< img height="1" width="1" style="display:none" src="https://a.gdt.qq.com/pixel?user_action_set_id=1200686054&action_type=PAGE_VIEW&noscript=1"/>

决策支持系统如何工作和提供价值

文:鼎捷ERP

作者:鼎捷软件 | 发布时间:2012-11-30 14:50:34

11.2  决策的支持系统
    实际上,这些趋势如何影响商业决策的系统?今天的决策支持系统能为公司做些什么?让我们更深入地了解每种主要的决策支持系统如何工作和提供价值。
11.2.1  MIS和DSS的不同
    管理信息系统(MIS)提供公司业绩方面的信息帮助经理监视和控制企业。它们通常会产生固定的、稳定调度的报告,由公司基础的业务处理系统(TPS)提取和总结数据而得。这些报告的格式是事先确定好的。一个典型的MIS报告可能展示一个公司的每一个主要销售区域的月度销售总结。有时,MIS报告还可以是例外报告,仅强调例外的情况,如一个特殊销售区域的销售低于预计的水平,或者一个雇员超过了他们在牙科保健计划上的花费界限。传统的MIS产生的是硬拷贝报告。今天这些报告可以通过因特网在线获得,更多的MIS报告可按需产生。表11—3给出了MIS应用的几个例子。


    决策支持系统以不同的方式支持决策。而MIS主要强调结构化问题,DSS支持半结构化和非结构化的问题的分析。MIS向经理提供基于正规流的数据的报告,进行企业的一般控制,而DSS则强调变化、灵活和快速响应。DSS较少地强调把用户连向结构化的信息流,而相应较多地强调模型、假设、针对性查询和图形显示。
11.2.2决策支持系统的类型
    早期的决策支持系统主要利用公司的小的数据集合,并多为模型驱动。近来先进的计算机处理和数据库技术已扩展了DSS的定义,通过分析大量数据以支持决策的PLM系统,包括企业系统中公司范围的数据和由网络得到的交易数据。
    当今,决策支持系统有两种基本类型:模型驱动和数据驱动。模型驱动的DSS主要为独立的系统,分离于主要的公司电子商务信息系统,用一些模型执行“What-if”分析和其他类型的分析。它们的分析能力基于强的理论或模型,结合一个好的用户接口,使模型容易使用。以前描述的航海估计DSS和DaimlerChrister运输效率支持系统都是模型驱动的例子。
    数据驱动的DSS分析大量的由主要公司系统找到的数据。它们使用户能提取大量有用的信息以支持决策,这些信息以前都被埋藏于大量的数据中。因此,数据经常被业务处理系统收集至数据仓库。联机分析处理(OLAP)和数据挖掘随之可用于分析数据。公司们正开始建造数据驱动的DSS去从顾客的网站中挖掘顾客数据,也可从企业供应链管理系统中挖掘数据。
    传统的数据库查询回答如下问题:“2004年11月第403号产品运出了多少单位?”OLAP或多维分析,支持更为复杂的信息问题,如“比较近两年来第403号产品按销售区和季度的销售与其计划”。对OLAP和面向查询的数据分析,用户需要有一个关于他们查询信息的好的想法。
    数据挖掘较多地是由发现驱动的。数据挖掘提供OLAP不能提供的对公司数据的洞察能力,发现大型数据库中数据隐藏的模式关系以及推理规则,由它们可以预测将来的行为。这些模型和规则可以用来指导决策与预测这些决策的效果。由数据挖掘获得的信息类型包括联想、因果、分类、聚类和预测等。
    ·联想是联系于单个事件的事件群。例如,超市采购模型的研究可能发现,  当人们购买玉米片时,65%的人会买可乐饮料,而当促销时,可达85%。利用此信息,经理们可以做出较好的决策,因为他们知道促销的概率。
    ·因果是事件在时间上的联系。我们可能发现,  当人们购置一栋房子后,两周内,65%的人会去买一个冰箱,一月内,45%的人会去买一个烤箱。
    ·分类识别描述组的模型,  以检测已分类的现存项和一组推理规则确定某项属于该组。例如,信用卡或电话公司类的企业担心稳定顾客的流失。分类可帮助发现想离开的顾客的特征,并可以提供一个模型帮助经理们预测他们是谁,  因而可设计特殊的竞争以留住这些顾客。
    ·在没有组被定义出时,聚类工作的方式和分类相似。一个数据挖掘工具可以帮助发现不同    的数据分组,如发现银行卡的亲密组,或根据地理位置和个人投资类型将数据库细分为顾 客组。
    ·虽然上述应用包含了预计,但预测以不同的方式应用预计。它用一系列现有的值去预测别的值将会是什么。例如,预测可发现数据中的模型,帮助经理们估计连续变量的将来值,如销售指数。
    数据挖掘综合应用统计分析工具和神经网络、模糊逻辑、遗传算法、规则—基及其他智能技术。它是知识发现的一个重要方面,包括选择、准备、解释大型数据库的内容,以识别独创的和有价值的数据模型。
    Harrah‘s酒店和娱乐场通过数据驱动的DSS挖掘Harrah收集的顾客数据,当人们玩它的老虎机或者在Harrah的娱乐场和酒店消费时,Harrah仔细地分析这些数据以识别有利的顾客和找到激励他们消费的更多方式。这个零售系统如此成功以至于成为Harrah企业战略的重要部分。

11.2.3  DSS的部件
    图11—4给出了一个DSS的各种部件。它们包括用于查找和分析数据的数据库:一个带有模型、数据挖掘和其他分析工具的OA软件系统:一个用户接口。

      
  DSS数据库是一种现在和历史数据的集合。一方面,它可能是一个小的数据库,保存在PC机上,包含下载的公司数据的一个子集,也可能联合一些外部数据。另一方面,DSS数据库可能是巨大的数据仓库,被主要的公司业务处理系统(包括企业系统和网络业务产生的数据)不断更新。DSS数据库中的数据经常是对生产数据库的提取或拷贝,因而,用DSS不会干扰关键的运行系统。
  DSS软件系统包含用于数据分析的软件工具。它可能包含各种OLAP工具、数据挖掘工具、一个数学和分析模型的集合,用户很容易存取到它们。模型是一种抽象表达,展示一个现象的组成和关系。模型可以是物理模型(如模型飞机)、数学模型(如一个方程),或词语模型(如填写一个订单程序的描述)。每一个决策支持系统均为一种特殊用途建造,取决于它们的用途,具有不同的可用模型的集合。
    统计模型库或许是较常见的模型。该库通常包含统计函数的全部范围,包括平均值、中值、偏差和散点图。这个软件有能力分析一系列数据并预测将来的输出。统计模型软件可用来建立关系,如对不同年龄、收入和社区之间其他相关产品的销售。较优模型常用线性规划确定较优资源分配,以达到某个变量的较大化或较小化,如成本或时间。较优模型的一个经典应用是在一个给定的市场上确定产品组合以求利润较大化。
    预测模型常被用来预测销售。这种模型的用户可能用一段历史数据预测将来的条件和由此条件带来的销售。这个决策者可以改变将来的条件(例如,促使原材料成本的提高或一个新的低价格的竞争者进入该市场),以确定新的条件如何影响销售。公司常用这个软件预测竞争者的行动。模型库存在特殊的函数,如财务和风险分析模型。
    应用较广泛的模型是灵敏度分析模型,它重复地提出“What-if”问题以确定一个或多个因素变化时对输出的影响。“What-if”分析,由已知的或假设的条件出发,允许用户改变一定的值去测试结果,以较好地预测当这些值变化时的输出。如果我们提价5%或增加广告预算100 000美元将会发生什么情况?如果我们保持价格和广告预算不变将会发生什么情况?桌面电子报表软件,如微软的Excel或Lotus-1-2-3常用于此,见图11—5。反向灵敏度分析软件用于目标搜寻:如果下一年我希望销售100万件产品,我要降低产品价格是多少?

         
    DSS用户接口使用户和系统及软件工具之间的互动容易化。一个图形的、易用的、灵活的用户接口可以支持用户和DSS的对话。DSS用户可能是经理或雇员,他们没有耐心学习复杂的工具,因而接口必须相对直观。许多DSS今天是建立在网络一基的接口上,以获得网络的易用性、互动性、个性化和顾客化的优势。建造成功的DSS要求高层用户的参与,以保证系统提供的是经理们需要的信息。

 

上一页:电子商务零售系统中的决策及支持系统

下一页:DSS的商业价值

相关新闻

  • DSS的商业价值

    用于管理老人家庭护理的SwedenLaps保健系统是一个地理信息系统(GIS)应用的例子,地理信息系统是DSS的一种特殊应用,具有地理上的可视数据。这些系统通常合并各类系统的顾客信息存入巨大的数据仓库,并利用各种分析工具对它们进行细分,以实现1对1的市场和预测分析。

  • 群体决策支持系统

    ·问卷工具为会议助理和群组领导在他们设置优先权的过程之前和中间收集信息以支持他们。群体会议的输出取决于这个群组的构成、向该群组表达问题的方式、会议助理的有效性,组织的文化和环境、计划的质量、参加者的合作、为不同的会议和决策选择工具的合适性等。

  • 电子商务零售系统中的决策及支持系统

    中层管理需要做出重要的关于 资源分配、短期计划开发和部门、特别工作组、团队及特殊项目组的业绩监控等的决策。决策支持系统(DSS)能综合分析模型和运行数据,并支持交互式查询和分析,它们支持中层经理处理半结构化的决策问题。

关注我们

留言板

咨询热线:400-626-5858