MIS与DSS的区别

DSS也有部分收集、处理、传递信息的功能：MIS则主要完成例行的日常信息处理任务，但它也能通过提供信息和数据支持人们的决策活动。

MIS的局限性主要表现在两个方面：
1．没有强调系统对决策工作的积极支持功能。

MIS的设计人员没有对企业的组织结构和各层次管理人员的决策行为进行深入研究，设计系统总是从原有的手工方式管理的数据出发，而不是从管理人员的决策需求出发。

因此，MIS所提供的信息往往不是决策所需要的。

任何一个信息系统只有与管理、决策和控制联系在一起时才能充分发挥其效益。

而这一点，在早期的MIS工作中，是没有加以重视的。

2．MIS在技术及方法论上存在固有的缺陷，其刻板的结构化系统分析、漫长的生命周期使MIS难以适应复杂多变的内外环境。

早期的MIS立足于一个固定的至少是相对稳定的信息系统模式之上，这一模式对于完成例行的日常信息处理工作无疑是必要的，但对于环境的变化所带来的新信息需求则难以给出及时、满意的回答。

DSS是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、模拟技术和信息技术为手段，面对结构不良的决策问题，支持决策活动的具有智能作用的人机系统。

它能为决策者提供决策所需的数据、信息和背景资料，帮助明确决策目标和进行问题的识别，建立或修改决策模型，提供各种备选方案，并对各种方案进行评价和优选，通过反复人—机对话进行分析、比较和判断，为正确决策提供有益帮助。

二、DSS与MIS之前的区别
1．DSS追求的目标是高效能，即想办法把事情办得尽可能好一些，以提高决策的能力和效果；而MIS追求的目标是高效益，即设法把事情办得快一些，以提高管理水平。

2．DSS着眼于决策，即着重考虑如何根据决策问题的需要，为决策者提供有价值的信启、，这些信息通常由源数据经过加工、提炼、浓缩而得到；MIS着眼于信启、，即着重考虑如何完成例行业务活动中的信息处理任务：
3、DSS的设计思想是实现一个具有巨大发展潜力的、适应性强的开放系统；而MIS的设计思想是实现一个相对稳定协调的工作系统。

4．DSS的设计原则是强调充分发挥人的经验、智慧、创造力，努力使系统设计有利于个人或组织决策行为的改善；而MIS的设计原则是强调系统的客观性，努力使系统设计符合组织的实际情况。

5、DSS的设计方法是以模型驱动的，重视决策模式的研究与模型、知识的使用，并且侧重采用以用户参加为主的、非线性的、自适应设计方法；而MIS的设计方法是以数据驱动的，以数据库设计为中心，并且强调采用线性的、结构化设计方法：
6．DSS通常由人机对话系统、数据库系统、模型库系统、知识库系统组成；而MIS通常由人机对话系统、数据库系统组成。

7．DSS能够帮助解决的是半结构化和非结构化的决策问题，并且以人机对话作为系统工作的主要方式；而MIS只能解决结构化的决策问题，并且人工干预日趋减少。

这一点是DS5与MIS三、DSS与MIS之间的联系
1．MIS收集、存储及提供的大量信息是DSS工作的基础，而D55能够使M15提供的信息真正发挥作用：
2．经过DSS的反复作用，新的数据模式与问题模式将逐步明确起来并逐步结构化，最后纳入MIS的工作范围。

3．MIS担负着收集系统的反馈信息的任务，支持DSS进行效果检验。

DSS的工作包括了对MIS工作的审计和检查，为MIS的改善和提高指明了方向。

这样，以集中完成基础数据管理工作的MIS为基础，可建立起以各种不同类型决策问题为服务对象的DSS，这样的信息系统将能够真正有效地满足系统的各级信息需求。

从根本上说，决策支持系统主要是在支持决策的能力上的突破。

它的结构能使计算机加工信息的
能力和决策者的思维、判断能力结合起来，从而解决更为复杂的决策问题。

在整个决策过程中，无论在范围上还是在能力亡，DSS都是管理人员大脑的延伸的主要区别。

1.DSS支持解决半结构化决策的问题；而MIS主要是面向结构化决策的问题。

2.DSS强调决策过程中人的主导作用,把人的判断与机器所提供的信息融合在一起,以便作出有效的决定。

MIS 则更着重自动化的管理决策过程,不需人的过多干预.
3.DSS 分析设计着重强调决策者个人的需要,而MIS的分析设计着重体现全局整体的信息需求。

4.DSS追求的目标是提供切实可行的有效决策方案,MIS强调的是问题求解的最优化。

可以说,
从MIS到DSS,使信息系统从单独的处理结构化决策问题,到处理半结构化的决策问题 ;从追求优化的机器系统求解方式,到人机结合求解方式,处理技术从定量化问题到定性问题;数据处理到支持决策,实现了信息系统发展的一次飞跃。

MIS它所支持的决策基本上是结构化决策,对半结构化决策和非结构化决策却贡献甚微,因此它虽能提供大量的信息和报表,但大都不适合高层管理人员的需要。

定义1:数据质量是指模式和数据实例的一致性、正确性、完整性、简洁性、适用性、及时性指标在信息系统中满足的程度
定义2:数据质量是数据适合使用的程度
定义3:数据质量是数据满足特定用户期望的程度
定义4:数据质量是数据的一组固有特性满足要求的程度
how to improve the quality of data
1.从观念上，首先要树立正确的质量观念。

树立全新的统计数据质量理念，是指导我们做好工作的前提和基础。

2.从数据源头做好，做好数据的获取，保证原始数据的质量。

做好调查，精密部署
3.做好数据整理，确保数据的审计与清洗工作，严密数据分析，保证数据录入的正确性，强化分析工作
4.完善公司数据统计制度；实施对统计数据的精细化管理和统计监督
5.保证团队的质量，统计人员要具有法制观念、职业道德，提高统计人员素质，提高专业水平，进行专业培训，实施一些激励政策
6.规范信息化建设及信息反馈流程
7.加强对数据权限的管理
8.可实施专家数据校验
9.建立数据进化管理系统，建立数据质量决策支持系统
1. Data Source
● standardized production systems in data entry. For new entry to the system data needs scrutiny from the source to protect data quality.
● clean historical data: historical data needed for regular cleaning, missing data for the missing complement the data for error correction, the redundant data to be removed to improve the accuracy of historical data.
2. ETL
● Data collection procedures to rigorous examination. The results collected and source system data to be checked periodically, data extraction logic and constraints to be specified.
● timely monitoring source system changes. Once the source system changes, providing warning mechanism for data extraction code and configuration information to update, to ensure follow-up normally.
● determine the admissible data source. When the same data from different data sources collected, the need to determine the crediting rules, what data are credible and which data can not be trusted, very important in the consistency check.
● the establishment of fault detection mechanisms. As the fault is inevitable, and therefore need to build a fault detection mechanism, the system scans regularly, and found that the occurrence of faults, and then take the initiative to take control measures to ensure the normal operation of the system ETL.
● the establishment of the data audit. After ETL processing, the need to establish a control point can be traced back, so you can review the data layers.
3. Data applications
● rigorous review of data applications. Cross-check different applications, check the data results are normal.
● application results check. The application output results and similar systems report data check, check different rates.
How to evaluate the effect of modeling
1.看模型的最终实施效果是否良好，是否给企业带来更高的经济利益
2.看模型是否可靠，是否失真，与企业的状况不符
3.看模型是否简介，使用方便，便于使用者的操作
4.看模型的成本，维护升级等是否难以接受
5.看模型的发展应用前景，是否能应对企业以后的发展需要，能应对多变化的市场。