决策支持系统
发展历史
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。
1980年Sprague提出了决策支持系统三部件结构(对话部件、数据部件、模型部件)，明确了决策支持系统的基本组成，极大地推动了决策支持系统的发展。
20世纪80年代末90年代初， 决策支持系统开始与专家系统(Expert System, ES)相结合，形成智能决策支持系统( Intelligent Decision Support System, IDSS)。智能决策支持系统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，又发挥了决策支持系统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。智能决策支持系统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(Data Warehouse, DW)、联机分析处理(On-Line Analysis Processing, OLAP)和数据挖掘(Data Mining, 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(Synthetic Decision Support System, SDSS)。综合决策支持系统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。综合决策支持系统是今后的发展方向。
由于Internet的普及，网络环境的决策支持系统将以新的结构形式出现。决策支持系统的决策资源，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，为决策支持系统开辟一条新路。网络环境的决策支持系统是决策支持系统的发展方向。
知识经济时代的管理--知识管理(Knowledge Management, KM)与新一代Internet技术--网格计算，都与决策支持系统有一定的关系。知识管理系统强调知识共享，网格计算强调资源共享。决策支持系统是利用共享的决策资源(数据、模型、知识)辅助解决各类决策问题，基于数据仓库的新决策支持系统是知识管理的应用技术基础。在网络环境下的综合决策支持系统将建立在网格计算的基础上，充分利用网格上的共享决策资源，达到随需应变的决策支持。
特征及组成
①主要针对管理人员经常面临的结构化程度不高、说明不够充分的问题;
②把模型或分析技术与传统的数据存取及检索技术结合起来;
③易于为非计算机专业人员以交互会话的方式使用;
④强调对环境及用户决策方法改变的灵活性和适应性;
⑤支持但不是代替高层管理者制定决策。
系统只是支持用户而不是代替他判断。因此，系统并不提供所谓"最优"的解，而是给出一类满意解，让用户自行决断。同时，系统并不要求用户给出一个预先定义好的决策过程。
系统所支持的主要对象是半结构化和非结构化的决策(即不能完全用数学模型、数学公式来求解)。它的一部分分析可由计算机自动进行，但需要用户的监视和及时参与。
采用人机对话的有效形式解决问题，充分利用人的丰富经验，计算机的高速处理及存贮量大的特点，各取所长，有利于问题的解决。
决策支持系统的组成有模型库及其管理系统;交互式计算机硬件及软件;数据库及其管理系统;图形及其高级显示装置;对用户友好的建模语言。
用户通过交互语言系统把问题的描述和要求输入决策支持系统。交互语言系统对此进行识别和解释。问题处理系统通过知识库系统和数据库系统收集与该问题的有关的各种数据、信息和知识，据此对该问题进行识别、判定问题的性质和求解过程;通过模型库系统集成构造解题所需的规则模型或数学模型，对该模型进行分析鉴定;在方法库中识别进行模型求解所需算法并进行模型求解，对所得结果进行分析评价。最后通过语言系统对结果进行解释，输出具有实际含义、用户可以理解的形式。
① 网络/系统基础架构
由基本软、硬件系统构成，如交换机、路由器、主机设备、操作系统、数据管理系统等，该基础架构为所有的高级管理系统提供服务的同时，还实现基本的信息服务功能。
② 业务管理系统
正在运行的应用，如各种基于关系数据库的事务性应用、办公自动化管理应用等，实现政府日常的业务处理，这些系统所处理的数据是数据仓库的数据源。数据源的类型包括关系数据库、办公数据、平面文件等。
③ 数据仓库管理系统
实现数据分析、统计、查询、信息挖掘、辅助决策支持等功能。数据仓库管理系统由关系数据库管理系统做为支撑系统，其管理的数据源自对业务数据的抽取，数据抽取的方法包括数据复制、数据抽取网关等。
数据交换模式:1、数据仓库管理系统与数据网关程序之间交换;2、数据仓库管理系统与业务数据库管理系统之间交换;3、数据仓库管理系统直接提取数据(如平面文件数据、办公数据)。
数据仓库由面向不同主题的数据集市构成。
④ 联机分析系统
实现分析、统计、查询、信息挖掘、趋势分析、辅助决策支持等功能。
⑤ 中间件、Web及应用服务系统
实现三层结构的应用逻辑部分。
⑥ 数据仓库客户端应用
实现三层结构的应用表示逻辑，提供数据仓库系统的用户接口服务。客户端应用可以通过中间件、应用服务器及Web访问数据仓库应用，也可以直接通过OLAP服务实现。
⑦ 网络/系统管理
实现完整的网络及系统管理，管理的范围涉及系统的各个层次。如安全管理;备份、存储、恢复管理;开发管理;数据管理;监控管理等。
决策分类
群决策支持系统(GDSS)
群决策支持系统可提供三个级别的决策支持:
第一层次是GDSS旨在减少群体决策中决策者之间的通信，沟通信息，消除交流的障碍，如及时显示各种意见的大屏幕，投票表决和汇总设备，无记名的意见和偏爱的输入，成员间的电子信息交流等。其目的是通过改进成员间的信息交流来改进决策过程，通常所说的"电子会议系统"就属于这一类。
第二层次的GDSS提供善于认识过程和系统动态的结构技术，决策分析建模和分析判断方法的选择技术。这类系统中的决策者往往面对面地工作，共享信息资源，共同制定行动计划。
第三层次的GDSS其主要特征是将上述两个层次的技术结合起来，用计算机来启发、指导群体的通信方式，包括专家咨询和会议中规则的智能安排。
分布式决策支持系统(DDSS)
DDSS是由多个物理分离的信息处理特点构成的计算机网络，网络的每个结点至少含有一个决策支持系统或具有若干辅助决策的功能。与一般的决策支持系统相比，DDSS有以下一些特征:
DDSS是一类专门设计的系统，能支持处于不同结点的多层次的决策，提供个人支持、群体支持和组织支持。不仅能从一个结点向其它结点提供决策，还能提供对结果的说明和解释，有良好的资源共享。能为结点间提供交流机制和手段，支持人机交互，机机交互和人与人交互。具有处理结点间可能发生的冲突的能力，能协调各结点的操作，既有严格的内部协议，又是开放性的，允许系统或结点方便地扩展，同时系统内的结点作为平等成员而不形成递阶结构，每个结点享有自治权。
智能决策支持系统(IDSS)
智能决策支持系统是决策支持系统(DSS)与人工智能(AI)相结合的产物，其设计思想着重研究把AI的知识推理技术和DSS的基本功能模块有机地结合起来。有的DSS已融进了启发式搜索技术，这就是人工智能方法在DSS中的初步实现。将人工智能技术引入决策支持系统主要有两方面原因:第一是人工智能因可以处理定性的、近似的或不精确的知识而引入DSS中;第二DSS的一个共同特征是交互性强，这就要求使用更方便，并在接口水平和在进行的推理上更为"透明"。人工智能在接口水平，尤其是对话功能上对此可以作出有益的贡献，如自然语言的研究使用使DSS能用更接近于用户的语言来实现接口功能。
智能-交互-集成化决策支持系统(3IDSS)
随着DSS应用范围的不断扩大，应用层次的逐渐提高，DSS已进入到区域性经济社会发展战略研究、大型企业生产经营决策等领域的决策活动中来，这些决策活动不仅涉及到经济活动各个方面、经营管理的各个层次，而且各种因素互相关联，决策环境更加错综复杂。对于省、市、县等发展战略规划方面的应用领域，决策活动还受政治、社会、文化、心理等因素不同程度的影响，而且可供使用的信息又不够完善、精确，这些都给DSS系统的建设造成了很大的困难。在这种情况下，一种新型的、面向决策者、面向决策过程的综合性决策支持系统产生了，即智能-交互-集成化决策支持系统(Intelligent，Interactive and Integrated DSS，简称3IDSS)。
集成化:在这种情况下，采用单一的以信息为基础的系统，或以数学模型为基础的系统，或以知识、规则为基础的系统，都难以满足上述这些领域的决策活动的要求。这就需要在面向问题的前提下，将系统分析、运筹学方法、计算机技术、知识工程、人工智能等有机地结合起来，发挥各自的优势，实现决策支持过程的集成化。
交互性:决策支持系统的核心内容是人机交互。为了帮助决策者处理半结构化和非结构化的问题，认定目标和环境约束，进一步明确问题，产生决策方案和对决策方案进行综合评价，系统应具备更强的人机交互能力，成为交互式系统(Interactive systems)。
智能化:决策支持系统在处理难以定量分析的问题时，需要使用知识工程、人工智能方法和工具，这就是决策支持系统的智能化(Intelligent)。
相关应用
基础数据及事务处理层
事务处理层是应用软件中最基础的层次，也是最为庞大和繁琐的一层，所采集的信息是大量的业务基础数据，如宏观经济、农业信息数据库;人口统计数据库、政策法规库、企业产品库。
另外，还包括对各类数据进行分析、统计、查询等事务处理的应用系统，如月度、季度、年度等宏观经济监测系统、预警分析系统;宏观经济跟踪、预测、预警系统等。
在决策支持系统中需要对该层的信息系统进行分类、加工和整理，形成决策支持系统中的元数据。
统计分析管理监控层
根据由业务基础数据经过抽取或加工后所形成的信息，对其业务范围内的业务情况进行信息查询、信息分析、监督管理和检查的职能。
在经过抽取和整理的元数据的基础之上，建立各种统计、分析模型，如计量经济模型、多方程时间序列统计模型、神经网络及投入产出模型等。通过模型的定义和开发，利用构成的经济模型，对经济系统中各方面给出全面深入的各种分析结果，包括因素分析、预测和政策模拟。其中要求系统能自动调用和集成不同类型的分析工具，例如回归分析和投入产出的自动结合。
辅助决策层
根据统计分析管理监控层的各种分析模型，进行多维的、更为复杂的综合分析和计算，从中发现各种趋势(如人口增长趋势、宏观经济趋势预测等);发现异常情况;得到重要细节;找出内在规律，为各级领导的决策业务提供切实有效的帮助。
每一个业务系统都将包含针对其相应业务(如人口、宏观经济、农业、外商投资、政策法规、企业产品等)的辅助决策子系统，在各业务辅助决策子系统的支持下，还可拓展面向综合性的辅助决策系统。