决策支持系统与智能系统计算机化的决策支持和技术决策支持系统的概念第二章决策制定：系统、建模和支持情报阶段：组织目标搜索和扫描程序数据收集问题识别问题所有权问题分类问题陈述如何支持决策第二篇:决策支持系统下图描述了一个典型的基于WEB、整合了最优化、仿真和其他模型的DSS多层结构：DSS的特征和功能如下：半结构化和非结构化问题支持所有层次管理者支持个人和群体相互依赖或连续的决策支持情报、设计、选择和实施支持各种决策制定过程和类型适应性和柔性易于使用的交互重视效果，而非效率人控制机器易于终端用户开发建模和分析数据访问独立的、集成的和基于Web的DSS的部件数据管理子系统包括：DSS数据库、数据库管理系统、数据目录、查询功能下图为数据管理子系统的结构模型管理子系统DSS模型管理子系统由以下要素组成：模型库，模型管理系统，建模语言，模型目录，模型执行、组合和指令处理器。以上要素以及和其他DSS部件的界面见下图：真略模型：用于支持高层管理者的战略计划职责。战术模型：主要是协助中层管理者分配和控制组织的资源。操作模型：用于支持组织每天的工作活动。用户界面子系统用户界面子系统是由称为用户界面管理系统（userinterfacemanagementsystem,UIMS）的软件所管理。UIMS的组成部分是一些程序，他也被认为是对话生成和管理系统。下图为用户界面系统的示意图：PC显示知识管理系统，此部件能提供所需的专业知识，并提供能增强其他DSS部件操作的知识第四章建模与分析MSS建模建模主要问题包括问题识别、环境分析、变量确定、预测、多重模型的应用、模型分类、模型管理和基于知识的建模。模型分为静态模型和动态模型影像图模型：正如流程图用图形表示了计算机程序流程一样，影像图也是用图形表示一个模型，以图形的方式来帮助进行模型设计、开发和理解。电子表格实现MSS建模，模型可以通过多种程序语言和多种系统开发和实施，由于电子表格套件的优点和灵活性，他很对被公认为是一种简单适用的、可用于开发多种商业、工程、数量和科学系统的应用软件。决策表决策树单一目标问题可以通过决策表和决策树来建模。决策表是以系统的方式来组织信息的一种便捷方法。示例：某投资公司正考虑投资三种备选项目中的一种：债券、股票或存款储蓄（CD）。该公司只对一个目标感兴趣：最大化一年后的投资回报。下图是投资问题的决策表模型：该表包括了决策变量（各种备选方案）、无法控制变量（经济的状态，比如环境）和结果变量（预计产出、比如投资回报）。决策表的另外一种表现方式是决策树，决策树用图形的方式来表现问题内部的关系，可以用紧凑的形式解决复杂的问题，但是如果存在多个备选方案或者自然状态，决策树就会显得笨重。MSS数量模型的结构MSS数量模型的组成部分（基本结构）见下图：数学规划优化数学规划是帮助解决管理问题的一系列工具，在这些问题中决策者必须在竞争活动中分配稀缺资源来最优化可测量的目标。线性规划是数学规划优化工具家族中最著名的技术，他勇于竞争活动中的最优化资源分配。下面建立一个标准的线性规划模型，如下图：多重目标、灵敏度分析、如果-那么分析和目标搜索问题解决问题的搜索方法搜索方法：最优化、盲搜索、启发式方法搜索仿真仿真的主要特点：严格来说仿真不是一种模型，通常模型是要反映现实，但仿真是仿造现实。方针是一种描述模型，而不是标准模型。仿真的方法论，仿真包括建立一个显示系统的模型，然后在这个模型上不断地重复试验，下图是仿真的过程：第五章商业智能：数据仓库、数据采集、数据挖掘、商业分析和可视化数据仓库特征：面向主题、集成、时变的（时间序列）、非易变性、概括的、非规范化的、数据源、元数据数据仓库架构和流程：三层架构:两层架在采用数据仓库架构时要考虑四个要素：使用哪种数据库管理系统是否使用并行处理和/或分区技术在加载数据仓库时是否使用数据迁移工具用何种工具支持数据获取和分析商业智能/商业分析商业智能描述了商业智能环境的基本构成要素，新进的问题包括业务规则性、数据统计、信息兼容性和数据质量、数据仓库和数据集市商业智能包括从广泛的不同数据源中获取数据和信息，并用于决策。下图是商业智能活动示意图：在线分析处理决策支持数据挖掘可视化可视化数据挖掘数据挖掘是用于描述在数据库中知识发现的术语，是应用于统计、数学、人工智能和机器学习技术，从大型数据库中抽取和识别有用信息和知识的过程。数据挖掘是从数据中发现模式，甚至从数据中推导规则。而这些模式和规则能够用于指引决策和预测决策的效果。下表为数据挖掘功