【决策支持系统建立中的关键问题】

决策支持系统的应用

决策支持系统(DDS)的概念提出20多年来,随着决策理论、信息技术、数据库技术、办公自动化、专家系统等相关技术的发展,DDS取得了长足的进展,在许多领域得到应用。DDS已成为许多行业经营管理中一个不可缺少的现代化支持工具。本期专题介绍了银行、房地产、企业等应用DDS的情况,包括如下文章:

1.决策支持系统建立中的关键问题

——兼论云南玉溪卷烟厂信息管理与决策支持系统

本文以建立云南玉溪卷烟厂信息管理与决策支持系统为例,介绍了决策支持系统建立中的关键问题,包括决策支持与数据管理系统,模型、方法和知识管理系统及用户交互环境。

2.银行智能决策支持系统

面对激烈竞争和瞬息万变的金融市场,传统的银行决策方法已不能适应现代化银行发展的需要。本文探讨如何将计算机决策支持技术应用到银行高层决策,建立银行智能决策支持系统。

3.地震预报智能决策支持系统的研制与应用

地震是众多自然灾害中对人类生存造成危害最为严重的一种灾害。为了科学、准确预报地震,减轻地震的影响,建立地震预报智能决策支持系统具有非常重要的价值。

4.智能房地产决策支持系统EID

柔性综合集成能够使系统按照当前运行状况,动态配置所需的计算机部件,以解决传统专家系统表示和推理单一、难以融合异质计算部件等缺点。本文介绍在构建智能房地产决策支持系统中,采用基于任务归约和子任务联想的知识汤建模方法,对柔性综合集成作了初步的尝试。

5.低成本CIMS成本管理决策支持系统

本文以特钢企业为背景,阐述了建立网络环境下低成本CIMS成本管理决策支持系统的基本思想,并提出CIMS环境下管理与决策的模型库、数据库、方法库和知识库的分析与设计,进而达到控制钢铁企业成本的目的。

决策支持系统是以日常业务处理系统的数据为基础,利用数学的或智能的方法,对业务数据进行综合、分析,预测未来业务的变化趋势,在企业发展、市场经营战略等重大问题上为领导层提供决策帮助的计算机系统。近年来企业(包括商业)部门业务处理以及信息管理系统的广泛使用,既为决策支持系统的建立提供了基础,也为它的应用产生了强大的推动力。

与此同时,计算机在理论与技术上的新进展也使决策支持系统的研究与应用水平不断提高,使它从早期的批处理方式演变成今天的联机分析处理方式,也带动了数据仓库、多维数据库、数据挖掘等新技术的研究。

决策支持系统大体上由以下三个部分组成:

·对决策用的数据进行管理的决策数据管理子系统。

·决策知识、模型管理子系统。

·与用户进行对话、接收命令,提供决策结果的交互环境。

在建立决策支持系统中,以下几个问题显得尤为关键:

一、决策支持与数据管理系统

数据管理系统必须为决策支持的分析处理提供以下服务:

(1)根据主题需要,从OLTP数据库中抽取分析用的数据。为此在抽取过程中要对原始数据进行分类、求和、统计等处理,抽取的过程实际上是数据的再组织。

(2)在抽取过程中,完成数据净化,即去掉不合格的原始数据,必要时还必须对缺损的数据加以补充。

(3)在改变分析、决策的主题时,可以按主题进行数据查询与访问。

(4)采用脱机大容量存储、联机磁盘存储、内存存储的多级存储模式,解决数据量巨大及按照主题、粒度划分的数据组织问题。

今天,人们常把满足上述功能需求的数据管理系统称为数据仓库系统。数据抽取与净化、存储组织等,都是建立数据仓库的关键技术。除此之外,在设计数据仓库时,还应特别重视数据的粒度与划分问题。

与传统数据库设计类似,好的数据仓库设计也采用概念模型、逻辑模型与物理模型的方法。所不同的是,数据仓库的数据模型是紧紧围绕前面所述的决策分析用的主题等范围进行的。

数据仓库系统可以在关键数据库的基础上建立。采用这一方法,开发人员把关系数据库当作一种存储结构,自己设计、实现数据仓库必备的功能。当然也可以利用关系数据库软件厂家提供的某些工具。目前这类工具还比较缺乏。

实现决策用的数据管理系统的另一种途径是采用多维数据库。多维数据库中的维是指在进行分析预测时可以变化的角度。例如,一个企业在全国各地的产品销售,可以按时间逐年统计,也可以按地区或者产品分类统计,这里的时间、地区、产品就是不同的维。多维数据库为面向主题的分析决策提供了更大的灵活性。它支持对按总体统计的详略级别组织的数据进行特殊查询,从宏观的结果逐步向下跟踪产生这些结果的微观数据,或者反过来由底层微观数据逐步向上得到高层的宏观结果。

对于较为简单的分析、决策应用而言,决策数据管理系统可以采用多维电子表格实现。

这

二、模型、方法和知识管理系统

采用数据仓库和多维数据库技术的数据管理子系统将数据进行整理(预处理)和净化之后,形成可靠的易于进行决策的"数据源"(即数据仓库或多维数据库),这个"数据源"的结构与形式和决策支持系统所采用的模型与知识有关。决策粗略地分为结构化决策支持、非结构化决策支持、半结构化决策支持。一个较好的决策支持系统必须完成这三方面的决策支持。

1.模型、方法和知识管理系统

在决策支持系统中,模型、方法和知识的管理是核心,它对依问题建立的模型库、方法库和知识库进行管理。

模型、方法和知识管理系统的主要任务是:

(1)对模型库、方法库和知识库进行维护。模型、方法和知识管理系统必须有对三库的维护界面;可根据问题的需要对模型、方法和知识库进行增加、删除和修改,并保证三库的一致性:一是系统运行过程调用每个库时不发生矛盾,特别是对知识库的维护更为复杂;二是每种模型、方法和知识都能调用到。

(2)模型、方法和知识管理系统根据用户的要求和数据仓库提供的数据,能有效地选择模型、方法和知识,经系统运行得到相应的结果,并将结果送给交互环境进行输出。

2.智能决策支持系统

智能决策支持系统一般是在模型、方法和知识管理系统的基础上增加专家系统和数据采掘与知识发现技术。目前虽然一般的决策支持系统得到了广泛使用,但随着数据量的增大,不确定因素的增多,专家系统技术和各种推理技术对提高决策支持的准确度十分必要,在人也无法描述出数据间的关系时,就提出数据采掘与知识发现技术。近年来数据采掘与知识发现技术发展很快,已达到初步应用的程度。智能决策支持系统将会迅速发展。

分页

三、用户交互环境

用户交互环境是决策者或决策部门与决策支持系统打交道的界面,它负责接收用户发出的各种命令,根据这些命令调用不同的子系统,并获得处理结果,最后再将这些结果输出给用户。

用户输入的命令包括:对确定的主题进行分析、对比、预测等决策处理;对决策用的数据进行各种查询;其它特殊命令,如控制输出形式,要求对输出的结论进行解释等。

从内容上讲决策的输出主要是围绕决策主题产生的各种分析、综合与预测的结果。以市场分析、预测的主题为例,其内部就可以包括行情变化趋势,各种商品销售按时间、地区对比、排序,厂家竞争策略,未来销售预测等。

交互环境的好坏直接影响着用户对系统的使用。一个好的交互环境,其输入应当简单、易学、易用。其输出应当做到内容丰富、形式活泼。

在输入方法上可以采用先进的手写输入和语音输入,以及广为使用的多窗口图形化界面技术。

在输出形式上可以包括文字报告、图表、可视化图形、语音合成,这些方式相互配合,相得益彰,可以取得令人满意的效果。

良好的决策支持系统的交互环境很难直接从市场上购买到,常常要靠自己开发。我们以为云南玉溪卷烟厂开发的"信息管理与决策支持系统"(简称"玉烟系统")为例来讨论交互环境中的结果输出部分的关键技术。

"玉烟系统"的基本输出形式是具有标题、段落的文字报告。其内容较为丰富,包括市场分析、预测等若干主题。当输出时,以实时生成的女声自然语音输出为主,同时配合以下手段对输出内容进行补充:

·二维表格显示朗读的数据。

·三维直方图、饼图显示分析、对比结果。

·可以按省、地区变化颜色,在地区上显示立体柱图的三维中国地图。这种显示主要用于描述全国市场的竞争态势。

·报告中所提到的某些对象的三维立体造型的动态显示。

输出过程可以随时暂停或继续。当暂停时,还可要求解释报告内容。以上述方式向用户输出分析、决策结果必须解决以下几个关键问题:

(1)首先要为用户提供一种手段来定义报告输出的结构、内容、多媒体输出的要求。为此我们设计并定义了一种特殊的脚本语言。通过这一脚本语言,用户可以方便地表达他们希望输出的内容、文字报告的格式,以及前面提到的输出格式。

(2)在输出时要做到说的与显示的都反映同一个主题,即各种输出应当在内容上一致,因此必须很好地控制多媒体输出的同步。在系统实现时,我们以语音输出为主,计算输出字符、分句同步等方法使这一问题得到解决。

(3)汉语的文语转换、语音合成、三维复杂实体造型的实时动态显示等技术。这些方面既有输出质量、也有输出速度的要求。

四、一个用于市场分析与预测的决策支持系统

我们以"玉烟系统"为例来说明一个具体系统的构成。

1.系统描述

"玉烟系统"从功能上分为以下五部分:

(1)数据规范化处理(D)由于决策的需要,企业要尽可能地收集各种市场信息和生产数据,因此也就存在原始数据来源多、结构混乱的问题。D的目标旨在对原始数据进行一定的预处理,从而得到结构简单、格式规范、统一的规范化数据,供专家系统、分析、预测和报告生成使用。同时也使系统数据具有独立性,系统工作从规范化数据开始。其实这部分就是数据仓库的建立,规范化的数据放在数据库中就是数据仓库。

(2)专家系统(ES)通过长期的工作实践,有经验的企业管理人员和市场营销人员必然会对市场的变化和发展形成一套较为完整的看法,将这些知识总结成规则的形式,即可通过专家系统加以运用。ES的功能是运用已定义的经验性规则,基于实际的数据情况进行推理,以发现一些值得注意的问题。

根据随机性市场分析的特点,推理机制采用确定性的正、逆向混合推理方法。市场上可能会出现的突发事件类型由用户在建造知识规则库时用规则事先定义好。在推理过程中,系统在这类规则的引导下,通过对规则集的匹配和数据查找,验证各类突发事件是否发生,这是一个逆向过程。当发生了某个突发事件时,则对其产生的背景和相关条件进行跟踪,找出该突发事件发生的原因和背景,这是一个正向的过程。

专家系统具有解释功能。系统提供了两种类型的解释:一种是服务于系统维护人员的,它可以提供得出某项结论的推理路径、所用规则及内容,以及推理依据等内容。系统维护人员可以据此对知识规则库的正确性进行维护。这种解释是通常专家系统意义下的解释,只要在推理过程中记录推理路线和所用到的数据即可。

另一类解释是服务于生产决策人员的,他们关心的是某项突发事件产生的原因和背景。

由于篇幅的限制,分析报告中不能包括所有突发事件的全部信息,当决策人员想知道某个突发事件的更详细的情况时,可以通过解释功能得到。由于该类信息量较大,在正常推理情况下并不保留这些信息,只有当用户要求对某项内容提供更详细情况时,系统才重新启动推理机,将有关更详细的情况报告给用户。

(3)市场分析模型和知识管理系统(MAS)有限的经验性知识无法覆盖可能出现的全部情况,因此,还需要从实际数据中发掘出知识中没有提到但有可能对企业行为产生影响的信息。在这种情况下,除了采用经验性知识进行分析推理之外,基于数学方法的统计分析是必不可少的。MAS包括运用几种常用的统计分析方法(因果分析、趋势分析等)以及一些经验性公式,在已有数据的基础上进行一定的数学运算,以得出一些决策者可能会关心的分析结果。

我们认为一个完整的市场分析框架应包含以下四个方面的内容:

·建立信息综合处理的数学模型,可以对一个市场对象各方面的属性进行整体性处理,得出其对市场的影响程度;

·提供一种定性与定量相结合的信息加工手段,可以从经济学的角度对自变量的数值及其变化情况作出定性解释。

·根据变量间的依赖关系,对有定性因果关系的变量的变化情况作出合理的推断;

·根据市场数据的变化,寻找影响变量的有关因素。

仅仅使用数学方法或类似专家系统的知识方法都是不充分的。需要用数学模型对市场对象进行合理的描述,并通过数学手段解决变量间的数值依赖。由于不仅仅关心变量数值的大小,更重要的是揭示其经济意义,所以在市场分析的实现中需要可控制的推理系统,不仅能处理显式的规则,而且可以进行基于定性因果关系的推理过程。

在整个框架的研究中,我们着重于定性定量相结合的推理机制,以有效的综合使用数学方法与知识方法。

(4)市场预测模型及知识管理系统(MFS)MFS的功能是在现有数据的基础上,对未

来(主要是短期内)的基本经济情况、市场销售情况等作出预测,以便决策者在考虑下一步行动时借鉴。由于市场的多样性和复杂性,单纯使用数学上的预测方法难以收到满意的效果,因此,在本系统中我们引入了一种数学方法与经验知识相结合的综合性组合预测方法。

为了收到较好的预测效果,根据预测对象的不同,我们提出几种不同的预测方案,在各种方案中,充分衡量预测对象变化的条件以及可能变化的幅度,并采取相应的处理方法。本系统将预测对象分为两类:一类是对各地区的常规的经济状况(人口、人均收入、人均消费水平等)进行预测,一类是对某一产品的社会容量(需求量)进行专项预测。常规的经济状况的预测分别采用时间序列分析方法、因果回归分析法或者两者相结合的方法,而对某一产品社会容量的预测则采用数学方法与知识方法相结合的组合预测方法。知识方法中,我们采用了分类和匹配方法。

(5)报告生成系统(RGS)RGS的功能是根据原始数据以及专家系统、分析和预测所得到的结果,生成市场分析和预测的文字报告,必要时配以辅助信息。在本系统中我们采用的是一种基于模板的文字报告生成方法。

2.系统流程及其框图

在运行本系统之前,一定的数据准备工作是必要的,所有需要用到的原始数据都应按照D所能处理的格式存放在数据库中。之后,即可通过一定的参数(如时间等)调用本系统。

系统总体结构如图2所示。系统的工作步骤如下所示:

(1)调用D,对原始数据进行规范化处理,得到规范数据;

(2)调用ES,在规范数据的基础上运行专家系统,得到规则结果;

(3)调用MAS,在规范数据的基础上进行分析,得到分析结果;

(4)调用MFS,在规范数据的基础上进行预测,得到预测结果;

(5)调用RGS,在上述结果的基础上生成相应的文字报告(以及必要的辅助信息)。

五、结束语“http://www.yytv.com.cn”版权所有

Internet特别是Intranet的出现,对决策支持系统的研究与开发提出了许多极富挑战性的问题。大型企业都把自己的生存与发展与网络联在一起,而越是这样的企业,越是需要决策支持系统。当一个企业是建立在Intraneet上时,就分析与决策而言,至少在以下两点上会发生很大变化:

(1)分析、决策用的数据不再集中于某一场地,而是分散到网络上的不同地区、部门。

(2)运行在Intranet环境里的分析、决策模型及知识处理方法会从一台机器上的集中式处理,变成在网络环境下的分布、或分布再加上并行的处理方式。这些变化为我们研究分布式数据仓库、分布式决策处理提供了机遇。