0907241019 官志强 决策支持系统课程作业.doc

决策支持系统课程作业姓名：官志强 班级：091 专业：信息管理与信息系统学号：0907241019 一 名词解释1决策支持系统：决策支持系统的基本结构是三个部份：模型库系统，数据库系统，人机交互系统。决策支持系统具有以下特性：1使用大量的数据和多个模型，形成决策方案。2用定量方式辅助决策，而并不是代替决策。3支持决策制定过程。4为多个管理层次上的用户提供决策支持。5能支持相互独立的决策和相互依赖的决策。6用于半结构化决策领域。2决策支持：决策支持是指运用计算机技术来达到如下的目的：1帮助经理在非结构化任务中作出决策。2辅助而不是代替经理的判断力。3改进决策的效能而不是提高它的效率。3模型：模型是客观世界的抽象，在抽象过程中，会省略一些次要因素。4数据仓库：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，主要用于支持经营管理中的决策支持过程。5人机交互：人与计算机需要进行相互之间的通信，即所谓的人机交互。二 简答题1简述决策支持的类型决策支持的类型包括一下几个：1数据的决策支持（包括数据和模型结合的决策支持和数据仓库中数据的决策支持）2模型的决策支持（包括数学模型的决策支持，模型试验的决策支持，决策方案的决策支持）3知识的决策支持(包括专家系统的决策支持，智能决策支持系统的决策支持，语言翻译的决策支持）。2简述模型库在传统DSS中的作用与地位模型库在决策支持系统发挥了举足轻重的作用，在DDS中占有重要地位，是DSS中的一个核心部分，管理者使用DDS不是直接依靠数据库中的数据进行决策，而是依靠模型库中的模型进行决策，模型库及其管理系统已成为决策支持系统区别于其他信息系统的重要特征是其核心所在。3简述新决策支持系统的特点新决策支持系统有以下特点：1数据仓库和联机分析处理的数据组织方式是多维数据。数据库的数据时二维平面结构形式(如关系数据库)，而数据仓库对的数据组织已经把它拓展为空间的多为结构形式。这样，数据仓库就集中了更多的数据，便于用户从大量数据中提取各自的辅助决策数据和信息。2数据仓库是为决策分析服务的。数据仓库的数据不是大量数据库的堆积，而是按决策主题重新组织的。这句数据库数据为事务处理有本质差别。数据仓库中的数据包含基本数据，历史数据，综合数据和元数据。这样，数据仓库数据可以提供综合信息和时间趋势分析信息等辅助决策信息。3联机分析处理提供多位分析手段。联机分析处理所提供的多维分析手段有切片，切块，旋转，上下钻取等多种形式，便于用户从不同角度提取所需要的数据和信息。4数据挖掘是从数据中挖掘出隐藏知识。人们形象地将大量数据视为矿藏，而数据挖掘是矿藏中挖掘出金子（知识）。4简述西蒙决策的四大步骤1确定决策目标。2拟定被选方案。3从各种被选方案中进行选择。4执行方案。5综合决策支持系统的三大主体是什么？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，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、OLAP，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。第三个主体是专家系统和数据开采的结合。数据开采从数据库和数据仓库中挖掘知识，并将其放入专家系统的知识库中，由进行知识推理的专家系统达到定性分析辅助决策。三 问答题1传统知识决策系统有什么特点用模型的组合形式方案辅助决策。模型是客观事物的抽象，代表了事物的结构和规律。用模型辅助决策实质上是按事物的规律去进行决策，这种用科学方法辅助决策比用经验进行决策前进了一大步。用知识推理进行定性分析。将知识推理的专家系统加入到决策支持系统中，使辅助决策的能力再一次提升。多模型组合实质上完成的是定量辅助决策（以数学模型和数据处理模型为主体）。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画出决策支持系统的统一结构形式，并说明其工作原理。决策支持系统主要是以模型库系统为主体，通过模型定量分析进行辅导决策。模型库中的模型以数学模型为主体，管理科学与运筹学中大量数学模型已经为辅助决策发挥了重要作用。模型库中的模型已经由数学模型扩大到数据处理模型，图形模型等多种模型形式，可以概括为广义模型。3描述“知识发现和数据挖掘”的一般步骤，并说明知识发现以及数据挖掘的作用和主要方法。知识发现过程可以概括为3部分：数据准备，数据挖掘 ，结果的解释和评估。数据准备。数据准备又可分为3个子步骤：数据选取，数据预处理，数据变换。数据选取的目的是确定发现任务的操作对象，即目标数据,是根据用户的需要从原始数据库中抽取的一组数据。数据预处理一般包括消除噪声、推导计算缺值数据、消除重复记录、完成数据类型转换（如把连续值数据转换为离散型数据，以便于版符号归纳，或是把离散型数据转换为连续值型数据，以便于神经网络计算）等。数据变换的主要目的是数据维数或降维,即从初始特征中找出真正有用的特征以减少数据挖掘时要考虑的特征或变量个数。数据挖掘。数据挖掘阶段首先要确定挖掘的任务或目的，如数据分类、聚类、关联规则发现或序列模式发现等。确定了挖掘任务后，就要决定使用什么样的挖掘算法。选择实现算法有两个考虑因素：一是不同的数据有不同的特点，因此需要用与之相关的算法来挖掘；二是用户或实际运行系统的要求，有的用户可能希望获取描述型的、容易理解的知识（采用规则表示的挖掘方法显然要好于神经网络之类的方法），而有的用户只是希望获取预测准确度尽可能高的预测型知识。选择了挖掘算法后，就可以实施数据挖掘操作，获取有用的模式。结果的解释和评估。数据挖掘阶段发现出来的模式，经过评估，可能存在冗余或无关的模式，这时需要将其剔除；也有可能模式不满足用户要求，这时则需要回退到发现过程的前面阶段，如重新选取数据、采用新的数据变换方法、设定新的参数值，甚至换一种挖掘算法等。另外，知识发现由于最终是面向人类用户的，因此可能要对发现的模式进行可视化，或者把结果转换为用户易懂的另一种表示，如把分类决策树转换为“ifthen”规则。4决策支持系统与MIS系统之间的联系与区别？决策支持系统（DSS）与管理信息系统（MIS）的联系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的不同MIS是中层管理人员，为管理服务的系统。DSS是面向高层人员，为辅助决策服务的系统。MIS综合了多个事务处理功能如生产、销售、人事等。DSS是通过模型计算辅助决策。MIS是以数据库系统为基础，以数据驱动的系统。DSS是以模型库系统为基础的，以模型驱动的系统。MIS分析着重于系统的信息的需求，输出报表模式是固定的。DSS分析着重于决策者的需求，输出的数据是计算的结果。MIS系统追求的是效率，即快速查询和产生报表。DSS追求的是有效性，即决策的正确性。MIS支持的是结构化决策。这类决策是已知的、可预见的，而且是经常的、重复发生的。DSS支持的是半结构化决策。这类决策是指既复杂又无法准确描述处理原则又涉及大量计算，既要应用计算机又要用户干预，才能取得满意结果的决策。5为什么说网络环境的综合决策支持系统是决策支持系统的发展方向？画出它的结构图基于互联网的智能决策支持系统是一个基于Internet技术的集数据仓库技术、OLAP技术、数据采掘技术与专家系统于一体的智能决策支持体系。数据仓库以及基于Web的数据采掘技术的引入是基于互联网的IDSS区别于一般IDSS的关键特征之一，其目标是在广域网络上实(续致信网上一页内容)现决策支持。强大的Internet使得IDSS摆脱了地域和开发成本方面的限制，为决策支持系统的实施提供了更广阔的基础环境和更良好的发展平台。互联网上的IDSS具有如下优越性：1具有庞大的信息资源库，具备多源数据信息处理能力。在技术不断更新的条件下，准确数据信息和高效率的工具是决策者以更低的成本、更加快捷的方式做出及时的科学决策的前提与保证。互联网是辅助决策过程的最理想的载体，信息的智能搜索与知识自动挖掘将使决策者获得更多的可利用的信息。2交互的集群决策处理平台。复杂的决策需要搜集系统反馈信息进行预测，有时需要决策者之间的远程协商。强大的信息库和知识库、智能的知识挖掘使以及安全高效的实时控制与决策，使得基于互联网的IDSS可以真正实现远程多方协作的广域集群决策。3界面友好的客户端管理。用户向系统输入参数或请求信息时，互联网上的IDSS支持图形用户界面，客户端管理更加友好，同时系统的响应速度加快，维护和管理简化，系统的应用范围得到很大拓展。四 案例分析题选择一种决策支持系统，介绍其系统需求，逻辑结构，关键技术，主要功能，应用情景等。广东国税局采用菲奈特软件公司商业智能系统平台，共同打造广东国税的税务分析与决策支持系统。同时，该系统将在广东省国税系统全面推广。这不但是广东国税在“科技兴税”战略实施上的又一进步，同时也标志着菲奈特软件公司商业智能系统在税务行业的成功应用。随着电子政务系统的发展以及税务信息化程度的不断提高，在税务决策支持方面不断吸纳新的信息处理技术、提高决策的科学性和规范性，成为提高行政办公效率、促进经济发展的关键所在。广东省国税局自“科技兴税”战略实施以来，信息化工作在网络建设、设备配置、应用系统开发应用等方面已逐步得到完善；金税工程、统一征管软件、出口退税、公文管理、人事管理等应用系统都已推广应用多年，具备一定的应用规模和应用深度,并取得了较好的应用效果。广东国税的业务系统在满足日常税收业务需求的同时也采集了大量的业务数据。例如，每年采集2000多万份的申报数据和2000多万份的税票数据，其中出口专用税票数据达100多万份；1999-2000年全省共采集5000多万份的专用发票数据。这些业务数据的背后隐含了十分丰富的信息和规律，也给税务信息化建设带来一些问题，主要体现在：业务数据分散在不同的应用系统中，数据共享度低且格式不统一；数据太多而信息太少；缺乏快速、高效、便捷的获取信息的工具；基层单位的管理手段日益先进，而上级管理机关却仍然停留在以汇报和检查为主的传统的管理模式上；上级管理部门没有或很少信息，上下级税务机关形成信息不对称等方面。.1需求分析：为进一步加强税务信息化建设，实现对税收业务和纳税人的纳税情况进行科学分析，为管理决策提供及时准确的信息，以进一步加强税收管理，加强业务监控，通过建立规范统一、高度共享的综合性主题数据库，并在此基础上，建设一个能够对事物(如：税收收入)的规模、构成、分布、发展速度、平均水平、平衡程度等特征以及增长变化规律和发展趋势，以及事物之间(如：GDP与税收收入)的相关关系、强度及均衡性等问题进行分析的平台。2逻辑结构：采用客户服务器结构。服务器部分是整个系统的数据仓库，包括事务处理服务器和应用服务器两部分，负责整个系统所需信息的收集、汇总、整理、存储、分析和传输。整个OLTP的CLIENT/SERVER也包含在DSS的服务器部分。工作站部分是DSS的主要部分，供决策者和管理者使用，它以服务器传递的数据为基础，以中文图形窗口为界面，以模型、知识为核心和驱动，提供信息咨询和决策支持。3关键技术：系统建立在商业智能平台BI.Office上，应用数据仓库、OLAP分析和数据挖掘等技术，实现税收宏观分析、税收收入分析、税收征管分析、出口退税分析、专用发票分析、纳税人分析、纳税人审计分析等功能。4主要功能：纳税企业动态性很大，得到准确及时的数据并不容易。数据共享度低且格式不统一，缺乏快速、高效、便捷的获取信息的工具，上下级税务机关信息不对称。税收决策支持系统提供查询统计、综合分析、业务预警税收预测四大业务功能。以查询、分析、报表一体，三者不断循环深入为手段，提供多角度的税收数据查询、分析、预警、预测功能。实现税收宏观分析、税收收入分析、税收征管分析、出口退税分析、专用发票分析、纳税人分析、纳税人审计分析等功能。它可以对经济和税收综合数据进行科学分析，研究经济与税收增长的弹性、发展的均衡性等数量关系，揭示税收收入和税收负担等重大指标的长期增长趋势、波动规律、发展速度、地区分布、行业分布、所有制分布和月度时序特征；运用对比分析方法揭示事物之间的关系、强度及均衡性；对税收收入、出口及出口退税等重大税收指标进行精确监控和科学预测；根据纳税人的生产经营情况和纳税情况对其申报的真实性进行量化评测和科学分类。5应用环境：建立数据仓库时，需要综合考虑软硬件环境，如数据加载性能、查询性能、建仓规模和用户规模。通过数据采集、转换、综合和迁移，形成与原有数据库相分离的、完全独立的数据仓库。数据仓库需要高性能数据库管理系统和并行数据库技术的支持由于大容量的数据存储和迅速查询的要求，作为数据仓库的主机系统应有高性能的CPU。良好的I/O接口和大容量的联机硬盘及内存，作为快速查询与分析使用。同时也应配一部分海量外存设备，如光盘阵列和磁带机等，作数据转储使用。税务分析与决策支持系统应用于税务局税务分析领域。商业智能平台(BI.Office)是菲奈特软件公司成功自主开发的基于企业业务数据库的商业智能应用开发平台。BI.Office建立在传统的业务系统上，面向企业决策层和综合管理层，提供综合决策支持、风险评估、预警系统和相关企业事务管理系统，是企业信息化的高层应用；同时，它可以全面地分析企业信息，为企业发现潜在的商机，寻找隐藏的客户消费规律，监控企业潜在的风险。6数据采集、整理与存储：数据仓库的数据源来自OLTP中的操作数据，这些数据源都可能有不同的格式，如平台、标准和含义。在不同数据源中，甚至同一个源中，有可能出现同一对象的多个实例（如客户）。物理点上，他们分布于各地的数十个局域网或几十台PC上，且又分属于不同的操作系统与数据库管理系统上。这对数据源的采集带来了困难，需对各个物理点（各局域网）和逻辑点（路径或同一网中异构环境）上抽取，数据按一定的模式进行整理与过滤（同一对象多个实例），