管理信息系统电子教案 第4章 决策支持系统、知识管理系统与商务智能

第4章决策支持系统、知识管理系统与商务智能电子教案一、课程基本信息•课程名称：管理信息系统•授课章节：第4章决策支持系统、知识管理系统与商务智能•授课对象：经济管理类本科生•课时安排：2-4课时•教学形式：讲授+案例分析+课堂讨论二、教学目标1.知识目标•掌握决策的概念、分类（结构化/半结构化/非结构化）与决策四步骤；•理解DSS的概念、四库结构及其与MIS的关系；•掌握知识管理的关键维度（人+技术）与SECI模型的四种知识转化模式；•掌握商务智能的概念、技术体系结构（数据仓库+联机分析处理+数据挖掘）及各自的基本原理。2.能力目标•能区分结构化、半结构化与非结构化决策并举例说明；•能画出DSS四库结构图并解释各部件的作用；•能解释数据仓库"面向主题"与操作型数据库"面向应用"的本质区别；•能根据业务场景选择合适的数据挖掘任务类型（分类/聚类/关联分析/回归等）。3.素质目标•培养数据驱动的决策意识与科学精神；•理解信息技术在医疗、金融等关键行业中的社会责任；•增强信息安全与隐私保护的伦理意识。三、教学重难点1.教学重点•DSS的概念、四库结构（数据库、模型库、方法库、知识库+人机接口）及其与MIS的三大区别（面向人员/解决问题/开发方式）。•知识管理的两个关键维度（人+技术）与SECI模型（社会化→外化→整合化→内化）。•商务智能技术体系：数据仓库四大特征、OLAP多维分析操作、数据挖掘六大任务类型。2.教学难点•四库结构中各库之间的逻辑关系与数据流向，尤其是方法库从模型库中分离出来的设计意图。•SECI模型中隐性知识与显性知识的转化机制——为何"社会化"和"内化"高度依赖人的因素。•数据仓库"面向主题"与操作型数据库"面向应用"的本质区别（结合商场案例的表4-2vs表4-3）。•数据挖掘各类任务（分类vs聚类vs关联分析vs回归）的适用场景辨析。3.突破策略•用"平安智能临床辅助决策支持系统"案例贯穿全章，将抽象的DSS结构可视化；•用"球童故事"类比SECI四阶段，让隐性知识转化变得可感知；•用商场"面向应用vs面向主题"两张对照表直观展示数据仓库特征；•用"BI在中国银行业中的应用"案例对比分类、聚类、关联分析的实际用法；•课堂即时小测巩固概念辨析。四、教学内容与过程设计（一）第1学时（45分钟）：决策概念+DSS概述与结构【导入】10分钟展示引导案例"平安智能临床辅助决策支持系统"的图文资料，提问："面对复杂病情，医生为何需要AI辅助决策？"引出决策支持系统的必要性。引导学生思考：决策不是拍脑袋，而是有结构、有过程的。【讲授】20分钟—决策的概念、分类与过程讲解决策三要素：明确目标、两个以上备选方案、实施方案。用"选购商品""开发新产品""选择职业"等生活化例子帮助学生理解。随后介绍决策三类：结构化决策（可用确定模型求最优）、非结构化决策（无确定规则）、半结构化决策（介于二者之间）。最后讲解决策四步骤：发现问题→确定目标→设计方案→选择方案→实施方案，强调决策是迭代过程，可借助DSS辅助。【讲授】25分钟—DSS概述与四库结构给出DSS定义：以管理科学、运筹学等为基础，辅助决策者以人机交互方式进行半结构化或非结构化决策的应用系统。讲解DSS与MIS的三大区别：①面向人员角度（MIS面向全体管理者vsDSS面向具体决策者）；②解决问题角度（MIS支持结构化vsDSS支持半结构化/非结构化）；③开发维护角度（MIS以数据库为核心vsDSS以模型库为核心）。重点展开四库结构：在两库结构（数据库+模型库+人机接口）基础上，三库结构增加知识库，四库结构进一步将模型库中的标准方法（分析程序、预测程序）分离为独立的方法库。逐一解释五个部件：人机接口负责交互、数据库存储数据、模型库存放决策模型、方法库存放通用算法、知识库存放领域知识和规则。可补充N库结构的发展趋势。【互动】10分钟课堂小测：给出三个场景（日常库存补货/企业战略转型方向选择/银行贷款审批），让学生判断各属于哪类决策，并说明理由。同桌讨论后举手回答，教师即时点评。（二）第2学时（45分钟）：DSS类型+应用案例+知识管理概述【讲授】20分钟—DSS的四种类型①智能决策支持系统（IDSS）：DSS+专家系统，增设知识库、推理机与问题处理系统，人机接口加入自然语言处理。强调IDSS能对半结构化问题做逻辑推理。②群体决策支持系统（GDSS）：基于计算机网络，多个决策者协作解决半结构化问题，增设通信库子系统（核心，类似会议秘书处）和规则库子系统。③分布式决策支持系统（DDSS）：多个物理位置分离的决策体并发计算、协调求解，强调分布性和并发性。④综合决策支持系统（SDSS）：结合数据仓库、OLAP和数据挖掘，三个主体互补结合，是高级形式的DSS。②【案例】15分钟—DSS应用实例案例一：阿里巴巴智能决策系统。介绍DSS如何根据交易数据、行为数据、位置数据，用深度表征学习（RepL）对用户画像，预测用户需求，再匹配商品实现收益最大化。案例二：神华集团供应链DSS。通过沙盘推演模型和投资模拟工具，对煤炭生产、运输、销售全流程进行模拟，辅助管理层动态调整投资决策。两个案例分别对应"互联网精准匹配"和"传统央企数字化转型"两类典型场景。③【讲授】25分钟—知识管理概述从"高尔夫球童"故事引入：好球童通过分享经验获得更多小费，雇主汇总建议发给所有球童，形成知识管理闭环。由此引出知识定义（世界银行："用于生产的信息"）和知识分类（野中郁次郎：显性知识vs隐性知识）。用表4-1对比：显性知识可编码、存于文档、易转移；隐性知识存于头脑、高度个性化、难编码、难转移。重点讲解SECI模型：社会化（隐性→隐性，如师徒跟岗）、外化（隐性→显性，如总结经验写文档）、整合化（显性→显性，如汇编成手册）、内化（显性→隐性，如培训后形成新技能）。强调每一次螺旋上升都需要"社会交往的群体与情境"作为前提。④【互动】10分钟—情境模拟将"球童故事"拆成四个阶段卡片，让学生分组讨论每个阶段对应SECI的哪一模式，并举例说明自己在学习生活中经历过的知识转化（如学长带新生的"师徒制"对应社会化）。（三）第3学时（45分钟）：KMS+商务智能与数据仓库【讲授】20分钟—KMS结构与实施KMS的五层结构：理念实施层（从理念上理解知识可管理，规划KMS架构）、知识管理层（用知识表示/推理/呈送机制，确保"正确知识在正确时间传给正确的人"）、内容管理层（与知识管理层共享知识门户，提供知识地图和个性化访问）、应用程序互通层（数据格式化引擎+工作流程管理，实现跨系统互联）、基础建设层（网络硬件、通信协议、数据安全）。KMS实施三阶段：系统规划与分析（梳理显性知识、分析业务流程、制定BPR规划、评估风险收益）、系统设计（业务流程建模、人员组成、技术路线）、系统应用与评价（实现知识共享、将"意会"知识显性化、评价组织与技术的集成效果）。【讲授】25分钟—商务智能与数据仓库BI定义（双角度）：信息技术角度——运用DW、OLAP、DM处理数据，支持决策；管理角度——将运营数据转化为高价值信息，在恰当时间通过恰当手段传递给恰当的人。BI技术体系三层架构图：底层数据仓库→中层OLAP→顶层数据挖掘。数据仓库四大特征：①面向主题（按"商品""供应商""顾客"等主题组织，区别于按子系统组织）；②集成（统一命名约定、编码结构，对数据进行综合计算）；③相对稳定（以查询为主，定期加载刷新）；④反映历史变化（记录从某时点至今的各阶段信息，支持趋势预测）。数据仓库基本结构五部分：数据源（外部数据/操作型数据库等）→数据抽取与集成（清洗、转换、按主题重组）→数据存储与管理（核心，集中存储形成DW或数据集市）→OLAP服务器（多维模型组织，支持多角度分析）→前端工具（报表/查询/分析/挖掘工具）。【互动】15分钟—对比填空用表4-4（OLTPvsOLAP对比）做抢答竞赛：教师逐行给出"操作人员vs决策人员""日常操作vs分析决策""当前数据vs历史数据"等对比项，学生抢答对应哪列。随后请学生用自己的话解释"为什么OLAP的数据库大小是100GB~TB级"。（四）第4学时（45分钟）：数据挖掘+案例研讨+全章总结【讲授】20分钟—数据挖掘数据挖掘定义：从大量数据中挖掘新颖、有趣的模式和知识的过程，是一类深层次的数据分析方法。基本过程四阶段：①数据收集（明确挖掘任务，收集相关数据）；②数据预处理（清洗噪声、格式转换）；③数据挖掘（选择算法如决策树、神经网络，执行挖掘）；④知识评价（用支持度、置信度等指标筛选用户感兴趣的知识）。六大任务类型：①分类——将数据映射到给定类别（如客户信用评分）；②聚类——未知分类标准下将群体分群（如客户细分）；③关联分析——发现事物间关联规则（如"买榔头的人40%可能同时买钉子"）；④回归——用历史数据预测趋势；⑤时间序列分析——考虑时间特性预测未来（如股票预测）；⑥偏差检测——发现反常实例（如入侵检测）。【案例研讨】20分钟—BI在中国银行业中的应用深度研讨教材案例，分三层展开：①基本应用层（辅助数据分析决策）：从各业务系统抽取数据→数据仓库→BI工具仪表盘，用户通过PC/移动端浏览，核心指标如活期存款比例、不良贷款率等。②广度应用层（自助分析）：以广州思迈特阿拉丁平台为例，一线客户经理自助查询数据，对客户画像（特殊手机号、豪华车、高端社区），实现精准营销，体现"人人都是数据分析师"。③深度应用层（预测未来）：用逻辑回归模型构建企业违约预警模型，整合结算行为、交易频率等数据，通过CRM推送给客户经理，实现主动风险管理。组织学生讨论："如果你是银行行长，你最希望BI帮你解决哪类问题？为什么？"4~5人一组讨论5分钟，每组派代表汇报1分钟。【总结】15分钟—全章知识地图用思维导图回顾三条主线：DSS线（决策分类→DSS结构→四种DSS类型→应用案例）→KMS线（显性/隐性知识→SECI模型→人+技术维度→KMS结构与功能）→BI线（DW面向主题→OLAP多维分析→DM六大任务→银行业三层次应用）。三条线共同指向一个核心：用信息技术将"数据→信息→知识→决策"的价值链打通。【答疑】5分钟开放提问，收集学生反馈，预告下章内容。五、课堂总结与分组研讨（约15分钟）模块一：决策支持系统（DSS）决策三类型（结构化/半结构化/非结构化）→决策四步骤（发现→设计→选择→实施）→DSS概念与特征（人机交互、辅助半结构化决策）→四库结构（数据库/模型库/方法库/知识库+人机接口）→DSS四种类型（IDSS加推理机、GDSS群体协作、DDSS分布式并发、SDSS综合DW+OLAP+DM）→应用案例（阿里巴巴预测需求、神华供应链推演）。模块二：知识管理系统（KMS）知识两分法（显性可编码vs隐性难转移）→SECI四模式（社会化→外化→整合化→内化，螺旋上升）→知识管理两关键维度（人：社会化和内化的决定性力量；技术：整合化的编码存取）→KMS五层结构（理念层→知识管理层→内容层→互通层→基础层）→五大核心功能（改善利用/提升传递/促进共享/开发隐性/融入控制）。模块三：商务智能（BI）BI定义双角度（IT角度=DW+OLAP+DM；管理角度=数据→信息→决策）→数据仓库四特征（面向主题/集成/相对稳定/反映历史）→DW五部分结构（数据源→抽取→存储→OLAP→前端）→OLAP特点（多维、历史、决策，区别于OLTP）→数据挖掘六任务（分类/聚类/关联/回归/时间序列/偏差检测）→银行业三层应用（报表决策→自助分析→预测预警）。六、教学方法(1)案例教学法：以"平安CDSS""球童故事""BI银行业"三大案例贯穿全章，将抽象概念具象化。平安CDSS用于导入DSS的必要性，球童故事用于类比SECI四阶段，BI银行业用于串联DW→OLAP→DM全链条。案例教学法适用于全章导入、重难点突破和总结回顾环节。(2)图示讲授法：用DSS四库结构图、SECI螺旋图、BI三层架构图等配合板书逐层展开。讲授过程中边画边讲，让学生看到"结构是怎么长出来的"，而非直接看成品图。适用于DSS结构、SECI模型、BI体系等需要逻辑递进的内容。(3)对比分析法：DSSvsMIS（三角度）、显性知识vs隐性知识（表4-1）、OLTPvsOLAP（表4-4）、面向应用vs面向主题（表4-2vs表4-3）。通过成对对比，帮助学生建立概念边界，特别适合概念辨析类重难点。(4)小组研讨法：4~5人一组，围绕"BI银行业"案例讨论预测分析的应用与挑战，或围绕"如果你是银行行长"进行角色扮演。代表汇报后教师点评。适用于第4学时的深度学习环节。(5)情境模拟法："球童故事"角色扮演，让学生用SECI模型分析知识转化的四个阶段。通过代入角色（球童/顾客/雇主），将抽象的知识转化过程变成可感知的体验。适用于第2学时知识管理导入。(6)即时测验法：课堂小测（决策类型判断、OLTP/OLAP填空、SECI阶段匹配），即时反馈巩固。穿插在各环节衔接处，起到"节奏调节器"的作用，也便于教师实时了解学生掌握情况。七、作业与思考题1.作业1（术语翻译）：将DSS、KM、BI、GDSS、OLAP五个英文术语写出中文全称与英文全称，下节课课前听写。2.作业2（填空题）：完成教材本章填空题第1~5题：方法库、SECI四模式、人+技术、DW+OLAP+DM、聚类。要求独立完成，提交电子稿。3.作业3（简答题，每题200字以内）：简述决策的类别与决策的过程。②简述知识管理系统的核心功能。③简述数据挖掘的基本过程。4.作业4（论述题，每题500字左右）：①简要说明DSS与MIS的关系（从三个角度展开）。②早期建设数据仓库会遇到什么问题？数据集市是如何解决的？③企业该如何应用数据挖掘？请给出四条应用路径并说明适用场景。5.作业5（拓展设计题，小组作业）：3人一组，选择电商、教育、制造等行业中的一个场景，设计一个DSS或BI的应用方案：①说明要解决什么决策问题；②画出系统结构草图（标注数据来源、核心模块、输出形式）；③解释系统如何辅助决策。下次课每组用5分钟展示。八、教学反思1.目标达成度学生能否独立画出DSS四库结构图？能否用SECI模型解释一个实际场景（如社团换届中的知识传承）？能否区分OLTP与OLAP并举例？通过课堂测验正确率与提问反馈评估。2.案例有效性"平安CDSS"案例是否成功激发了学生兴趣？学生对"球童故事"的类比是否觉得自然？"BI银行业"案例讨论是否充分？收集学生口头反馈或匿名小纸条。3.时间分配第1学时DSS结构部分是否过满？第4学时案例研讨是否留足了讨论时间？根据实际节奏，下次将哪些环节压缩、哪些环节延长？4.难点突破"面向主题vs面向应用"通过对照表是否讲清？数据挖掘六类任务学生是否出现混淆（尤其分