信息系统的决策支持
随着科技的不断发展，信息系统在现代社会中起着至关重要的作用。信息系统是在计算机技术的支持下，对各种信息进行收集、储存、处理和传递的系统。它不仅能够提供准确的数据支持，还能够为决策者提供科学的决策支持。本文将探讨信息系统在决策支持方面的重要性和具体运用。
一、信息系统的决策支持功能
信息系统在决策支持方面发挥着重要的作用。首先，信息系统能够提供及时、准确的信息，帮助决策者了解内外部环境的变化，因此能够更好地做出决策。其次，信息系统能够进行数据分析和挖掘，发现隐藏在大数据背后的规律和趋势，为决策者提供科学的决策支持。最后，信息系统能够模拟和预测不同决策方案的结果，帮助决策者评估各种情况下的风险和机会。综上所述，信息系统的决策支持功能对于组织的发展和决策的科学化起着重要的推动作用。
二、决策支持系统（DSS）的运用
决策支持系统（DSS）是一种基于计算机技术的决策支持工具。它通过信息系统的技术手段，为决策者提供数据、模型、工具和方法。决策支持系统一般包括数据管理子系统、模型管理子系统和决策支持子系统。
数据管理子系统主要用于收集、储存和管理数据，通过数据的检索、汇总和分析，为决策者提供决策过程中所需的数据支持。例如，企业的销售数据、市场调研数据等都可以通过数据管理子系统进行统一管理和使用。
模型管理子系统则是为决策者提供各种模型和算法的支持。它可以根据具体的决策问题选择合适的模型，并对模型进行参数设置和调整，以实现决策过程的科学化和高效化。例如，通过模型管理子系统，可以进行风险评估、预测分析、优化决策等。
决策支持子系统是决策支持系统的核心。它根据决策者所提供的需求和条件，运用数据管理子系统和模型管理子系统中的资源，为决策者提供具体的决策支持。例如，可以根据企业的经营情况和市场环境，通过决策支持子系统提供的模型和算法，帮助决策者进行销售预测和产品定价的决策。
三、决策支持系统在实际应用中的案例
简述决策支持系统的运行过程。
1.引言
1.1 概述
决策支持系统（DSS）是一种通过数据分析和模型建立来辅助决策的信息系统。它利用计算机技术和各种决策模型，帮助管理者从海量和复杂的信息中获取有用的知识，支持并优化决策过程。
DSS的运行过程可以简单描述为以下几个步骤。首先，系统需要获取大量的数据，这些数据可以来自内部的企业数据库、外部的市场调研报告等。然后，数据会被整理和清洗，以便进一步的分析处理。接下来，DSS会利用各种数学和统计模型对数据进行分析，比如回归分析、决策树、人工神经网络等。这些模型可以帮助管理者发现数据中的规律和趋势，从而提供决策的参考依据。
在分析完数据后，DSS会提供输出结果和建议，这些结果可以是图表、报表或者是一些决策参数。同时，DSS还可以提供不同决策方案的评估和比较，帮助管理者选择最优的方案。最后，系统会根据决策结果的反馈，不断地进行更新和改进，以提高系统的准确性和效率。
总的来说，决策支持系统是一个复杂的信息处理系统，基于数据分析和决策模型，帮助管理者做出更科学、更合理的决策。它的运行过程可以通过数据获取、分析处理、结果输出和反馈改进这几个步骤来概括。随着技术的不断发展，决策支持系统将会在未来发挥更重要的作用，为各个领域的决策者提供更智能化的决策支持。
1.2 文章结构
本文将围绕决策支持系统的运行过程展开讨论，主要分为三个部分：引言、正文和结论。
引言部分将概述决策支持系统的背景和重要性，并对文章的目的进行阐述。
正文部分将深入介绍决策支持系统的定义和概念，包括其基本特征、功能以及在实际应用中的作用和意义。接着，正文将着重探讨决策支持系统的各个组成部分，例如数据采集和预处理、模型建立和优化、决策分析和结果展示等方面，以便读者对决策支持系统的运行过程有一个全面而深入的了解。
结论部分将对决策支持系统的运行过程进行总结，强调其在提高决策效率和质量方面的优势，并对未来决策支持系统的发展进行展望。这一部分将基于当前的研究和趋势，探讨可能的发展方向和挑战，以期为相关领域的研究和实践提供参考。
1 商务智能与决策支持教学案例 案例1：光大银行商务智能系统的实施 一、案例内容 成立于1992年8月的光大银行， 作为国内最大的股份制商业银行，拥有众多客户群，几百个分支机构遍布国内外;同时光大银行以领先的理念为客户提供种类繁多的金融服务。对于一个如此庞大的机构，如此繁多的金融服务，管理的复杂性可想而知。近年来，通过综合柜台业务系统、阳光卡系统、网上银行系统和办公自动化系统等一系列信息化基础建设，光大银行率先实现了业务系统全国联网和总行数据大集中。 在成功实现业务系统全国联网和总行数据大集中后，经营管理分析方面又出现了一些亟待解决的新问题，如：统计数据不够及时准确、对决策分析缺乏专业化系统化支持、报表处理效率低、数据共享差、难以为以客户为中心的经营管理模式提供充足的信息支持、业绩考核没有理想的IT系统为支撑等等。众多新问题的出现是银行管理层始料未及的。 为了尽快突破海量数据的“封锁”，挖掘其中蕴涵的知识和信息，光大银行决策层于2002年初开始立项商业智能及数据仓库系统。光大银行根据自身情况，以实际需要为导向，对各家方案的优劣进行仔细分析、反复考察、综合考虑。最终，菲奈特软件公司的高端商务智能产品BI.Office以其领先的技术和简便的操作从众多竞争者中脱颖而出，赢得了光大银行决策层的一致青睐。 经过商议，双方在国际结算业务统计分析、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。为了降低实施风险，将从国际结算业务统计分析系统开始，各个项目逐步实施。成功的选型是光大银行商业智能应用系统成功实施的开始。国际业务部商业智能的应用证明，光大银行所采取的“以部门为基础实施数据处理”的决定是正确的，也是务实的。 从2002年12月开始，菲奈特BI.Office商业智能应用平台相继应用于光大银行其他几个业务部门，形成相应部门的商业智能系统。这些商业智能系统以数据仓库技术为基础，把分散在各个业务系统的数据进行整合，数据经过清洗、转换，加载到数据仓库；再采用OLAP和Data Mining等技术，为管理决策人员提供强大、灵活的日常查询和决策支持。 一个应用实例：有一段时间存款余额持续不断的增长，但是同期的流失客户数也在不断增长，这个问题引起了业务部分析人员的高度重视。该分析人员通过系统进行自助分析，最后发现，问题的根源在于很多客户经理为了完成揽存目标，费了大量的人力和成本开拓新行业、新客户，而忽略了对老客户的关系管理，才出现了存款余额和流失客户数同时增长的怪想象。于是马上向主管领导反映，当天就在全行下达了整改通知，及时阻止了不良趋势的蔓延。” 目前，光大银行的商业智能系统已经成为管理层进行战略实施、绩效考核不可或缺的工具；各级业务人员的日常经营分析在很大程度上也有赖于该系统的支持。BI.Office在光大银行取得了圆满成功。 二、案例点评 通过案例，我们了解到光大银行选择了BI（商业智能）系统，很好的解决了利用数据进行分析，从而为决策提供强有力支持的问题，提高了工作效率和质量，达到了较高的投资回报率。其实，不难发现银行业的业务数据已经或者正在实现“大集中”，数据大集中为提高BI系统的成功率、缩短项目周期、降低系统实施成本、提高项目投资回报打下了良好的基础。随着国内银行与境外银行竞争的加剧，应用BI系统进行风险分析、业务决策将是国2 内银行提升国际竞争力的一个主流选择。BI系统能够解决目前银行存在的几大问题，如统计滞后、数据共享差、报表处理效率低、对决策分析缺乏系统化支持等，这也是银行选择BI系统的重要原因。 三、案例思考 1．光大银行为什么会选择商务智能系统？ 2．光大银行使用商务智能系统后，解决了哪些问题？ 案例2：大亚湾核电站备件库存控制与采购优化决策支持系统开发 一、案例内容 1、电站背景 大亚湾核电站位于改革开放特区深圳市的大亚湾核电基地，是我国大陆首座大型商用核电站，由广东核电合营有限公司建设和经营（从2003年3月起，电站委托大亚湾核电运营管理有限公司全面负责电站的运营管理），年发电能力近150亿千瓦时，70%销往香港，30%销往广东。按照“高起点起步，引进、消化、吸收、创新”和“借贷建设、售电还钱、合资经营”的方针，主体工程于1987年8月开工，1994年5月6日全面建成投入商业运行，拥有两台装机容量为98.4万千瓦的法国成熟第二代压水堆核电机组。大亚湾核电站投产以来已连续安全运行16年，在国际上衡量核电站安全运行管理水平的9项关键指标中，大亚湾核电站有8项指标达到世界先进水平。截止2009年12月，累计发电2051.98亿千瓦时，其中供香港1401.50亿千瓦时。 2、电站备件库存控制管理中的问题 大亚湾核电站于1994年开始商业运行，仓库于1993年开始接收现场安装剩余物资和备件，此后又有一些补充采购的备件验收入库，库存量增加很快，1995年达到验收的高峰期，仅这一年验收入库的物资达4千4百万美元。1997年后，仓库验收的金额和使用的金额基本持平，库存金额持续保持在1亿美元左右的高位。 由于大亚湾核电站备件供应商大多在欧洲，为了防范缺货风险，需要库存大量备件，而核电站的维修特点也决定了这些备件的使用率不高，很难把握备件的需求规律。库存多了，造成浪费；库存少了，影响生产，据估算，一台机组非计划停堆一天的损失在100万美元左右。在这种情况下，如何进行科学合理的库存控制就显得非常重要了！ 在早期，主要依靠维修技术人员的经验来决定各类备件的库存水平。后来随着数据的积累，以及掌握到基本的一些库存控制知识后，生产准备人员开始根据相关一些数据，例如过去的使用情况、维修手册的要求、备件的价格等等，来估计备件的库存量，但主要是靠个人的经验判断，随意性较大。 1999年大亚湾核电站开始引入美国ISI公司开发的RUSL库存控制模型。据了解，RUSL已在美国及欧洲几百个仓库中得到应用。由于大亚湾核电站前期的库存管理比较粗犷，采用RUSL进行计算后，迅速纠正了大量原先不合理的库存设置，使得大亚湾核电站的库存控制水平有了很大提高。 RUSL是通过INTERNET把历史使用数量、价格、采购周期等数据上传到ISI公司的服务器，经过美国技术人员的操作运行，2～3天后再把结果传回来。这种操作方式，要求电站3 的技术人员首先从自己的电站生产信息系统中导出基本数据，然后按照RUSL的要求，加工整理成模型计算所需要的数据并满足一定的格式要求，这样使得数据的搜集与整理工作量很大。于是，大亚湾核电站曾提出购买ISI公司的软件和技术，希望实现本地在线计算，但对方一口拒绝。 另外，在RUSL的这种操作方式下，公司备件管理人员完全不了解RUSL的计算方式，仅仅是被动地接受，无法满足改进工作、提升管理系统的要求，而且每年3万美元的服务费用也是一笔不小的开支，因此公司开始考虑其他途径，寻求替代RUSL的更方便实用的库存控制决策软件。 3、库存控制决策支持系统开发 2003年底，华中科技大学管理学院在对大亚湾核电站进行调研后，确定了联合开发“大亚湾核电站备件库存控制决策支持系统”的技术方案。该方案将决策支持系统的开发划分为两个子项目。一是建立备件库存控制模型并验证其效果；二是采用原型法根据所建模型完成决策支持系统的开发，并强调和现有电站生产信息系统实现无缝整合，能实时提供模型分析的功能。 建模子项目的推进中碰到的棘手问题是如何验证模型的效果。华中科技大学管理学院提出用蒙特卡罗方法验证的思路，但并未得到电站技术人员的认可，认为诸多假设太过理想，属于学术研究范畴。经过讨论，双方决定用电站从1994年以来近10年的真实备件消耗数据来验证模型效果。然后，新的问题又摆在面前，一是数据质量存在问题，有相当比例的备件历史消耗数据不完整，二是即使仅针对有完整历史数据的备件来进行验证，也面临巨大的数据计算工作量。经过多轮讨论，最终达成“指定抽样+随机抽样”的方案，从上万种备件中抽取2000种左右的备件进行验证。指定抽样是指由生产准备部门和维修部门的备件准备工程师从影响生产系统运行的角度提出重要备件清单，合同采购部门从采购周期、采购费用角度提供重要备件清单，结合两者形成指定抽样备件清单，而随机抽样备件清单，则编制随机抽样程序抽取形成，最后结合可获得数据质量情况，确定用于验证模型效果的备件数据集。整个建模子项目历时16个月，于2005年5月结束。 随后，进入库存决策支持系统开发子项目。鉴于前期扎实的建模工作基础，系统的数据模型设计和基于已有生产信息系统的数据提取与整理的计算逻辑很快就确定了。系统开发工作很快进入用户试用阶段，然而在此阶段碰到了预料之外的问题。系统的开发人员对于库存模型的基本原理和计算流程都非常精通，但是系统的使用人员普遍缺乏必要的知识和技能。系统功能设计和界面设计常常处于两难的局面，一方面，希望系统能够提供更多的进行个性化分析的功能，一方面，又要兼顾缺乏建模专业知识的用户对于“傻瓜”式功能的需要。系统开发工作曾一度陷入功能模块设计、取消、取消、再设计的尴尬局面。为打破僵局，双方的工作小组启动了《建模与应用》培训项目，并将系统试用和改进工作穿插在培训项目中。到2005年12月，系统开发工作进入尾声，马上就要上线运行了。然而在一次上线投产前的讨论会上，采购支持科科长唐扬洋提出了另外一个问题。 合同供应处的另外一个主要工作就是备件的采购。原有的备件采购工作流程是，当发现一种备件到达最小库存点时，就即时向备件采购部门发出一张采购单，要求采购该种备件，4 然后采购工程师审核后进入采购流程，完成询价、供应商选择、合同签订等工作。由于此工作流程的对象是单个备件，往往出现前脚刚刚完成对该备件供应商的商务合同签订，又出现了对该供应商供应的其他备件的采购申请，有时还是紧急采购申请（对于此类采购申请，必须马上进入采购的商务流程），于是采购工程师不得不又启动和该供应商的商务洽谈过程。这样，不仅采购工程师的工作量大、采购效率低、采购费用高，而且供应商也多有抱怨。 看来，仅仅解决备件库存水平的合理确定问题还不够，还有必要进行采购优化决策支持系统的开发。 4、采购优化决策支持系统开发 所谓采购优化就是指当某一件备件到达最小库存量（该种备件称为“主采购备件”），需要向某一供应商采购时，先检查在该供应商所能提供的其他备件之中，是否有需要顺带进行采购的备件（这些顺带采购的备件称为“从采购备件”，“从采购备件”可以有多种），如果有，则在一次采购中将这些备件全部采购到最大库存量。该采购优化过程是对库存控制模型的一种拓展，能有效提高采购效率。 大亚湾核电站和华中科技大学管理学院于2005年6月紧急启动了采购优化决策支持系统开发项目。由于前期在开发库存控制决策支持系统中积累了大量的经验，采购优化决策支持系统的开发进展很顺利。到2006年2月，就进入了试用阶段。同时库存控制决策支持系统也于2005年8正式投产上线。到2007年1月两个系统全面投产，并于2007年12月完成了系统实施后评估。 通过大亚湾核电站备件库存控制和采购优化决策支持系统的开发，有效地提高了大亚湾核电站的备件管理的水平，产生了显著的经济效益和管理效益 二、启发思考题 1. 从管理视角，开发管理信息系统与决策支持系统的区别是什么？ 2. 决策支持系统开发中，建模是重要环节，数据质量尤为重要，如何提高数据质量？建模效果如何评价？ 三、案例点评 1. 管理信息系统的基本功能是数据的采集、整理、存储与共享，满足了管理者在做决策时对于获取基本数据的要求，而无法提供可行的解决问题的工具和思路。不同于此，决策支持系统通过引入数学模型，并通过和管理信息系统的无缝集成，方便高效地提取模型计算所需数据，快速提出决策问题的解决方案，提升了管理决策的效率。 2. 数据质量是企业开展信息技术应用中普遍碰到的问题，而相对于决策支持系统而言，数据质量尤为关键。定期的数据清理，规范的规章制度和严格的系统数据自检机制是保证数据质量的必要手段。建模效果评价不仅是实践中的难题，也是学术研究中的难题，案例中的“指定抽样+随机抽样”可能是一个现实中较好地解决办法。该问题是一个开放式问题，教学中，可以发动同学结合自己单位情况开展头脑风暴，通过讨论，增加大家对该问题的认识。 案例3：购物篮的关联规则分析
MIS的平台名词解释
MIS（管理信息系统）是指一种采用计算机和通信技术，用于收集、处理、传输和存储各种管理活动所需要的信息的系统。在MIS系统中，有许多名词是需要我们理解和掌握的，下面我将为大家解释一些MIS的平台名词。
1. 数据库管理系统（DataBase Management System，简称DBMS）
数据库管理系统是指一种用于管理数据库的软件系统。它负责存储、管理和操作数据库中的数据，为用户提供高效的数据访问方式。数据库管理系统常见的有Oracle、MySQL、Microsoft SQL Server等。
2. 数据仓库（Data Warehouse）
数据仓库是指一个面向主题、集成、稳定、随时间变化的数据集合。它旨在支持企业决策制定者的需要，提供高质量的、一致的和可用的数据。数据仓库常用于数据分析、报告和决策支持等领域。
3. 数据挖掘（Data Mining）
数据挖掘是指从大量的数据中提取出有价值的信息和知识。它通过分析数据库中的模式、关联规则和趋势等来发现潜在的业务机会和问题。数据挖掘可以帮助企业发现市场需求、优化运营、提高销售等。
4. 企业资源规划（Enterprise Resource Planning，简称ERP）
企业资源规划是指一种综合管理和控制企业各种资源的系统。它通过集成不同部门和功能的信息和流程，实现信息的实时共享和有效管理。企业资源规划可以帮助企业提高运营效率、降低成本、提供更好的客户服务等。
5. 客户关系管理（Customer Relationship Management，简称CRM） 客户关系管理是指一种集中管理和分析客户信息的系统。它通过建立客户数据库，记录和分析客户的行为和需求，以实现更好的客户关系和满足客户的需求。客户关系管理可以帮助企业提高客户忠诚度、增加销售额等。
6. 供应链管理（Supply Chain Management，简称SCM）
