决策支持系统发展现状与趋势分析

决策支持系统发展现状与趋势分析1吴新年2（中国科学院国家科学图书馆兰州分馆兰州730000）陈永平（北方民族大学图书馆银川750021）摘要：在简要回顾决策支持系统发展历史的基础上，系统归纳了决策支持系统的主要类型，分析总结了阻碍决策支持系统发展的关键技术问题和决策支持系统未来的发展取向。关键词：决策支持系统；现状；趋势；关键技术1决策支持系统的兴起与发展决策是人类社会发展中时时处处存在的一种社会现象。任何行动都是相关决策的一种结果。正是这种需求的普遍性，人们一直致力于要开发一种系统，来辅助或支持人们进行决策，以便促进提高决策的效率与质量。尤其是随着现代信息技术和人工智能技术的发展和普及应用，更有力地推动了决策支持系统（DecisionSupportSystem，简称DSS)的发展。简要说来，DSS大致经历了这样几个发展历程：20世纪60年代后期，面向模型的DSS诞生，标志着决策支持系统这门学科的开端；20世纪70年代，DSS的理论得到长足发展，80年代前期和中期，实现了金融规划系统以及群体决策支持系统（GroupDSS）；20世纪80年代中期，通过将DSS与知识系统相结合，提出发展了智能决策支持系统（IDSS）的设想[1]；此后，开始出现了主管信息系统(executiveinformationsystem，简称EIS)3、联机分析处理（OLAP）等。到了20世纪90年代中期，人们开始关注和开发基于Web的DSS，随着Internet的革命性发展和深入应用，基于分布式的、支持群体网络化和远程化协同的情报分析与综合决策支持系统逐步浮出水面并开始走向应用；随着人工智能技术的不断发展，DSS的智能化程度越来越高，对人们决策的支持能力也越来越强大。2决策支持系统的主要类型自20世纪70年代提出决策支持系统（DSS)以来，DSS已经得到了很大发展。从目前发展情况看，主要有如下几种决策支持系统：（1）数据驱动的决策支持系统（Data-DrivenDSS）[2]。这种DSS强调以时间序列访问和操纵组织的内部数据，也有时是外部数据。它通过查询和检索访问相关文件系统，提供了最基本的功能。后来发展了数据仓库系统，又提供了另外一些功能。数据仓库系统允许采用1本研究受“西部之光”项目“甘肃省科技文献信息共享平台建设研究与示范”资助。2作者简介：吴新年，男，1968年11月出生，在职博士，研究员，硕士研究生导师。迄今公开发表论文60多篇，合作出版著作3部。主要研究方向：信息资源管理；情报研究与决策咨询。[e-mail]陈永平，男，1969年出生，1991年毕业于兰州大学图书情报学系，副研究馆员，现任北方民族大学图书馆副馆长，公开发表论文10余篇。主要研究方向：信息组织与服务。[e-mail]3主管信息系统（ExecutiveInformationSystem），指为了满足无法专注于计算机技术的领导人员的信息查询需求，而特意制定的以简单的图形界面访问数据仓库的一种应用。应用于特定任务或设置的特制的计算工具或者较为通用的工具和算子来对数据进行操纵。再后发展的结合了联机分析处理（OLAP）的数据驱动型DSS则提供更高级的功能和决策支持，并且此类决策支持是基于大规模历史数据分析的。主管信息系统（EIS）以及地理信息系统（GIS）属于专用的数据驱动型DSS。（2）模型驱动的决策支持系统（Model-DrivenDSS）[2]。模型驱动的DSS强调对于模型的访问和操纵，比如：统计模型、金融模型、优化模型和/或仿真模型。简单的统计和分析工具提供最基本的功能。一些允许复杂的数据分析的联机分析处理系统（OLAP）可以分类为混合DSS系统，并且提供模型和数据的检索，以及数据摘要功能。一般来说，模型驱动的DSS综合运用金融模型、仿真模型、优化模型或者多规格模型来提供决策支持。模型驱动的DSS利用决策者提供的数据和参数来辅助决策者对于某种状况进行分析。模型驱动的DSS通常不是数据密集型的，也就是说，模型驱动的DSS通常不需要很大规模的数据库。模型驱动的DSS的早期版本被称作面向计算的DSS[3]。这类系统有时也称为面向模型或基于模型的决策支持系统。(3)知识驱动的决策支持系统（Knowledge-DrivenDSS）。知识驱动的DSS可以就采取何种行动向管理者提出建议或推荐。这类DSS是具有解决问题的专门知识的人—机系统。“专门知识”包括理解特定领域问题的“知识”，以及解决这些问题的“技能”。与之相关的一个概念是数据挖掘工具——一类在数据库中搜寻隐藏模式的用于分析的应用程序。数据挖掘通过对大量数据进行筛选，以产生数据内容之间的关联。构建知识驱动的DSS的工具有时也称为智能决策支持方法[4，5]。（4）基于Web的决策支持系统（Web-BasedDSS）[6]。基于Web的DSS通过“瘦客户端”Web浏览器（诸如NetscapeNavigator或者InternetExplorer）向管理者或商情分析者提供决策支持信息或者决策支持工具。运行DSS应用程序的服务器通过TCP/IP协议与用户计算机建立网络连接。基于Web的DSS可以是通讯驱动、数据驱动、文件驱动、知识驱动、模型驱动，或者混合类型。Web技术可用以实现任何种类和类型的DSS。“基于Web”意味着全部的应用均采用Web技术实现。“Web启动”意味着应用程序的关键部分，比如数据库，保存在遗留系统中，而应用程序可以通过基于Web的组件进行访问，并通过浏览器显示。（5）基于仿真的决策支持系统（Simulation-BasedDSS）。基于仿真的DSS可以提供决策支持信息和决策支持工具，以帮助管理者分析通过仿真形成的半结构化问题。这些种类的系统全部称为决策支持系统。DSS可以支持行动、金融管理，以及战略决策。包括优化以及仿真等许多种类的模型均可应用于DSS。（6）基于GIS的决策支持系统（GIS-BasedDSS）。基于GIS（地理信息系统）的DSS通过GIS向管理者或商情分析者提供决策支持信息或决策支持工具。通用目标GIS工具，如ARC/INFO、MAPInfo以及ArcView等是一些有特定功能的程序，可以完成许多有用的操作，但对于那些不熟悉GIS以及地图概念的用户来说，比较难于掌握。特殊目标GIS工具是由GIS程序设计者编写的程序，以易用程序包的形式向用户组提供特殊功能。以前，特殊目标GIS工具主要采用宏语言编写。这种提供特殊目标GIS工具的方法要求每个用户都拥有一份主程序（如ARC/INFO或者ArcView）的拷贝用以运行宏语言应用程序。现在，GIS程序设计者拥有较从前丰富得多的工具集来进行应用程序开发。程序设计库拥有交互映射以及空间分析功能的类，从而使得采用工业标准程序设计语言来开发特殊目标GIS工具成为可能，这类程序设计语言可以独立于主程序进行编译和运行（单机）。同时，Internet开发工具已经走向成熟，能够开发出相当复杂的基于GIS的程序让用户通过WorldWideWeb进行使用。（7）通信驱动的决策支持系统（Communication-DrivenDSS）。通信驱动型DSS强调通信、协作以及共享决策支持。简单的公告板或者电子邮件就是最基本的功能。组件比较FAQ（常见问题解答）定义诸如“构建共享交互式环境的软、硬件”，目的是支撑和扩大群体的行为。组件是一个更广泛的概念——协作计算的子集。通信驱动型DSS能够使两个或者更多的人互相通讯，共享信息，以及协调他们的行为。（8）基于数据仓库的决策支持系统（DataWare-BasedDSS）[7]。数据仓库是支持管理决策过程的、面向主题的、集成的、动态的、持久的数据集合。它可将来自各个数据库的信息进行集成,从事物的历史和发展的角度来组织和存储数据，供用户进行数据分析，并辅助决策，为决策者提供有用的决策支持信息与知识。基于数据仓库理论与技术的DSS的主要研究课题包括：①数据仓库（DW）技术在DSS系统开发中的应用以及基于DW的DSS的结构框架；②采用何种数据挖掘技术或知识发现方法来增强DSS的知识源；③DSS中的DW的数据组织与设计及DW管理系统的设计。总的说来，基于DW的DSS的研究重点是如何利用DW及相关技术来发现知识并向用户解释和表达，为决策支持提供更有力的数据支持，有效地解决了传统DSS数据管理的诸多问题。（9）群体决策支持系统（GroupDecisionSupportingSystem，简称GDSS)[8]。群体决策支持系统是指在系统环境中,多个决策参与者共同进行思想和信息的交流以寻找一个令人满意和可行的方案，但在决策过程中只由某个特定的人做出最终决策，并对决策结果负责。它能够支持具有共同目标的决策群体求解半结构化的决策问题，有利于决策群体成员思维和能力的发挥，也可以阻止消极群体行为的产生，限制了小团体对群体决策活动的控制，有效地避免了个体决策的片面性和可能出现的独断专行等弊端。群体决策支持系统是一种混合型的DSS，允许多个用户使用不同的软件工具在工作组内协调工作。群体支持工具的例子有：音频会议、公告板和网络会议、文件共享、电子邮件、计算机支持的面对面会议软件，以及交互电视等。GDSS主要有四种类型:决策室、局域决策网、传真会议和远程决策。（10）分布式决策支持系统（DistributingDecisionSupportingSystem，简称DDSS)。这类DSS是随着计算机技术、网络技术以及分布式数据库技术的发展与应用而发展起来的。从架构上来说，DDSS是由地域上分布在不同地区或城市的若干个计算机系统所组成,其终端机与大型主机进行联网，利用大型机的语言和生成软件，而系统中的每台计算机上都有DSS，整个系统实行功能分布，决策者在个人终端机上利用人机交互，通过系统共同完成分析、判断，从而得到正确的决策。DDSS的系统目标是把每个独立的决策者或决策组织看作一个独立的、物理上分离的信息处理节点,为这些节点提供个体支持、群体支持和组织支持。它应能保证节点之间顺畅的交流,协调各个节点的操作,为节点及时传递所需的信息以及其它节点的决策结果,从而最终实现多个独立节点共同制定决策。（11）智能决策支持系统(IntelligenceDecisionSupportingSystem，简称IDSS)[9]。智能决策支持系统(IDSS)是人工智能(ArtificialIntelligence)和DSS相结合,应用专家系统（ExpertSystem）技术，使DSS能够更充分地应用人类的知识或智慧型知识，如关于决策问题的描述性知识、决策过程中的过程性知识、求解问题的推理性知识等，并通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。IDSS的系统目标是：将人工智能技术融于传统的DSS中,弥补DSS单纯依靠模型技术与数据处理技术,以及用户高度卷入可能出现意向性偏差的缺陷；通过人机交互方式支持决策过程,深化用户对复杂系统运行机制、发展规律乃至趋势走向的认识，并为决策过程中超越其认识极限的问题的处理要求提供适用技术手段[10]。根据IDSS智能的实现可将其分为：基于ES的IDSS；基于机器学习的IDSS；基于智能代理技术Agent的IDSS[11]；基于数据仓库、联机分析处理及数据挖掘技术的IDSS等。（12）自适应决策支持系统(AdaptiveDecisionSupportSystem,简称ADSS)。自适应决策支持系统是针对信息时代多变、动态的决策环境而产生的，它将传统面向静态、线性和渐变市场环境的DSS扩展为面向动态、非线性和突变的决策环境的支持系统，用户可根据动态环境的变化按自己的需求自动或半自动地调整系统的结构、功能或接口。对ADSS研究主要从自适应用户接口设计、自适应模型或领域知识库的设计、在线帮助系统与DSS的自适应设计四个方面进行,其中问题领域知识库能否建立是ADSS成功与否的关键，它使整个系统具有了自学习功能，可以自动获取或提炼决策所需的知识。对此，就要求问题处理模块必须配备一种学习算法或在现有DSS模型上再增加一个自学习构件。归