《信息系统分析与设计》第11章：信息系统的高级层次

2,第11章 信息系统的高级层次,【学习目标】 通过本章学习，你将能够： 理解决策支持系统产生的背景 理解决策支持系统的思想 理解决策支持系统与专家系统的区别,3,11.1 引 言,早期的信息系统是作业信息系统，主要实现工资、应收账款等会计业务的自动化。20世纪70年代，信息系统又相继应用于订单处理、生产计划、运输管理等领域。企业信息系统的逐步完善使得管理业务的文书工作减少，管理费用得到控制，并且提高了服务的质量。随着企业经营环境的竞争程度愈演愈烈，企业的决策问题愈来愈复杂，对信息系统的要求越来越高，人们由此对信息系统的概念又有了新的定义。即信息系统是为企业决策服务的。信息系统的开发必须充分考虑决策者的因素。,4,11.2 决策支持系统概念的提出,MIS只能帮助管理者对信息做表面上的组织和管理，而不能把信息的内在规律更深刻地挖掘出来为决策服务。 在这种情况下，人们对信息系统概念的认识有了更进一步的理解信息系统要和人融为一体，充分发挥人的智能，系统分析人员和信息系统本身都不要企图取代决策者去做出决策，支持决策者才是他们正确的定位。而这些正是高级层次的信息系统的思想内涵。 由此，人们提出了决策支持系统(DSS)的概念。,5,11.3 决策支持系统的组成,DSS是一个不断发展的概念，随着科学技术的发展，DSS的思想或技术更趋成熟和完善，并更加智能化和柔性化。就是在同一时期，也可能采用不同的方法来达到决策支持的目的。 尽管DSS在表现形态上五花八门，但我们认为基本的DSS由五部分组成：人机接口(人机对话系统)、数据库系统、模型库系统、知识库系统和方法库系统。随着DSS技术的成熟，人们在这五个部件的基础上又开发了各自的管理系统，即对话管理系统、数据库管理系统、模型库管理系统、知识库管理系统、方法库管理系统。 下面，我们分别介绍这些部件。,6,11.3.1 人机接口,人机接口又称为人机对话系统，一般的DSS都必须具备人机接口，它是DSS中连接用户和系统的桥梁，起着在操作者、模型库、数据库、知识库和方法库之间传送(包括转换)命令和数据的重要作用。 人机接口的功能是指它的问题处理能力和它对自然语言的理解能力，即将人提出的问题和要求转变成计算机能够接受的行为。 人机界面的形式一般包括以下形式。 1) 提问/回答形式 2) 菜单形式 3) 命令语言 4) 窗口形式,7,11.3.2 数据库系统,数据库系统是DSS的一个最基本部件，它拥有支持决策所需的信息。 数据库系统一般由DSS数据库、数据库管理系统、数据字典、数据询问模块和数据析取模块组成。其中最主要的是数据库及其管理系统。 1. 数据库 2. 数据库管理系统 1) 面向决策支持过程组织和管理数据 2) 面向模型 3) 数据描述方式要面向不同的决策者,8,11.3.3 模型库系统,模型库系统是传统DSS的三大支柱之一，是DSS最有特色的部件之一。 模型库系统由模型库、模型库管理系统和模型字典三部分组成。 下面简单谈谈模型库系统的三个组成部分。 1. 模型库 2. 模型库管理系统 3. 模型字典,9,11.3.4 知识库系统,知识库系统所研究的问题几乎涉及知识工程中的所有问题，包括：知识的获取和解释、知识的表示、知识的推理以及知识库的管理和维护等。 知识获取的主要任务是从知识源抽取知识，转化为相应的计算机程序，开发支持知识获取的技术和系统的自学能力。 知识解释是为了提高系统的理解能力，增加系统的自学习水平，并且实现系统的透明性，提高系统的可接受性。 知识库的管理是主要针对知识库所存储规则的剧增和层次的日益丰富而提出的。,10,11.3.5 方法库系统,方法库系统由方法库、方法库管理系统、内部数据库和用户接口等几个部分组成。下面重点介绍方法库及其管理系统。 1. 方法库 方法库由方法程序库和方法字典组成。 2. 方法库管理系统 方法库管理系统用于完成对方法的建立、更新、检索、方法库与模型库之间的通信以及有关文件和方法库字典的管理等。,11,11.4 数 据 仓 库,数据仓库是DSS的基础，它是数据库与人工智能这两项计算机技术相结合的产物。经过多年的计算机应用和市场积累，许多商业企业已保存了大量原始数据和各种业务数据，这些数据真实地反映了商业企业主体和各种业务环境的经济动态。 20世纪70年代出现并被广泛应用的关系型数据库技术为解决这一问题提供了强有力的工具。从20世纪80年代中期开始，随着市场竞争的加剧，商业信息系统用户已经不满足于用计算机仅仅去管理日复一日的事务数据，他们更需要的是支持决策制定过程的信息。20世纪80年代中后期，出现了数据仓库思想的萌芽，为数据仓库概念的最终提出和发展打下了基础。,12,11.4.1 数据仓库的定义,数据仓库(Data Warehouse)可以看作是在信息系统部门中放置将要转化成信息的数据场所。 1. 数据仓库的数据是面向主题的 2. 数据仓库的数据是集成的 3. 数据仓库的数据是不可更新的 4. 数据仓库的数据是随时间不断变化的,13,11.4.2 数据仓库的结构,1. 数据仓库体系结构(Data Warehouse Architecture) 数据仓库的体系结构如图11-1所示。图中反映了数据仓库的主要元素以及与数据仓库相互作用的主要外部实体。,14,11.4.2 数据仓库的结构,2. 数据仓库的逻辑结构和物理结构 数据仓库中数据的基本结构如图11-2所示。,15,11.4.3 数据仓库系统,数据仓库系统(DWS)是多种技术的综合体，它由数据仓库(DW)、数据仓库管理系统(DWMS)和分析工具三部分组成，其结构如图11-3所示。,16,11.5 专 家 系 统,专家系统(Expert System，ES)是人工智能技术的一项典型应用。 专家系统是一类包含知识和推理的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。 专家系统工具可以融入到DSS中来扩展其能力，完成正规的决策支持系统不能完成的功能。,17,11.5.1 专家系统的组成,ES主要由知识库、推理机制、知识获取和解释模型等子系统组成，如图11-4所示。,18,11.5.1 专家系统的组成,1. 知识库 2. 推理机制 3. 知识获取子系统 4. 解释子系统,19,11.5.2 专家系统的工作方式,专家系统主要有两种类型的工作方式：基于规则的和基于框架的方式。前者是由一组规则(if-then)组成，规则用以描述如何使用知识，得出结论；后者用节点的网络表示知识，知识是按层次组织的。 1. 基于规则的系统 2. 基于框架的系统,20,11.5.3 专家系统的适用范围,专家系统通常被设计成某个特定领域的专家。 专家系统擅长于诊断、预测和计划问题。 专家系统被广泛应用于医疗诊断中。例如，MYCIN用来帮助医生运用病人的病历、症状、检查结果和传染器官特征等知识诊断血液传染病。 另一个专家系统擅长的领域是预测。 还有一种用于个人财政计划的名叫Plan Power的专家系统，利用用户的目标、税收、以前的投资、保险范围及财产等信息，为用户制定财政计划。,21,11.5.4 专家系统的局限性,尽管专家系统好处很多，但它的技术和使用也有一定的局限。首先专家系统不能真正代替专家。专家系统不是真正聪明，它们不能学习获取新的概念和规则，它们不能解决缺乏重点和清晰定义的问题。专家系统不能表现出常识。专家系统最基本的常识需要数以千计的命令。从真正意义上讲，专家系统不知道它们不知道的东西是什么。在需要它们狭窄领域之外的经验时，它们无法接受这种不确定性。,22,11.6 小 结,决策支持系统概念是在信息系统发展日趋成熟以及人们对信息系统概念的进一步深入理解的基础上提出的，信息系统要和人融为一体，充分发挥人的智能，信息系统所发挥的角色应该是支持而不是代替人的决策。 人们所遇到的决策问题通常有结构化决策、非结构化决策以及半结构化决策三种类型。而DSS则主要针对半结构化问题的解决。 基本的DSS是由五部分组成：人机接口(人机对话系统)、数据库系统、模型库系统、知识库系统和方法库系统。,23,11.6 小 结,数据仓库是DSS的基础，它是数据库与人工智能这两项计算机技术相结合的产物。我们可行形象地将数据仓库想象为数据的半成品库。 专家系统相对来说对人的决策能力要求较低。专家系统工具可以融入DSS中来扩展其能力，完成正规的决策支持系统不能完成的功能。,24,思 考