决策支持系统概念与特点及结构与功能

12.1　决策支持系统概述

决策支持系统是基于计算机技术的交互式信息系统，主要目的是为决策者提供有价值的信息，帮助决策者解决半结构化决策问题。自20世纪70年代中期被提出，得到迅速的发展，广泛应用于经济等各个领域，已经成为系统工程、管理科学、人工智能等领域新的研究热点。

12.1.1决策支持系统的概念与特点

计算机最早用于科学计算，20世纪50—60年代，计算机的应用领域扩展到电子数据处理EDP(Electronic Data Processing)，EDP把人们从繁琐的事务处理中解脱出来，目的是实现办公自动化。20世纪60—70年代，在电子数据处理的基础上发展了管理信息系统M IS，使信息处理技术进入了一个新的阶段，并迅速获得发展。M IS能把孤立的、零碎的信息变成比较完整的、有组织的信息系统，不仅解决了信息存放的“冗余”问题，而且提高了信息的效能。但是，由于MIS技术及方法论上固有的缺陷，使其难以适应多变的外部及内部管理环境，不能达到预期的社会经济效果。20世纪70年代，计算机应用范围进一步发展到决策支持系统DSS，它已经成为系统工程、管理科学、人工智能等领域十分活跃的研究课题。

(1)决策支持系统的概念

在20世纪70年代初期，美国麻省理工学院的Scott Morton教授首先提出了决策支持系统(DSS)的概念，他将DSS定义为:“一种交互式的基于计算机的系统，该系统能帮助决策者使用数据和模型解决半结构化的问题。”当时称为“管理决策系统”(MDS)。自从决策支持系统概念提出以后，许多学者对决策支持系统进行了定义，比较典型的有以下几种。

Keen和Scott Morton于1978年提出了DSS的另一个经典的定义:DSS将人们的智能资源与计算机的功能相结合，以改进决策质量，DSS是一种处理半结构化问题、为管理决策人服务的基于计算机的支持系统。它强调了DSS是支持而不是代替管理者进行决策，是改善决策的效益而不是效率。

Ralph Sprague把知识和人的行为这一概念引入DSS中，认为DSS是通过应用，力求改善组织机构中知识工作者行为的一种程序系统。他提出DSS有以下四个特征:①倾向于描述高层管理者常碰到的半结构化和非结构化问题;②把模型或分析技术的利用与传统数据存取和检索功能结合起来;③特别强调由非计算机人员以交互方式使用;④强调适应环境变化和用户决策方式的灵活性和适用性。

Reimann强调人机之间的交互作用，他认为DSS最重要的特征是它有一种交互的特别分析能力，使管理者完整地模拟问题并使之模型化。

截至目前，对于决策支持系统仍然没有一个学术界公认的权威定义，但是对其基本特征和内涵的认识有很多共同之处。如DSS是支持决策而不是代替决策;DSS主要支持高层管理者的半结构化问题;DSS是交互的计算机系统等。

结合上述学者对决策支持系统的定义，可以概括为:DSS是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、人工智能技术和信息技术为手段，面对半结构化的决策问题，支持高级决策者的决策活动的一种人机交互系统。它能为决策者提供决策所需要的数据、信息和背景资料，帮助明确决策目标和进行问题的识别，建立或修改决策模型，提供各种备选方案，并对各种方案进行评价和优选，通过人机对话进行分析、比较和判断，为正确决策提供有益帮助。

DSS包含了决策者、决策信息和决策模型三个要素，问题结构、决策支持和决策的有效性是DSS的三个基本原则。它的目标是帮助管理者进行决策以解决半结构化问题，支持管理者的判断而不是取代它，提高管理者决策的有效性。

在DSS基础上发展了新一代的DSS，包括群体决策支持系统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、战略决策支持系统SDSS等。其中，GDSS是以计算机及其网络为基础，用于支持群体决策者，共同解决半结构化的决策问题的集成系统，典型的应用是远程会议。DDSS是由多个物理上分离的信息处理节点所构成的计算机网络，网络的每个节点至少含有一个决策支持系统或若干辅助决策的功能。IDSS是DSS和AI相结合的产物，其设计思想是着重研究把AI的知识推理技术和DSS的基本功能模块有机结合起来。

(2)决策支持系统的特点

DSS是从M IS的基础上发展起来的，而且处于计算机信息系统的第三个阶段，因此DSS与M IS之间既有密切的联系，又有明显的区别。DSS与M IS的联系主要表现在:①M IS收集、存储及提供的大量基础信息是DSS工作的基础，而DSS使M IS提供的信息真正发挥作用;②M IS需要担负起反馈信息的收集工作，以支持DSS进行决策后果的检验和评价;③DSS的工作可以对M IS工作进行检查与审计，为M IS的改善及提高指明了方向;④DSS经过反复使用，所涉及的问题模式和数据模式将逐步明确化或逐步结构化而可纳入M IS的工作范围。

DSS与M IS的区别主要表现在:①M IS追求的是高效率，而DSS所追求的是高效能，即想办法把事情办得尽可能好一些，以提高决策的能力和效果;②M IS着眼于信息，而DSS着眼于决策;③M IS的设计原则是强调系统的客观性，努力使系统符合组织的实际情况，而DSS的设计原则是强调充分发挥人的经验、智慧、判断力和创造力，努力使系统设计有利于个人或组织决策行为的改善;④M IS的设计方法是以数据驱动的，通常以数据库设计为中心，强调采用现行的、结构化设计方法，而DSS的设计方法是以问题驱动的，侧重以用户参加为主的、非线性的设计方法;⑤M IS的分析着重体现系统全局的、总体的信息需求，而DSS的分析着重体现决策者个人或群体的信息需求;⑥M IS只能解决结构化的决策问题，人工干预日趋减少，而DSS能够帮助解决半结构化和非结构化的决策问题，并以人机对话为系统工作的主要方式。这是M IS与DSS的主要区别。

根据DSS与MIS关系，可以归纳出DSS的主要特点:

①DSS直接面向决策者

系统的使用是面向决策者，在运用DSS过程中，参与者都是决策者。在系统分析和设计阶段，首先要考虑决策人在系统中的主导作用，其次是考虑决策者的知识、经验和技能。DSS辅助决策者解决半结构化或非结构化的问题，决策过程不同，对DSS的要求也不同。

②DSS主要解决半结构化问题

结构化的决策问题可以由决策支持系统自动给出，半结构化的决策通常使用系统模型，这样的模型能够预测选择替代方案的影响，但是仍需要决策者评估非结构化因素或处理非结构化决策的各阶段，并做出最终的决策。既要利用计算机自动化的数据处理，又要依靠决策者的直观判断。

③DSS主要是支持决策而不是代替决策

系统强调的是支持的概念，帮助加强决策者做出科学决策的能力。DSS把数学模型或分析技术与数据存储和检索功能结合起来，支持做出决策过程的所有状态，包括智能活动和设计活动等。DSS支持各种决策过程，能够满足不同变量类型之间的决策问题，具备良好的适应能力，可以满足不同环境和用户的需求。

④DSS强调交互式处理方式

DSS能提供友好统一的人机交互界面，强调在决策过程各阶段中决策者的介入，为决策者提供控制的权力，实现真正的人机交互系统。DSS对环境和用户有较强的适应能力，一个问题的决策要经过反复的、大量的、经常的人机对话，人的因素如偏好、能力、经验等对系统的决策结果有重要的影响。

12.1.2决策支持系统的结构与功能

决策支持系统的体系结构是指构成决策支持系统的各组成部分的排列、组织和相互结合的方式。对决策支持系统结构的研究不仅要考虑决策支持系统由哪些元件组成，更重要的是探讨如何恰当地组织这些元件使它们协调工作。

(1)决策支持系统的结构^[1]

自Ralph Sprague于1980年提出一种基于两库(数据库和模型库)的决策支持系统体系以来，人们陆续提出了各种各样的DSS框架结构。概括起来可以分为两大类:一类是基于X库的框架结构;另一类是基于知识的框架结构。

①基于X库的体系结构

Sprague提出的两库系统由三个部分组成，它们分别是数据库及其管理系统、模型库及其管理系统和对话系统。其中，数据库系统负责存储和管理DSS使用的各种数据，并实现不同数据源间的相互转换;模型库存放预定的标准模型，支持模型的管理和各种分析与运算;对话系统负责接受用户的请求，并向用户提供决策结果。

Sprague的两库结构对后来的DSS结构产生了很大的影响，相继出现了三库、四库、五库、六库，乃至七库的结构模式。其中，应用最广泛的、最具代表性的是三库结构模式(如图12-1所示)。

·模型库子系统

模型库子系统是构建和管理模型的计算机软件系统，它是DSS中最复杂与最难实现的部分。模型库子系统由模型库和模型库管理系统两部分组成，模型库及其相应的模型库管理系统在DSS中占有十分重要的位置，但是模型库MB并不是DSS必不可少的部件，少数仅通过信息服务来做决策支持的系统就可以没有MB，一些向ES方向发展的DSS也不太重视MB在DSS中的配置。MB所构造的模型不一定很复杂，但一定要符合实际，建模时特别注意推理能力和决策者的干预。模型库用于存储决策模型，是模型库子系统的核心部件。实际上模型库中主要存储的是能让各种决策问题共享或专门用于某特定决策问题的模型基本模块或单元模型，以及它们之间的关系。由于模型的生成、修改、更新、删除、连接时经常性的操作，所以模型库的管理成为非常重要的工作，这通常由模型库管理系统来完成。模型库管理系统的功能就是应用子系统或其他模块创建模型、产生新的程序和报告、修改模型、操纵模型数据，通过数据库以及适当的链接使模型之间相互联系起来。

·方法库子系统

图12-1　基于X库的DSS结构

方法库子系统是存储、管理、调用及维护DSS各部件要用到的通用算法、标准函数等方法的部件，方法库中的方法一般用程序方式存储。方法库子系统由方法库与方法库管理系统组成。方法库内存储的方法程序一般有:排序算法、分类算法、最小生成树算法、最短路径算法、计划评审技术(PERT)、线性规划、整数规划、动态规划、各种统计算法、各种组合算法等。按方法的存储方式，方法库可以分为:层次结构型方法库、关系型方法库、语义网络模型结构方法库和含有人工智能技术的方法库等。方法库管理系统是方法库系统的核心部分，是方法库的控制机构。

·数据库子系统

数据库子系统是负责存储、管理、提供与维护用于决策支持的数据的DSS基本部件，是支撑模型库子系统及方法库子系统的基础，由数据库、数据析取模块、数据字典、数据库管理系统及数据查询模块等部件组成。DSS数据库中的数据是从内部和外部数据源以及属于一个或多个用户的个人数据中抽取的，这些数据组织起来可被多个人在多个应用中使用。数据库管理系统负责管理和维护DSS中使用的各种数据，在模型运行过程中所使用的数据，按其数据内容分类，分别建立数据仓库文件。通过数据库管理系统有效的实现与模型库、方法库、知识库与用户接口部件方便、便捷的连接，实现数据的有效输出，以达到为各种决策服务的目的。

·人机交互系统

人机交互系统为用户和DSS提供具有交互作用的通信，通过对话完成用户与DSS之间的信息传送、显示和处理，通过推理和运算充分发挥决策者的智慧和创造力，充分利用系统提供的定量算法做出正确的决策。从DSS系统使用方便性的角度，人机交互系统应该达到以下目标:能使用户了解系统所能提供的数据、模型及方法;通过“如果……则……”方式提问;对请求输入有足够的检验和容错能力，提示和帮助用户;通过运行模型使用户取得分析结果或预测结果;在决策过程结束后，能把反馈结果输入系统，评价和修正现有模型;能提供丰富的图形和表格等表达方式，输出信息、结论和依据等。

·知识库子系统

如果在DSS基本结构的基础上增加知识库子系统，则可得到智能决策支持系统。知识库子系统包括知识库和知识库管理系统，知识库及其管理系统是以相关领域专家的经验为基础，形成一系列与决策有关的知识信息，通过知识获取设备形成一定内容的知识库，并结合一些事实规则及运用人工智能等有关原理，通过建立推理机制来实现知识的表达与运用。

基于X库的结构模式为DSS提供了支持内核，而且随着各库的增加，使DSS的功能由定量计算扩大到定量计算与定性分析相结合，方便了对模型的管理，也使人机界面变得更友好，对DSS发展产生了很大的推动作用。然而DSS功能的发挥并不是体现在支撑数目的增多上，而是体现在对决策者的支持上，因此很难得出库的数目与DSS效能间的正比关系。这是因为库的增加使系统的知识表示变得十分复杂，很难实现各子系统之间的接口和知识的处理。如果不能实现一致的信息组织与处理模式，势必导致DSS结构的松散和处理的低效率。此外，基于X库DSS结构模式并没有反映出DSS不同于其他计算机信息系统的特点，如决策者是DSS的主体，人机协同操作等，因此具有一定的局限性。

②基于知识的体系结构

基于知识的体系结构是Bonczek于1981年提出的，该DSS结构模式有语言子系统(LS)、知识库子系统(KS)和问题处理子系统(PPS)三部分组成(如图12-2所示)，也有人称为基于问题处理的DSS结构。

·语言子系统(LS)

语言子系统是用于与系统联系的工具，用户的问题通过语言子系统来描述和响应。

·问题处理子系统(PPS)

问题处理子系统是DSS的核心部分，它完成系统的动态过程，即接受用户的问题，运用知识库子系统的知识，实现用户问题的求解过程。

·知识库子系统(KS)

知识库子系统是DSS能够解决用户问题的智囊，它主要包括一个综合性的知识库，其中存放的是有关问题领域的各种知识(数据、模型等)。

图12-2　基于知识的DSS结构

基于知识的框架结构将专家系统中的问题处理技术引入到DSS的体系结构中，克服了DSS缺乏知识的弱点，符合DSS智能化发展的趋势，对DSS的发展也起到了很大的促进作用，较好地解决了对决策问题求解过程的控制。但该框架仍保留着专家系统的求解思路，未能充分体现出决策者在模型构造、模型选择等方面的作用和DSS模型驱动的特点。此外，基于该框架的DSS不具备学习能力，不能学习新知识或积累经验，因此也就无法改善自身的性能。

(2)决策支持系统的功能

DSS是在MIS基础上发展起来的，因此具有MIS的基本功能，但为了能辅助决策者进行某些综合性、战略性的决策，具有处理非结构化和半结构化问题的能力。DSS主要为管理者提供决策支持，具体来讲，DSS具有以下功能:

①提供快速的数据输入和输出功能

通过友好的人机界面，DSS允许用户选择适合自己的数据输入方式，并按照用户要求的格式输出数据，同时还能输出各种形式的图形，以直观的形式辅助用户进行决策。不仅能够随机查询所要求的数据，而且能够回答假设或虚拟之类的问题。

②为决策者提供快速的运算功能

DSS允许决策者以较低的成本快速进行大量的计算。及时的决策在许多情况下非常关键，直接影响到决策的结果和效能。

③提供信息支持

DSS能够提取管理决策信息数据，并对数据进行加工、汇总、分析和预测，使数据增值，并将提取的数据建立在独立的数据仓库中，与实时信息处理系统进行隔离，提高信息系统的处理效率，以便用户能随时得到所需要的综合信息和预测信息。

④可以实现员工决策

DSS直接面向决策者，系统的参与者都可以是决策者，利用决策支持技术，如专家系统、人工智能技术等，可以使欠缺知识的一般员工做出良好的决策，可以将决策权授予一般员工。

⑤有助于企业业务流程重组

利用决策系统的分析工具可以揭示企业已有数据间的关系和隐藏着的规律性，也能预测它的发展趋势，或者在一定条件下会出现的结果。在企业业务流程重组中，系统可以研究竞争者的活动、定制产品、制定规划等。

12.1.3决策支持系统的模式及发展

(1)决策支持系统的基本模式^[2]

DSS是一个开放系统，一个完整的DSS系统模式表示为DSS本身及它与真实系统、人和外部环境的关系，主要由管理者、基础数据、真实系统和DSS系统组成。其基本模式如图12-3所示。

图12-3　DSS的基本模式

①管理者

管理者处于核心位置，他运用自己的知识，把他和DSS的响应输出结合起来，对他所管理的真实系统进行决策。管理者通常也需要协助人员的帮助。

②基础数据

与DSS有关的基础数据包括来自真实系统并经过处理的信息(如M IS信息、统计信息等)、环境信息、与人的行为有关的信息等。

③真实系统

就真实系统而言，提出的问题和操作数据是输出信息流，而人们的决策则是输入信息流。

④DSS系统

DSS系统由数据库系统、方法库系统、模型库系统、知识库系统和人机对话系统等部分组成。

(2)决策支持系统的发展

自从20世纪70年代决策支持系统概念被提出以来，决策支持系统已经得到很大的发展，经历了萌芽期、集成期和智能期，决策支持系统的功能更加完善。决策支持系统的发展体现了决策支持系统本质的演变:DSS初期是利用模型库和数据库支持决策，到IDSS利用知识库和模型库结合支持决策，再到基于DW的DSS利用数据仓库支持决策。

①决策支持系统的发展阶段

·萌芽期(20世纪70年代中期)

20世纪70年代，ScottMorton教授首先提出了DSS的概念，认为DSS是一种交互式的基于计算机的系统，该系统能帮助决策者使用数据和模型解决半结构化的问题。面向模型的DSS的诞生，标志着决策支持系统这门学科的开端，称为初级DSS。

·集成期(20世纪70年代末至80年代中期)

20世纪80年代以后，关于DSS的研究逐渐深入和成熟，DSS理论得到发展。

1980年Sprague提出了DSS三部件结构，即对话部件(人机交互系统)、数据部件(数据库和数据库管理系统)、模型部件(模型库和模型库管理系统)，明确了决策支持系统的基本组成，强调模型部件在DSS中的作用，便于DSS的设计和关键技术的解决，极大地推动了DSS的发展。

1981年Bonczak提出DSS三系统结构，即语言系统(LS)、问题处理系统(PPS)、知识系统(KS)，强调知识系统在DSS中的作用，利用知识辅助决策是DSS的一个重要方向，为DSS向智能方面发展提出了宏观方向。

20世纪80年代中期在DSS基础上产生群体决策支持系统(GDSS)，GDSS是在多个DSS和多个决策者的基础上进行集成的结果，用于支持群体决策者共同解决半结构化的决策问题。

·智能期(20世纪80年代中期至90年代)

20世纪80年代末90年代初，决策支持系统开始与专家系统(ES)相结合，形成智能决策支持系统(IDSS)。IDSS充分发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了DSS以模型计算为核心的解决定量分析问题的特点，充分做到了定性分析和定量分析的有机结合，使得解决问题的能力和范围得到了一个大的发展。IDSS是决策支持系统发展的一个新阶段。

20世纪90年代中期出现了数据仓库(DW)、联机分析处理(OLAP)和数据挖掘(DM)新技术，DW+OLAP+DM逐渐形成新决策支持系统的概念，为此，将智能决策支持系统称为传统决策支持系统。新决策支持系统的特点是从数据中获取辅助决策信息和知识，完全不同于传统决策支持系统用模型和知识辅助决策。传统决策支持系统和新决策支持系统是两种不同的辅助决策方式，两者不能相互代替，更应该是互相结合。

把数据仓库、联机分析处理、数据挖掘、模型库、数据库、知识库结合起来形成的决策支持系统，即将传统决策支持系统和新决策支持系统结合起来的决策支持系统是更高级形式的决策支持系统，成为综合决策支持系统(SDSS)。SDSS发挥了传统决策支持系统和新决策支持系统的辅助决策优势，实现更有效的辅助决策，是今后的发展方向。

由于Internet的普及，网络环境的DSS将以新的结构形式出现。DSS的决策资源，如数据资源、模型资源、知识资源，将作为共享资源，以服务器的形式在网络上提供并发共享服务，为DSS开辟一条新路。

②决策支持系统应用技术的发展历程

随着决策支持系统的不断发展，决策支持系统应用技术也不断改进，经历了数据驱动、模型驱动、知识驱动等过程。目前，基于Web的DSS、基于仿真的DSS、基于GIS的DSS及通信驱动的在线分析DSS成为决策支持系统发展和应用的主流，相关问题的研究已经成为当成决策支持系统应用研究的热点。

·数据驱动的DSS

20世纪90年代，信息技术界掀起数据仓库和数据挖掘技术的研究和开发热潮，这为开发传统DSS存在的问题提供了技术支持，使DSS的发展跃上了一个新的台阶，也为DSS开辟了一条新的途径。目前开发的综合DSS是以数据仓库(DW)技术为基础，以联机分析处理(OLAP)和数据挖掘(DM)工具为手段实施的一整套解决方案。以多维数据为核心的多维数据分析是决策的主要内容，数据仓库的多维特征满足DSS对数据的分析要求，并能克服数据库的数据组织性差、利用率低的缺点。主管信息系统(EIS)和地理信息系统(GIS)属于专用的数据驱动DSS。

·模型驱动的DSS

模型是决策支持的重要手段，对于比较复杂的决策问题，难以用单模型辅助决策，这就需要用多模型的组合来形成决策方案辅助决策，能扩大单模型的决策支持能力。模型驱动的DSS强调对于模型的访问和操纵，一般来说，模型驱动的DSS综合运用统计模型、金融模型、优化模型、仿真模型或多规格模型来提供决策支持。模型驱动的DSS利用决策者提供的数据和参数来辅助决策者进行决策。

·知识驱动的DSS

知识推理是人工智能的核心，是决策支持的定性分析方法，知识驱动的DSS可以利用专家系统的知识向决策者提供决策支持。专家系统的知识有产生式规则、谓词逻辑、框架、语义网络等，专家系统通过知识的推理，达到人类专家解决问题的能力。知识驱动的决策支持是区别于模型及模型组合方案的决策支持，属于智能技术的决策支持方式。

·基于Web的DSS

基于Web的DSS通过客户端Web浏览器向决策者提供决策支持信息或者决策支持工具，由客户端、浏览器、服务器等组成。运行DSS应用程序的服务器通过TCP/IP协议与用户计算机建立连接，可以通过Web技术访问系统数据库，并通过浏览器显示出来。Web技术可用以实现任何种类和类型的DSS。

·基于仿真的DSS

基于仿真的DSS可以提供决策支持信息和决策支持工具，以帮助管理者分析通过仿真形成的半结构化问题。这些种类的系统全部称为决策支持系统。DSS可以支持行动、金融管理以及战略决策。包括优化以及仿真等许多种类的模型均可应用于DSS。

·基于GIS的DSS

基于GIS(地理信息系统)的DSS通过GIS向管理者或商情分析者提供决策支持信息或决策支持工具。通用目标GIS工具是诸如ARC/INFO，MAPInfo以及A rcView这样一些程序，具有广泛的功能，但对于那些不熟悉GIS以及地图概念的用户来说，比较难于掌握。特殊目标GIS工具是由GIS程序设计者编写的程序，以易用程序包的形式向用户组提供特殊功能。以前，特殊目标GIS工具主要采用宏语言编写。这种提供特殊目标GIS工具的方法要求每个用户都拥有一份主程序(ARC/INFO或者A rcView)的拷贝用以运行宏语言应用程序。现在，GIS程序设计者拥有较从前丰富得多的工具集来进行应用程序开发。程序设计库拥有交互映射以及空间分析功能的类，从而使得采用工业标准程序设计语言来开发特殊目标GIS工具成为可能，这类程序设计语言可以独立于主程序进行编译和运行(单机)。同时，Internet开发工具已经走向成熟，能够开发出相当复杂的基于GIS的程序让用户通过WorldW ideWeb进行使用。

·通信驱动的DSS

通信驱动DSS强调通信、协作以及共享决策支持。简单的公告板或者线程电子邮件就是最基本的功能。组件比较FAQ(常见问题解答)定义诸如“构建共享交互式环境的软、硬件”，目的是支撑和扩大群体的行为。组件是一个更广泛的概念——协作计算的子集。通信驱动DSS能够使两个或者更多的人互相通信，共享信息，以及协调他们的行为。GDSS是一种混合型的DSS，允许多个用户使用不同的软件工具在工作组内协调工作。群体支持工具的例子有:音频会议、公告板和网络会议，文件共享，电子邮件，计算机支持的面对面会议软件，以及交互电视。