第6章 综合决策支持系统(1)解析
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3、根据以上两种结构的优缺点建立起来的统一的DSS结构； 4、20世纪90年代初，决策支持系统与专家系统结合起来，
形成了智能决策支持系统（IDSS）。
1、1980年Sprague提出了决策支持系统三部件结构:
用户
人机交互系统
模型库管理系统 MBMS
数据库管理系统 DBMS
模型库 MB
数据库 DB
2、1981年Bonczak等提出了决策支持系统三系统结构:
（ OLAP）和数据挖掘（ DM）工具对数据仓库进行深层次的分
析，获取辅助决策信息，即利用数据仓库建立决策支持系统。
1.
数据仓库系统的一般用户
信息使用者以一种可预测的、重复性的方式来使用数据
仓库平台。信息使用者完成查询时，他们找到的只是少量
“精华”。他们查看相对少量的数据，并通常查看概括数据 或聚集数据。
4、作者于1989年在国内较早地研制完成了 “决策支持系统开发工具GFKD－DSS”。 作者用GFKD－DSS工具开发了南京林业大学的
“松毛虫智能预测系统”。
5、中国科学院计算技术研究所1996年完成的 “智能决策系统开发平台IDSDP”。 6、作者于1995年完成的“分布式多媒体智能 决策支持系统平台DM－IDSSP” 。
信息使用者通常查看相同的商业维度（也就是产品、客
户、时间）和指标（即收入和成本）随时间的发展趋势。
信息使用者的特征
（1）在搜索数据前，已经知道对数据的需求。 （2）他们是有规律地访问数据。
（3）能知道他们正在寻找什么。
（4）他们访问的数据量较小。
（5）访问可预测的数据。
（6）经常处理以前访问的数据。 （7）经常访问各类综合数据。 （8）较少访问最近的详细数据。 （9）能发现少量的精华。 （10）最佳的数据结构是星型模型。
（4）分类：探索者依据这些实体与这个模型的 匹配来分类数据仓库中的其他实体。
3. 信息使用者和探索者的关系
探索者帮助指导战略的处理商务，而信息使用者是从 战术上监控这些决策的效果。
例如，根据信息使用者的报告，公司正在流失更多的
顾客。探索者开始调查以揭示为什么公司正在失去这么多 客户。探索者将和业务组一起制定保留高价值客户的战略。
（1）模型库系统没有统一的理论和产品，研制者
需要自己设计和开发。
（2）DSS综合部件对数据、模型、知识3个部件进 行有机集成。现已开发出来的决策支持系统都是自行 设计和实现模型库系统、自己研制实现模型、知识、 数据集成的综合语言。
6.2基于数据仓库的新决策支持系统
6.2.1新决策支持系统与商业智能
探索者4种基本工作
（1）概况分析：概况分析用来评定是否有充分的 样本数据量。在抽取、建模和分类之前，概况分 析活动对于确保数据质量非常关键。
（2）抽取：数据抽取的任务就是从数据仓库中抽 取指定的数据，送入用来支持探索者分析活动的 临时仓库中。
（3）建模：建模是开发一种用来描述实体（也 就是客户、产品和渠道）特征的模型的过程， 根据数据仓库中的实体来分类这些实体，并可 预测将来的结果。 探索者普遍使用的模型应包括客户分段、 后续产品、欺诈检测、渠道响应、客户生存期 价值和推销响应。
信息使用者则需要连续观察客户保留量，并报告执行这
7、作者于1999年研制出“基于客户机/服务器的
决策支持系统快速开发平台CS－DSSP”，平台在互联 网上由客户端、广义模型服务器、数据库服务器三部 分组成，构成三层客户机/服务器结构模式。 CS－DSSP平台的可视化系统生成工具能够快速地
制作应用系统并能够可视化运行应用系统，又可以快
速改变应用系统方案。
6.1.3 传统决策支持 系统的关键技术和开发困难
DSS的关键技术： （1）模型库系统的设计和实现。
（2）部件接口。部件接口包括对数据部件的数据
的存取，对模型部件的模型的调用和运行，以及对知
识部件的知识完成推理。
（3）系统综合集成。通过集成语言完成对各部件 的有机综合，形成一个完整的系统。
DSS的开发困难：
用户 问题综合与交互系统 模型库管理系统 数据库管理系统
知识库 管理系统
推理机
模型库
知识库
数据库
6.1.2 传统决策支持系统的进展
1、大连理工大学、山西省自动化所和国际应用系 统分析研究所（IIASA）合作完成了山西省整体发展规
Βιβλιοθήκη Baidu
划决策支持系统。
2、国防科技大学完成的北京市房山区发展规划决 策支持系统。 3、我国早期创办的《决策与决策支持系统》刊物， 现为《管理科学学报》,为决策支持系统的发展作出了 贡献。
2. 决策支持系统的用户
利用数据仓库建立的新决策支持系统，是在数据 仓库基础上利用联机分析处理（ OLAP）和数据挖掘 （DM）来挖掘辅助决策信息。 决策支持系统的用户是探索者。 探索者并不知道什么是他们所需要的。“当我看 见它的时候，我就会知道我需要的是什么” 探索者的一项任务就是根据过去的成功和失败来 尽力确定未来处理商务的更好方法。 例如，过去哪些商品促销的不错？其中，偏爱这 类商品的客户特征是什么？
6.2.2数据仓库的关键技术 6.2.3 数据仓库开发的困难
6.2.1新决策支持系统与商业智能
6.2.1.1 数据仓库的用户 6.2.1.2 商业智能
6.2.1.1 数据仓库的用户
数据仓库用户有两类： 1. 一般用户(信息的使用者)，他们是数据仓库的大多数 用户，他们从数据仓库中获取所需要的信息； 2.决策支持系统用户（探索者），他们利用联机分析处理
第6章 综合决策支持系统
（1）
第（1）部分
6.1 基于模型库与知识库的 传统决策支持系统
6.2 基于数据仓库的
新决策支持系统
6.1 基于模型库 与知识库的传统决策支持系统
6.1.1 传统决策支持系统
1、1980年Sprague提出了决策支持系统三部件结构；
2、1981年Bonczak等提出了决策支持系统三系统结构；
用户
语言系统 问题处理系统 知识系统 (PPS) (KS) （LS）
3、根据以上两种结构的优缺点建立起来的统一的DSS结构: 用户
人机交互及问题综合系统 （综合部件）
模型库管理系统
数据库管理系统
模型库
数据库
4、20 世纪90年代初，决策支持系统与专家系统
结合起来，形成了智能决策支持系统（IDSS）:
形成了智能决策支持系统（IDSS）。
1、1980年Sprague提出了决策支持系统三部件结构:
用户
人机交互系统
模型库管理系统 MBMS
数据库管理系统 DBMS
模型库 MB
数据库 DB
2、1981年Bonczak等提出了决策支持系统三系统结构:
（ OLAP）和数据挖掘（ DM）工具对数据仓库进行深层次的分
析，获取辅助决策信息，即利用数据仓库建立决策支持系统。
1.
数据仓库系统的一般用户
信息使用者以一种可预测的、重复性的方式来使用数据
仓库平台。信息使用者完成查询时，他们找到的只是少量
“精华”。他们查看相对少量的数据，并通常查看概括数据 或聚集数据。
4、作者于1989年在国内较早地研制完成了 “决策支持系统开发工具GFKD－DSS”。 作者用GFKD－DSS工具开发了南京林业大学的
“松毛虫智能预测系统”。
5、中国科学院计算技术研究所1996年完成的 “智能决策系统开发平台IDSDP”。 6、作者于1995年完成的“分布式多媒体智能 决策支持系统平台DM－IDSSP” 。
信息使用者通常查看相同的商业维度（也就是产品、客
户、时间）和指标（即收入和成本）随时间的发展趋势。
信息使用者的特征
（1）在搜索数据前，已经知道对数据的需求。 （2）他们是有规律地访问数据。
（3）能知道他们正在寻找什么。
（4）他们访问的数据量较小。
（5）访问可预测的数据。
（6）经常处理以前访问的数据。 （7）经常访问各类综合数据。 （8）较少访问最近的详细数据。 （9）能发现少量的精华。 （10）最佳的数据结构是星型模型。
（4）分类：探索者依据这些实体与这个模型的 匹配来分类数据仓库中的其他实体。
3. 信息使用者和探索者的关系
探索者帮助指导战略的处理商务，而信息使用者是从 战术上监控这些决策的效果。
例如，根据信息使用者的报告，公司正在流失更多的
顾客。探索者开始调查以揭示为什么公司正在失去这么多 客户。探索者将和业务组一起制定保留高价值客户的战略。
（1）模型库系统没有统一的理论和产品，研制者
需要自己设计和开发。
（2）DSS综合部件对数据、模型、知识3个部件进 行有机集成。现已开发出来的决策支持系统都是自行 设计和实现模型库系统、自己研制实现模型、知识、 数据集成的综合语言。
6.2基于数据仓库的新决策支持系统
6.2.1新决策支持系统与商业智能
探索者4种基本工作
（1）概况分析：概况分析用来评定是否有充分的 样本数据量。在抽取、建模和分类之前，概况分 析活动对于确保数据质量非常关键。
（2）抽取：数据抽取的任务就是从数据仓库中抽 取指定的数据，送入用来支持探索者分析活动的 临时仓库中。
（3）建模：建模是开发一种用来描述实体（也 就是客户、产品和渠道）特征的模型的过程， 根据数据仓库中的实体来分类这些实体，并可 预测将来的结果。 探索者普遍使用的模型应包括客户分段、 后续产品、欺诈检测、渠道响应、客户生存期 价值和推销响应。
信息使用者则需要连续观察客户保留量，并报告执行这
7、作者于1999年研制出“基于客户机/服务器的
决策支持系统快速开发平台CS－DSSP”，平台在互联 网上由客户端、广义模型服务器、数据库服务器三部 分组成，构成三层客户机/服务器结构模式。 CS－DSSP平台的可视化系统生成工具能够快速地
制作应用系统并能够可视化运行应用系统，又可以快
速改变应用系统方案。
6.1.3 传统决策支持 系统的关键技术和开发困难
DSS的关键技术： （1）模型库系统的设计和实现。
（2）部件接口。部件接口包括对数据部件的数据
的存取，对模型部件的模型的调用和运行，以及对知
识部件的知识完成推理。
（3）系统综合集成。通过集成语言完成对各部件 的有机综合，形成一个完整的系统。
DSS的开发困难：
用户 问题综合与交互系统 模型库管理系统 数据库管理系统
知识库 管理系统
推理机
模型库
知识库
数据库
6.1.2 传统决策支持系统的进展
1、大连理工大学、山西省自动化所和国际应用系 统分析研究所（IIASA）合作完成了山西省整体发展规
Βιβλιοθήκη Baidu
划决策支持系统。
2、国防科技大学完成的北京市房山区发展规划决 策支持系统。 3、我国早期创办的《决策与决策支持系统》刊物， 现为《管理科学学报》,为决策支持系统的发展作出了 贡献。
2. 决策支持系统的用户
利用数据仓库建立的新决策支持系统，是在数据 仓库基础上利用联机分析处理（ OLAP）和数据挖掘 （DM）来挖掘辅助决策信息。 决策支持系统的用户是探索者。 探索者并不知道什么是他们所需要的。“当我看 见它的时候，我就会知道我需要的是什么” 探索者的一项任务就是根据过去的成功和失败来 尽力确定未来处理商务的更好方法。 例如，过去哪些商品促销的不错？其中，偏爱这 类商品的客户特征是什么？
6.2.2数据仓库的关键技术 6.2.3 数据仓库开发的困难
6.2.1新决策支持系统与商业智能
6.2.1.1 数据仓库的用户 6.2.1.2 商业智能
6.2.1.1 数据仓库的用户
数据仓库用户有两类： 1. 一般用户(信息的使用者)，他们是数据仓库的大多数 用户，他们从数据仓库中获取所需要的信息； 2.决策支持系统用户（探索者），他们利用联机分析处理
第6章 综合决策支持系统
（1）
第（1）部分
6.1 基于模型库与知识库的 传统决策支持系统
6.2 基于数据仓库的
新决策支持系统
6.1 基于模型库 与知识库的传统决策支持系统
6.1.1 传统决策支持系统
1、1980年Sprague提出了决策支持系统三部件结构；
2、1981年Bonczak等提出了决策支持系统三系统结构；
用户
语言系统 问题处理系统 知识系统 (PPS) (KS) （LS）
3、根据以上两种结构的优缺点建立起来的统一的DSS结构: 用户
人机交互及问题综合系统 （综合部件）
模型库管理系统
数据库管理系统
模型库
数据库
4、20 世纪90年代初，决策支持系统与专家系统
结合起来，形成了智能决策支持系统（IDSS）: