1. 数据的重组与确认：
   

• 决策支持系统需要正确、可操作的数据来支持决策过程。从事务处理系统中收集的数据通常需要经过重组和确认，以确保其对决策支持系统有效。这一问题可以通过引入数据仓库的概念来解决。数据仓库允许对数据进行提炼，确认其有意义、一致且准确，然后载入关系表中，以支持分析和查询应用。

2. 数据字典的建立：
   

• 大多数商业信息系统的数据库无法满足管理者在决策支持方面的需求。现存数据库存在的问题包括数据以特定格式存储，同一数据在不同系统中的表示不同。为了解决这一问题，引入了数据仓库的概念。数据仓库是一个与作业层系统分离存在的数据库，它通过提炼、确认和载入数据，支持管理者进行分析和查询，以解决业务问题。

3. 数据挖掘和智能体：
   

• 数据仓库建立后，管理者需要使用工具进行数据存取和查询，这个过程被称为数据挖掘，使用的工具被称为智能体。智能体是管理者用来搜寻数据库中相关数据的软件，用于趋势分析、异常情况识别和结果跟踪。数据挖掘工具可以识别数据模式，得出规则，并通过其他数据进行验证和精炼。

4. 模型建立：
   

• 神经网络：支持穷举法，通过训练和模式匹配解决复杂问题。
• 算法：通过循环执行一组过程获得结果，支持多种业务决策。
• 启发式：经验法则用于分析结构化程度低的问题，常用于专家系统设计。
• 模拟：目标是仿真，模拟工厂运作、业务操作或国家政治气候，用于策略改变分析。
• 模型的建立旨在帮助决策者理解和选择相关现象。不同类型的模型在各个领域有不同的应用，如统计模型、会计模型、人事管理模型和市场营销模型。建立决策支持系统的难点在于清晰定义系统应包括哪些模型以及如何使这些模型对决策者有意义。模型的建立方法包括穷举法、算法、启发式和模拟法。
  
• 不同的建模方法：
  

这些数据重组、数据仓库、数据挖掘和模型建立的方法使决策支持系统更具有灵活性和适应性，为管理者提供了更全面、准确的决策支持。

背诵点

决策支持系统的组成

1.数据的重组和确认与决策支持系统相关的数据库的问题是，获得正确的数据并且可用理想的形式操作这些数据。

2.数据字典的建立大多数支持商业信息系统的数据库并不能满足管理者决策支持的需要。

3.数据挖掘和智能体一旦建成数据仓库，管理者们需要运用工具进行数据存取和查询，这个过程为数据挖掘，使用的工具称为智能体。

4.模型建立模型管理的目的就是帮助决策者理解与选择有关的现象。

数据挖掘的结果类型

数据挖掘的结果类型包括：(1)联合：把各个事件联系在一起的过程。

(2)定序：识别模式的过程。

(3)分类：根据模式组织数据的过程。

(4)聚类：推导特定小组与其他小组相区分的判断规则的过程。

例如，在一场广告竞争中，能够知道一种产品对年轻未婚的职业人员或年轻已婚的蓝领工人是否具有吸引力是有益的。

大量业务问题需要分析可选的方案设计，模型是建立分析框架的一种有利的工具。

每种模型都有不同的应用范围，例如，统计模型包括回归分析、方差和指数平滑，会计模型包括折旧、纳税计划和成本分析，人事管理模型包括环境模拟、角色练习，市场营销模型包括广告策略分析、消费者选择倾向及消费者行为转变分析。

建立一个决策支持系统的难点在于，必须清楚系统应包括什么样的模型，如何使这些模型对决策者有意义。

模型也有不同的特点，有一些是经验的，有一些是客观的。

经验模型包括判断和专家的意见，例如，一个内科医生使用一个经验模型去诊断心脏的状况，客观模型意味着数据分析独立于决策者的经验。

建立模型的方法

建立模型的方法有穷枚举法、算法、启发式和模拟法。

(1)神经网络经常支持穷枚举法。

(2)算法或算法模型是一组可以循环执行以获得结果的过程。

(3)另外一个建立模型的基础是启发式，启发式是经验法则，用于分析结构化程度低的问题。

(4)第4个建模的方法是模拟，模拟的目标是仿真。