面向大數據的企業智能決策支持系統發展趨勢分析

李曉東

【摘 要】文章主要分析智能決策支持系統當前的主流分類及所采用的核心技術，對其現狀進行梳理，據此總結出目前所存在的問題及難點，并在上述研究和分析的基礎上，探討在大數據快速發展的背景下，智能決策支持系統的發展趨勢和關鍵技術領域，提出可以利用數據倉庫技術建立面向大數據的企業智能決策支持系統的建議。

【關鍵詞】智能決策支持系統；綜合評價；人工智能；數據倉庫

【中圖分類號】F270.7 【文獻標識碼】A 【文章編號】1674-0688（2016）01-0011-04

1 研究背景

近些年來，隨著計算機的普及和科學管理的發展，我國信息化進程明顯加快，許多企業對信息系統保持較高的關注度，并開始建立信息管理系統，使許多結構化問題得到很好的解決。信息技術也日益融入企業整體的科研、管理和運營等各個領域，隨之而來的是大量的新型信息數據和資料的產生。面對大量的數據，如何進行整合處理，將大數據用于實時分析并對未來進行預測，使當下獲取到的數據信息能進行有利于現有行為的分析預測，轉化為對企業建設有利的資源，以此釋放大數據的巨大潛能，為企業決策提供科學支持，促進其業務成長，成為信息化建設的工作重點。

與此同時，大數據不僅在于數據量的龐大，還在于對數據的處理速度和多樣性提出的要求。以前，企業的決策分析主要靠單純的關系型數據庫提供的數據挖掘和分析機制得出基本的商業數據，而在信息具有多元化和多樣化特點的今天，企業更多的是面臨難度較大的半結構化和非結構化問題，這種大數據的非結構性及其對信息處理數量、信息處理速度，對于傳統數據分析及商務智能而言是一個重點和難點，大數據的商務智能分析將成為驅動企業商業決策的數據引擎，而不僅僅是一個歷史信息的存儲器。目前，數據規模仍在不斷增長，一些大型數據庫的規模已非人工分析所能及，非結構性數據正在隨著大數據技術的逐步成熟開始釋放前所未有的來自數據的預見性。因此，在企業內部構建智能決策支持系統是一個比較現實的、必然的選擇，它可以幫助企業以最快的速度識別危機信息，減少風險發生的概率，或者采取必要行動。

本課題通過研究在大數據背景下對信息管理提出的需求，綜合分析現有數據利用和企業決策支持系統存在的相關問題，對全新背景下的企業決策支持系統發展趨勢進行深入研究，以此為企業進行決策提供重要理論依據和技術支持。

2 現狀分析

企業決策支持系統是指為企業決策者進行半結構化或非結構化決策提供輔助支持的計算機智能應用系統，它依據企業所涉及的各方面的有效數據、各類分析模型和各種基本知識定律，利用人機交互方式輔助管理者進行企業決策。企業決策支持系統無疑是一種更先進的信息管理系統，比普通的管理信息系統更高級、更智能。它為企業決策者提供問題分析、模型構建、決策模擬、策劃方案及決策結果情景展示的環境，以及各種信息資源和分析工具或模型，促進企業決策者提高決策質量和決策管理水平。

2.1 傳統的企業決策支持系統存在的問題

傳統的決策支持系統通過歷史數據分析得出未來的發展趨勢，相對于以往的主觀判斷決策是一大進步，并在某種程度上進行模型分析，提供數據支撐，為管理者進行決策提供技術支持和依據，有一定的科學性和合理性。與此同時，它也存在一些問題，主要表現如下。

（1）分析和利用歷史數據的風險性。在傳統數據分析或商業智能中，如何發揮歷史數據或已存儲數據的價值是其核心，以此得到數據分析結構和報表。最常見的軟件有客戶關系管理軟件（CRM）和企業資源規劃管理軟件（ERP），利用這2種軟件所得到的信息或者數據分析結果和報表主要是利用歷史數據?；跉v史數據的分析固然對企業決策有所幫助，但這種信息的風險性也較大，就像看著后視鏡開車，所看到的都是已經發生過的事情，無法更好地實現對未來結果的分析和預見。對可用信息更快更實時的分析呢？可以采用統計學建模技術對未來進行模擬預測分析，并依據預測結論制定相應的行動策略和計劃，從而促進企業的發展。

（2）應用范圍受限較大。傳統的決策支持系統由于采用模型驅動為核心的系統結構和數值分析方法，所以應用范圍受到了較大的制約。對于解決一些不確定性的問題，用簡單的數據分析難以解決問題，且缺少相關的知識和推理原則機制，使得系統與人腦的思維模式類似，從而無法對高層決策構成有效支撐。

（3）數據庫系統對數據的處理過于簡單化。在目前的數據庫系統中，往往只對數據進行直接的存取和簡單的計算，這種方法只能采集到整個數據庫中很小的一部分資源，而隱藏在這些數據之間的關聯信息、對數據特征的描述及預測性信息則不得而知。要想解決上述問題，研究數據庫中的知識發現技術迫在眉睫。

2.2 企業智能級決策支持系統應運而生

現今社會多變，處在這樣一種不斷發展變化的社會環境中，搜集并處理大量信息是大多數企業決策者需要完成的工作。而一般來說，決策人員自身大腦的信息處理能力往往是有限的。因此，建設智能化的企業輔助決策支持系統成為決策者所追求的新型支持工具。企業決策支持系統是以日常業務所處理的系統數據為基礎，利用計算機人工智能或智能數學模型，對業務數據進行處理和綜合分析及趨勢預測，從而找出未來業務的變化趨勢，并在企業發展戰略、市場經營策略等重大問題上為管理層提供輔助決策支持。伴隨著決策理論、專家系統、信息技術、數據庫技術、辦公自動化、專家經驗處理系統等相關技術的日益成熟，企業決策支持系統已取得了長足的進步和發展，在許多領域得到應用，成為現代企業經營管理中不可或缺的現代化輔助決策支持工具。

IDSS主要以知識和智能分析模型為主體。結合大量數據，以知識和智能分析模型為主體的IDSS融合決策支持系統的定量分析輔助決策及專家系統的定性分析輔助決策，能促進企業決策能力的提高。盡管IDSS存在不同的形式結構和分析程序的IDSS，但是IDSS的核心問題在于系統智能的實現。按照智能決策方法，IDSS大致可根據智能決策方法，分為以下3種類型。

（1）基于人工智能（AI）實現系統的智能，又分為基于專家系統的IDSS ES、基于機器學習的IDSS及基于Agent的IDSS。其中，IDSS ES是目前應用較成熟的一種技術。IDSS ES與IDSS的不同之處在于，它是運用數量化的方法將問題模型化后，再利用數值模型的計算結果來提供決策支持。與IDSS不同，IDSS ESS表達知識是通過非數量化的邏輯語句的方式來進行知識表達，然后再通過自動推理的方式進行問題求解；而基于機器學習的IDSS則是通過計算機模擬人類的學習來獲取人類解決問題的知識經驗；IDSS Agent是目前人工智能領域的研究熱點。同時，基于Agent的計算被看做是軟件研發領域的一個重大突破。IDSS Agent主要包括智能型Agent研究、Agent-oriented的程序設計研究、Mufit-Agent系統研究及Agent-oriented的程序設計研究等方面。基于Agent的智能分析系統計算被認為是軟件開發的下一個重要的突破。

（2）基于數據倉庫、聯機分析處理及數據挖掘實現智能分析和輔助決策支持。這些工具的結合使用戶可以輕松、快捷地分析大量復雜的數據時，并能針對問題迅速地做出正確的判斷。數據倉庫通過將多數據源的信息進行概括、聚集和集成，建立一個數據集合，從而為決策者提供可用的信息。

（3）基于范例推理的IDSS?；诜独评淼腎DSS是從過去的經驗中，找到發現解決當前問題的線索的方法，利用它對過去的求解過程的復用，簡化了知識和數據獲取的過程，提高了問題求解的效率，對有些難以通過計算推導來求解的問題，能發揮很好的作用。

3 發展趨勢分析

企業智能決策支持系統在支持決策方法、決策過程和決策領域都有別于傳統的決策支持系統。企業決策問題的多樣性、決策環境的易變性、決策過程的復雜性，要求決策者在決策過程中必須充分利用企業內外部的數據資源進行全方位的分析，運用一系列定性、定量分析成果，采用機敏快捷的、可配置的體系結構來為企業決策者的管理決策提供輔助支持。本文基于企業智能決策支持系統的特點，系統性地對企業級決策支持系統的理論進行了分析，并結合相關實踐經驗構建企業決策支持系統的理論體系，同時對智能決策方法的選擇與融合、基于構件的軟件體系結構及數據驅動的決策進行了深入研究。

3.1 IDSS發展方向

進入20世紀90年代以來，由于計算機網絡技術的快速發展，人工智能、數據庫等技術也日趨成熟，這給企業智能決策支持系統的研究和發展提供了相應的技術支持。目前，企業智能決策支持系統主要的研究方向如下。

（1）注重基于知識的人機交互，注重人性化的設計，使知識系統的更新和補充更加方便。

（2）應用分布式并行化的方式進行決策求解。隨著計算機網絡的發展，在分析、決策中所使用到的數據會分散到不同的地區、部門；同時，在網絡環境下，決策支持模型及智能分析處理方法也從集中式處理發展演變為在網絡環境下的分布或是分布加上并行的處理方式。同時，由于企業決策支持系統的可行解計算本身存在計算效率的問題，有時IDSS的順序計算結構在某些情況下也會成為決策的瓶頸。目前，分布式人工智能技術的應用、并行決策計算等已經成為新的研究熱點和研究趨勢。同時，對企業復雜決策問題的并行求解已得到廣泛關注。

（3）注重各種相關技術的集成應用，融入更多的知識，并結合領域信息，對問題進行更深入和透徹的研究。

（4）應用時空與多維決策技術。在決策過程中引入空間和時間等多維準則，可以有效地突破時空限制，優化并改進決策過程，從而提高支持決策的效果。

3.2 基于數據倉庫技術的決策支持系統

基于數據倉庫技術的決策支持系統包括三大主體。

第一個主體是決策支持的基礎——模型庫系統和數據庫系統的結合。數據倉庫從大量的事務性數據中抽取數據為決策問題提供定量分析的輔助決策信息，同時將數據清洗轉換為新的數據格式，給智能決策分析提供了數據基礎。

第二個主體是數據倉庫和OLAP的結合。OLAP從數據倉庫中提取綜合數據和信息，并對這些數據做進一步的深加工，反映所提取的數據的內在本質，解決了對大量數據進行數值計算的問題。

第三個主體是數據倉庫與數據挖掘專家系統的結合。數據挖掘利用數據挖掘技術，從數據庫和數據倉庫中挖掘知識，然后把挖掘到的知識放入專家系統的知識庫中，由進行知識推理的專家系統實現定性輔助決策。

集成系統結構如圖1所示。

數據倉庫、聯機分析處理和數據挖掘技術的發展為克服企業智能決策支持系統建設中所遇到的問題提供了技術上的支持?；跀祿}庫的決策支持系統是以數據倉庫為基礎，以聯機分析處理與數據挖掘為工具的新型企業決策支持系統。其中，數據倉庫是對源數據庫中抽取的數據進行綜合、集成和轉換，從而得到面向全局的數據視圖；聯機分析處理以數據倉庫中的內數據為發起點，進行多維數據分析；數據挖掘功能是自動地挖掘數據中隱藏的信息模式，并基于此預測未來的發展趨勢。數據倉庫、聯機分析處理和數據挖掘三者是相輔相成的，彼此相互結合，它們相互補充、相互依賴、相互結合，共同支持企業的決策。

基于數據倉庫的決策支持系統以知識和模型為主體，結合大量數據，針對決策問題既可以進行定量分析，又可以進行定性分析，形成定量性和定性量相結合的輔助決策支持信息；而數據倉庫和數據挖掘技術既能處理來自不同系統、不同數據格式的數據，又能夠進行復雜數據的計算，從而能夠更好地完成輔助決策任務，促使決策支持系統研究進入到一個新階段。

隨著數據庫技術的發展及其應用范圍的不斷擴大，信息化建設以全新的速度不斷發展，大量信息系統的建立，不僅給人們的工作和生活帶來了極大的便利，并且累積了大量的信息數據。人們希望對這些數據進行高層次的分析和利用，而不是單純的占用空間。同時，在信息化建設的過程中，信息技術的應用不僅僅是建立一套信息系統，如何更好地利用手中的資源做好客戶的分析、分類、預測等功能，能夠在激烈的競爭中快人一步，搶先占領先機，是目前推動數據倉庫建立的主要原因。目前，數據庫可以有效地管理數據的錄入和查詢工作，能夠很好地支持基礎的數據統計功能，但是仍不能對目前具有更高要求的數據挖掘、知識發現提供支持，更不能有效地解決信息孤島問題。因此，合理地利用現有數據資源是當下亟待解決的問題。

4 結論

智能決策支持系統的開發是基于理論與實踐相結合，為企業優化配置、整合資源及提供輔助決策而提出的。

本文總結了企業決策支持系統的發展現狀及其存在的問題，分析了企業智能決策支持系統的關鍵要素與特點，針對以數據挖掘為基礎的企業決策支持系統結構進行了分析描述。這種結構的智能決策支持系統是在以定量分析進行輔助決策的傳統決策支持系統的基礎上，結合數據庫和數據倉庫，從中挖掘有用的知識，通過對知識的推理以定性分析輔助決策?？梢灶A見，結合數據挖掘的智能決策支持系統會在電子商務領域、數據監測和分析領域有長足的發展，其較好的發展前途和獨特的研究方法使之一出現就成為決策支持技術的研究熱點。

參 考 文 獻

[1]楊善林.智能決策方法與智能決策支持系統[M].北京：科學出版社，2005.

[2]戴蘆生.智能決策支持系統（IDSS）的發展現狀[J].電腦知識與技術，2004（35）：92-93.

[3]鄭穎華，武根友.智能決策支持系統中的模型庫及其管理系統[J].科學技術與工程，2006（9）：1312-1315.

[4]任明侖，楊善林，朱衛東.智能決策支持系統：研究現狀與挑戰[J].系統工程，2002，17（5）：430-439.

[5]高洪深.決策支持系統（DSS）：理論方法案例[M].北京：清華大學出版社，2000.

[6]黃牧，田勇.組合智能決策支持系統研究及其應用[J].系統工程理論與實踐，2007（4）：114-119.

[7]鄭瑾，陳松喬.DSS中數據倉庫的構建技術研究[J].計算技術與自動化，2004，23（2）：77-79.

[責任編輯：鐘聲賢]