綜合決策支持系統(tǒng)(一)

1、第6章綜合決策支持系統(tǒng)第（1）部分6.1基于模型庫與知識庫的傳統(tǒng)決策支持系統(tǒng)6. 2基于數(shù)據(jù)倉庫的新決策支持系統(tǒng)i6.1基于模型庫與知識庫的傳統(tǒng)決策 支持系統(tǒng)6.1.1 傳統(tǒng)決策支持系統(tǒng)1、1980年Sprague提出了決策支持系統(tǒng)三部件結(jié)構；2、1981年Bonczak等提出了決策支持系統(tǒng)三系統(tǒng)結(jié)構；3、根據(jù)以上兩種結(jié)構的優(yōu)缺點建立起來的統(tǒng)一的DSS結(jié)構;4、20世紀90年代初，決策支持系統(tǒng)與專家系統(tǒng)結(jié)合起來， 形成了智能決策支持系統(tǒng)(IDSS) o1、1980年Sprague提出了決策支持系統(tǒng)三部件結(jié)構:2、1981年Bonczak等提出了決策支持系統(tǒng)三系統(tǒng)結(jié)構:用戶語言系統(tǒng) (LS)問題

2、處理系統(tǒng) (PPS)知識系統(tǒng) (KS)3、根據(jù)以上兩種結(jié)構的優(yōu)缺點建立起來的統(tǒng)一的DSS結(jié)構:4、20世紀90年代初，決策支持系統(tǒng)與專家系統(tǒng) 結(jié)合起來，形成了智能決策支持系統(tǒng)（IDSS）:6. 1.2傳統(tǒng)決策支持系統(tǒng)的發(fā)展1、大連理工大學、山西省自動化所和國際應用系統(tǒng)分析研究所（IIASA）合作完成了山西省整體發(fā)；規(guī)劃決策支持系統(tǒng)。2、國防科技大學完成的北京市房山區(qū)發(fā)展規(guī)劃決策支持系統(tǒng)。3、我國早期創(chuàng)辦的決策與決策支持系統(tǒng)刊物，現(xiàn)為管理科學學報，為決策支持系統(tǒng)的發(fā)展 作出了貢獻。6.1. 2傳統(tǒng)決策支持系統(tǒng)的發(fā)展4、筆者于1989年在國內(nèi)較早地研制完成了“決策支持系統(tǒng)開發(fā)工具GFKD-DSS”

3、。用GFKD 一DSS工具開發(fā)了南京林業(yè)大學的“松毛蟲智能預測系統(tǒng)”。5、中國科學院計算技術研究所1996年完成的“智能決策系統(tǒng)開發(fā)平臺IDSDP"。6、筆者于1995年完成的“分布式多媒體智能決策支持系統(tǒng)平臺DM-IDSSP”。6.1. 2傳統(tǒng)決策支持系統(tǒng)的發(fā)展7、筆者于1999年研制出“基于客戶機/服務器的決策支持系統(tǒng)快速開發(fā)平臺CS-DSSP”，平臺在互聯(lián) 網(wǎng)上由客戶端、廣義模型服務器、數(shù)據(jù)庫服務器三部 分組成，構成三層客戶機/服務器結(jié)構模式。CS-DSSP平臺的可視化系統(tǒng)生成工具能夠快速地 制作應用系統(tǒng)并能夠可視化運行應用系統(tǒng)，又可以快 速改變應用系統(tǒng)方案。6. 1. 3傳統(tǒng)

4、決策支持系統(tǒng)的關鍵技術和開發(fā)困難康的關鍵技術:C1）模型庫系統(tǒng)的設計和實現(xiàn)。（2）部件接口。部件接口包括對數(shù)據(jù)部件的數(shù)據(jù) 的存取，對模型部件的模型的調(diào)用和運行，以及對知 識部件的知識完成推理。6. 1. 3傳統(tǒng)決策支持系統(tǒng)的關鍵技術和（3）系統(tǒng)綜合集成。通過集成語言完成對各部件 的有機綜合，形成一個完整的系統(tǒng)。開發(fā)困難DSS的開發(fā)困難：（1）模型庫系統(tǒng)沒有統(tǒng)一的理論和產(chǎn)品，研制者 需要自己設計和開發(fā)。（2） DSS綜合部件對數(shù)據(jù)、模型、知識3個部件進 行有機集成。現(xiàn)已開玄出來的決策式特樂銳都是匈籽領葉和實 現(xiàn)蟆型席東筑、前己所制實現(xiàn)蟆型.加鈉、織據(jù)桑氏 的徐合裕言。據(jù)倉庫技術.2基于數(shù)據(jù)倉庫的

5、新決策支持系統(tǒng)1 數(shù)據(jù)倉庫技術及困難6. 2.1.1數(shù)據(jù)倉庫技術1、管理大量數(shù)據(jù)數(shù)據(jù)倉庫中的數(shù)據(jù)量是10GB或100GB級的，數(shù)據(jù)倉庫開發(fā)需要滿足處理大量數(shù)據(jù)的需求。2、數(shù)據(jù)的高效裝入和數(shù)據(jù)壓縮(1)裝入數(shù)據(jù)：裝入的數(shù)據(jù)量很大，同時也要裝入高效 的索引。(2)數(shù)據(jù)壓縮：DW數(shù)據(jù)量大需要進行數(shù)據(jù)的壓縮。3、存儲介質(zhì)的管理數(shù)據(jù)倉庫中的數(shù)據(jù)量是10GB或100GB級的，數(shù)據(jù)倉庫 開發(fā)需要滿足處理大量數(shù)據(jù)存儲介質(zhì)的需求。存儲介質(zhì)訪問速度存儲費用存存 片 內(nèi)緩 膠 存展速盤盤縮 主擴高磁光微非?？旆浅？旆浅？斐?中貴宜 非貴貴適初& 6. 2. 1. 1數(shù)據(jù)倉庫技術4、元數(shù)據(jù)管理沒有一個好的元數(shù)

6、據(jù)來運作的話，DSS分析員的工作就 非常困難。5、數(shù)據(jù)倉庫語言數(shù)據(jù)倉庫語言可有效管理數(shù)據(jù)倉庫中的數(shù)據(jù)和快速、 高效地訪問數(shù)據(jù)倉庫中的數(shù)據(jù)。6、高效索引數(shù)據(jù)倉庫不僅能夠方便地支持新索引的創(chuàng)建和裝入， 而且要能夠高效地訪問這些索引。6. 2. 1. 1數(shù)據(jù)倉庫技術7、1據(jù)倉庫的特殊管理（1）復合鍵碼：能夠支持復合鍵碼。（2）變長數(shù)據(jù)：有效管理變長數(shù)據(jù)的能力。（3）快速恢復：快速地恢復數(shù)據(jù)倉庫表。8、多維DBMS和數(shù)據(jù)倉庫多維數(shù)據(jù)庫管理系統(tǒng)（多維DBMS）提供了用多種方法對數(shù)據(jù)進 行切片、分割，動態(tài)地考查匯總數(shù)據(jù)和細節(jié)數(shù)據(jù)的關系，非常適合 DSS環(huán)境。數(shù)據(jù)倉庫中的細節(jié)數(shù)據(jù)為多維DBSM提供了數(shù)據(jù)源，

7、數(shù)據(jù)要定期 從數(shù)據(jù)倉庫中導入到多維DBMS中去，為DSS用戶服務。6. 2. 1. 2數(shù)據(jù)倉庫開發(fā)的困難數(shù)據(jù)倉庫由于數(shù)據(jù)量大(具有GB級到TB級的數(shù)據(jù))，使得數(shù)據(jù)的存儲和管理復雜,數(shù)據(jù)倉庫需要一個具有海量存儲的硬件平臺和一個能進行并行處理的大型數(shù)據(jù)庫系統(tǒng)oj 6. 2. 1. 2 數(shù)據(jù)倉庫開發(fā)的困難總結(jié)開發(fā)數(shù)據(jù)倉庫的典型錯誤包括以下幾方面:(1)沒有理解數(shù)據(jù)的價值。(2)未能理解數(shù)據(jù)倉庫概念。(3)未清楚了解用戶將如何使用數(shù)據(jù)倉庫之前，便貿(mào)然 開發(fā)數(shù)據(jù)倉庫。(4)對數(shù)據(jù)倉庫規(guī)模的估計模糊。(5)忽視了數(shù)據(jù)倉庫體系結(jié)構和數(shù)據(jù)倉庫開發(fā)方法。數(shù)據(jù)倉庫的開發(fā)只有克服了以上的錯誤觀念，才能真正 發(fā)揮它的

8、作用，得到發(fā)展。J 6.2.2數(shù)據(jù)倉庫與新決策支持系統(tǒng)有兩類本質(zhì)不同的最終用戶：1 .信息的使用者，他們是數(shù)據(jù)倉庫的大多數(shù) 用戶，他們從數(shù)據(jù)倉庫中獲取所需要的信息；2 .探索者，他們利用聯(lián)機分析處理（OLAP）和數(shù)據(jù)挖書（DM）工具對數(shù)據(jù)倉庫進行深層次的分析，獲取輔助決策信息，即利用數(shù)據(jù)倉庫建立決策支持系統(tǒng)。J 6. 2. 2. 1數(shù)據(jù)倉庫系統(tǒng)的用戶信息使用者以一種可預測的、重復性的方式來使用數(shù)據(jù)倉庫平臺。信息使用者完成查詢時，他們 找到的只是少量“精華”。他們查看相對少量的數(shù) 據(jù)，并通常查看概括數(shù)據(jù)或聚集數(shù)據(jù)。信息使用者通常查看相同的商業(yè)維度（也就是 產(chǎn)品、客戶、時間）和指標（即收入和成本）

9、隨時 間的發(fā)展趨勢。數(shù)據(jù)倉庫的信息使用者對數(shù)據(jù)倉庫的 使用具有以下特征：（1）在搜索數(shù)據(jù)前，已經(jīng)知道（6）對數(shù)據(jù)的需求。（7）（2）他們是有規(guī)律地訪問數(shù)據(jù)。（3）能知道他們正在尋找什么。但）（4）他們訪問的數(shù)據(jù)量較小。經(jīng)常處理以前訪問的數(shù)據(jù)。經(jīng)常訪問各類綜合數(shù)據(jù)。較少訪問最近的詳細數(shù)據(jù)。能發(fā)現(xiàn)少量的精華。（5）訪問可預測的數(shù)據(jù)。（10）最佳的數(shù)據(jù)結(jié)構是星型模 型。工6.2. 2. 2 決策支持系統(tǒng)的用戶. 決策支持系統(tǒng)的用戶是探索者。探索者并不知道什么是他們所需要的?！爱斘?看見它的時候，我就會知道我需要的是什么”探索者的一項任務就是根據(jù)過去的成功和失敗 來盡力確定未來處理商務的更好方法。例如

10、，過去哪些商品促銷的不錯？其中，偏愛 這類商品的客戶特征是什么？J 6. 2. 2. 2決策支持系統(tǒng)的用戶（1）不規(guī)律地訪問數(shù)據(jù)（2）只知道總體的需求（3）有規(guī)則的訪問最近的詳細數(shù)據(jù)（4）查看數(shù)據(jù)關系而不是數(shù)據(jù)值（5）利用數(shù)據(jù)挖掘/統(tǒng)計分析工具進行探索（6）最佳的數(shù)據(jù)結(jié)構是關系結(jié)構探索者要完成4種基本類型的工作:（1）概況分析：概況分析用來評定是否有充分的樣本數(shù)據(jù)量。在抽取、建模和分類之前，概況分析活動對于確保數(shù)據(jù)質(zhì)量非常關鍵。（2）抽?。簲?shù)據(jù)抽取的任務就是從數(shù)據(jù)倉庫 中抽取指定的數(shù)據(jù)，送入用來支持探索者 分析活動的臨時倉庫中。探索者要完成4種基本類型的工作:3）建模：建模是開發(fā)一種用來描述實

11、體（也就是客戶、產(chǎn)品和渠道）特征的模型的過程，根 據(jù)數(shù)據(jù)倉庫中的實體來分類這些實體，并可預 測將來的結(jié)果。探索者普遍使用的模型應包括客戶分段、后續(xù)產(chǎn)品、欺詐檢測、渠道響應、客戶生存期價值和推銷響應（4）分類：探索者依據(jù)這些實體與這個模型的 匹配來分類數(shù)據(jù)倉庫中的其他實體。6. 2. 2. 3 信息使用者和探索者的關系探索者幫助指導戰(zhàn)略的處理商務，而信息使用者是從戰(zhàn)術上監(jiān)控這些決策的效果O例如，根據(jù)信息使用者的報告，公司正在流失更多的 顧客。探索者開始調(diào)查以揭示為什么公司正在失去這么多 客戶。探索者將和業(yè)務組一起制定保留高價值客戶的戰(zhàn)略。信息使用者則需要連續(xù)觀察客戶保留量，并報告執(zhí)行 這些戰(zhàn)略的

12、效果和它們與所期望的程度相差多少。h 6.2. 2.4新決策支持系統(tǒng)結(jié)構數(shù)據(jù)倉庫是為輔助決策而建立的，單依靠數(shù)據(jù)倉庫能 力是有限的。數(shù)據(jù)倉庫中有大量的輕度綜合數(shù)據(jù)和高度綜 合數(shù)據(jù)。這些數(shù)據(jù)為決策者提供了綜合信息。數(shù)據(jù)倉庫保存有大量歷史數(shù)據(jù)，這些數(shù)據(jù)通過預測模 型計算可以得到預測信息。金信息我涮信息是上胡倉庫所獲格酶軸助 決柒信息。6. 2. 2. 4新決策支持系統(tǒng)結(jié)構數(shù)據(jù)倉庫(DW)中增加聯(lián)機分析處理(OLAP)和數(shù)據(jù) 挖掘(DM)等分析工具，能較大地提高輔助決策能力。聯(lián)機分析處理得到更深層的信息和知識。利用數(shù)據(jù)挖 掘技術對數(shù)據(jù)倉庫中數(shù)據(jù)的挖掘，才能獲取更多的輔助決 策信息和知識。DW+OLA

13、P+DM的決策支持系統(tǒng)是以數(shù)據(jù)倉庫為基礎的, 稱為基于數(shù)據(jù)倉庫的新決策支持系統(tǒng)?；跀?shù)據(jù)倉庫的新決策支持系統(tǒng)結(jié)構:新決策支持系統(tǒng)的特點是從數(shù)據(jù)中獲取輔助決策的 信息和知識。新決策支持系統(tǒng)與商業(yè)智能概念最早是(business intelligence, BI)Garther于1996年提出的。商業(yè)智能以數(shù)據(jù)倉庫為基礎，通過聯(lián)機分析處理和數(shù)據(jù)挖掘技術幫助企業(yè)領導者針對市場變化的 環(huán)境，作出快速、準確的決策。商業(yè)智能是一種技術，新決策支持系統(tǒng)是解決實際決策問 題的一個系統(tǒng)。新決策支持系統(tǒng)是利用商業(yè)智能技術來解決實 際決策問題的系統(tǒng)。商業(yè)智能所體現(xiàn)的智能行為在于：能夠解決市場環(huán)境中隨 機變化的決策問

14、題。6. 2.3新決策支持系統(tǒng)與商業(yè)智能商業(yè)智能的決策支持表現(xiàn)為以下幾方面。1、商業(yè)智能的數(shù)據(jù)分析（1）聯(lián)機分析處理的多維數(shù)據(jù)分析對多維數(shù)據(jù)進行切片、切塊、鉆取、旋轉(zhuǎn)等操作來完成多 維數(shù)據(jù)的分析。（2） what-if分析（假設分析）what-if分析為決策者提供多種參考依據(jù)，提高決策效果。（3）建立客戶購買商品的偏愛和選擇模型通過模型找出客戶偏愛和選擇商品的關系，擴大公司在市 場中的競爭能力。J 6.2.3 新決策支持系統(tǒng)與商業(yè)智能2、業(yè)務智能管理（1）客戶智能客戶智能是提供全方位的客戶信息查詢、分析和監(jiān)控的 系統(tǒng)。（2）營銷智能通過分析、報告、管理和監(jiān)控營銷信息來幫助企業(yè)的高級執(zhí)行官、營銷

15、專家和分析人員制定戰(zhàn)略性的營銷策略。（3）銷售智能提供全面的銷售團隊分析、銷售業(yè)績分析、根源分析和 業(yè)績管理來幫助企業(yè)領導者制定銷售策略及對銷售業(yè)務快 速作出市場反應。, 6. 2. 3新決策支持系統(tǒng)與商業(yè)智能(4)服務智能提供強大的服務智能分析(服務請求狀態(tài)分析、服務請 求解決方案分析、代理商/分析人員效率分析等)和個性化 服務來分析與服務相關活動的全面信息，監(jiān)控服務質(zhì)量。最 終幫助企業(yè)制定更合理高效的服務策略。(5)采購智能提供一些工具，用于確定哪些供應商一直在及時提供質(zhì) 優(yōu)價廉的產(chǎn)品和服務。這些信息用來建立供應商戰(zhàn)略聯(lián)盟， 改善供應商關系，更直接地將重點放到改進供應商服務的機 會上。&a

16、mp; 6.2.3 新決策支持系統(tǒng)與商業(yè)智能(6)流程管理智能為流程制造商提供產(chǎn)品、生產(chǎn)、存貨和成本信息以解 決流程制造業(yè)中的特定問題，為流程制造商提供更好的決策 信息和持續(xù)流程改善的建議。(7)財務智能提供一種易于使用的Web格式的財務盈利狀況分析報表、 現(xiàn)金流分析報表、現(xiàn)金狀況分析報表、資產(chǎn)管理分析報表、 項目分析報表等，方便企業(yè)迅速地分發(fā)財務信息，從而使財 務主管能更及時地作出更好的決策。6. 2.4新決策支持系統(tǒng)實例1、沃爾瑪(Wal-Mart)公司簡介美國的沃爾瑪(Wal-Mart)是世界最大的零售商，2002年4月，該公司躍居財富500強企業(yè)排行第一，在全球擁 有4000多家分店和

17、連鎖店。2、信息技術的成功運用造就了沃爾瑪6.2.4新決策支持系統(tǒng)實例(1) Wal-Mart建立了基于NCR Teradata數(shù)據(jù)倉庫的決 策支持系統(tǒng)，它是世界上的第二大數(shù)據(jù)倉庫系統(tǒng)，總?cè)萘窟_ 到170TB以上。(2)強大的數(shù)據(jù)倉庫系統(tǒng)將世界4000多家分店的每一筆業(yè)務數(shù)據(jù)匯總到一起，讓決策者能夠在很短的時間里獲得準 確和及時的信息，并作出正確和有效的經(jīng)營決策。而沃爾瑪 的員工也可以隨時訪問數(shù)據(jù)倉庫，以獲得所需的信息。(3)沃爾瑪?shù)膭?chuàng)始人薩姆沃爾頓在他的自傳中說:“我總是喜歡盡快得到那些數(shù)據(jù)，我們越快得到那些信息, 我們就能越快采取行動，這個系統(tǒng)已經(jīng)成為我們的一個重要 工具”。3、沃爾瑪數(shù)據(jù)

18、倉庫系統(tǒng)的發(fā)展過程(1)沃爾瑪?shù)臄?shù)據(jù)倉庫始建于20世紀80年代，并一直 由NCR數(shù)據(jù)倉庫公司幫助經(jīng)營。(2) 1988年沃爾瑪數(shù)據(jù)倉庫容量為12GB； 1997年擴展到24TB；今天，沃爾瑪?shù)臄?shù)據(jù)倉庫已經(jīng)驚人地達到了 170TB。(3)利用數(shù)據(jù)倉庫，沃爾瑪對商品進行市場類組分析(marketing basket analysis),即分析哪些商品顧客最有希望一起購買。沃爾瑪利用數(shù)據(jù)挖掘工具(模式識別軟件) 對這些數(shù)據(jù)進行分析和挖掘。例如尿布和啤酒的故事。(4)如今，沃爾瑪利用NCR的Teradata對超過7.5TB的數(shù)據(jù)進行存儲，這些數(shù)據(jù)主要包括每天夜間從4000多個商店通過前端設備(P0S,

19、掃 描儀)自動采集過來的原始銷售數(shù)據(jù)和庫存數(shù)據(jù),它們通過衛(wèi)星線路傳到總部的數(shù)據(jù)倉庫里。(5)數(shù)據(jù)倉庫存有196億條記錄，每天處理并 更新2億條記錄，要對來自6000多個用戶的 48000條查詢語句進行處理。(6)沃爾瑪數(shù)據(jù)倉庫里最大的一張表格容量已超過300GB,存有50億條記錄，可容納65個星 期4000多個商店的銷售數(shù)據(jù)，而每個商店有5 萬8萬個商品品種。, 4、沃爾瑪進行決策支持分析(1)商品分組布局合理的商品布局是一種微觀銷售策略，它能節(jié)省購買時間并刺激顧客的購買欲望。沃爾瑪利用市場類組分析(MBA),分析 顧客的購買習慣，掌握不同商品一起購買的概 率及購買者在商店里的穿行路線和時間，

20、從而 確定商品的最佳布局。4、沃爾瑪進行決策支持分析（續(xù)）（2）降低庫存成本加快資金周轉(zhuǎn)，降低庫存成本是一個重要問 題。沃爾瑪通過數(shù)據(jù)倉庫系統(tǒng)，將成千上萬種商 品的銷售數(shù)據(jù)和庫存數(shù)據(jù)集中起來，通過數(shù)據(jù)分 析，以決定對各個商店各類貨物進行增減，確保 正確的庫存。數(shù)據(jù)倉庫系統(tǒng)不僅使沃爾瑪省去了商業(yè)中介, 還把定期補充庫存的擔子轉(zhuǎn)嫁到供應商身上。4 4、沃爾瑪進行決策支持分析（續(xù)）（3） 了解銷售全局每天，各商店都把商品種類、銷售數(shù)量、 商店地點、價格和日期等分類信息傳回總部, 使沃爾瑪能確切知道當天的運營和財政情況。憑借對瞬間信息的隨時捕捉，沃爾瑪對銷售的每一點增長、庫存貨物百分比的每點上升 和通

21、過削價而提高的每一份銷售額都了如指掌3 4、沃爾瑪進行決策支持分析(續(xù))(4)市場分析沃爾瑪利用數(shù)據(jù)挖掘工具和統(tǒng)計模型對數(shù)據(jù)倉庫的數(shù)據(jù)仔細研究，以分析顧客的購買習慣、廣告成功率和其他戰(zhàn)略性信息。(5)趨勢分析沃爾瑪利用數(shù)據(jù)倉庫對商品品種和庫存的趨勢 進行分析，以選定需要補充的商品，研究顧客購 買趨勢，分析季節(jié)性購買模式，確定降價商品， 并對其數(shù)量和運作作出反應。5、啟示(1)沃爾頓在自傳中寫道：“我能頃刻之間把信息提取出來，而且是所有 的數(shù)據(jù)。我能拿出我想要的任何東西，并確切地講 出我們賣了多少”。(2)基于NCRTeradata的數(shù)據(jù)倉庫系統(tǒng)改變了 沃爾瑪，而沃爾瑪改變了零售業(yè)。許多世界頂尖級 的零售企業(yè)在它的影響下都先后建立了數(shù)據(jù)倉庫系 統(tǒng)。沃爾瑪?shù)某晒o人以啟示：惟有站在信息巨 人的肩頭，才能掌握無限，創(chuàng)