第6章：综合决策支持系统.pptVIP

6.3.1 传统决策支持系统与 新决策支持系统的比较 1. 传统决策支持系统的特点 (1)用模型和模型的组合来辅助决策 多模型的组合扩大了模型辅助决策的能力。多模型的组合的实现是靠数据或数据处理来完成模型间的连接。 多模型的组合使模型的范围由数学模型扩展为数据处理模型等。 人机交互的手段丰富了多模型组合辅助决策的效果，也为人控制多模型的组合提供了支持手段。 （2）用知识推理进行定性分析 知识推理的专家系统主要是进行定性分析。它结合到决策支持系统中形成智能决策支持系统。 实质上完成了定量分析和定性分析相结合的辅助决策方式。 2. 新决策支持系统的特点 （1）数据仓库和联机分析处理的数据组织方式是多维数据 数据仓库的数据组织为空间的多维结构形式。 （2）数据仓库是为决策分析服务的 数据仓库可以提供综合信息和时间趋势信息等辅助决策信息。 （3）联机分析处理提供多维分析手段 （4）数据挖掘是从数据中挖掘出隐藏知识 6.3.2 数据仓库与数学模型 数据仓库未明确提出利用模型的问题 ，将数据汇总到综合数据，是需要通过汇总模型来完成的。 从历史数据中得到预测信息，是需要通过预测模型来完成的。 数据仓库将会逐步增加各种模型，来提高辅助决策效果。 以客户为中心的银行数据仓库使用模型情况 1. 建立分销渠道的分析 银行需要建立客户购买倾向模型和渠道喜好模型等。 2. 建立客户的利润评测模型 通过该模型能了解每一位客户对银行的总利润贡献度，知道哪些有利润的客户需要留住，采用什么方法留住客户。 银行通过以上模型实现的以客户为中 心的数据仓库决策支持系统，才能真正 实现个性化服务提高银行竞争优势。 数据仓库系统中增加数学模型来提高 辅助决策效果，将是今后发展的趋势。 6.3.3 综合决策支持系统结构、原理和定义 数据仓库（DW）实现对决策主题数据的存储和综合。 联机分析处理（OLAP）实现多维数据分析。 数据挖掘（DM）能挖掘数据仓库中的知识。 DW+OLAP+DM形成的新决策支持系统是利用数据资源辅助决策的。 新决策支持系统主要针对商场、银行、顾客、销售等获取企业外部社会上的信息。 传统决策支持系统是以模型库（MB）和知识库（KB）为基础的。 数学模型的优化模型辅助决策的效果很明显。知识推理具有较强的智能性。 传统决策支持系统充分发挥模型资源的辅助决策作用和知识资源辅助决策作用。 两个决策支持系统是完全不同的辅助决策方式，两者不能相互代替，应该是相互结合。 通过两个决策支持系统的结合能充分发挥数据、模型、知识这三种不同的决策资源，获取企业或组织的内部和外部相互补充的信息和知识，才能为决策者提供更全面，更广泛和更有效的辅助决策信息和知识。 把数据仓库（DW）、联机分析处理（OLAP）、数据挖掘（DM）、模型库（MB）、数据库（DB）、知识库（KB）结合起来形成的决策支持系统： 将传统决策支持系统和新决策支持系统结合起来的决策支持系统是更高级形式的决策支持系统，称为综合决策支持系统（Synthetic- Decision Support System, S-DSS）。 综合的决策支持系统结构图 综合决策支持系统体系结构包括三个主体: 第一个主体是模型库系统和数据库系统的结合，它是决策支持的基础，它为决策问题提供定量分析（模型计算）的辅助决策信息。 第二个主体是数据仓库和OLAP的结合，它从数据仓库中提取综合数据和信息，这些数据和信息反映了大量数据的内在本质。 第三个主体是知识库与推理机和数据挖掘的结合。 1．传统决策支持系统 利用第一个主体（模型库和数据库结合）的辅助决策系统是最早的决策支持系统。 2．智能决策支持系统 利用第一个主体和第三个主体（专家系统和数据挖掘）相结合的辅助决策系统就是智能决策支持系统。 3．新决策支持系统 利用第二个主体（数据仓库和OLAP）和第三个主体中的数据挖掘形成了新决策支持系统。 4．综合决策支持系统 将三个主体结合起来，即利用“问题综合和交互系统”部件集成三个主体，这样形成了综合决策支持系统。 综合决策支持系统是我们今后的方向。 5．决策支持系统的发展与综合定义 决策支持系统的发展体现