DSS考试重点总结

第一章决策支持系统的理论基础
1、明茨伯格将管理者扮演的角色分为三方面：人际关系、信息传递和决策制定（最关键）。

2、管理和决策的关系：决策贯穿管理活动的始终，管理的过程主要是决策及其实施的过程；决策是管理的根本和核心所在，但它并不等同于管理。

3、决策的概念：决策是人们在政治、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在众多替代方案中选出最佳的方案。

简言之，决策就是针对预期目标，在一定条件下，从诸多方案中选择一个并并付诸实施。

4、决策的特征：决策陈述、一批替代方案和一套准则。

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、决策目标、决策方案、结局、效用。

7、Simon决策阶段的结构化分类：结构化决策（指决策方法和决策过程有固定的规律可遵循，可用形式化的方法描述和求解的一类管理决策问题。

如可用解析的方法、运筹学的方法、经验方法、程序化的方法等来解决的决策问题等）、非决策化决策（指决策方法和决策过程没有什么规律可遵循并难以用确定的方法和程序表达的，即只能根据当时的情况和决策者手中所掌握的资料，凭经验和直觉作出决定的一类决策问题，通常是一次性的）、半结构化决策(是指介于前两者间的一种情况，即决策方法和决策过程有一定的规律可遵循，但又不完全确定的情况。

我们通常在社会经济和管理活动中所遇到的决策绝大部分属于这种情况。

例如证券交易、产品的市场预测等和银行信贷员决策都是这类问题中的典型例子)
8、问题的结构化程度的区分因素：一问题形式化描述的难易程度；二是解题方法的难易程度；三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。

5种决策模型：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、过程型模式和组织和策略决策模式。

10、决策支持系统与管理科学MS、运筹学OR的关系。

答：第一，管理科学／运筹学适合处理结构化问题。

在处理结构性很强的局部问题时，管理科学／运筹学是相当成功的方法。

但是，用它们来解决诸如战略、规划等半结构化或非结构化一类的决策问题时，往往使人进退维谷，很难达到预期的效果。

第二，管理科学／运筹学注意结构规范，DSS不拘于形式上的构造。

管理科学／运筹学过于注意结构上的规范、形式上的构造模式，而DSS 却把管理者所要处理问题的过程分为四个步骤：调研、建模、优化和解释，用这种分类方法对 DSS与管理科学／运筹学加以比较，发现管理科学／运筹学只完成第二步工作，而相对于其余三步工作，它们是无能为力的，DSS在这三步工作中却大有作为。

第三，DSS的开发和研制离不开传统的管理科学／运筹学所提供的模型，但是DSS倾向于模型尽量简单，宁可牺牲方法上的精巧而努力使用户在概念上和决策效能上能够接受，而不拘泥于形式上的构造和模型的规范，这是DSS的显著特点。

第四，DSS给管理科学／运筹学的发展带来了生机，DSS既与管理科学／运筹学构成了一个相互支持、相互合作的整体，又与管理科学／运筹学之间有剧烈的竞争。

11、DSS与AI之间的关系：人工智能将为DSS提供有效的理论和方法。

12、西蒙的决策阶段模型：将决策过程划分为4个步骤。

第一步：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。

第二步：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。

第三步：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。

第四：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。

13、决策的分类：按性质的重要性分类可将战略决策、策略决策和执行决策或称为战略计划、管理控制和运行控制3个级别。

14、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。

第二章决策支持系统概述
1、计算机在文件管理部门的应用经历了三个阶段：电子数据处理EDP、管理信息系统MIS、决策支持系统DSS。

2、DSS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。

3、DSS的特点：一、用于半结构化或者非结构化的决策领域二、用来辅助决策者，而不是取代决策者三交互式、友好的用户界面四着重于决策制定过程，而不是效率五使用基础的数据和模型六可以为各种类型的知识工作者提供支持七、强调对环境及用户决策方法改变的灵活性及适应性
4、DSS组成：人机接口、数据库、模型库、知识库、和方法库。

5、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。

6、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。

7、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。

8、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.
9、按DSS的最终用户或操作模式划分：个人型决策支持系统、群体决策支持系统GDSS、领导支持系统ESS、分布式决策支持系统DDSS.
10、Alter对DSS的分类：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）11、DSS的三个阶段：数据库阶段，数据仓库阶段，商务智能阶段。

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、DSS的技术层次：专用DSS（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）、DSS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）和DSS生成器（即DSSG是通用的生成器可以生成各种决策决策支持系统）
3、DSS的两类基本体系结构：一类基于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，是一种典型的三库系统）第二类是基于知识的3S体系结构（由语言子系统LS、知识子系统KS和问题处理子系统PPS三部分组成，简称3S结构。

1989年增加了表示系统IS.）
4、最基本的结构是两库结构（数据库和模型库）；三库结构模式是在两库的基础上增加了知识库系统；四库结构是在三库的基础上增加了方法库。

5、DSS部件的逻辑结构：DSS的三角形结构形式、DSS串联结构形式、DSS融合式结构形式、以数据库为中心的结构形式。

6、影响DSS总体结构因素分析： 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
第五章 DSS中的模型库
1、模型库系统是将众多的模型按一定的结构形式组织起来，通过模型库管理系统对各个模型进行有效的管理和使用的计算机软件系统。

2、模型库的特征：动态性（基本的）、组合性
3、模型库系统在DSS的作用和地位：第一，模型库系统是构建和管理模型的计算机软件系统，它是DSS中最复杂与最难实现的部分。

DSS用户是依靠模型库中的模型进行决策的，因此我们认为DSS是由“模型驱动的”。

第二，其主要功能是通过使用人机交互语言使决策者能方便地利用模型库中各种模型支持决策，引导决策者应用模型做出科学的决策。

4、模型库系统的基本构成：模型库、建模系统、模型库使用维护系统、模型库管理系统构成。

5、模型的定义：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。

6、模型的特点：模型是现实世界的抽象、使用简单、节约时间、降低费用、运用模型便于进行灵敏度分析、模型有助于学习和练习
7、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。

8、模型程序模块的分类：零件型的模型程序模块、部件型的模型程序模块、框架型的模型程序模块。

9、模型的表示方法：模型的程序表示、模型的数据表示、语句表示。

10、构建模型的常用方法：影响图（模型的图形表示，用于支持模型设计、开发和理解），决策树（适用于判断条件较多，各条件又相互组合，且相应的决策方案较多的问题），决策表（适用于描述条件比较多的决策问题）。

11、模型库的分类：按照模型建立和使用的特点分为通用模型库、专用模型库和智能模型库。

12、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。

13、模型库管理是为生成模型和管理模型提供一个用户友好环境的计算机软件系统。

包括的内容：建模管理、模型库存取管理、模型的运行管理和模型的组合。

14、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）。

15、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）。

第五章决策支持系统的数据库、方法库和知识库
1、DSS数据库子系统是存储、管理、提供与维护用于决策支持的数据的DSS基本部件，是支持模型库子系统及方法库子系统的基础。

2、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。

3、数据来源：内部数据、外部数据、个人数据
4、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
需的数据以形成DSS数据库。

5、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。

6、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。

7、DSS数据库类型：经营管理数据库和战略规划数据库。

8、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。

9、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。

10、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
11、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。

12、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。

13、推理的方式：正向推理，反向推理。

14、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
15、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。

16、知识的表示：用一些约定的符号把知识编码成一组计算机可以接受的数据结构。

知识表示的观点：①陈述性观点②过程性观点
17、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。

18、规则表示法的优缺点。

正向推理：优点：直观，允许用户主动提供有用的事实信息。

缺点：无明确目标，推理效率较低。

反向推理：优点：推理过程的目标明确缺点：当用户对解的情况认识不清时，由系统自主选择假设目标的盲目性比较大，若选择不好，会影响系统效率。

混合推理：当问题较复杂时，为了发挥前两种方式的长处，避免各自的短处，可以将它们结合起来使用。

框架表示法的优点: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
框架表示法推理形式为填充槽值。

填充槽值方式有匹配和继承。

19、知识获取的分类：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
第六章决策支持系统的新术
1、为什么要建立数据仓库？答：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、数据仓库系统组成由数据仓库，仓库管理和分析工具。

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。

第七章决策支持系统的设计和开发
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。

第八章人工智能和专家系统
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、人工智能的基本技术：虚拟技术、搜索技术、知识表示、归纳、联想技术
3、人工智能的研究途径与方法：结构模拟、神经计算；功能模拟、符号推演；
行为模拟，控制进化。

4、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。

5、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。

6、专家系统与DSS的区别：1、DSS强调人机交互，实现人机一体化的决策求解；而ES 并不要求决策者过多介入求解过程。

2.DSS通过数据存取和模型分析技术，实现支持决策。

ES则通过知识库分析和知识推理来实现辅助决策，是数据驱动的。

3、DSS属于通用型支持；而ES属于专用型支持。

4.DSS用于决策时，决策结果的取得是人机共同解决的，且人处于主导地位；而ES除了用户回答问题，提供必要的数据外，基本是自动独立工作的。

5.决策支持系统执行结果以定量为主，定性为辅，专家系统则相反，其结果以定性为主，定量为辅。

第九章
1、决策支持系统三部件结构即对话部件（人机交互系统）、数据部件和模型部件。

2、决策支持系统三系统结构即语言系统（LS）、问题处理系统（PPS）和知识处理系统（KS）。

3、基于数据仓库DSS的层次体系结构主要由三部分组成：1、数据仓库。

DSS的决策基础；
2、联机分析处理工具。

验证型分析工具
3、数据挖掘工具。

以归纳为主的分析工具集合。

4、基于数据仓库DSS的特点（1）数据仓库和联机分析处理的数据组织方式是多维数据（2）数据仓库是为决策分析服务的（3）联机分析处理提供多维分析手
（4）数据挖掘是从数据中挖掘出隐藏知识
基于数据仓库DSS的优势：1、能较好地反映DSS对数据的真实要求；2、能较深刻构建分析模型3、能充分使用DSS的有效展示能力4、具有多种学科失集成性5、广泛的应用性与适用性。

第十章决策支持系统的应用
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。