化或者非结构化的决策领域②用来辅助决策者，而不是取代决策者③交互式友好的用户界面④着重于决策制定过程的效果，而不是效率⑤使用基础的数据和模型⑥可以为各种类型的知识工作者提供支持⑦强调对环境及用户决策方法改变的灵活性及适应性。
7、DSS与MIS的关系
①MIS是DSS中的一部分；
②DSS是MIS中的一部分；
③MIS与DSS是同一信息系统中的两个不同的、相互联系而又相互配合的部分；
④MIS和DSS是计算机应用于管理系统中的两个不同的发展阶段；
⑤DSS和MIS没有什么区别，只是名字不同而已。
8、DSS与MIS的主要联系
①MIS收集、存储组织机构所提供的大量基础信息是DSS工作的基础，而DSS能使MIS所组织和保存的信息真正发挥作用；
②MIS需要负担起反馈信息的收集工作，可以支持DSS进行结果检验和评价；
③DSS的工作可以对MIS的工作进行检查和审计，为MIS的改进及完善指出了方向；
④DSS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，可归并入MIS的工作范围。
9、DSS与MIS的区别
①MIS完成的是例行业务活动中的信息处理任务，而DSS完成的是辅助支持决策活动，提供决策所需的信息。
②MIS追求的目标是高效率，而DSS追求的目标是有效性。
③MIS的设计方法是以数据驱动的，而DSS得设计方法是以模型来驱动的。
④MIS的设计思想是一个相对稳定协调的工作系统，设计方法强调系统的客观性；而DSS的设计思想是努力实现一个具有巨大潜力的、适应性强的开发系统，设计方法强调充分发挥人的经验、智慧、努力是决策更加正确。
⑤MIS趋向于信息的集中管理，而DSS趋向于信息的分散使用。
⑥MIS的分析着重体现系统全局的、总体的信息需求，而DSS的分析着重体现决策者的信息需要。
9、DSS类型：面向数据的系统（信息分析系统、文件抽屉系统、数据分析系统）、面向模型的系统（建议模型系统、财务模型系统、最佳模型系统、表达性模型系统）
10、新一代决策支持系统的应用与发展：群体DSS、智能DSS、分布式DSS、战略DSS、基于案例推理的DSS、基于数据仓库技术的DSS
第三章
1、DSS概念结构的组成：用户接口，控制系统，问题处理系统，数据库系统，模型库系统，知识库系统，用户。
2、决策支持系统按功能分为：专用DSS，DSS工具，DSS生成器。
3、DSS的技术层次：
①专用决策支持系统（即SDSS是指专门针对某种问题的决策支持系统，它是能够实际完成决策支持任务的计算机硬件和软件系统）;
②决策支持系统生成器（即DSSG是通用决策决策支持系统）
③决策支持系统工具（即DSST是指一些工具或是一些可用来构成专用DSS或DSS生成器的硬件或软件单元。）
4、决策支持系统的两类基本体系结构：基于X库的体系结构（由数据库、模型库、方法库、知识库等各种库和对话系统构成）、基于知识的3S体系结构（语言子系统、知识子系统、问题处理子系统）
5、DSS部件的逻辑结构形式：三角形的结构形式，串联结构形式，融合结构形式，以数据库为中心的结构形式。
6、影响决策支持系统总体结构的因素分析：DSS的系统环境、DSS的目标和功能、DSS的组成成分、DSS的分布布局、DSS所需的资源。
7、DSS的环境对DSS结构的影响：①决策任务的可结构性对DSS结构的影响②决策任务的级别对DSS结构的影响③决策过程的不同阶段与DSS的关系④DSS的应用领域与DSS结构的关系
第四章
１、DSS是由“模型驱动的”
２、模型库系统在DSS的作用与地位：有重要地位，管理者使用DSS不是直接依靠数据库中的数据进行决策，而是依靠模型库中的模型进行决策。
４、模型库系统由模型库、模型字典、内部数据库和模型库管理系统组成。
５、模型数据库的基本构成：模型库，模型库管理系统。
６、模型：以某种形式对一个系统的本质属性的描述，以揭示系统的功能行为及其变化规律。
７、模型库：提供模型存储和表示模式的计算机系统，由源码库和目标码库两部分组成。
８、DSS应用模型获得的输出可以分为以下三种作用：直接用于决策；对决策的制定提出建议；用来估计决策实施后可能产生的后果。
９、模型库的特征：组合性、动态性（基本的）
10、构建模型的常用方法：影响图，决策树，决策表。
11、影响图是一种图形化分析决策的简单方法。对各种不同的决策要素包括决策与可选方案、不确定事件和后果及最后结果等进行结构化表示，并用箭头连接起来建立它们之间的关系。
决策树只分析选择和不确定性。
决策表又称判断表，为描述这类加工逻辑提供了表达清晰、简洁的手段。
12、模型在计算机中的表示方法和存储形式：模型的程序表示、模型的数据表示、语句表示、模型的逻辑表示
13、模型库的内容及分类：按照模型建立和使用的特点分 通用模型库、专用模型库、智能模型库
14、模型字典是用来存放有关模型的描述信息和模型的数据抽象。
15、模型库管理系统是联系决策问题、数据与模型的桥梁。
16、模型库管理：建模管理，模型库存取管理，模型的运行管理，模型的组合。
17、数据库管理系统语言：数据库描述语言（DDL），数据库操作语言（DML）。
18、模型库管理系统语言：模型管理语言（MML），模型运行语言（MRL），数据接口语言（DIL）。
第五章
1、DSS数据库的组成：数据析取子系统，DSS数据库，数据库管理系统，数据字典，数据查询模块。
2、数据来源：内部数据、外部数据、个人数据
3、数据库三种设计方案：
①与业务管理数据库相结构构成一个统一型的数据库。
②不考虑已有的业务管理数据库而建立独立的DSS数据库。
③从已有业务管理数据库中析取、加工成决策所需的数据以形成DSS数据库。
4、数据析取操作包括数据描述、聚合、抽取子集及数据析取显示方式4种。
5、数据析取系统的设计:一是设计与源数据库管理系统的接口，它负责两者的转换与通信。二是设计数据析取描述分析器，它分析析取要求，三是设计析取操作形成器，它利用源系统的操作命令形成相应析取操作的命令序列，以对源数据进行析取。四是设计输出接口，它显示结果并按DSS数据库德要求存于其中。
5、DSS数据库类型：经营管理数据库和战略规划数据库。
6、在DSS中引入方法库的优点：
①提供各种通用计算、分析、加工处理的能力。
②提高模型运行的效率。
③实现软件资源的共享。
7、方法库系统的基本结构：方法库，方法库管理系统，内部数据库和用户界面。
8、DSS知识库系统分类：包含知识库子系统的DSS称为智能DSS、专家支持系统或者基于知识的DSS
9、开发知识库关键技术：是知识的获取和解释、知识的表示、知识推理以及知识库的管理和维护。
10、推理机：知识库系统问题求解过程必不可少的机制，其功能是根据一定的推理策略从知识库中选择有关知识，对用户提供的事实进行推理，直到得出相应的结论为止。
11、推理的方式：正向推理，反向推理。
12、推理的冲突消解策略：特殊知识优先、新鲜知识优先、差异性大的知识优先、领域特点优先、上下文关系优先、前提条件少者优先
13、知识：以各种方式把一个或多个信息关联在一起的信息结构。
14、知识表示的观点：①陈述性观点②过程性观点
15、Ⅰ规则表示法的优缺点。
Ⅱ框架表示法的优缺点：
优点①结构性②深层性③继承性④自然性
缺点①缺乏框架的形式理论②缺乏过程性知识表示③清晰性难以保证
Ⅲ框架表示法推理形式为填充槽值。填充槽值有匹配和继承。
16、知识的表示方法：规则表示法，框架表示法，语义网络表示法，面向对象表示法等
知识获取的方法：主动式，被动式。
知识获取的方式：人工移植、机器学习、机器感知
第六章
1、为什么要建立数据仓库？
为了提高分析和决策的效率和有效性，分析型处理及其数据必须与操作型处理及其数据相分离。必须把分析型数据从事务处理环境中提取出来，按照DSS处理的需要进行重新组织，建立单独的分析处理环境，数据仓库正是为了构建这种新的分析处理环境而出现的一种数据存储和组织技术。
2、数据库与数据仓库的区别
①数据库面向业务，使用者是企业的一般业务人员，进行企业日常的数据处理和维护工作。
②数据仓库是面向决策的，使用者是企业的高层管理人员，它也是使用关系数据库，但数据仓库并不负责处理业务，而是把企运行数据收集以后用于分析和决策，它的数据来源是企业的业务数据库，甚至EXCEL表格或文本文件。
③数据库注重的是企业运行的当前数据，任务是收集和记录企业的原始业务数据；而数据仓库面对的是非即使性的历史数据，任务是通过从企业的业务数据中提取业务数据，并经过加工和处理来呈现给企业的决策人员。
3、数据仓库的定义和特征：
定义1（无统一定义）：数据仓库是面向主题的、集成的、随时间变化的、历史的、稳定的、支持决策制定过程的数据集合。
特征：①数据仓库是面向主题的
②数据仓库是集成的
③数据仓库是稳定的
④数据仓库是随时间增长的
⑤数据仓库中的数据量很大
⑥数据仓库软硬件要求较高
4、数据仓库系统由数据仓库，仓库管理和分析工具组成。
数据仓库的结构构成：当前基本数据、历史基本数据、轻度综合数据、高度综合数据、元数据
数据仓库的物理设计包括：划分粒度，数据分割。
数据仓库的运行结构：典型客户/服务器（c/s）结构形式。
数据集市结构分为独立的数据集市和从属的数据集市。
5、数据集市和数据仓库的差别：
①数据仓库是基于整个企业的数据模型建立的，它面向企业范围内的主题。数据集市是按照某一特定部门的数据模型建立的，由于每个部门有自己特定的需求，他们对数据集市的期望也不同。
②部门的主题与企业的主题之间可能存在关联，也可能不存在关联。
③数据集市的数据组织一般采用星型模型。大型数据仓库的数据组织，多采用关系数据库规范化。
6、关于数据集市的误区：单纯用数据量大小来区分数据集市和数据仓库、简单地理解数据集市容易建立、数据集市很容易升级成数据仓库。
7、数据进入数据仓库的基本过程：提取，变换，净化，加载，汇总。
提取是从操作数据库中选择并提取出所需要的字段；变换时为所有来自数据源的数据指定常用的格式和名称；净化是尽量地更正错误的数据；加载是把净化过的数据载入到数据仓库数据里；汇总时提前计算出任何期待的数据仓库数据的汇总供以后使用。
8、数据挖掘产生的原因：在这个信息爆炸的时代，信息过量几乎成为人人需要面对的问题，要想使数据真正成为一个公司的资源，只有充分利用它为公司自身的业务决策和战略发展服务，否则大量的数据只能成为包袱，甚至成为垃圾。
9、数据挖掘：就是从大量的、不完成的、有噪音的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在的、有用的信息和知识的过程。
10、直接数据挖掘：利用可用的数据建立一个模型，模型对剩余的数据，对一个特定的变量进行描述，分类，估值，预言等。
11、间接数据挖掘：不是选取某一具体的变量用模型进行描述，而是在所有的变量间建立起来某种关系。
12、数据挖掘的任务；数据抽取，分类发现，聚类，关联规则发现。
13、数据挖掘与数据仓库的关系：二者相互结合，共同发展又相互影响，相互促进。两者联系：①数据仓库为数据挖掘提供了更好更广的数据源；②数据仓库为数据挖掘提供了新的支持平台③数据仓库为更好地使用数据挖掘工具提供了方便；④数据挖掘为数据仓库提供了更好的决策支持⑤数据挖掘对数据仓库的数据组织提出了更高的要求⑥数据挖掘为数据仓库提供了广泛的技术支持。
14、联机分析处理（OLAP）概念：联机分析处理是共享多维信息的快速分析。
OLAP特征：快速性，可分析性，多维性，信息性。
15、变量：变量是数据的实际意义。
维：人们观察数据的特定角度。
维的层次：人们从某个特定角度观察数据时，还可以有多种不同的细节程度，称为维的层次。
维成员：维的一个取值称为该维的一个维成员。
多维数组：多个维数叠加起来就组成多维数组。
数据单元：多维数组的取值。
16、OLAP的数据组织形式：MOLAP和ROLAP。
多维分析：对以多维形式组织起来的数据采取切片、切换、旋转、钻取等各种分析方法，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据库中的数据，从而深入了解包含在数据中的信息、内涵。
第七章
1、DSS开发策略包括：自行开发，委托开发，购买或购买与开发相结合。
在所有DSS开发方法中，有三种不同策略：第一是编制一个用户定制化的DSS;第二是采用DSS集成开发工具；第三是利用专用DSS生成器。
2、DSS 3种开发方法比较（PAGE 257表格）
Ⅰ、快速实现法：优点①盈利快②技术应用和开发过程容易③易于得到技术和易于开发新技术。缺点①前一个系统的设计对下个专用DSS的开发效益不大②专用DSS的要求发生变化时，在修改方面要做更多的工作
Ⅱ、分阶段实现法：优点①能促进DSS生成器的开发②允许专用DSS互相选，能实现专用之间进行组合③能吸收新的技术。缺点①事前要求较高的附加费用②延迟了最初成果的使用时间。
Ⅲ、完整的开发方法：优点:①有最好的结构体系和最好的合成形式②能较快地实现所有功能。缺点①在第一次获得利益之间需要很长的开发时间②技术过时较快，风险较大③未知风险很大。
3、DSS的开发过程
①DSS系统分析②DSS系统初步设计③DSS系统详细设计④各部件编制程序⑤系统集成⑥系统实施⑦系统修正。
第八章
1、人工智能的基本方法：启发式搜索，规划，知识的表达技术。
2、专家系统的主要部件：知识库、推理机、用户接口、工作空间、数据库。
2、专家系统和决策支持系统的区别因素:①专家系统通常由非专家使用②如果专家系统推荐意见的质量接近人类专家，那么这个专家系统通常认为是成功的③专家系统一般应用到重复发生的问题④专家系统是一般应用于战术的、底层的问题，决策支持支持系统一般用于支持战略决策。⑤专家系统一般被应用到合理结构化的任务中。
专家系统与DSS的区别：①专家系统目标是提供“专家”查询，由系统做出决策，机器向人提问，问题域比较狭窄，数据库包括过程和数据，支持固定的问题域。②决策支持系统目标是辅助人，由人做出决策，人向机器提问，问题域是复杂而广泛的，数据库包括事实性的知识，适应于变化的环境。

第九章
第十章
1、决策支持系统的应用特点: ①DSS是一个解决方案②先进的管理思想是DSS的灵魂③DSS的实施存在很高的风险。
2、决策支持系统应用的领域：①销售支持②客户分析和市场③财务领域的分析④运筹和战略计划⑤金融业分析⑥保险业⑦企业分析⑧制造业⑨科学研究