决策支持系统考试整理.docx

决策支持系统考试整理.docx

《决策支持系统考试整理.docx》由会员分享，可在线阅读，更多相关《决策支持系统考试整理.docx（30页珍藏版）》请在冰点文库上搜索。

决策支持系统考试整理

决策支持系统考试整理

第一章概述（1简1空2名词）

1.1

1.数据处理（EDP）

•数据处理:

包括数据收集、数据录入、数据正确性检查、数据操作与加工、数据输出等

•数据处理的特点:

数据量大、时效性强、运算较简单、每次处理一条记录

2.管理信息系统（MIS）

•管理信息系统的定义：

管理信息系统是由人和计算机相结合的对管理信息进行收集、存储、维护、加工、传递和使用的系统。

•管理信息系统的特性：

事务处理为主；为结构化决策服务；具有系统的特性；以数据库为基础

•管理信息系统的功能：

事务处理、数据库的更新和维护、产生各类报表、查询功能、用户的交互

3.管理科学（MS）

•管理科学（或称为运筹学）：

是对管理问题用定量分析方法，建立数学模型，通过求解计算，达到辅助管理决策的一门科学。

•管理科学解决问题的步骤：

1定义问题和确定目标

2建立模型：

模型：

对客观规律的抽象描述

1求解模型，优化方案

2检验、评价模型是否合理

3运用模型解决问题、不断优化模型

4.决策支持系统（DSS）：

陈文伟的定义：

决策支持系统是综合利用大量数据，有机组合众多模型，通过人机交互，辅助各级决策者实现科学决策的系统。

•DSS将MIS的数据处理功能和运筹学中模型的数值计算功能集成起来，具有更高层次的辅助决策

•DSS继承了MIS的数据库和数据库管理系统，实现了数据处理功能。

•DSS增加的模型库和模型库管理系统把众多的模型有效地组织和存储起来，建立了模型库和数据库的有机结合。

MIS与DSS的区别（见后面）

•MIS：

解决结构化问题

•DSS：

解决半结构化问题

•其中，DSS中数学模型和数据是可以计算机程序实现的，这部分是结构化的；而对于多个解决方案的选择在计算机中是难以实现的，由人来解决，这部分是非结构化的。

•决策支持系统的特性：

•用定量方式辅助决策，而不是代替决策

•使用大量的数据和多个模型

•支持决策制定过程

•为多个管理层次上的用户提供决策支持

•能支持相互独立的决策和相互依赖的决策

•用于半结构化决策领域

5.智能决策支持系统（IDSS）：

•IDSS是以决策支持系统为主体，结合人工智能技术形成的系统。

•IDSS中的人工智能技术有：

专家系统、神经网络、机器学习、遗传算法以及自然语言理解等。

6.NDSS和SDSS：

•20世纪90年代兴起的数据仓库、联机分析处理和数据挖掘三项新技术为决策支持系统开辟了一条以从数据中获取辅助决策信息的新路，我们称它为新决策支持系统。

•它与传统决策支持系统不是覆盖关系，而是互补关系。

•新决策支持系统与传统决策支持系统的结合，我们称为综合决策支持系统。

1.2

一、决策问题的结构化分类：

•按问题的结构化程度分类，即对决策问题的内在规律能否用明确的程序化语言（数学的、逻辑的、形式的、定量的、推理的）给以清晰的说明或者描述。

–结构化决策：

能够描述清楚

–非结构化决策：

不能够描述清楚的

–半结构化决策：

介于两者之间

•结构化问题可以用计算机程序来实现。

•非结构化问题计算机难以处理。

•当把计算机和人有机的结合起来就能有效地处理半结构化决策问题。

三、DSS与MS/OR的关系

•以模型辅助决策是管理科学/运筹学（MS/OR）和决策支持系统（DSS）的共同基础。

•DSS与MS/OR比较，有如下的特点：

1DSS将数据和模型通过接口组成一个系统。

2DSS需要多模型间的选择和多模型的组合，形成多个方案。

3DSS通过人机交互支持人对非结构问题的决策。

4DSS能便利用户的使用和适应用户的不同需求。

MIS

DSS

中层管理人员

高层决策人员

事务处理

辅助决策

以数据库为基础，数据驱动

以模型库为基础，模型驱动

查询报表固定

满足决策需求

追求处理效率

追求决策准确

结构化决策

半结构化决策

四、DSS与MIS的关系

•DSS是从MIS的基础上发展起来的，都是以数据库系统为基础，都需要进行数据处理，也都能在不同程度上为用户提供辅助决策信息。

•DSS与MIS比较，具有以下不同：

2.1

二、决策的特征：

目的性；超前性；创造性；管理性

三、科学决策：

科学决策是决策者依据科学方法、科学程序、科学手段所进行的决策工作。

•科学决策的主要特点是：

1有科学的决策体系和运作机制。

决策体系包括决策系统、参谋系统、信息系统、执行系统和监督系统。

2遵循科学的决策过程。

决策过程包括：

提出问题和确定目标；拟定决策方案；决策方案的评估和优选；决策的实施和反馈。

3重视“智囊团”在决策中的参谋咨询作用。

4运用现代科学技术和科学方法。

四、决策原则：

1在决策全过程中需要遵循的原则：

–实事求是原则：

根据实际情况确定方针。

–“外脑”原则：

重视发挥参谋、智囊作用。

–经济原则：

力求节约财力、人力、物力等。

2在确定决策目标时需遵循的原则

–差距原则：

决策目标与现实之间存在一定差距。

–紧迫原则：

解决目标与现实之间的差距具有紧迫性。

–“力及”原则：

达到目标解决差距应该是力所能及的，是主客观条件所允许的，有解决的现实可能性。

3在制定备选方案时遵循的原则

−瞄准原则：

备选方案必须瞄准决策目标。

−差异原则：

各备选方案之间必须有差异。

4在优选方案时遵循的原则

−“两最”原则：

最优方案应是效益最大、可靠性最大，损失最小、风险性最小的决策方案。

−预后原则：

选定的方案应具有应变能力和预防措施。

−时机原则：

决策应在信息充分或根据充分的时机作出，不能超前或拖后。

5在决策实施过程中需遵循的原则

−跟踪原则：

决策付诸实施后要随时检查验证。

−反馈原则：

一旦发生决策与客观情况不适应之处，要及时采取措施，进行必要修改和调整。

2.2决策过程

•

Ｈ.Ａ.西蒙将决策过程分为四大步骤：

1确定决策目标；

2拟定各种被选方案；

3从各种被选方案中进行选择；

4执行方案。

•信息的收集、加工、传输与利用贯穿着决策各阶段的工作过程。

•现代管理的核心是决策。

决策的基础是信息。

2.3决策体系

•决策体系的定义：

指决策整个过程中的各个层次、各个部门在决策活动中的决策权限、组织形式、机构设置、调节机制、监督方法的整个体系。

•决策体系由决策系统、参谋（智囊）系统、信息系统、执行系统和监督系统组成的一个统一整体。

•决策体系运行过程：

参谋系统利用信息系统制定决策方案提供给决策系统，决策系统利用信息系统提供的信息对参谋系统提供的方案进行决策。

决策系统的决策指令，在监督系统的监督下，由执行系统贯彻执行，执行的情况和结果，又经过智囊系统和信息系统反馈到决策系统。

智囊系统根据新情况给决策系统提供补充或修改方案，决策系统对修改方案进行决策，作出修订指示，再由执行系统执行。

第二章DSS结构（1简1空）

一、“三部件”结构形式

1980年Spraque提出着名的决策支持系

统的三部件结构。

（一）对话部件

1.提供丰富多采的显示和对话形式

2.输入输出转换

3.控制决策支持的有效运行

（二）数据部件

1.数据库存贮的组织形式

2.数据库管理系统功能

3.数据库管理语言体系

（三）模型部件

1.模型库的特征

模型的表示形式：

程序形式（计算机内）

模型的动态形式：

运行程序

2.模型库管理系统

静态管理（类似数据库的管理）

动态管理（运行控制）

3.模型库管理系统的语言体系

管理语言

操纵语言

4.模型库管理系统的特定功能

模型程序的编辑和编译

二、三系统结构形式

1981年R.H.Bonczek等人提出了决策支技系统（DSS）的三系统结构形式：

1.语言系统：

语言系统的功能是把自然语言转化为机器能够理解的形式，以及把机器对问题的解答或者系统内部的其他信息转化为自然语言的相应形式向用户输出。

一个语言系统既包含数据库语言（它可由用户或由模型来检索数据的语言），也包含数值计算语言（它由用户操纵模型计算的语言）。

2.问题处理系统：

问题处理系统是对描述的决策问题进行识别、分析和求解问题的过程。

语言系统用于对问题、答案的形式化描述；

知识系统用于对问题的分析和求解；

3.知识系统：

知识系统是问题领域的知识。

它包含问题领域中的大量事实和相关知识。

最基本的知识系统（KS）是由数据文件或数据库组成。

数据库的一条记录表示一个事实。

它是按一定的组织方式进行存贮。

决策支持系统的结构比较

决策支持系统有多种结构形式，但主要是两种基本结构形式：

（1）以“对话（人机交互）、模型、数据”三部件组成DSS。

（2）以“语言系统（LS）、问题处理系统（PPS）、知识系统（KS）”三系统组成DSS。

“对话、模型、数据”三部件结构的优点：

①明确了三部件之间关系，即它们之间的接口关系和集成关系，便于决策支持系统的设计和关键技术的解决。

②便于和其他系统的区别。

它和“管理信息系统（MIS）”的区别在于DSS多了模型部件。

它和“专家系统（ES）”的区别在于DSS中是以“模型、数据”部件进行数值计算为主体的系统，而ES是以定性知识进行推理为主体的系统。

“对话、模型、数据”三部件结构的缺点：

①没有突出DSS的问题处理特性。

问题处理系统是解决决策问题的核心，它虽然用到模型和数据，但对不同的DSS，问题处理是大不相同的。

②没有突出语言系统。

DSS所采用的语言包含数据库语言和高级语言的双重功能。

作为该三部件结构，可以理解为问题处理系统和语言系统都隐含在人机交互系统中。

“LS、PPS、KS”三系统结构的优点

①突出了问题处理系统（PPS）的重要性。

在设计和开发DSS时，应该重点考虑决策问题的处理。

②明确了语言系统（LS）在人机交互中的作用。

人机交互是要通过语言系统来完成的。

决策问题的形式化也要用LS来描述。

③统一了知识的看法。

将数据、模型、规则看成是知识不同表现形式。

“LS、PPS、KS”三系统结构的缺点：

①忽略了数据库系统、模型库系统的相互关系对于开发决策支持系统是不利的。

②不适合与其它系统的区别。

如果把LS看成是数据库语言，把KS看成是数据库，把PPS看成是管理信息处理，则该“LS、PPS、KS”就是MIS。

如果把LS看成是PROLOG，把KS看成知识库，把PPS看成是推理机，则该“LS、PPS、KS”就是ES。

这是该结构的致命弱点。

五、决策支持系统的统一结构形式

三部件结构中的最大弱点，在于“人机交互”部件太简化。

该部件应该是三系统中问题处理系统和语言系统的综合部件。

把“人机交互部件”改为“人机交互与问题综合系统”即“综合部件”更合适一些。

它具有对决策问题综合“多模型组合运行，大量数据库的存取，人机交互”为一个整体，形成实际决策支持系统。

“人机交互与问题综合系统（综合部件）”可理解为对实际决策问题的集成处理与人机交互。

它包含的功能有：

•人机交互

•控制模型的运行

•多模型的组合运行

•数值计算

•数据处理

决策支持系统的语言系统的功能要求比较高，即它应具有：

调用模型运行能力、数据库存取能力、数值运算能力、数据处理能力、人机交互能力等五种综合能力，我们称它为决策支持系统语言（DSS语言）。

DSS语言应是两类语言（数值计算语言和数据库语言）的综合。

人机交互系统

人机交互的三个元素：

•交互设备计算机系统的输入输出设备

•交互软件展示各种交互功能的核心

•人的因素用户操作模型

•人机交互方式有多种形式：

菜单|填表|命令|语言|屏幕显示|窗口|报表输出

人机交互系统：

主要实现人机对话和对DSS的控制。

问题综合系统：

用DSS语言描述决策问题（形式化），实现对DSS问题的分析和求解。

问题综合系统实质是：

按决策问题需求，综合模型部件中的模型和数据部件中的数据以及有关的人机对话，形成DSS方案，编制DSS程序，在计算机上运行，求出DSS的解。

第三章模型库（1简1空）

模型库的存储需求：

1个模型对应2～4个文件：

源程序文件

目标程序文件

模型说明文件

数据描述文件

模型库由字典库和文件库两者组成：

字典库-作用:

模型文件的索引；便利模型的分类；便利对模型的查询和修改。

组织结构：

文本形式——适用于单个模型

菜单形式——适用于模型软件包

数据库形式——适用于DSS

模型的三种程序组合方式：

第四章数据库（1简1空1名词）

一、数据库系统组成

数据库系统一般由四部分组成：

1、数据库（DB）

2、数据库管理系统（DBMS）

3、数据库管理员

4、用户和应用程序

数据库系统的核心是数据库管理系统和数据库。

数据库管理系统有四项主要功能：

1、描述数据库

描述数据的逻辑结构、存储结构、语义信息和保密要求等。

2、管理数据库

（1）控制数据库系统的运行；

（2）控制用户的并发访问；

（3）进行数据检索、插入、删除和修改的操作；

3、维护数据库

（1）初始数据的装入；

（2）修改、更新数据库；

（3）恢复故障的数据库；

4、数据通信

完成数据的传输

数据库管理系统是通过数据库语言来实现的。

1、数据描述语言（DDL）及其编译程序用于描述数据库的数据结构。

2、数据操作语言（DML）及其编译程序操作语言供用户存储、检索、修改数据库中的数据。

数据库应用系统的设计过程主要是：

（1）系统需求分析

（2）概念结构设计（3）逻辑结构设计（4）物理结构设计

第五章数据仓库（1简1空1名词）

6.1.1数据仓库的概念

（1）W.H.Inmon在《建立数据仓库》一书中，对数据仓库的定义为：

数据仓库是面向主题的、集成的、稳定的，不同时间的数据集合，用于支持经营管理中决策制定过程。

（2）SAS软件研究所定义：

数据仓库是一种管理技术，旨在通过通畅、合理、全面的信息管理，达到有效的决策支持。

传统数据库用于事务处理，也叫操作型处理，是指对数据库联机进行日常操作，即对一个或一组记录的查询和修改，主要为企业特定的应用服务的。

用户关心的是响应时间，数据的安全性和完整性。

数据仓库用于决策支持，也称分析型处理，用于决策分析，它是建立决策支持系统（DSS）的基础。

DB和DW的区别：

2、数据仓库特点

（1）数据仓库是面向主题的

主题是数据归类的标准，每一个主题基本对应一个宏观的分析领域。

例如，银行的数据仓库的主题：

客户

DW的客户数据来源：

从银行储蓄DB、信用卡DB、贷款DB等三个DB中抽取同一客户的数据整理而成。

在DW中分析客户数据，可决定是否继续给予贷款。

（2）数据仓库是集成的

数据进入数据仓库之前，必须经过加工与集成。

对不同的数据来源进行统一数据结构和编码。

统一原始数据中的所有矛盾之处，如字段的同名异义，异名同义，单位不统一，字长不一致等。

将原始数据结构做一个从面向应用到面向主题的大转变。

（3）数据仓库是稳定的

数据仓库中包括了大量的历史数据。

数据经集成进入数据仓库后是极少或根本不更新的。

（4）数据仓库是随时间变化的

数据仓库内的数据时限在5~10年，故数据的键码包含时间项，标明数据的历史时期，这适合DSS进行时间趋势分析。

而数据库只包含当前数据，即存取某一时间的正确的有效的数据。

数据仓库结构：

近期基本数据：

是最近时期的业务数据，是数据仓库用户最感兴趣的部分，数据量大。

历史基本数据：

近期基本数据随时间的推移，由数据仓库的时间控制机制转为历史基本数据。

轻度综合数据：

是从近期基本数据中提取出的，这层数据是按时间段选取，或者按数据属性（attributes）和内容（contents）进行综合。

高度综合数据层：

这一层的数据是在轻度综合数据基础上的再一次综合，是一种准决策数据。

数据集市概念

•数据集市（DataMarts）是一种更小、更集中的数据仓库，为公司提供分析商业数据的一条廉价途径。

•数据集市是指具有特定应用的数据仓库，主要针对某个应用或者具体部门级的应用，支持用户获得竞争优势或者找到进入新市场的具体解决方案。

数据集市的特性：

1、规模是小的；2、特定的应用；3、面向部门；4、由业务部门定义，设计和开发；5、由业务部门管理和维护；6、快速实现；7、购买较便宜；8、投资快速回收；9、工具集的紧密集成；10、更详细的、预先存在的数据仓库的摘要子集；11、可升级到完整的数据仓库

6.1.4元数据

元数据是数据仓库的重要组成部分。

元数据描述了数据仓库的数据和环境，即关于数据的数据（metadata）

元数据包括四种元数据。

1、关于数据源的元数据

元数据是现有的业务系统的数据源的描述信息。

元数据是对不同平台上的数据源的物理结构和含义的描述。

具体为：

（1）数据源中所有物理数据结构，包括所有的数据项及数据类型。

（2）所有数据项的业务定义。

（3）每个数据项更新的频率，以及由谁或那个过程更新的说明。

（4）每个数据项的有效值。

2、关于数据模型的元数据

数据仓库的数据模型是星型模型。

通常企业数据模型被用作建立仓库数据模型的起始点，再对模型加以修改和变换。

3、关于数据仓库映射的元数据

元数据是数据源与数据仓库数据间的映射。

当数据源中的一个数据项与数据仓库建立了映射关系，就应该记下这些数据项发生的任何变换或变动。

即用元数据反映数据仓库中的数据项是从哪个特定的数据源填充的，经过那些转换，变换和加载过程。

4、关于数据仓库使用的元数据

这类元数据是数据仓库中信息的使用情况描述。

数据仓库的用户最关心的是两类元数据：

（1）元数据告诉数据仓库中有什么数据，它们从哪里来。

即如何按主题查看数据仓库的内容。

（2）元数据提供已有的可重复利用的查询语言信息。

如果某个查询能够满足他们的需求，或者与他们的愿望相似，他们就可以再次使用那些查询而不必从头开始编程。

关于数据仓库使用的元数据能帮助用户到数据仓库查询所需要的信息，用于解决企业问题。

6.2数据仓库系统

6.2.1数据仓库系统结构

数据仓库系统由数据仓库（DW）、仓库管理和分析工具三部分组成。

1、数据仓库管理系统

（1）定义部分

用于定义和建立数据仓库系统。

它包括：

（1）设计和定义数据仓库的数据库

（2）定义数据来源

（3）确定从源数据向数据仓库复制数据时的清理和增强规则

（2）数据获取部分

该部件把数据从源数据中提取出来，依定义部件的规则，抽取、转化和装载数据进入数据仓库。

（3）管理部分

它用于管理数据仓库的工作，包括：

（1）对数据仓库中数据的维护

（2）把仓库数据送出给分散的仓库服务器或DSS用户

（3）对仓库数据的安全、归档、备份、恢复等处理工作

（4）信息目录部件（元数据）

数据仓库的目录数据是元数据，由三部分组成：

技术目录：

由定义部件生成，关于数据源、目标、清理规则、变换规则以及数据源和仓库之间的映象信息。

业务目录：

由仓库管理员生成，关于仓库数据的来源及当前值；预定义的查询和报表细节；合法性要求等。

信息引导器：

使用户容易访问仓库数据。

利用固定查询或建立新的查询，生成暂时的或永久的仓库数据集合的能力等。

2、数据仓库工具集

分析工具集分两类工具：

（1）查询工具

数据仓库的查询不是指对记录级数据的查询，而是指对分析要求的查询。

一般包含：

可视化工具：

以图形化方式展示数据，可以帮助了解数据的结构，关系以及动态性。

多维分析工具（OLAP工具）:

通过对信息的多种可能的观察形式进行快速、一致和交互性的存取，这样便利用户对数据进行深入的分析和观察。

多维数据的每一维代表对数据的一个特定的观察视角，如时间、地域、业务等。

（2）数据挖掘工具

从大量数据中挖掘具有规律性知识，需要利用数据挖掘（DataMining）工具。

3、数据仓库的运行结构

数据仓库应用是一个典型的客户/服务器（C/S）结构形式。

数据仓库采用服务器结构，客户端所做的工作有：

客户交互、格式化查询、结果显示、报表生成等。

服务器端完成各种辅助决策的SQL查询、复杂的计算和各类综合功能等。

现在，越来越普通的一种形式是三层C/S结构形式，即在客户与数据仓库服务器之间增加一个多维数据分析（OLAP）服务器。

三层C/S结构

OLAP服务器将加强和规范化决策支持的服务工作，集中和简化了原客户端和数据仓库服务器的部分工作，降低了系统数据传输量。

这种结构形式工作效率更高。

数据仓库是以多维表型的“维表—事实表”结构形式组织的，共有三种形式：

1、星型模型

大多数的数据仓库都采用“星型模型”。

星型模型是由“事实表”（大表）以及多个“维表”（小表）所组成。

“事实表”中存放大量关于企业的事实数据（数量数据）。

2、雪花模型

雪花模型是对星型模型的扩展，雪花模型对星型模型的维表进一步层次化，原来的各维表可能被扩展为小的事实表，形成一些局部的“层次”区域。

它的优点是最大限度地减少数据存储量，以及把较小的维表联合在一起来改善查询性能。

在上面星型模型的数据中，对“产品表”“日期表”“地区表”进行扩展形成雪花模型数据见下图。

3、星网模型

星网模型是将多个星型模型连接起来形成网状结构。

多个星型模型通过相同的维，如时间维，连接多个事实表。

6.3联机分析处理

联机分析处理（OnLineAnalyticalProcessing，OLAP）的概念最早是由关系数据库之父E.F.Codd于1993年提出的。

在数据仓库系统中，联机分析处理是重要的数据分析工具。

OLAP的基本思想是从多方面和多角度以多维的形式来观察企业的状态和了解企业的变化。

OLAP是在OLTP的基础上发展起来的。

OLTP是以数据库为基础的，面对的是操作人员和低层管理人员，对基本数据的查询和增、删、改等进行处理。

OLAP是以数据仓库为基础的数据分析处理。

它有两个特点：

一是在线性（OnLine），由客户机/服务器这种体系结构来完成的；

二是多维分析，这也是OLAP的核心所在。

联机分析处理是共享多维信息的快速分析。

它体现了四个特征：

（1）快速性：

用户对OLAP的快速反应能力有很高的要求。

（2）可分析性：

OLAP系统应能处理任何逻辑分析和统计分析。

（3）多维性：

系统必须提供对数据分析的多维视图和分析。

（4）信息性：

OLAP系统应能及时获得信息，并且管理大容量的信息

4、OLAP与OLTP的关系与比较

（1）OLTP

OLTP是低层人员利用计算机网络对数据库中的数据进行查询、增、删、改等操作，以完成事务处理工作。

OLTP利用数据库快速地处理具体业务。

OLTP应用要求多个查询并行。

（2）OLAP

OLAP是高层人员对数据仓库进行信息分析处理。

①存取大量的数据

②包含聚集的数据

③按层次对比不同时间周期的聚集数据

④以不同的方式来表现数据

⑤要包含数据元素之间的复杂的计算

⑥能够快速的响应用户的查询

第六章DSS开发（1简）

DSS系统开发的主要步骤为：

（1）DSS系统分析，包括确定实际决策问题目标，对系统分析论证。

（2）DSS系统初步设计，包括对决策问题进行分解成多个子问题以及它们的综合。

（3）DSS系统详细设计，包括各个子问题的详细设计（数据设计和模型设计）和综合设计。

数据设计包括数据文件设计和数