决策支持系统

决策支持系统（Decision Support Systems，简称DSS），是协助进行商业级或组织级决策活动的信息系统。DSSs一般面向中高层面管理，服务于组织机构内部管理、操作和规划级的决策，帮助决策者对快速变化并且很难提前确定的问题进行决策，通常是非结构化（Non-structured）和半结构化（Semi-structured）的决策问题。决策支持系统既可以是完全自动化决策，也可以是完全人工决策，或者两者兼有。DSS定义早期有些分歧，学术界与实务界对DSS均有不同的看法。1970年代，Scott-Morton指出：“DSS为一种电脑化的交谈式系统，协助决策者使用数据与模式，解决非结构化的问题”。之后Keen与Scott-Morton提出类似的看法，认为“DSS乃使用电脑协助解决半结构化的问题、支持但不取代人类、目的为改善决策而不是决策效率”。Alter则指出较为广泛的看法，认为“任何支持决策制定的系统均为DSS，其中包括信息的访问、模式的分析与工具支持”。1980年代，Bonczek等学者认为“DSS可能为组织中人类信息处理器、机械处理器或人机信息处理系统”，这样的定义则更为广泛。由于过去DSS的定义相当广泛，因此1990年代Turban则进一步以DSS的特性来定义：根据Keen提出的概念，DSS由两个领域的研究开始发展：DSS的概念则于1970年代开始形成。并在1980年代蓬勃发展，人工智能、数据库、模式库、知识与电脑科技均对DSS的发展有重大贡献。1980年代后期，高端主管信息系统（Excutive Information Systems，EIS）、群体决策支持系统（Group Decision Support Systems，GDSS）与组织决策支持系统（Organizational Decision Support Systems，ODSS）等等概念，逐渐将DSS由个人取向，转为模式导向与群体导向。1990年代起，数据仓库与OLAP的概念也导入至DSS，协助DSS进行数据的访问与分析。并且于2000年代新的万维网、网络技术与互联网，延展了DSS。因此，DSS为一种具有多种学门为基础的知识，包括数据库、人工智能、人机交互、数量模拟、软件工程与各种信息与网络科技等等的集成知识。DSS的架构以Sprague与Carlson所提出的对话-数据-模式（Dialog-Data-Modeling，DDM）架构最为学术界所接受，认为DSS有三大组件：其中DBMS（数据库管理系统）包含数据库，为管理数据库的工具，DSS的数据库包含大量内部数据（例如企业内部会计数据），或者外部数据（例如金融指数数据），这些数据需要经过搜集与萃取，成为有助于决策的信息形式与数据结构，以供用户进行管理、分析、更新与检索。MBMS为集成各种决策模式，分析数据库内外部的数据，例如利用数学计量模式将复杂的问题加以分析模拟，提供可行之方案，并协助用户选择方案。MBMS也包含造模语言，协助用户自定义模式或建造模式。MBMS基本的必要条件包括了：由于DSS等等特性，都由DSS与人类用户进行交互作用所产生，DGMS主要的功能为管理用户界面（User Interface）及DSS与用户交互。Bennett认为DGMS有三个主要构成单元：用户、电脑硬件与软件系统，并且将人类与DSS的相互沟通分为三个部分：由于许多非结构化或半结构化的问题，以标准的DSS功能之外，还需要专门的知识来解决，因此现代DSS除了DBMS、MBMS与DGMS等子系统外，以知识为基础的知识库管理系统（Knowledge-based Management System，KBMS），也是DSS重要的子系统。Silverman认为KBMS，应具有“支持数学模式无法协助的决策流程”、“能帮助用户创建、应用与管理知识库”与“集成能处理不确定性问题的专家知识库”等三种能力。DSS的类型学术与实务界均有相当多的看法，因此以下的分类依照各类学者的看法，对DSS进行分类，其中必须要强调的是，有一些是相互重叠的。此外，不同的DSS使用状况、所在环境、设计理念、使用人数与时间频率，也影响DSS的类型。Sprague与Carlson认为DSS涉及不同的技术层次，他们将DSS的技术功能分成三类：DSS输出结果层次的分类为Alter所提出，将DSS分为数据导向（Data Oriented）与模式导向（Model Oriented）两大分类。其中数据导向具有两种类型，数据获取（Data Retrieval）与数据分析（Data Analysis），数据获取具有文件柜系统（File Drawer Systems）与数据分析系统（Data Analysis Systems）两种类型，数据分析则有数据分析系统与分析信息系统（Analysis Information Systems）两种类型，数据分析系统的特性则同时包括了数据获取与分析两种类型。模式导向则具有两种类型，模拟（Simulation）与建议（Suggetion），模拟有会计模式（Accounting Models）与表达模式（Representation Models）两种类型，建议则有最佳模式（Optimization Models）与建议模式（Suggestion Models）。Holsapple与Whintson将DSS分类成六项：Donovan与Madnick认为决策问题具有不同的出现频率，因此将DSS分为使用频率较高的经常性使用DSS（Institutional DSS）与临时性DSS（Ad hoc DSS），例如解决生产调度问题的DSS与管理财务规划的DSS，可能即为企业内部的经常性使用DSS；协助谈判会议进行的谈判支持系统，可能为临时性DSS。决策可能由个人进行，也可能为一群人所进行，或者需以组织来进行决策。Hackathorn与Keen认为DSS也因决策人数多寡来分类，个人DSS（Individual DSS）、群体DSS（Group DSS，GDSS，多称为群体决策支持系统）与组织DSS（Organizational DSS）。由于设计理念或开发技术的不同，Carlsson等人认为DSS可分类为被动DSS（Passive DSS）与主动DSS（Active DSS），被动DSS大致依照事先分析好的数据、模式与确定的用户来进行设计；主动DSS则需要设计内置的智能功能，能协助处理混乱、复杂与非常态的决策分析。