（一）决策支持系统

  1.      决策支持系统的概况

  1.1.           决策支持系统在信息系统中的地位

决策支持系统（Decision-Support System） 是位于管理层上的一个计算机系统，它由综合的数据、丰富的分析模型、友好的用户界面组成，来支持半结构化和非结构化的决策行为（Decision Making）。DSS倾向于一个独立系统，由最终用户的决策开发或组成，而不是在集中的信息系统控制下。

在组织的信息系统中，DSS位于管理层上，使用DSS的对象是管理层的人员。它本身并不产生数据，数据主要来自各种系统，如TPS、OAS、KWS、MIS。决策支持系统的向后发展，将是执行支持系统（ESS/EIS）。  

决策和预测有着十分密切的关系。但决策并不等于预测。决策是为将来达到一定目的，预测是在现在语言将来。预测是一个认识过程，决策则是根据认识到的将来的事物变化，按决策者的价值观和偏向作出决策，以达到某种利益和目的。 

1.2.           DSS的特点 

DSS系统帮助管理层作出一些不规则的、快速的、困难的、独立的的决策。DSS为了对变化作出反应，还经常需要在一天内能多次运行。当DSS使用TPS和MIS中的内部信息时，还经常涉及外部信息，如股市、汇率等。 

首先，DSS通常设计成比其他系统有更强的分析能力。另外，DSS被设计成用户可直接使用。这要求明确使用目的和设计方法。第三，系统要求是互交的，用户可以是改变假设和输入的条件数据。

1)     DSS提供用户灵活的、合适的、快速的反应。

2)     DSS允许用户初试化和控制信息的输入和输出。

3)     DSS的操作很少或没有专业计算机人员的帮助。

4)     DSS为不能明确深入解决方案的人提供决策支持。

1.3.           DSS和管理科学（MS）运筹学（OR） 

管理科学和决策支持系统相比强调应用，通常用计算机解决一类特定问题。特别是对运筹学提供的优化、仿真、决策等模型尤为重视。DSS是解决某领域的管理问题的模型库。所以MS/OR可为管理决策过程建立模型的概念是十分重要的。 

1.4.           DSS和MIS  

DSS的目的更强，DSS允许最终用户控制数据、工具、会话，MIS的用户要求是专业人员。

1.5.           DSS和KWS  

知识工作系统（Knowledge Work System）和DSS知识系统有着十分密切的关系。KWS和DSS一样，都有大量的统计分析计算工作，都有建模的过程。不同的是KWS中的分析模型比起DSS中的决策模型要更细化。DSS系统中的分析数据则是在KWS中产生的分析数据上作进一步的加工产生的。KWS对用户有更高的技术性要求。 

1.6.           DSS和ES  

专家系统（Expert System）是一个知识密集（Knowledge-Intensive）的程序，通过在特定的知识和经验范围内捕获人的经验来解决问题。

ES是基于人工智能（Artificial Interlligence）技术的。由于DSS的核心系统是模型库。在模型库的建立中借鉴人工智能技术，甚至由专家系统产生模型，对于决策支持系统的开发是很有意义的。 

2.      决策过程 

决策过程是人们为实现一定的目的而制定行动方案，并准备组织实施的活动过程。

3.      决策问题的性质和层次 

3.1.           性质

·        结构化

·        半结构化

·        非结构化

3.2.           层次

·        战略规划

·        运筹规划

·        作业调度 

4.      决策风格

决策者的决策风格各不相同，但很少有决策支持系统改变了决策者的决策风格。所以决策者的决策风格对决策的制定有着重要的影响。

决策风格有以下几种：

·        系统型（ST）

·        思辨型（NT）

·        司法型（SF）

·        直观推断型（NF） 

5.      DSS的组成部分

5.1.           模型库（Model Base） 

模型库（Model Base）是为DSS用户使用的数学和分析模型的集合。模型（Model）是用于阐明组件或现象关系的抽象表示。 

模型库是决策支持系统的核心模块。每一个决策支持系统的创建都是为一些明确的意图以及依赖于这些意图之上的模型集。模型有静态模型、优化模型、预测模型和应用最广的是感性分析模型（sensitivity analysis)。感性分析模型是用于反复回答“what-if”问题，以确定一个或多个因素结果上改变的影响。 

5.2.           决策数据库（DSS Database）

决策数据库（DSS Database）是从一些应用程序中收集的当前或是历史数据集。决策支持系统并不新建或修改数据。决策支持系统很少使用变动的数据，为了是个人和小组可以基于实际条件上作出决策。

几乎所有的DSS都不直接访问组织的数据源。一是因为组织要保护意外或不适当的数据改动。二是因为从庞大的企业数据中搜索的决策支持过程会是速度十分慢，开销十分大。这不仅影响DSS，还影响其他系统。

5.3.           DSS软件系统（DSS Software System） 

DSS软件系统（DSS Software System）允许在用户和DSS数据库以及模型库之间方便的互交操作。软件系统管理着创建、存储、修改模型库中的模型，把它们和DSS数据库中的数据集成在一起。

6.      建立决策支持系统

建立决策支持系统不同于MIS和TPS。开发MIS和TPS是为了得到回答特定信息需求的表现结果。开发决策支持系统则关注于定义问题和人们在问题决策时认为有用的能力。所以，建立DSS必须使用改变的、进化的、反复的方法。利用原形叠代开发的快速原形法是比较合理的方法。

决策支持系统在数学计算和模型建立上的要求特别重要。所以，系统平台的确定上有一些特别之处。模型库平台可采用一些建模工具，如Prism Solutions、Carleton、SAS、Evolutionary Technologies等。也有用开发工具直接构造决策模型，这样可以降低开发难度。

在信息系统中决策数据库是比较复杂的数据库。它的数据量十分大，一般情况下历史数据最终都会进入决策数据库中，而且会涉及到各种数据。所以，往往是由大型关系数据库为主体。DSS要处理结构和非结构化的信息。所以，通用数据库(Universal Server)在这种场合下更为胜任。由于DSS主要是数据库查询统计分析行为，所以并行数据库(MPP)、OLAP服务器对性能来讲会有提高。DSS数据库有数据抽取的工作。对于数据抽取是个复杂的工作。DSS的数据源分散，数据抽取往往是分布式计算，一次数据抽取是一个跨数据库的分布式事务处理。采用专用的事务处理服务器是十分必要的。

软件系统方面来讲，图形界面已经是必须的。DSS的软件系统的安全性要求不高，所以浏览器界面由于使用简单配置方便，今后将十分流行。 

以上这种开发模式是一种传统的DSS系统建设方式。现在，最新的作法是决策支持系统的模型库和数据库联合开发，统一建立数据仓库。数据仓库(Data Warehouse)是面向主题的、综合的、不同时间的、稳定的数据的集合，用以支持经营管理中的决策制定(Decision Make)过程(Bill Inmon)。其建立过程是用来将业务数据库中的历史数据经过转化、综合、整理存放入数据仓库。所以，构造数据仓库是在设计元数据(meta data)的结构,也就是设计决策模型的过程：

1)       确定最终用户需求，分析业务规律；

2)       建立决策模型；

3)       根据模型确定数据源；

4)       定义数据转化和综合过程的逻辑；

5)       根据决策模型确定数据仓库数据模型，生成元数据(meta data)；

6)       生成数据仓库物理结构；

7)       提供用户界面；  

决策支持系统的系统规划也比较复杂，有各种集成方案：

·        Network Architecture

·        Bridge Architecture

·        Sandwich Architecture

·        Tower Architecture

（二）群决策支持系统（GDSS）  

1.      群决策支持系统概况  

群决策支持系统（Group Decision-Support System）是一个互交的基于计算机的系统，用于一起工作的一组决策者方便的解决非结构化问题（DeSanctis and Gallupe,1987）。

2.      群决策支持系统的特点 

2.1.           群决策支持系统拥有群件（Groupware）的一些特点，GDSS和群件相比更加面向决策和面向任务，它专注于帮助小组解决问题和得出决策。群件则更象面向通信。 

2.2.           GDSS的重要应用是GDSS会议系统。因为估计管理者的时间有35%到70%是花费在会议中。电子会议系统（Electronic Meeting System)是一种协同的GDSS，当进行决策时使用信息技术通过方便的通讯技术更有效地进行决策会议，可以是同时同地，也可以不是同时同地（Dennis et al.,1988）。 

2.3.           群决策支持系统有三个元素：硬件、软件、人。

·        硬件首先指会议的设备。包括会议室、桌子、椅子，以及电子显示板、计算机。这些设备的布置支持小组协调。

·        软件包括组织意见、收集信息、优先级设置和排队、用于支持决策行为的协同工作。

2.4.           采用群决策支持系统的优势方面：

·        改进预先的规划

·        增加参与

·        开放、协调会议气氛

·        产生自由评论的建议

·        评估目的性强

·        建议的组织和评估

·        优先级设置和决策行为

·        会议的文档化

·        访问外部信息

·        组织历史信息的保存  

3.      GDSS的软件系统  

GDSS系统的业务方式和OAS有类似的地方，采用快速原形法和面向对象的软件开发是十分适合的。强调协同协作的小组工作方式是群决策是的主要的工作方式，所以群件技术也是GDSS系统中的主要技术。同时，模拟真实会议效果，更方便地信息沟通，采用多媒体技术是一个十分有效的手段。所以多媒体技术也是GDSS系统中的基础技术之一。随着通信技术的发展，网络会议将会普及起来，尤其是Internet上的网络会议会越来越多。网络会议解决方案也会被采用。Internet/Intranet技术也将是GDSS中的重要的技术。 

（三）执行支持系统  

1.      执行支持系统概况 

执行支持系统（Executive Support System）是位于战略层的信息系统，被设计为通过先进的图形和通信达到非结构的决策行为。也有执行信息系统（Executive Information System)的说法。 

ESS/EIS在管理战略层上发生的非结构化问题方面帮助执行官。它关注于最高级管理层（执行长官）需要的信息，它象高级经理的简报簿，它提供需要广泛的内部和外部信息，它帮助执行官确定问题、辨别商机、预测势。  

和其它信息系统不同，ESS主要不是设计成解决特定问题的。ESS提供通常的计算机和通信能力来改变一系列问题。DSS是设计成具有高度的分析能力，分析模型相对稳定；ESS则试图少用分析模型，且模型格式不固定，而是通过发出命令和高度的互交成分向经理提交信息。 ESS比起DSS具有更强的非结构化的特点。 

2.      执行支持系统的架构 

ESS是由工作站组成，它们具有交互的图形、菜单、通信能力，可以从组织内部或外部系统（如纽约股市）访问历史的和比较的数据。  

简报（Briefing Books）是在屏幕上的在线数据，为执行官提供固定格式的报表，是早期ESS的组成部分。而简报通常要求有挖掘功能。挖掘（drill down）是从概要数据一层层向详细数据深入的能力。 

现在的ESS包括了大量的桌面建模和分析工具。有很多是使用Excel、Lotus 1-2-3等作为分析工具的基础。采用OLAP技术、挖掘技术结合电子表格、报表工具也是较常见的做法。DSS使用类似工具是为了相当狭窄范围内决策场合，ESS使用这些工具是为了提供组织运转的状态信息。

3.      ESS/EIS的技术特点

执行官的需求变化太快，所以大多数的ESS是采用快速原形法开发。而且最大的难度是执行官希望一次开发就成功：

·        开发者在拿出原形时就应该明确系统将如何运行；

·        原形对执行官而言还要求十分容易使用；

·        一旦执行官发现ESS没有太大意义，项目就会被取消。

ESS/EIS的开发和DSS系统有些相似。因此，ESS和DSS有时会混淆在一起。ESS系统中的分析没有固定模型，所以数学模型的建设并不重要。ESS的信息源非常广泛。组织内部信息往往可直接取自DSS、MIS、TPS、OAS的数据库系统。但基于数据库的操作不同于以上系统，

在线分析（OLAP）在EIS中有十分重要的作用。OLAP十分符合EIS中频繁使用的随意性分析查询的需要。 

在EIS对数据库技术中最重要的是数据挖掘技术。数据挖掘指在数据库中可以从一个数据信息按某一种特定规律导出另一个数据信息。

Internet/Intranet技术也将是EIS中的重要的技术。这是因为EIS中的信息源十分广泛，Internet是世界上最大的信息源，EIS的组织外部信息可直接取自Internet。另外，浏览器技术既可以使EIS操作更方便，而且操作使用也不受时间空间的限制。 

1)    定义问题产生的决定性事件。

2)    从执行官为了某种目的对决定性事件的评价导出决定性因素。

3)    导出执行官的能被用于跟踪决定性因素的3~5个标志。

4)    对于这些标志导出执行官的一系列的潜在信息源。