管理信息系统理论与实务 第3版 教学课件 作者 朱顺泉2 第6章1.ppt

《管理信息系统理论与实务 第3版 教学课件 作者 朱顺泉2 第6章1.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第6章决策支持系统1.智能化代表IDSS决策支持系统数据仓库数据挖掘人工智能技术（专家系统、神经网络、遗传算法）DSS案例:财务决策支持系统2.集成化代表ERP、CIMS计算机集成制造系统(CIMS)企业资源计划ERP、SCM、CRM等企业流程再造（BPR）ERP案例3.网络化代表EB或者EC电子商务案例决策支持系统广义地说：是以管理科学、行为科学、计算机科学和控制论为基础，以计算机技术、人工智能技术、经济数学方法和信息技术为手段，主要面对半结构化或非结构化的决策问题，支持中高级决策者的决策活动的一种

2、人机交互系统。它能为决策者迅速而准确地提供决策需要的数据、信息和背景材料，帮助决策者明确目标，建立和修改模型，提供备选方案，评价和优选各种方案，通过人机对话进行分析、比较和判断，为正确决策提供有力支持。狭义地说：是帮助决策者利用数据、模型、方法、知识推理等去解决非结构化或半结构化决策问题的人机交互系统。它主要由会话系统(即人机接口)、数据库、模型库、方法库、知识库及其管理系统组成。模型主要运筹学模型、统计模型、计量经济学模型、其他数学模型等。非结构化与结构化决策问题结构化决策：能用明确的语言和模型加以

3、描述。如工资计算、飞机订票等非结构化决策：难以用明确的语言和模型加以描述。如厂址选择、企业兼并、产品发展半结构化决策：介于两者之间，如库存控制、现金管理、预算分配、短期预测等决策支持系统的特征1.面向决策者2.主要解决半结构化或非结构化的决策问题3.强调DSS支持的作用，是"支持"而不是代替4.模型和用户共同驱动5.强调交互式的处理方式DSS与MIS的区别(1)完成任务：MIS建立完全公用的日常信息处理系统.DSS考虑管理目标,支持半结构化决策问题.(2)追求目标：MIS追求问题求解过程最优化.DSS

4、追求切实可行的方案，求解过程大部分是满意解甚至是可行解(3)设计思想：MIS是实现一个相对稳定的协调的工作环境,确保日常管理工作顺利进行.DSS是实现一个灵活的开放系统,按用户要求构造决策模型(4)处理技术：MIS强调系统性、客观性，做到科学化、最优化。DSS强调发挥人的经验、判断力、创造力(5)驱动方式：MIS是数据驱动的.DSS是模型驱动和用户驱动的.(6)操作方式：MIS不希望过多的人工干预.DSS强调以人机交互式会话来共同完成任务.人工干预因素较多,强调人的作用.(7)信息需求：MIS的分析设

5、计着重体现全局整体的信息需求,DSS强调决策者个人的需要.DSS基本结构决策者人机接口数据库管理系统模型库管理系统数据库模型库DSS的新动向与数据仓库与数据挖掘的结合产生新的DSS结构与人工智能的结合产生IDSS与Internet的结合产生GDSS数据仓库可以解决数据库难以解决的问题,如:过去5年3月某地区的销售数据是多少?数据仓库面向主题这意味着一个数据仓库必须是根据某些企业关心的主题来建立的时变性数据仓库中的数据是在一个很长的时轴（5至10年）上表现的数据非活性数据仓库中没有更新修改等操作基于数据

6、库仓库环境下的DSS数据仓库的DSS数据仓库（DW）在线分析处理（OLAP）数据挖掘（DM）数据挖掘方法（1）关联分析比如，超市中70%的客户在购买商品A的同时，有90%会购买B，即关联规则是A>=B。（2）序列分析比如，超市中60%的客户在购买商品A后，隔一段时间，其中有80%会再购买B，即序列模式是A>=B。（3）分类分析设有一个数据库和一组具有不同特征的类别（标记），且该数据库中的每一个记录都已经分好类，即数据库中的每一个记录都赋予一个类别的标记，我们把这样的数据库称为训练集。分类分析就是通过分

7、析训练集中的数据而求得分类规则，然后用这个分类规则对其他数据库中的记录进行分类。（4）聚类分析聚类分析就是通过分析数据库中的记录数据，根据一定的分类规则，合理划分记录集合，确定每个记录所在的类别。人工智能技术专家系统(ExpertSystems)人工神经网络遗传算法（选择（selection）、交叉（crossover）、变异（mutation）是遗传算法的3个主要操作算子）专家系统(ES)一个利用知识和推理过程来解决那些需要特殊的,重要的人类专家才能解决的复杂问题的计算机智能程序,专家系统的知识由事

8、实和启发性知识组成专家系统一般由以下部件组成：（1）知识获取设备；（2）知识库(规则库和事实库)；（3）知识库管理系统(KBMS)；（4）推理机构；（5）用户接口神经网络神经网络是一种按照人脑的组织和活动原理而构造的一种数据驱动型非线性模型。它是由神经元结构模型、网络连接模型、网络学习算法等几个要素组成。一个典型的神经元网络连接模型是由输入层、中间层（称为隐含层）和输出层3层神经元组成。每相邻两层的神经元之间都有一条带权值的线连接。要使神经网络产生所希望