企业投资决策战略绩效协商评价分布式智能决策支持系统

第八章　企业投资决策战略绩效协商评价决策支持系统

一、企业投资决策战略绩效协商评价与决策支持系统

企业投资决策绩效评价系统是个复杂的系统，绩效评价涉及的指标多、数据多，指标的筛选、评价方法和模型的选择，是随着企业经营环境的改变和经营战略的实施而不断发生着变化，运用计算机辅助有利于提高企业投资决策绩效评价的水平和效率。决策支持系统概念最早出现在20世纪70年代［150］，决策支持系统DSS ( Decision Support System)，是以特定形式实现辅助决策的一种科学工具。它通过人机对话等方式为决策者提供了一个将知识性、主动性、创造性和信息处理能力相结合、定性与定量相结合的工作平台，协助决策者分析问题、探索决策方法，进行评价、预测和优化。DSS是信息系统研究的最新发展阶段。决策支持系统为企业投资决策绩效评价提供了重要的决策支持，新一代DSS主要向以下几个方向发展:群决策支持系统( GDSS)、分布式决策支持系统( DDSS)、智能决策支持系统( IDSS)、决策支持中心( DSC)、综合决策支持系统( SDSS)等。尽管DSS在形态上各种各样，但它们在结构上具有一个基本特征:集成性。对不同形态的DSS进行分解时，可以得到DSS主要由人机接口、数据库、模型库、知识库和方法库五个部件组成的结论。每个库又带有各自的管理系统，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。因此，大部分DSS都可以认为是这十个基本部件的不同的集成和组合，这十个部件可以组成实现支持任何层次和级别的DSS系统。DSS系统结构如图8－1所示。

图8－1　DSS系统结构

从20世纪80年代开始，随着计算机集成制造系统( CIMS)概念的出现，人们对DSS结构的认识发生了一些改变。有人提出，DSS是由语言系统LS、问题处理系统PPS和知识系统KS三部分组成，如图8－2所示。

图8－2　DSS的基本结构

这三种系统实际上是由上面提到的基本部件发展而来的。LS系统实际上就是一个人机接口，它特别强调语言，尤其是自然语言在接口中的重要作用。由于突出了自然语言的重要性，因此，在DSS中建立了相应的自然语言处理系统( PPS)。根据知识工程研究成果，一些人倾向于把数据库、模型库和知识库统一为知识系统(模型库与方法库一般放在一起)。

二、企业投资决策战略绩效集成协商评价计算机实现

(一)系统功能需求分析

企业投资决策绩效集成化综合评价系统主要通过衡量投资决策的绩效情况，为企业的相关利益者提供决策参考和借鉴。作为决策支持工具，它支持企业相关利益者通过对企业投资决策绩效的独立评价，横向、纵向对比评价进而达到对企业投资决策绩效综合评价和把握的目的。该系统为实现这一评价目标，提供所需的交互式评价机制、多目标综合评价模型的动态管理，从而支持得出企业投资决策绩效综合评价的全过程，并以简捷、直观的方式向决策者提供企业投资决策绩效的具体情况。

根据实现系统基本功能的要求，结合企业投资决策绩效评价的具体情况，对实现企业投资决策绩效集成化综合评价系统的需求分析如下:

1.实现系统能够建立多套多级评价的指标体系

实现系统能够建立多套多级评价的指标体系，以便于不同的评价目的。对于各个评价体系的创建，系统设计成目标层次清晰的智能化向导式对话框形式，由用户依据向导输入各层次指标信息，系统自动生成用于保存新建评价体系的各层指标及其信息的表，并对每一套评价体系能够独立地实现其对目标评价的功能。

2.可以方便地修改评价系统的指标体系

对于建立企业投资决策绩效综合评价系统的指标体系，系统能够实现对具体各级评价指标的增加、删除、修改等功能。

3.具备方便、灵活、多样的数据查询统计功能

企业投资决策绩效综合评价的指标体系确定后，能够实现对评价对象的具体指标数据、权系数数据、平均值数据的录入、删除、修改、查询、统计等功能。可以以灵活多样的方式对单个条件或复合条件进行查询，可以以多种形式(柱状图、饼状图、条状图、曲线图、区域图等3D或2D形式)显示统计结果。

4.实现权系数确定方式的多样性

对于企业投资决策绩效综合评价指标体系的权系数，能够实现采用各种不同的方法(如直接给出点估计值法、环比评分法、比较矩阵法、层次分析法、目标重要性排序法、Fuzzy子集法等)确定结果。

5.能够实现参与评价指标选取的科学性和柔性

系统能够先通过主成分分析、隶属度分析、相关分析等确定指标体系的指标，再根据专家意见，对选出的指标体系进行调整，实现能够根据评价对象的特点选取最能反映评价对象绩效状况的指标体系，最大限度地达到对不同评价对象的评价目的。

6.能够根据不同的评价方式选择实现不同的评价目的

系统能够选择不同的评价方法(如模糊综合评价、神经网络综合评价)、不同的评价方式(如:企业投资决策绩效的横向对比、纵向对比、与平均值比较等)以及不同的权系数赋值方法，进而实现相应的评价目的。

(二)系统的总体功能设计

根据集成综合评价的基本原理以及对系统功能的需求分析，系统总体功能框架的设计，如图8－3所示。

图8－3　系统总体功能设计框架图

(三)系统结构与功能设计

企业投资决策绩效集成化综合评价系统，将开发成一个人机交互界面友好性强、操作简便、便于维护和扩展的开放式自主发展的集成系统，适应于大部分现有工作人员的一般知识和技能水平。系统的设计实现采用功能强大的PowerBuilder 8. 0作为开发工具，以PB自有的Adaptive Server Anywhere 7. 0创建数据库，实现了功能集成化、技术集成化和人机集成化，形成了支持集成运行的体系结构，如图8－4所示。

图8－4　系统集成结构与层次

系统由智能人机接口、系统总控模块、评价指标体系生成与管理子系统、集成式综合评价子系统、系统自学习模块、评价结果输出模块组成，如图8－5所示。

系统各组成部分具有下述功能:

1.智能人机接口

它是系统与用户交互的界面，具有菜单选择、问题询问、图形显示、打印输出等功能。在整个系统的推理和运行过程中，允许决策者直接干预、给出提示、接受决策者的主观判断和经验信息。

2.系统总控模块

它用于辅助人机接口对给定问题进行目标分析和问题分解，协调组织系统内各模块。

3.评价指标体系生成与管理子系统

该子系统可以生成具体评价对象的评价指标体系，并对已有

指标体系、原始指标数据、生成指标数据等综合信息进行统一管理和维护。其中，指标体系构造模块( ISCM)应用主成分分析和模糊聚类分析方法生成评价对象的评价指标体系，并可以方便地修改评价指标体系的结构;评价指标提取模块( EIDM)用于提取或生成指定评价对象与指定评价目标对应的指标属性值(形成属性值矩阵)，综合信息查询模块( CIQM)负责对指定评价对象的各方面或某些方面进行查询;数据库管理系统( DBMS)具有定义数据库( DB)结构、操作DB、控制数据的安全保密性和完整性、维护和恢复DB等功能;中心数据库( CDB)中用于存放与不同评价对象相关的原始指标属性值;标准数据库( SDB)中存放已形成指标体系评价对象结构化的指标属性值，并按规定结构进行组织;数据库字典( DBD)主要存放DB的结构信息。

图8－5　系统模块结构

4.集成式综合评价子系统

该子系统综合运用神经网络评价模型和模糊综合评价模型，完成了对指定评价对象的综合评价。其中，评价问题求解模块( EPSM)综合运用已有的模型、方法，对评价问题进行求解;评价结果分析模块( ERAM)用于引导决策者以多种形式分析评价结果;综合调度管理模块( CSMM)可为EPSM和ERAM调用所需的模型和方法程序，对评价结果和分析结果进行存贮，并为系统自学习提供相应的样本模式和模拟模型;知识库管理系统( KBMS)负责知识获取，并对系统运行时所需的各种知识进行维护与管理;模型方法管理系统( MAMS)负责对系统中的模型和方法进行操作、维护与管理，实现知识引导下模型与方法的调用与链接;推理机根据评价的具体目标对神经网络知识库( NNKB)和系统知识库( SKB)推理，并给出问题求解的途径;神经网络知识库( NNKB)中用于存放不同评价原则(评价的侧重点)下评价目标，同已有神经网络综合评价模型之间匹配知识，据此可以实现对神经网络综合评价模型的调度;系统知识库( SKB)中存放系统运行过程的控制知识，问题求解与目标分析知识，模型与方法知识，评价原则、评价模型、多目标权系数赋值方法、指标量化隶属函数等的描述和选择知识;模型库( MB)中用于存放各种模型(如神经网络综合评价模型、模糊综合评价模型、评价结果分析模型、基于神经网络的系统自学习模型等) ;方法库( AB)中用于存放一些标准方法程序，如评价指标量化的隶属函数程序、多目标权系数赋值的各种方法程序等，以供综合评价和分析模块调用;样本管理系统( SMS)则负责提取训练神经网络所需的样本模式，并对其进行维护与管理;样本库( SB)中用于存放各种样本模式;评价分析结果数据库( EADB)则用于存放系统运行时生成的评价结果、分析结果的数据和文件。

5.系统学习模块

该模块应用BP神经网络和改进的BP神经网络，不断从样本模式中学习评价专家用于综合评价的、定性的和经验性的知识，使系统具有知识获取和知识完善能力。

6.评价结果输出模块

该模块可把用户所需要的信息按其要求方式生成表格、曲线图、直方图、扇形图等输出到屏幕/打印机。

该系统具有通用性、交互性、规范性、智能性、集成性和开放性等特点，有机地将专家群体的判断与知识、数据及信息、相关技术和模型与方法、计算机综合集成于一体，实现从定性到定量的综合评价，从而为企业管理决策者提供强有力的支持工具，推进管理现代化、决策科学化进程。

三、群决策支持系统与企业投资决策战略绩效协商评价

群决策支持系统的概念与组成结构:

企业投资决策绩效协商评价涉及股东、经营管理者、员工和客户等等，企业投资决策绩效协商评价实际上是一个群决策GDSS ( Group Decision Support System)问题，群决策的概念出现于20世纪80年代早期，群决策支持系统是决策支持系统理论的重要发展与扩充［151］。在当今现实社会中人们所面临问题的难度越来越大，越来越复杂，已远远超出了个人决策的能力范围，如同企业战略绩效评价，各种决策方案的制订，往往需要由组织中的一个决策群体通过协调合作完成。GDSS正是为适应这一形势下的迫切需要而提出的。有关GDSS的研究始于20世纪80年代初期，并在80年代中期得到快速发展，现在已成为DSS研究的重要前沿。系统开发与应用领域的研究已取得了显著成果，其理论体系正在逐步建立并完善，在我们的社会生活中扮演一个重要的角色，在企业绩效的评价中无疑也起到了重要推动作用。GDSS体系结构图如图8－6所示。

图8－6　GDSS体系结构图

GDSS将决策科学、计算机与通信技术融为一体，为组织中的群决策行为提供技术支持。一般来说，这些技术工作可以分为三类:第一类主要是利用计算机来消除组织中的通信障碍，加强成员间的交流活动，增强信息流通与共享，提升组织的合作能力，这类系统通常称为CSCW ( Computer- supp port Cooperative Work) ;第二类支持工作主要通过各种定量、定性的决策方法与手段，辅助决策群体进行决策形势判断、合作问题求解、发现可行方案并对其进行评价，完成这类工作的系统也就是从DSS引申来的;第三类支持工作是辅助群体通过谈判与协商达成彼此都能接受的一致结论，通常称之为谈判支持系统NSS ( Negotiation Support System)。

以上的支持工作均与组织的决策行为有关，将其统称为GDSS。GDSS实际上是一个支持群体决策过程的信息系统，决策群体可以是集中或分散的，决策行为可以是同时或异步的。系统物质结构一般由计算机及其外围设备、网络系统、通信设备组成，逻辑结构一般由数据库、模型库、知识库、方法库、规程库以及各库的管理模块，加上系统总控、网络服务、通信管理与人机界面等工具构成。系统的职能为辅助决策群体完成通信、规划、方案生成、问题求解、专题讨论、协商谈判、冲突解决、系统分析等任务。与传统的DSS相比，GDSS强调了组织行为与通信技术的职能。

影响GDSS组成结构的因素较多，其中最主要的有三个，即群体大小、成员接近程度与任务类型，后两个因素决定了GDSS的四种基本结构:①决策室;②局部决策网络;③会议室会议;④远程电话会议。

GDSS对企业的投资决策绩效评价群体提供的最基本的支持，就是在很大程度上减少或排除通信障碍，增进群体成员间的信息交流，增强成员的参与，使群体决策更民主，议题更集中并趋于一致，从而提高群体绩效协商评价的有效性与效率。依照GDSS对投资决策绩效评价群体的支持程度，可将其划分为三个等级:第一等级只提供较低层次的决策支持，只为投资决策绩效评价群体消除通信障碍，以提高信息交互效率。如提供公共显示设备，对表决进行简单管理与统计，协调成员间的通信等。第二级在第一级的基础上，为投资决策绩效评价主体提供了强有力的定量与定性分析手段及各种群决策技术，以支持半结构化和非结构化问题求解。这一级GDSS是DSS与群体组织行为相结合的产物。第三级GDSS的典型特征在于智能型，例如在机器诱导下完成各种模式的选择以及进程度自动管理等，整个会议是在自动组织下进行的。

四、企业投资决策战略绩效协商评价分布式智能决策支持系统

(一)传统智能决策系统的系统结构及其局限性

智能决策支持系统是在普通决策支持系统的基础上，集成人工智能研究领域内的专家系统而形成的一种新型决策支持系统，其中的专家系统主要由知识库、推理机和知识库管理系统组成。智能决策支持系统既充分发挥了专家系统以知识推理形式实现定性分析问题的特点，又充分发挥了决策支持系统以模型计算为核心的解决定量分析问题的优势，从而做到了定性分析与定量分析的有机结合，使计算机系统解决问题的能力和范围得到了很大的提高。尽管智能决策支持系统比普通决策支持系统有了很大的改进，但是它还存在着许多不尽如人意的地方，主要表现在以下几个方面:

( 1)传统的智能决策支持系统是非嵌入式的，不能与环境发生直接的交互，它们自制性不好，不是从传感器而是从用户那里获得信息，不能依靠自身的能力完成任务。

( 2)传统的智能决策支持系统一般不提供实时操作的功能，在时间紧迫的环境下，它不能够做出及时反应来辅助人们进行决策，从而失去它的功效。

( 3)传统的智能决策支持系统在设计时无法预测所有情况和环境的变化，在运行时不能获取更多的有关环境和问题求解的信息，从而不能调整行为实现更高效地解决问题。

( 4)传统的智能决策支持系统一般采用的是直接操纵式界面，随着任务复杂性的增加，用户的操纵过程将越来越烦琐，使系统的预期效果难以实现。

(二)分布式企业投资决策绩效评价智能支持系统( PEIDIDSS)

分布式企业投资决策绩效评价智能决策支持系统的进一步发展，将要在以下几个方面获得突破:

( 1)大规模复杂的不良结构决策问题，它的求解需要众多领域的专业知识，因而PEIIDSS必须拥有一个庞大的知识系统。然而一个包括众多专业知识、集中式的知识系统，不仅在知识的表达、管理、维护上存在诸多困难，而且会降低推理的效率，延长系统响应时间，不能及时产生问题的答案。

( 2)各个相关领域紧密联系，解决复杂决策问题的方式和过程取决于各领域相关联系。IDSS若采用集中式知识处理模式将不能有效地支持这种跨领域问题求解。

( 3)认知科学的研究表明，人类的智力活动是在互相联系的脑细胞之间并行进行的。如果模拟人类智力活动的智能系统仅仅包含孤立的智能单元，将不易达到高级的智能水平。PEIIDSS要具有较高级的智能，其内部也应当具有与人脑相似的结构，即应当包含相互联系的若干智能单元，通过单元之间的协作求解复杂问题。

为解决上述问题，PEIIDSS应在如下几个方面取得进展:

( 1)充分使用AI技术和知识工程技术，提升PEIDSS的智能化程度，增加它提供主动形式支持的能力。

( 2)基于分布式计算机系统和通信网络技术，未来PEIIDSS的构建将采用物理分布结构，内部子系统拥有自主权或半自主权。

( 3)基于DAI、特别是分布式问题求解技术，通过PEIIDSS内部若干智能子系统的协调合作，为企业大型复杂问题提供支持。

以上三个方面的要求不仅是PEIIDSS，而且也是专家系统( ES)及其他类型的智能系统发展的必然趋势，即向分布式方向发展。

PEIDIDSS除了具有一般分布式系统的优点，如更高的可靠性与安全性外，还具有如下优点:

( 1)启动模块化设计。整个系统划分为若干较小的子系统，这些子系统作为相对自含的模块，容易开发、调试与维护。启动系统的模块化还有利于依据具体需要灵活地增减某些子系统，增加新的功能，很方便地重新构建整个系统。

( 2)化解复杂性。随知识系统规模的增加，问题处理系统的复杂性快速增长。将PEIDIDSS划分为具有不同领域知识的N个子系统，将使问题处理系统的复杂性以因子1/ ( 2N－1)降低。

( 3)提升问题求解能力和速度。一般原理认为，系统的专门性越强，问题求解能力越高。子系统具有较强的、不同领域的专门性。具有不同专门性子系统的合作配合使系统整体问题求解能力将会大于各个子系统问题求解能力的简单相加，产生1 +1＞2的协同效应。而且，系统内处理与控制功能的分布以及各子系统具有相对独立性，因此，可以将某个复杂问题分解为较小的子问题分配到各个子系统进行处理，这样就大大加快了问题求解速度。

(三)企业投资决策战略绩效协商评价群决策求解系统支持

利用多Agent［152］的协调方法，基于协商的问题分配求解实现投资决策绩效协商评价体系的决策支持功能。问题的分配分为两个步骤:

1.实施问题的划分

全部的决策Agent依次参与问题的划分，直到某一可行方案的出现，其中没有全局协调者的参与，是分布式的划分。

2.进行问题的分配

这个过程是问题的招聘和问题应聘的过程，整个过程中也没有全局协调者的直接参与。问题的招聘，指将所有子问题对所有决策Agent进行发布，来招聘其他决策Agent进行问题合作求解。问题的应聘，指在决策Agent接到另一Agent所发布的子问题后，充分利用知识库的知识计算出子问题的能力向量，显示具备了成为问题求解联盟小组成员的资格。

在某一决策Agent被触发之时，这个决策Agent将会对某问题P运行求解工作。对于P，存在两种情况:①P是不可再分解的问题或子问题，这时可直接运行求解工作，同时，若此决策Agent是P的承包者，则还要将此问题进行发布，进行招聘工作。②P可以进一步分解为不同的子问题，将分解后的所有子问题向其他的决策Agent进行发布，进行问题的招聘工作。现在将两者归一化:问题P可分解为子问题集合P，集合内容为{ P1，P2，…，Pi，…，Pm} ( n≥1)。所有子问题都将实行对外招聘。全局协调Agent将根据能力矩阵生成所有的解决方案S1，S2，…，Si( i＜nm)，m为影响问题求解因素的个数，当生成的解决方案数为0时，表示问题的划分方案不可行( P可分为子问题)或是此问题不可解( P为不可划分为子问题)。当解决方案数大于0时，根据利益最大化原则，全局协调Agent将从方案集合S中选择能力向量最大的方案作为解决方案，由协调模块将解决方案写入任务表，这些决策Agent形成临时联盟小组，对问题进行求解，协调模块通过任务表完成求解的流程控制及决策Agent的协调工作。当P为可分解问题且能力矩阵不能够生成可解决方案时，则此决策Agent所提供的问题划分方案不可行，这时，此决策Agent将问题P转交给下一个未提供过解决方案的决策Agent。由下一个决策Agent利用其知识库的知识，产生问题P的新划分方案，并进行新招聘工作。如此不断地重复此工作，直至提出问题的可行方案。

如果所有决策Agent所提出的问题划分方案，都不能生成可行的解决方案。则将问题P交与全局协调Agent，协调模块将这些问题重新进行划分，然后再进行招聘，如未能招聘到求解此问题的决策Agent，说明这个GDSS系统不具备问题P求解的能力，将问题P放弃，返回给用户。这个方案的一个前提:因为问题划分的依据是知识库的知识，每个决策Agent的知识库的知识是不同的。因此，每个决策Agent产生的问题划分方案也不同，绩效评价体系提出的问题分配方案才能顺利进行。

(四)企业投资决策战略绩效评价分布式智能决策支持系统框架

1.企业投资决策绩效评价分布式智能决策支持功能

一个智能决策支持系统首要的任务应是为决策者提供必要的信息和协助其对这些信息进行分析，而把决策留给决策者自己去做。其功能应具备如下几点:

( 1)信息咨询功能。系统可向决策者提供决策所需的基础资料、数据信息，同时也可对基础信息进行统计或综合来提供综合性或推论性的信息。

( 2)比较分析功能。比较分析通常应包括两个方面:①对某些信息进行直接的或综合比较，实现认识现状、发现问题。②对决策者提出多个决策方案从不同角度、用不同准则进行比较分析，实现决策参考功能。

( 3)方便且友好的人机接口功能。系统不仅要使人机交互简单而直观，且要使整个运行过程灵活地适应决策者的决策思路。

( 4)系统对决策者是透明的。系统应使决策者不仅可掌握系统中重要信息的来源和依据，而且可掌握系统对信息的处理方法，提升决策者对系统的信任度。因此，绩效评价的分布式智能决策应包含以上三种决策形式，最大程度地为评价主体提供决策信息，并为企业管理者的决策进行评估，来提高管理者的管理水平。

绩效评价智能决策支持系统应具有以下机制:自调整机制(自适应机制)，系统关键在于识别环境的变化，实施正确的决策，使系统在环境变化时能够与其适应。自组织机制，当指挥环境变化时，系统根据环境的变化而自动完善和改变自身结构。自学习机制，当有典型的专家进行训练时，系统应能进行有目的的学习，并且增加或修改知识库。因此一个智能化绩效评价决策支持系统功能有:

( 1)实现自动化基层功能:系统根据行业竞争态势、企业自身资源能力模仿战略规划者选定标杆企业、模仿绩效评价小组指标数理筛选方法选定和评价方法选定。

( 2)实现结果论证。根据指标筛选合综合评价的原则、理论、管理专家知识、模型的运行结果，对结果加以评估和论证。

( 3)提供动态显示全程。根据给定初始态势系统应用各种知识、模型的推理、运算进行指标筛选、标杆企业选定和评价模型的选择实时显示最终结果。

( 4)提供人工干预。根据用户的需要改变决策方案，比较几个方案时可实施干预。

( 5)提供解释。系统对一些结论、模型运行给出解释。

( 6)提供综合评判。对于多种指标筛选方案和评价方法选定方案进行的优劣评估，主要是对多个评价体系对于企业战略执行进行评估。

2.企业投资决策绩效评价分布式智能决策支持系统的结构

分布式智能决策系统应包含:问题综合与交互系统、模型库系统(由模型库管理系统和模型库)、数据库系统(由数据库管理系统和数据库)、知识库系统(由知识库管理系统和知识库)、推理机、数据仓库系统(由数据仓库管理系统和数据仓库)、数据开采和信息融合系统、决策信息系统等。系统体系结构如图8－7所示。

图8－7　智能决策系统体系结构图

五、本章小结

企业投资决策绩效评价系统是个复杂的系统，绩效评价涉及的指标多、数据多。指标的筛选、评价方法和模型的选择是随着企业经营环境的改变与经营战略的实施而不断发生着变化，运用计算机辅助有利于提高企业投资决策绩效协商评价的水平和效率。决策支持系统为企业投资决策绩效协商评价的实施提供了重要的支持。协商评价其实就是群决策的一种，因此，群决策支持系统为企业投资决策绩效协商评价决策支持系统的设计提供了重要的支撑。分布式智能决策支持系统是决策支持系统重要的发展方向。本章研究的主要内容如下:

( 1)企业投资决策绩效协商评价与决策支持系统的关系。

( 2)企业投资决策集成评价计算机系统的开发。

( 3)企业投资决策评价分布式智能决策支持系统的设计。