决策支持系统

第1章决策支持系统概述▲数据：记载下来的事实，客观属性的值▲信息：构成一定含义的一组数据▲系统：由若干相互联系相互制约的元素结合在一起，并具有特定功能的有机整体。▲系统的组成：1、系统由各元素或子系统组成2、至少包含两个以上的元素3、各元素之间相互联系或相互制约4、具有目的性5、适应环境的变化▲数据处理系统：是对大量数据进行收集、组织、存储、加工与传播的总和▲数据处理系统的特征：1、数据量大；2、没有特别复杂的运算；3、时效性强▲管理信息系统MIS：运用系统管理的理论方法，以计算机网络和现代通信技术为手段，对信息进行收集、组织、存储、加工、传播和使用的人机系统。▲管理信息系统的基本组成：管理业务应用系统、数据库系统▲管理信息系统特点：1、以数据库系统为基础；2、数据录入；3、数据传输；4、数据存储；5、数据查询；6、数据统计；7、指标计算▲决策支持系统：以管理科学、运筹学、行为科学、控制论为基础，以计算机技术、模拟技术、信息技术为手段，面向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。▲决策支持系统主要特征：1、关注上层管理人员经常遇到的结构化程度不高、规范化不明确的问题2、把模拟或分析技术与传统的数据存取和检索技术结合起来3、易于非计算机专业的人员，以交互会话的方式使用4、强调对环境及用户决策方法改变的适应性和灵活性5、提供决策的良好效果▲DSS的功能：1、管理并提供外部信息2、收集、管理并提供内部信息3、收集、管理并提供反馈信息4、存储和管理数学模型5、修改和添加数据、模型、方法6、加工、汇总、分析、预测数据、7、具有人机会话和图像输出功能以满足数据查询需求8、提供良好的数据通信功能9、合理的加工速度和响应时间▲决策支持系统的形成过程1、科学计算为管理信息系统奠定了算法基础2、运筹学的发展为模型辅助决策奠定了模型基础3、管理信息系统4、模型辅助决策系统5、决策支持系统▲分布式决策支持系统DDSS：研究由多个物理位置上分离的决策体如何并发计算、协调一致地求解问题▲DDSS分为：同步系统：有时间压力下参与者之间同时同地和同时异地的信息交换。异步系统：无时间压力下参与者异时异地对信息的调查、核实，并通过对在线研讨产生的不连贯信息进行提取整合，形成系统完整的结论。▲与DSS集成的人工智能技术主要有：1、自然语言处理和语音处理技术；2、专家系统ES；3、人工神经网络ANN▲智能决策的新技术1、计算智能（通过对“数值知识”进行数值计算，来实现某些智能行为，与传统的以符号推演为特征的符号智能互相补充）2、Agent技术3、商业智能技术（从商业数据中提取信息和知识，并根据这些做出商业决策）▲决策支持的主要方式1、数据辅助决策2、模型辅助决策3、知识辅助决策4、方案辅助决策▲决策支持系统与管理信息系统的区别【联系】：DSS是从MIS的基础上发展起来的，都是以数据库为基础，都需要进行数据处理，都能在不同程度上为用户提供辅助决策信息【区别】1、DSS支持半结构化，MIS支持结构化决策2、DSS可处理不确定性问题，MIS处理确定性问题3、DSS具有模型管理与服务功能，MIS只涉及处理单模型问题4、DSS具有强大的人机交互功能，MIS交互功能较弱5、DSS一般只使用数据，MIS经常维护数据6、DSS支持方案生成与评估，MIS不具备此功能7、DSS为模型驱动，MIS是数据驱动8、DSS面向高层管理人员，MIS面向中低层管理人员第2章决策、决策过程和决策支持▲决策：为了确定未来某个行动目标，根据决策者的经验，在具有一定信息的基础之上，借助科学的方法，从两个以上的可行方案中选择最优方案的分析判断过程。▲决策的内涵：1、决策目标；2、多个可行方案；3、决策实施；4、目标优化▲决策的特征：1、目的性2、超前性3、创造性4、管理性▲决策的分类：按性质分（结构化、半结构化、非结构化）按影响范围分（战略、战术、执行）按决策环境分（确定型、风险型、非确定型）▲决策过程：人们为实现一定目标而制定行动方案，并准备实施的过程，此过程也是一个提出问题、分析问题、解决问题的过程。▲决策分三个阶段：1、情报收集；2、方案设计；3、方案评估与选择▲决策过程示意图：（看书上图）▲科学决策包括：1、科学的决策程序；2、科学的决策技术；3、用科学的思维方法做出决断▲科学决策的特点：1、有科学的决策体系和运作机制；2、有科学的决策程序；3、重视参谋作用；4、运用科学技术和科学方法。▲科学决策原则：1、信息化；2、定量分析与定性分析相结合；3、对比优化；4、反馈；5、复杂问题群体决策▲科学决策流程：1、提出问题；2、确定目标；3、价值准则；4、拟定方案；5、分析评估；6、选择方案；7、实验验证；8、普遍实施▲1、结构化决策（指问题的本质和结构非常明确，且经常重复发生的决策问题，解决这些问题的步骤是已知的，可以采用格式化的书面指示留给用户或计算机处理）2、非结构化（问题的本质和结构复杂难以理解，无法用固定决策程序来解决）3、半结构化（介于结构化和非结构化之间）▲决策支持系统的三部件结构：对话部件，模型部件，数据部件▲三部件结构图（看书上图）▲决策支持系统的三系统结构语言系统LS，知识系统KS，问题处理系统PPS▲三系统结构图（看书上图）▲三部件和三系统结构的比较【三部件】（优点：①明确了三部件之间的关系②便于和其他系统的区别。缺点：①没有突出DSS的问题处理特性②没有突出语言系统）【三系统】（优点：①突出了问题处理系统的重要性②明确了语言系统的重要性。缺点：①忽略了数据库系统、模型库系统的关系②不适合与其他系统的区别）▲模型库和方法库的关系1、一个模型可以有多个方法；2、多个方法组成一个模型；3、模型是由方法实现的4、模型和方法的表现形式不同5、模型和方法是同一个问题的两个侧面▲增强型三部件结构（看书上图）▲四库系统（看书上图）▲智能决策支持系统IDSS：是将人工智能技术引入决策支持系统而形成的一种具有人工智能行为的信息系统。▲IDSS的分层1、应用层（面向IDSS的使用者）2、控制协调层（面向IDSS的总设计师）3、基本结构层（面向专业程序设计人员）▲IDSS是专家系统ES与决策支持系统DSS的结合▲什么是I3DSS：是智能化、交互性、集成化决策支持系统的简称，是面向决策者、决策过程的综合型决策支持系统的一个功能框架，也称综合决策支持系统。▲综合决策支持系统I3DSS的结构图（看书上图）▲I3DSS的体系结构1、第一个主体是数据库系统、方法库系统和模型库系统的结合，为决策问题提供定量分析的辅助决策信息，是定量分析基础。2、第二个主体是数据仓库、OLAP，它从数据仓库中提取数据和信息，这些东西反映了大量数据的内在本质，是定量分析的关键。用户问题处理与人机交互系统知识库管理系统·推理机模型库管理系统数据库管理系统模型库知识库数据库3、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挖掘知识，放入专家系统中，并由知识推理达到定性分析的辅助决策。▲I3DSS的特点1、集成化2、交互性3、智能化▲基于服务的决策支持系统S-DSS的分层：资源层、服务层、应用支撑层、应用层▲基于服务的决策支持系统S-DSS的特点：1、有较强的可扩展性；2、兼容性好；3、应用领域宽▲说明模型库、知识库、数据库三者的两两之间的接口问题（找答案）▲如何集成模型库系统、知识库系统、数据库系统为统一整体（找答案）第三章基于数据的决策支持技术▲数据仓库：数据仓库是面向主题的、集成的、稳定的、随时间变化的数据集合，用于支持决策制定过程。▲数据仓库特点：面向主题集成稳定随时间变化▲数据集市：是指具有特定应用的数据仓库，主要针对某个具有战略意义的应用或者具体部门级的应用。▲数据库与数据仓库的区别：数据库数据仓库定位事务处理数据分析设计E-R模型，面向应用星型模型，面向主题数据当前的历史的汇总细节的汇总的视图关系的多维的存取读/写读访问记录少量记录记录集合规模MB到GBTB单位简单复杂▲多维数据模型：以分析和描述数据的多维特征为目标，将客观世界划分为维度和度量，最终形成多维逻辑视图▲多维数据模型相关概念：维、维级别、维成员、度量、多维数组、数据单元维：人们观察数据的特定角度维级别：人们观察数据的特定角度还存在不同的细节维成员：维的一个取值度量：数据的实际意义，即描述数据“是什么”多维数组：可以表示为（维1····维n，度量1···度量m）数据单元：多维数组的取值▲数据仓库中的数据分为四个级别：早期细节数据、当前细节数据、轻度综合数据、高度综合数据▲粒度：粒度是对数据仓库中数据的综合程度高低的度量。粒度越小，细节程度越高。▲元数据：关于数据的数据▲元数据的分类：技术元数据（关于数据仓库系统技术细节的数据）业务元数据（从业务角度描述数据仓库的数据）▲元数据的系统管理功能：1、描述哪些数据在数据仓库中；2、定义要进入数据仓库的数据和数据仓库中产生的数据；3、记录数据抽取工作时间安排；4、记录并检测系统数据一致性的要求和执行情况；5、衡量数据质量。▲数据仓库的数据组织方式：1、虚拟存储方式2、基于关系表的存储方式（3、多维数据库存储方式▲数据仓库中主要有几类表？事实表、维表▲星型模式事实表和维表联系在一起形成“星型模式”的数据结构▲雪花模式“星型模式”的维表按其层次结构用多个维表分开表示。▲数据仓库的基本体系结构：数据源，数据ETL，存储与管理，数据的表现▲ETL处理过程描述：抽取：是数据进入仓库的入口。转换：根据数据仓库的要求，进行数据转换等处理，确保来自不同系统、不同格式的数据的一致性和完整性，并按要求装入数据仓库。加载：将转换后的数据加载到数据仓库中。▲数据清洗：指发现并纠正数据文件中可识别的错误，包括检查数据的一致性，处理无效值和缺失值等。▲数据质量问题可分为：单数据源模式层问题，单数据源实例层问题，多数据源模式层问题，多数据源实例层问题。▲数据清洗分类：1、手工实现方式；2、通过专门编写的应用程序；3、某类特定领域的问题；4、与特定应用领域无关。▲数据清洗分成哪几个阶段？1、数据分析2、定义清洗3、执行清洗▲异构数据集成主要处理多数据源的异构问题。▲异构性分为哪几个层次？系统级异构：指不同的主机语法级异构：指数据类型结构级异构：指数据结构语义级异构：指词汇的语义区别▲数据仓库设计的方法分为：自顶向下、自底向上、二者混合▲数据仓库的设计过程：1、选取待建模的分析主题2、选取数据粒度3、选取用于每个事实表记录的维4、选取将记录在事实表中的度量。▲联机分析处理OLAP是使分析、管理或执行人员能够从多角度对企业数据进行快速、一致、交互地存取，从而获得对数据更加深入了解的一类软件技术。▲OLAP特点快速性、可分析性、多维性、信息性▲OLAP分析：指对以多维形式组织起来的数据进行切片、切块、上钻、下钻和旋转等分析，使用户能从多角度观察数据仓库中的数据，从而深入了解数据的信息和内涵。▲OLAP基本分析操作1、切片：在多维数组的某一维上选定一维成员2、切块：在多维数组的某一维上选定某一区间的维成员3、旋转：改变报告或页面的显示的维方向4、上钻：通过归约，将概念向上聚集。5、下钻：由不太详细的数据分解到更详细的数据。▲OLAP体系结构：C/S模式,B/S模式▲OLAP存储格式可分为：关系OLAP（ROLAP，基于关系数据库的OLAP实现），多维OLAP（MOLAP，基于多维数据组织的OLAP实现），混合型OLAP（HOLAP，基于混合数据组织的OLAP实现）▲MOLAP与ROLAP的比较1、存储结构比较：MOLAP查询速度快，结构清晰明了2、数据更新比较：ROLAP灵活性好，对数据变化适应性强3、性能比较：MOLAP在存取速度上占优势，但在预计算、响应时间上的优势是通过牺牲存储空间换来的。▲数据挖掘的定义：就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐藏在其中的，但又潜在有用的信息和知识的过程。▲数据挖掘的分类：1、关联规则挖掘（发现数据库中一组对象之间的关联）2、分类和预测（分类是对数据集的