决策支持系统课程论文

课程论文课程名称决策支持系统班级学号学生姓名成绩浙江工商大学课程论文目录:TOC\o"1-3"\u第1章决策支持系统概念 11.1决策支持系统起源 11.2决策支持系统的概念 11.3决策支持系统在企业中应用现状 21.4我对决策支持系统概念的理解 3第2章决策支持系统的系统结构 42.1决策支持系统组成部件 42.1.1数据管理子系统（数据库） 42.1.2模型管理子系统（模型库） 42.2决策成系统的系统结构 52.3我对决策支持系统组成部件和结构的理解 6第3章决策支持系统的数据库及相关技术 73.1决策支持系统中数据库的作用和发展趋势 73.1.1决策支持系统的功能 73.2新一代DSS的研究与发展 73.2.1群决策支持系统（GDSS） 73.2.2分布式决策支持系统（DDSS） 83.2.3智能决策支持技术（IDSS） 83.2.4决策支持中心（DSC） 83.2.5战略决策支持系统（SDSS） 83.2.6I3DSS 83.3数据挖掘概念及其数据挖掘技术综述 93.3.1数据挖掘的概念 93.4数据挖掘各种分析方法的简介 93.4.1分类（Classification） 93.4.2估计（Estimation） 103.4.3预测（Prediction） 103.4.4相关性分组或关联规则（Affinitygroupingorassociationrules） 103.4.5聚类（Clustering） 103.4.6描述和可视化（DescriptionandVisualization） 113.5数据挖掘的主要应用 113.5.1市场营销 113.5.2金融 113.5.3工程与科学研究 113.5.4产品制造业 123.5.5司法 123.6数据仓库概念、建模和数据仓库的应用 123.6.1数据仓库概念 123.6.2数据仓库的特性 123.6.3数据仓库的建模 133.6.4数据建模的十条戒律 133.6.5数据仓库的应用 133.7我对决策支持系中数据库及其相关技术的理解 14第4章决策支持系统的模型库及相关技术 154.1模型、模型库和模型库管理系统的概念 154.2模型库在决策支持系统中作用 154.3模型库发展和应用的前景以及存在的问题 154.4我对决策支持系中模型库及其相关技术的理解 17第5章决策支持系统的知识库及相关技术 185.1知识和知识库的概念 185.2知识的表达与推理 185.3知识库发展和应用的前景以及存在的问题 195.3.1优越性 195.3.2功能 195.3.3缺陷 205.4我对决策支持系中知识库及其相关技术的理解 20第6章如何构建一个决策支持系统 226.1构建决策支持系统的一般步骤 226.1.1决策支持系统的框架设计 236.1.2实现决策支持系统 246.2决策支持系统关键问题 256.3决策支持系统案例分析 276.3.1系统描述 27浙江工商大学课程论文PAGE1决策支持系统概念决策支持系统起源（1）70年代中期，由\o"美国麻省理工学院"美国麻省理工学院的\o"米切尔S·斯科特"米切尔S·斯科特(MichaelS·Scott)和\o"彼德G·W·基恩"彼德G·W·基恩(PeterG·W·Keen)首次提出了“决策支持系统”一词，标志着利用计算机与信息支持决策的研究与应用进人了一个新的阶段，并形成了决策支持系统新学科。（2）在整个70年代，研究开发出了许多较有代表性的DSS。例如：支持投资者对顾客\o"证券"证券管理日常决策的ProfolioManagement；用于产品推销、定价和\o"广告决策"广告决策的Brandaid；用以支持企业短期规划的Projector及适用于大型卡车生产企业生产计划决策的CapacityInformationSystem等等。（3）到70年代末，DSS大都由模型库、数据库及人机交互系统等三个部件组成，它被称为初阶决策支持系统。（4）80年代初，DSS增加了\o"知识库"知识库与方法库，构成了三库系统或四库系统。知识库系统：是有关规则、因果关系及经验等知识的获取、解释、表示、推理及管理与维护的系统。知识库系统知识的获取是一大难题，但几乎与DSS同时发展起来的\o"专家系统"专家系统在此方面有所进展。方法库系统：是以程序方式管理和维护各种决策常用的方法和算法的系统。决策支持系统的概念对于决策支持系统（DecisionSupportSystem，以下简称DSS），目前还没有被普遍接受的严格定义。一个较为经典的定义由ScootMorton提出并经过Keen和ScootMorton修正后，定义如下：“决策支持系统是将个人的智力资源和计算机的能力结合起来改进决策的质量，它是于计算机的支持系统。帮助管理决策制定者处理半结构化问题。”这个定义经过后人的不断完善后，概括为：“决策支持系统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、模拟技术和信息技术为手段，面对半结构化的决策问题，支持决策活动的具有智能作用的人一机计算机系统。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，提供各种被选方案，并对各种方案进行评价和优选，通过人一机对话进行分析、比较和判断，为正确决策提供有益的帮助。”在此定义中，DSS的主要任务是：（1）分析和识别问题；（2）描述和表达决策问题及决策知识；（3）形成决策方案；（4）构造决策问题的求解模型；（5）建立评价决策问题的各种准则。决策支持系统在企业中应用现状由于DSS在实践中对解决决策问题，特别是对于复杂系统和问题的求解，具有重要作用和意义，所以受到各国政府和各管理层的重视。经过30多年的发展，在理论探讨、系统开发和实际应用诸方面取得了令人瞩目的进步。在我国，该领域的研究也特别活跃，形成了我国决策支持系统应用开发和研究的许多重要成果。企业根据自己的情况可以实施不同的DSS应用。最主要的应用有：（1）销售支持：每日按地区、部门、销售员和产品生成销售情况的汇总，给高级经理提供支持。这些报告标识了丢失的业务、挽回的业务和新的业务。根据需要还可以定制额外的周期报表，这些特殊的报表给经理提供了比较和趋势分析，有助于确定问题和机会。DSS应用能够分析和评价以往产品的销售，以确定产品成功或失败的因素。借助DSS，可以利用全公司的数据来推测一个决策所隐含的利润和收入。（2）客户分析和市场研究：DSS应用可以利用统计工具来分析每天收集的交易数据，以确定各种类型客户的消费模式，然后采取相应的营销措施，从而实现最大的利润。对于重点客户要提供更好的服务和更优惠的价格策略。对于潜在客户要进行促销以争取。对于易流失的客户要分析原因以挽回。市场研究包括：利用预测模型分析得出每种产品的增长模式，以便做出终止或者扩张某种产品的适当决定；企业品牌和形象的决策支持系统在企业管理中的应用研究研究，以便提高企业和品牌的知名度和美誉度；分析客户满意度：市场规模和潜在规模的研究等。（3）财务分析：按年、月、日或其它自定义周期来进行实际费用和花费的比较；审查过去现金流的趋势，并预测未来的现金需求量；复杂项目的预算计划和成本分摊：整合各分支机构的财务数据，形成正确、一致的财务报表。（4）运筹和战略计划：基于资源和时间的限制，来确定最优的项目时间表；制定工厂每日的生产计划；确定大型连锁机构中分支网点的设立，如连锁店、加油站、通讯中继站等等；协助制定大规模资本投资计划，并计算投资风险。（5）企业分析：为了达到组织的目标所必须考虑的因素被称为关键成功因子(CriticalSuccessFactor，CSF)。CSF是企业级分析的焦点。这样的因子可以是战略性的或者操作性的，主要从三个来源导出：组织性因素、行业因素和环境因素。关键性能指标(KeyPerformanceIndex，KPO提供了CSF在公司层次上的度量。我对决策支持系统概念的理解决策支持系统(DecisionSupportSystems)作为一种新兴的信息技术，能够为企业提供各种决策信息以及许多商业问题的解决方案，从而减轻了管理者从事低层次信息处理和分析的负担，使得他们专注于最需要决策智慧和经验的工作，因此提高了决策的质量和效率。目前在国内，DSS在企业中的开发与应用尚处于初级阶段。由于决策是一项复杂的管理活动，对从管理决策层面上如何开展DSS的设计和实现，研究还不够深入。所以应当加强研究。参考文献：决策支持系统及其发展概述徐世星决策支持系统在企业管理中的作用刘从新决策支持系统(DSS)的研究与发展李珊智能决策支持系统与现代企业管理刘建军决策支持系统研究现状分析刘博元，范文慧，肖田元决策支持系统发展现状与趋势分析吴新年陈永平浅析决策支持系统的产生和发展陈维娜决策支持系统的系统结构决策支持系统组成部件从计算机软件系统的角度来看，一个DSS中主要的成分是可以互相通信的、有机联系着的三个子系统（DSS的两库系统）：数据管理子系统、模型管理子系统和会话管理子系统。数据管理子系统（数据库）主要成分包括数据库、数据字典和数据库管理系统，存储着与决策问题有关的数据，数据库中的数据通常可分为：（1）事务数据是组织或企业日常生产和管理中发生的数据。根据数据的来源又可分为（是DSS的基础数据）：内部数据：内部数据的大部分都是事务数据（库存数据，生产数据，销售数据等）；外部数据：指来源于企业外部经营环境的数据，如企业所在行业的统计数据，市场调研的结果，税务状况，政府的政策规定等（对决策产生重大影响）。（2）个人数据指特定的决策者所收集和使用的数据，对这类数据，DSS中应有严格的保密措施以保证其安全性（个人的用户分析资料数据，是决策者决策行为的重要依据——同一问题，不同的决策）。模型管理子系统（模型库）模型管理子系统包括模型库、模型库管理系统、该子系统与其他子系统的接口等。模型库中一般应包含在特定领域中常用的数学模型，这些模型决定了系统可提供的分析能力（是DSS功能强大与否的重要指标）。模型库管理系统(ModelBaseManagementSystem，MBMS)是该子系统的核心部分，所有模型库中的模型都受MBMS的控制，用户也是通过MBMS来操作模型。通常将MBMS提供的功能统称为模型操作功能(ModelManipulation)，主要的模型操作功能包括（以产品定价模型的演算为例）：（1）模型创建功能：帮助用户迅速方便地创建决策模型（如盈亏平衡模型）。（2）模型库维护功能：MBMS提供专门的模型维护工具，用于模型的登记、分类、删除、复制等（根据具体情况对模型参数进行修正——市场容量，占有率等）。（3）模型集成功能：充分发挥现有模型的作用，并能对模型执行情况进行跟踪，以便发现某种问题所在（多种模型的综合应用——市场因素，政策因素）。（4）结果分析功能：用来对模型执行结果进行分析和评价，发现决策模型中的问题（各种价格下产品的利润分析——利润最大化）。决策成系统的系统结构DSS是由三个基本子系统所构成的，这些基本系统并非相互独立，而是在整个工作过程中相互会话、紧密相关的。同时，它们还必须与DSS用户有机地连接在一起，才能够发挥各自的作用。DSS=四库系统+对话系统（人机界面）四库系统包括数据库系统、模型库系统、方法库系统、知识库系统。DSS的三库结构和四库结构：我对决策支持系统组成部件和结构的理解在阅读了大量的论文和介绍后，我觉得决策支持系统首先需要一个具体而完善的数据库、知识库等，蕴藏有大量和企业生产经营销售客户等有关的信息，然后根据人的需求模型的建立，在已有的知识信息储备下进行不断的完善和修改，对比和删除，最后达成人的需要，得到最优的参考决策。我认为一个好的系统不仅需要硬件设施还需要软件配合。并且随着经济全球化等的加深，决策支持系统更加需要引入数据挖掘，数据仓库等新技术，不断开进和完善，从而使得决策更加有效。参考文献马哓青.冲击动力学[M].北京：北京理工大学出版社，1992成大先1机械设计手册[M]1第3版1北京:化学工业出版社陈文伟.决策支持系统及其开发.北京:清华大学出版社,2004.赵宇浅谈人工智能在决策支持系统的应用与发展物流工程与管理工程2009新一代决策支持系统体系结构研究马君智能决策支持系统产生与结构王宏昕陈晓红管理信息系统北京高等教育出版社2008.03黄梯云管理信息系统北京高等教育出版社2005.03决策支持系统的数据库及相关技术决策支持系统中数据库的作用和发展趋势决策支持系统的功能（1）管理并随时提供与决策问题有关的组织\o"内部信息"内部信息。如：订单要求、库存状况、\o"生产能力"生产能力与\o"财务报表"财务报表等。（2）收集、管理并提供与决策问题有关的组织外部信息。如：政策法规、经济统计、市场行情、同行动态与科技进展等。（3）收集、管理并提供各项决策方案执行情况的反馈信息。如：订单或合同执行进程、物料供应计划落实情况、生产计划完成情况等。（4）能以一定的方式存储和管理与决策问题有关的各种\o"数学模型"数学模型。如：定价模型、库存控制模型与生产调度模型等。（5）能够存储并提供常用的数学方法及算法。如：回归分析方法、\o"线性规划"线性规划、\o"最短路径算法"最短路径算法等。（6）上述数据、模型与方法能容易地修改和添加。如：数据模式的变更、模型的连接或修改、各种方法的修改等。（7）能灵活地运用模型与方法对数据进行加工、汇总、分析、预测，得出所需的综合信息与预测信息。（8）具有方便的人机对话和图像输出功能，能满足随机的数据查询要求，回答“如果……则……”之类的问题。（9）提供良好的数据通信功能，以保证及时收集所需数据并将加工结果传送给使用者。（10）具有使用者能忍受的加工速度与响应时间，不影响使用者的情绪。新一代DSS的研究与发展群决策支持系统（GDSS）支持多人或集体共同决策：利用通信技术（网络、电话会议、电子信息交换）、计算机技术（多用户系统、4GL、数据库、数据分析OLAP、数据存储、数据仓库、数据挖掘）和决策支持技术（议程设置、AI与推理技术、决策模型方法——如决策树、风险分析、预测方法等，结构化群决策方法——如德尔菲法等）相结合。分布式决策支持系统（DDSS）研究DSS在分布式环境中、与分布式技术相结合相关的技术问题。智能决策支持技术（IDSS）AI与DSS技术相结合，形成了高级别的、具有知识处理能力的DSS。组成：四库系统+接口。知识库、数据库、模型库、方法库及人机接口，还有问题求解模块。决策支持中心（DSC）1985年欧文提出来的。功能包括提供办公决策支持，具有定性定量相结合的综合集成功能。组成包括以决策支持小组为核心，为决策的全过程提供技术支持。战略决策支持系统（SDSS）支持战略级或高层管理者的决策过程。组成包括数据库系统、模型库系统、方法库系统、知识库系统、案例分析系统、输入输出系统、控制与通信系统等。I3DSS智能的、交互式的、集成化的（Intelligent,InteractiveandIntegratedDSS）DSS。特点是面向问题，有机集成。综合采用系统分析、运筹学方法、计算机技术、知识工程、专家系统等技术，使之有机结合，而不是单一的以信息为基础的系统，或单一的以数学模型为基础的系统，或单一的以知识为基础的系统。在面向问题的前提下，充分发挥各自的优势，特别是发挥它们在联合运用时的优势，即集成化（Integrated）。当DSS进入到高层次的决策活动领域时，由于处理的问题多半是半结构化或非结构化的，为了帮助决策者进一步明确问题、认定目标和环境约束，产生决策方案和对决策方案进行综合评价，系统应具有更强的人机交互能力，称为交互式（Interactive）系统。在处理难以定量分析的问题时，需要使用知识工程、专家系统方法与工具，已经涉及到人工智能领域。而重要的问题在于如何使用知识工程的思想方法，组织各个有关模块，实现决策支持过程的集成化。这种应用方式就是决策支持系统的智能化（Intelligent）。I3DSS的提出和实际应用，是DSS进入一个新的历史阶段。数据挖掘概念及其数据挖掘技术综述数据挖掘的概念数据挖掘(DataMining)是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。数据挖掘，在人工智能领域，习惯上又称为数据库中的知识发现(KnowledgeDiscoveryinDatabase,KDD)，也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析，等等。并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的搜索引擎查找特定的Web页面，则是信息检索（informationretrieval）领域的任务。虽然这些任务是重要的，可能涉及使用复杂的算法和数据结构，但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构，从而有效地组织和检索信息。尽管如此，数据挖掘技术也已用来增强信息检索系统的能力。数据挖掘各种分析方法的简介分类（Classification）首先从数据中选出已经分好类的训练集，在该训练集上运用数据挖掘分类的技术，建立分类模型，对于没有分类的数据进行分类。例子：a.信用卡申请者，分类为低、中、高风险；b.故障诊断：中国宝钢集团与上海天律信息技术有限公司合作，采用数据挖掘技术对钢材生产的全流程进行质量监控和分析，构建故障地图，实时分析产品出现瑕疵的原因，有效提高了产品的优良率。估计（Estimation）估计与分类类似，不同之处在于，分类描述的是离散型变量的输出，而估值处理连续值的输出；分类的类别是确定数目的，估值的量是不确定的。例子：a.根据购买模式，估计一个家庭的孩子个数；b.根据购买模式，估计一个家庭的收入；c.估计realestate的价值。一般来说，估值可以作为分类的前一步工作。给定一些输入数据，通过估值，得到未知的连续变量的值，然后，根据预先设定的阈值，进行分类。例如：银行对家庭贷款业务，运用估值，给各个客户记分（Score0~1）。然后，根据阈值，将贷款级别分类。预测（Prediction）通常，预测是通过分类或估值起作用的，也就是说，通过分类或估值得出模型，该模型用于对未知变量的预言。从这种意义上说，预言其实没有必要分为一个单独的类。预言其目的是对未来未知变量的预测，这种预测是需要时间来验证的，即必须经过一定时间后，才知道预言准确性是多少。相关性分组或关联规则（Affinitygroupingorassociationrules）决定哪些事情将一起发生。例子：a.超市中客户在购买A的同时，经常会购买B，即A=>B(关联规则)；b.客户在购买A后，隔一段时间，会购买B（序列分析）。聚类（Clustering）聚类是对记录分组，把相似的记录在一个聚集里。聚类和分类的区别是聚集不依赖于预先定义好的类，不需要训练集。例子：a.一些特定症状的聚集可能预示了一个特定的疾病；b.租VCD类型不相似的客户聚集，可能暗示成员属于不同的亚文化群；聚集通常作为数据挖掘的第一步。例如，哪一种类的促销对客户响应最好?对于这一类问题，首先对整个客户做聚集，将客户分组在各自的聚集里，然后对每个不同的聚集，回答问题，可能效果更好。描述和可视化（DescriptionandVisualization）是对数据挖掘结果的表示方式。数据挖掘的主要应用市场营销数据挖掘技术在企业市场营销中得到了比较普遍的应用，它是以市场营销学的市场细分原理为基础，其基本假定是“消费者过去的行为是其今后消费倾向的最好说明。市场营销应用是利用数据挖掘技术进行市场定位和消费者分析，辅助制定市场策略。DM在营销中应用分为两类：数据库营销（databasemarketing）和货篮分析（basketanalysis）。由于管理信息系统（POS系统）在商业的广泛普及，特别是条形码技术的使用，人们很容易得到顾客购买情况的数据。利用数据挖掘技术，通过对顾客历史数据的分析，可以得到关于顾客购买趋向和兴趣的信息，从而为商业决策提供依据。金融数据挖掘在金融领域应用广泛，主要有:金融市场的分析和预测、帐户分类、银行担保和信用评估等。这些金融业务都需要收集和处理大量的数据，很难通过人工或使用一两个小型软件进行分析预测。而数据挖掘可以通过对已有数据的处理，找到数据对象的特征和对象之间的关系，然后利用学习到的模式进行合理的分析和预测。工程与科学研究数据挖掘技术可应用于工程与科学数据分析。随着先进的科学数据收集技术的使用，如观测卫星、遥感器、DNA分子技术等，面对庞大的数据，传统的数据分析工具无能为力。数据挖掘技术以其强大的智能性和自动性，在工程与科学研究中得到广泛应用。数据挖掘技术在天文学和生物学中都有成功的案例，如在天文学中，JetProulsion实验室利用决策树方法对上百万个天体进行分类（效果比人工快而准确），结果帮助人们发现了10个新的类星体。产品制造业制造业应用数据挖掘技术进行零部件故障诊断、资源优化、生产过程分析等。如ＨＰ公司的工程技术人员使用Angosssoftware的Knowledgeseeker来进行ＨＰⅡｃ彩色扫描仪的生产过程分析。他们基于约200个参数建立了一个自动数据收集系统，产生了人工难以处理的大量数据。司法数据挖掘技术可以用于案件调查、诈骗监测、洗钱认证、犯罪组织分析等，可以给司法工作带来巨大收获。如美国财政部使用NetMap开发了False系统，并利用这个系统对金融交易进行监测，识别洗钱、诈骗。数据仓库概念、建模和数据仓库的应用数据仓库概念数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合。与其他数据库应用不同的是，数据仓库更像一种过程，对分布在企业内部各处的业务数据的整合、加工和分析的过程。数据仓库的特性（1）面向主题典型的主题领域：客户；产品；交易；帐目。（2）集成的数据提取、净化、转换、装载。（3）非易失的数据仓库的数据通常是一起载入和访问的，但并不进行一般意义上的数据更新。（4）随时间的变化性数据仓库中的时间期限要远远长于操作型系统中的时间期限（5~10年）；数据仓库中的数据是一系列某一时刻生成的复杂的快照；数据仓库的键码结构总是包含某时间元素。数据仓库的建模所有的实体都是平等关系。仅仅从数据模型的角度来着手设计数据仓库会产生一种“平面”效应。数据建模的十条戒律①必须回答紧迫的问题；②必须有正确的事实表；③将有正确的维表，描述必须按最终用户的业务术语表达；④必须理解数据仓库所影响的公司过程或影响数据仓库的公司过程；⑤对于事实表，应该有正确的“粒度”；⑥根据需要存储正确长度的公司历史数据；⑦以一种对于公司有意义的方式来集成所有必要的数据；⑧创建必要的总结表；⑨创建必要的索引；⑩能够加载数据仓库数据库并使它以一种适宜的方式可用。数据仓库的应用（1）在证券业的应用可处理客户分析、帐户分析、证券交易数据分析、非资金交易分析等多个业界关心的主题，为客户提供针对其个人习惯、投资组合的投资建议，从而真正作到对客户的贴心服务。（2）在银行领域的应用防范银行的经营风险、实现科学管理以及进行决策。（3）在税务领域的应用可以解决三个方面的问题：一是查出应税未报者和瞒税漏税者，并对其进行跟踪；二是对不同行业、产品和市场中纳税人的行为特性进行描述，找出普遍规律，谋求因势利导的税务征稽策略；三是对不同行业、产品和市场应收税款进行预测，制定最有效的征收计划。（4）

在保险业的应用满足保险行业日益增长的各种查询、统计、报表以及分析的需求，提高防范和化解经营风险的能力，有效利用这些数据来实现经营目标，预测保险业的发展趋势，甚至利用这些数据来设计保险企业的发展宏图，在激烈的竞争中赢得先机。（5）在客户服务及营销方面的应用：CRM（6）在保健领域的应用揭示出如何以较低费用获取较高质量的治疗策略趋势和模式。我对决策支持系中数据库及其相关技术的理解从前面的知识，我们了解到数据是决策支持系统的基础，一切的分析和方案制定都是从分析数据开始，也可以说一个决策过程是由数据驱动的，因此数据库是DSS的一个重要组成部分。我觉得数据库是一个基础，它包含了海量的数据，有的比较零散，难以把握，数据管理的难度很大，另一些则是在制定过程中的数据，则容易管理。DSS中所说的数据库和数据库管理系统主要是对后一种数据而言。决策支持系统中数据是和决策过程密切相关的，因此要用到相应的技术使一切数据都经过适当的加工和浓缩；并且要有技术使内部数据和外部数据相结合，这样才能更好的做出决策。那么我觉得，在数据库的前提之下，相关技术也显得尤为重要。数据挖掘就是从海量数据中找出对自己有用的数据。它的任务模式可以分为两类：描述模式和预测模式。我印象比较深刻的是沃尔玛的尿布与啤酒的例子。因此我觉得数据挖掘的运用一定会发现很多商机和未曾注意的闪光点，从而帮助我们的决策和思考。最后来谈谈数据仓库，这是一种解决方案，是对原始数据的操作数据进行各种处理并转换成有用信息的处理过程，我认为它是一个本质的飞跃，是数据间进行加工后而面向决策者的。它更加的全面和具体，也更加的系统和完善。通过这些技术和理论的结合，才能使我们更好的运用决策支持系统，更有效作出决策。参考文献：数据挖掘技术及其应用［Ｍ］．北京：国防工业出版社，2001.数据挖掘技术分析，琼台师范高等专科学校周密主动数据库及在DSS中的应用研究梁雯1,梁厚蕴2(1.安徽大学管理学院,安徽合肥230039;2.北京航空航天大学物理系,北京100083)数据仓库在电子商务中的应用研究陈凤美福建工程学院现代教育中心,福建福州350108数据挖掘的概念、方法及在金融数据分析中的应用刘文抒,胡可乐(南京工程学院,南京210013)庄镇泉,李斌.数据挖掘技术[J].科学,2001,55(4)决策支持系统的模型库及相关技术模型、模型库和模型库管理系统的概念模型是以某种形式对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律。模型库是提供模型存储和表示模式的计算机系统。模型管理系统是为生成模型和管理模型提供一个用户友好环境的计算机软件系统。用户可以通过MMS灵活地访问、更新、生成和运行模型。模型库在决策支持系统中作用模型管理子系统包括模型库、模型库管理系统、该子系统与其他子系统的接口等。模型库中一般应包含在特定领域中常用的数学模型，这些模型决定了系统可提供的分析能力。（是DSS功能强大与否的重要指标）模型库系统是决策支持系统的核心部分。使用者不是直接依靠数据库中的数据进行决策，而是在很大程度上依靠模库进行决策。为此，决策支持系统，为解决不同决策者的需要和适应不同决策问题，常常将独立运行的模型个体与其它模型结合起来，并以适当的序列组成复合模型，此创建过程为动态式、紧耦合和调用的多种协同方式组成的模型序列。也就是说模型库是DSS共享的资源，使运用更加的方便和灵活。主要包括以下四种功能：（1）模型创建功能帮助用户迅速方便地创建决策模型（如盈亏平衡模型）。（2）模型库维护功能MBMS提供专门的模型维护工具，用于模型的登记、分类、删除、复制等（根据具体情况对模型参数进行修正——市场容量，占有率等）。（3）模型集成功能充分发挥现有模型的作用，并能对模型执行情况进行跟踪，以便发现某种问题所在（多种模型的综合应用——市场因素，政策因素）。（4）结果分析功能用来对模型执行结果进行分析和评价，发现决策模型中的问题（各种价格下产品的利润分析——利润最大化）。模型库发展和应用的前景以及存在的问题模型、计算机硬件和数据库应用，这三者推动着模型库技术与系统的发展。模型库要管理的数据的复杂度和数据量都在迅速增长；计算机硬件平台的发展仍然实践着摩尔定律；模型库应用迅速向深度、广度扩展。尤其是互联网的出现，极大地改变了模型库的应用环境，向模型库领域提出了前所未有的技术挑战。这些因素的变化推动着模型库技术的进步,出现了一批新的模型库技术，如Web数据库技术、并行模型库技术、模型仓库与联机分析技术、数据挖掘与商务智能技术、内容管理技术、海量数据管理技术等。限于篇幅，本文不可能逐一去展开来阐述这些方面的变化，只是从这些变化中归纳出数据库技术发展呈现出的突出特点。“四高”即DBMS具有高可靠性、高性能、高可伸缩性和高安全性。模型库是企业信息系统的核心和基础，其可靠性和性能是企业领导人非常关心的问题。因为，一旦宕机会给企业造成巨大的经济损失，甚至会引起法律的纠纷。最典型的例子就是证券交易系统，如果在一个行情来临的时候，由于交易量的猛增，造成模型库系统的处理能力不足，导致模型库系统崩溃，将会给证券公司和股民造成巨大的损失。在我国计算机应用的早期，由于计算机系统还不是企业运营必要的成分，人们对数据库的重要性认识不足，而且为了经费上的节约常常采用一些低层次的模型管理软件，如dBASE等，或者盗版的软件。但是，随着信息化进程的深化，计算机系统越来越成为企业运营的不可缺少的部分，这时，模型库系统的稳定和高效是必要的条件。在互联网环境下还要考虑支持几千或上万个用户同时存取和7x24小时不间断运行的要求，提供联机数据备份、容错、容灾以及信息安全措施等。事实上，模型库系统的稳定和高效也是技术上长久不衰的追求。此外，从企业信息系统发展的角度上看，一个系统的可扩展能力也是非常重要的。由于业务的扩大，原来的系统规模和能力已经不再适应新的要求的时候，不是重新更换更高档次的机器，而是在原有的基础上增加新的设备，如处理器、存储器等，从而达到分散负载的目的。数据的安全性是另一个重要的课题，普通的基于授权的机制已经不能满足许多应用的要求，新的基于角色的授权机制以及一些安全功能要素，如存储隐通道分析、标记、加密、推理控制等，在一些应用中成为切切实实的需要。“互联”指模型库系统要支持互联网环境下的应用,要支持信息系统间“互联互访”，要实现不同模型库间的数据交换和共享，要处理以XML类型的模型为代表的网上数据，甚至要考虑无线通讯发展带来的革命性的变化。与传统的模型库相比，互联网环境下的模型库系统要具备处理更大量的数据以及为更多的用户提供服务的能力，要提供对长事务的有效支持，要提供对XML类型模型的快速存取的有效支持。我对决策支持系中模型库及其相关技术的理解在决策支持系统的各种结构形式中，模型库系统都是决策支持系统的基本组成部分，而是否具有模型库系统是决策支持系统区别于管理信息系统的重要标志。在管理信息系统中，决策人员和决策活动只能依赖于对各类数据的查询、分类及归纳总结，局限性很大。而决策支持系统模型库所具有的建模功能则克服了这一局限，能为决策者提供推理、比较选择和分析问题的支持不同决策活动的基本模型，在决策问题的定量分析中起重要作用。参考文献：张潜，孙毅.城市物流配送模型及优化调度研究[J].沈阳大学学报，2006，18（5）：61-63.汝宜红，宋伯慧.配送管理[M].北京：机械工业出版社，2010，305-306.冷志杰.配送管理[M].重庆：重庆大学出版社，2009，11.陶树颖，邵明志.电子商务下的物流配送[A].铁道物资科学管理[C].管理纵横，2004，54.崔吉茹.城市物流配送的现状与展望[J].交通与运输，2009，4：44-45.BobReselman,RichardPeasley,WaynePruchniak.DELPHI7.0使用指南[M].电子工业出版社，2001，97-111.决策支持系统的知识库及相关技术知识和知识库的概念知识库(KnowledgeBase)是知识工程中结构化，易操作，易利用，全面有组织的知识集群，是针对某一(或某些)领域问题求解的需要，采用某种(或若干)知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。这些知识片包括与领域相关的理论知识、事实数据，由专家经验得到的启发式知识，如某领域内有关的定义、定理和运算法则以及常识性知识等。知识是以各种不同方式把多个信息关联在一起的信息结构”；或者表达为“知识是多个信息之间的关联”。知识库概念是数据库概念在知识处理领域的拓展和延伸。知识库在知识处理中也是一个至关重要和必不可少的概念。在知识库中可存放各种数据，组织、管理和维护数据库的方法对知识库来说可以继续使用，至少可供参考借鉴。但是，知识库的主要任务还是存储大量的知识，因此，可将知识库定义为经过分类组织的“知识的一个集合”。知识的表达与推理知识表达方式可以归为以下几种：1、一阶谓词逻辑“事实”是人类知识中的重要组成部分。所谓“事实”就是对客观事物的状态和属性值的描述。一阶谓词演算是一种形式语言，用它可以表示各种“事实”。它在人工智能、知识_TI程的领域中占有重要位置，对知识表示和推理方法非常重要，同时也作为知识库系统的基础。2、语义网络的定义语义是指语言学的符号和表达式同它所描述的对象之间的关系，而语义网络则是一种以网络格式表示人类知识构造的一种形式。语义网络既可以作为人类联想记忆的心理学模型，又可作为计算机内部表达知识的一种格式。3、产生式规则在产生式系统中，论域的知识被分成两部分：凡是静态的知识，如事物、事件和它们之间的关系，以所谓事实来表示。而把推理和行为的过程以所谓产生式规则来表示。4、框架理论从心理学的证据出发，认为人们在日常的认识活动中使用了大量从以前经验中获取并经过整理的知识。这种知识往往以一种类似框架的结构寄存在人脑中，当人们面临新的情况。或者对问题的看法有重要变化时，总是从记忆中找出一个合适的框架，然后根据实际情况对它的细节加以修改、补充，形成对所观察到的事物的认识。所以框架提供了一种结构，其中新的数据将用从过去经验中获取的概念来解释。推理方法是知识处理很重要的组成部分，用它可以从已有的知识推出新知识，是获得知识的重要方法。下面简要介绍这些推理方法。（1）演绎推理指从前提逻辑地推出结论的推理方法。(1)三段推理法。(2)反证法推理。（2）归纳推理，包括枚举归纳法、逆推理法、消除归纳法及各种统计推理的方法。（3）联想与类比，从一些关于已知事物的知识，推出关于与该事物类似的其他事物的知识的一类方法。（4）综合与分析，根据对事物的宏观(整体)知识推断其微观(各个部分)知识的方法称为“分析方法”；相反，从事物的微观(各个部分)知识推出其宏观(整体)知识的方法称为“综合”。（5）预测包括时间和空间两方面的预测。（6）假设与验证根据经验作出假设，用逻辑推理或实践检验的办法获得新的知识。知识库发展和应用的前景以及存在的问题优越性（1）可在较低价格下构造较大的知识库；（2）不同层次或不同领域的知识库对应的问题求解任务相对来说比较单纯，因而可以构成较高效的系统；（4）可适于地域辽阔的地理分布。知识库的构造必须使得其中的知识在被使用的过程中能够有效地存取和搜索，库中的知识能方便地修改和编辑，同时，对库中知识的一致性和完备性能进行检验。功能知识库使信息和知识有序化，是知识库对组织的首要贡献建立知识库，必定要对原有的信息和知识做一次大规模的收集和整理，按照一定的方法进行分类保存，并提供相应的检索手段。经过这样一番处理，大量隐含知识被编码化和数字化，信息和知识便从原来的混乱状态变得有序化。这样就方便了信息和知识的检索，并为有效使用打下了基础。知识库加快知识和信息的流动，有利于知识共享与交流知识和信息实现了有序化，其寻找和利用时间大大减少，也便自然加快了流动。另外，由于在企业的内部网上可以开设一些时事、新闻性质的栏目，使企业内外发生的事能够迅速传遍整个企业，这就使人们获得新信息和新知识的速度大大加快。知识库还有利于实现组织的协作与沟通例如，施乐公司的知识库可将员工的建议存人。员工在工作中解决了一个难题或发现了处理某件事更好的方法后，可以把这个建议提交给一个由专家组成的评审小组。评审小组对这些建议进行审核，把最好的建议存人知识库。建议中注明建议者的姓名，以保证提交建议的质量，并保护员工提交建议的积极性。知识库可以帮助企业实现对客户知识的有效管理企业销售部门的信息管理一直是比较复杂的工作，一般老的销售人员拥有很多宝贵的信息，但随着他们客户的转变或工作的调动，这些信息和知识便会损失。因此，企业知识库的一个重要内容就是将客户的所有信息进行保存，以方便新的业务人员随时利用。缺陷不完整性（1）悬挂条件如果该规则的任意前提条件都不出现在数据库中，也不出现在所有规则的结论部分，则该规则永远不会被激活。（2）无用结论如果一个规则结论部分的谓词没有在知识库中任何规则的前提条件中出现，该谓词称为无用条件。（3）孤立规则如果一个规则前提部分的谓词都是悬挂条件，并且其结论部分的谓词都是无用结论，则称该规则为孤立的。不一致性（1）冗余规则；（2）包含规则；（3）循环规则；（4）冲突规则。我对决策支持系中知识库及其相关技术的理解在这个知识爆炸的时代，大量的信息和期刊资料需要被整合和共享。目前高校和学术研究机构对开放存取学术资源的需求在增长，提高自身学术影响力的需求也很迫切，通过对开放存取期刊和其他组织机构知识库的使用，我们自身学术研究过程中也享受到了很多便利。因此，我觉得知识库的进一步发展和应用是未来信息时代必须经历的一个过程。作为信息管理与信息系统的学生，在这样的时代大潮中，我们应该把握住机会，学习到相关的技术和理论。与普通的知识库相比，决策支持系统中的数据库要求更加突出，专业性要求更强，主要表现在：(1)DSS不仅具有定性的知识推理能力，而且具有定量的计算功能，并能将两种功能有机地结合起来。(2)智能DSS的知识则更为广泛。(3)DSS推理机制不仅具有对不同结构特点的知识的推理，而且要与定量计算结果综合起来以加强辅助决策的有效性。(4)在计算机的语言实现方面也有很大的不同。因此，在决策支持系统中对于知识库的技术要求更加严格，同时为了更加规范地运用知识库，我觉得我们还应该在未来的发展中，对知识库的建设，需要更多地考虑版权许可、标准化建设、内容更新与可持续发展、质量控制以及个性化增值服务等方面。参考文献：决策支持系统（DSS）理论与方法第四版高洪深著国内外机构知识库发展现状及策略研究樊慧丽国内外机构知识库发展现状研究成建全2008（3）国外机构库发展概况图书情报工作姜瑞其2005（11）百度百科/view/1.htm智能决策支持系统中的知识库系统设计与实现于昱决策支持系统中的知识库系统的增量式开发董军杨善林如何构建一个决策支持系统构建决策支持系统的一般步骤问题诊断问题诊断DSS的目标和资源系统分析功能需求界面需求协调需求系统设计系统构造系统实施系统修正图1构建决策支持系统的一般步骤例如基于数据仓库的决策支持系统的构建：决策支持系统的框架设计OLTP数据库OLTP数据库DTS中间数据库增量更新新XIN数据仓库联机分析用户Web网站图2决策支持系统的框架设计决策支持系统主要包括如下几个模块：（1）联轨事务处理(OLTP)数据库模块本模块为企业正在使用的事务数据库。具体的数据库管理系统Ⅱ『以是Sybase数据库、Oracle数据库、DB2数据库、SQLSetwer等。（2）中间数据库模块考虑到企业对OLTP数据库的运行效率要求很高，如果直接在OLTP数据库上建立数据仓库，则对OLTP数据库效率影响比较大。所以在系统中使用SQLServer2000建立中问数据库，这样仅需将OLTP数据库上的数据增量更新到中间数据库，使本系统对OLTP数据库的效率影响降到最低。（3）数据传输转换(DTS)模块本模块提供数据传输和转换服务在本模块中可以设置数据库的增量更新．并可在中间数据库中建立中问表实现数据表示方法的转换。如．在Oracle数据库中，时间类型一般用整型，而在SQLSeⅣer2000数据库中，时间类型一般为DaYtime型，遗时就需要建立中间表，将整型时间转换到Datetime型时间。（4）数据仓库模块针对企业分析的不同目标建立数据仓库、数据立方体和数据挖掘模型。（5）数据仓库的增量更新模块实现数据仓库小数据立方体的增量更新。（6）联机分析模块实现对数据仓库中数据立方体信息、维度信息、层救信息、度量信息的屁示；实现数据立方体的数据浏览；实现钻取、切片、切块、旋转等多维分析操作；提供多种查询方式，并将查询结结构发布为网页。全面支持分析决策。其数据流程如下：（1）系统运行之初．在OLTP数据库业务运行相对空闲时，根据联机分析的需求．将OLTP上保存的所需数据导入中间数据库；（2）以中间数据库为数据源．针对分析主题建立数据仓库和数据立方体；（3）设置DTS包，将OLTP上新增和更改过的敬据更新到中间数据库中；（4）设置增量更新包，增量更新数据仓库中的各个数据立方体；（5）周期性运行DTS包；（6）周期性运行增量更新包；（7）用户通过联机分析模块进行联机分析工作。在此流程中（5）、（6）两步是周期性运行的。但它们的运行周期可以不同；（2），（3），（4）3步可以根据联机分析工作需求的更改进行。小范围的修改。对大多数用户来说．只有第(7)步是可见的，所以能有什么样的联机分析、数据以什么方式显示是用户最关心的，而本系统也很好地解决了该问题。实现决策支持系统我们在Windows2000Server操作系统下，使用SQLServer2000和SQLAnalysisServiccs2000实现中间数据库和数据仓库，并建立应用端软件以实现决策支持。该系统的具体实现如下：（1）联机事物处理(OLTP)数据库模块该模块是企业正在运行的数据库，所以针对该模块所做的工作就是了解。OLTP数据库中的表结构、表关系等效据库信息。（2）中间数据库模块采用SQLServer2000数据库作为中间数据库的DBMS。在实现此模块前，必须明确联机分析的主要，全面考虑在构建数据仓库和数据立方体时所需要的数据信息，并设计所需数据信息同OLTP数据库的关联关系。特别需要指出的是，在设计关联关系时效率足一个关键问题，要在保证提供构建数据仓库和数据立方体所需要的数据信息的前提下，尽量避免数据的重复传输、避免未更新数据的多次传输，以尽可能少占用OLTP数据库的处理时间。（3）数据传输转换模块采用SQLServer2000提供的数据转换服务来实现此模块。该服务提供Oracle、Sybase、lnformix等大型数据库以及通过ODBC接口、OLEDB接口实现异种数据库同SQLScrvcr2000数据库之间的数据传输转换。实现DTs模块时，在数据转换服务一本地包目录中建立DTS包，设置好DTS的源数据库、目的数据库、转换条件、工作流，并可以调度新建立的DTS包，使其能够周期性地自动完成数据转换传输工作。（4）数据仓库模块在系统中，我们采用SQLAnalysisServices2000建立数据仓库，以中间数据库作为数据仓库的数据源，针对不同主题建立不同的数据立方体。考虑到查询时对系统的响应要求，以及硬件存储设备的相对低价格，我们建立的数据立方体都采用MOLAP的存储方式。（5）数据仓库的增量更新模块在本系统中，通过SQLServer2000的数据转换服务建立数据仓库的增量更新包周期性运行该增量更新包有两种方式：使用数据转换服务中的渭度包来设置该包的周期性运行；使用DSO(DescisionSupportObjects，决策支持对象)控件编程调用增量更新包，周期性的调用程序。（6）实现联机分析模块前文已经提出，该模块将由用户直接使用，是用户最关心的模块。我们使用SQLAnalysisServices2000建立数据仓库，但SQLAnalysisServices2000并没有直接提供界面友好的联机分析程序，所以这就是我们工作的重点。决策支持系统关键问题构建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：①对决策用的数据进行管理的决策数据管理子系统。②决策知识、模型管理子系统。③与用户进行对话、接收命令,提供决策结果的交互环境。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。这是在普通二维电子表格上的扩充，通过增加维数，可以满足面向主题的分析、决策的需求。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以下这三方面的决策支持：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。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。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。决策支持系统案例分析系统描述“玉烟系统”从功能上分为以下五部分:数据规范