注会《风险》第八章 管理信息系统的应用与管理.doc

《注会《风险》第八章 管理信息系统的应用与管理.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第八章管理信息系统的应用与管理第二节管理信息系统的应用三、信息系统与组织决策（四）群体决策支持系统（GDSS）（★）1.群体决策与群体决策支持系统。在组织中，大多数重大决策都不是某个个体完成的，而是群体决策的结果。相比个体决策，群体决策具有如下特点：（1）通常决策的正确性更高，但速度较慢；（2）集思广益，决策可能更具创造性；（3）可能出现风险极端化，可能过度保守或过度冒险；（4）群体成员关系好坏可能左右决策效能；（5）决策群体的构成对群体决策的影响较大。群体决策支持系统（groupdecisionsupportsystem，GD

2、SS），是指在系统环境中，多个决策参与者共同进行思想和信息的交流，群策群力，寻找一个令人满意和可行的方案，但在决策过程中只由某个特定的人做出最终决策，并对决策结果负责。2.群体决策支持系统的应用。GDSS按照决策时间和群体成员地理上的邻近程度可分为决策室、局域决策网、电子会议、远程决策四种应用类型。（1）决策室。决策室的主要特征是决策者面对面地在同一时间和地点进行群体决策。设立一个与传统会议室相似的决策室，决策者通过互联的计算机站点相互合作完成决策。决策室是相对较简单的GDSS，主要缺点是不能有效地屏蔽各决策者之间的相互影响。（

3、2）局域决策网。局域决策网型GDSS建立在局域网（localareanetwork，LAN）的基础上。在决策过程中，各决策者在近距离的不同房间的工作站上参与群体决策，共享决策源，通过网络相互通信，以了解其他决策结点的状态及全局状态。这种类型GDSS的主要优点是可以克服定时决策的限制，决策者可在决策周期内分时地参与决策。（3）电子会议。电子会议利用计算机网络的通信技术，使分散各地的决策者在同一时间内进行集中决策。电子会议实质上与决策室相同，它的优点是能克服空间距离的限制。（4）远程决策。远程决策型GDSS充分利用广域网、互联网等信

4、息技术来支持群体决策，综合了局域决策网与电子会议的优点，可使决策者异时异地共同对同一问题做出决策。（五）商业智能（BI）（★）1.商业智能的概念。商业智能（businessintelligence，BI）通常被理解为：运用数据仓库、联机分析处理和数据挖掘等技术来分析和处理数据，将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。2.商务智能的主要分析工具。（1）联机分析处理。联机分析处理（OLAP）系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析

5、人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，从多方面和多角度以多维的形式来观察企业的状态、了解企业的变化。（2）数据挖掘及应用。数据挖掘（datamining，DW）是运用基于计算机的方法（包括新技术），从大量数据中提取出隐藏在数据中的有用信息的过程。数据挖掘的目的就是从大量数据中提取或“挖掘”知识，它是从数据库中进行知识发现（knowledgediscoveryindatabase，KDD）过程的核心部分。数据挖掘的主要功能和应用有6类：①数据特征总结与区分。数据特征总

6、结是对目标类数据的一般特征进行汇总，可以以直方图、饼状图、多维数据方、交叉表等多种形式进行输出，如对某一类顾客的特征汇总。数据区分是将目标类对象的一般特性与一个或多个对比类对象的一般特性比较，如对不同年龄段顾客购买行为的比较等。②关联分析。关联分析用来寻找数据库中值的相关性。两种常用的技术是关联规则和序列模式。关联规则是寻找在同一个事件中出现的不同项的相关性，如哪些商品经常一块儿被购买；序列模式与此类似，寻找的是事件之间时间上的相关性，如银行利率调整与随后股市的变化。③分类。分类技术在很多领域都有应用，例如可以通过客户分类构造一

7、个分类模型来对银行贷款进行风险评估；采用数据挖掘中的分类技术，可以将客户分成不同的类别，比如呼叫中心设计时可以分为：呼叫频繁的客户、偶然大量呼叫的客户、稳定呼叫的客户、其他，帮助呼叫中心寻找出这些不同种类客户之间的特征，这样的分类模型可以让用户了解不同行为类别客户的分布特征④预测。预测是把握分析对象发展的规律，对未来的趋势做出预见。如对销售活动效果的预测。⑤聚类。聚类是在不考虑已知分类的情况下对数据类或概念进行区分。它是在未知分类的前提下，将数据分成不同的群组，使群与群之间差别最大化，同时使同一个群之间的数据相似性最大化。如在不

8、知道要把客户分成几类的情况下进行客户细分，在此基础上可以制定一些针对不同客户群体的营销方案。【提示】分类就是按照某种标准给对象贴标签，再根据标签来区分归类。聚类是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组，聚类是指事先没有“标签”，而通过某种成因