战略决策支持系统

战略决策支持系统（精选12篇）

战略决策支持系统 篇1

在传统的决策支持系统中, 数据库、模型库和知识库往往被独立地设计和实现, 因而缺乏内在的统一性。而数据仓库、联机分析和数据挖掘组成的新的决策支持系统构架解决了DSS数据库内数据的不一致问题。在对数据挖掘等技术进行研究之后, 提出了一个完整的智能投资决策支持系统架构及其实现。

1 智能决策支持系统及其关键技术

1.1 DSS和IDSS概念及应用

决策支持系统 (DecisionSupportSystem) 这个概念是1970年由美国莫顿教授提出, 决策支持系统 (DSS, DecisionSupportingSystem) , 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、仿真技术和信息技术为手段, 针对半结构化的决策问题, 支持决策活动具有智能作用的人机系统。该系统能够为决策者提供决策所需的数据、信息和背景材料, 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, 提供各种备选方案, 并且对各种方案进行评价和优选, 通过人机交互功能进行分析、比较和判断, 为正确决策提供必要的支持。此后它发展迅速, 在美国许多部门中成功地获得应用, 如对城市规划决策、商品销售决策等, 深受用户欢迎。经过国内学者的不懈努力, DSS在实际应用方面取得了丰硕的成果。这些方面的主要成就可以概括为以下几大方面: (1) 政府宏观经济管理和公共管理问题; (2) 水资源调配与防洪预警系统; (3) 产业 (或行业) 规划与管理、各类资源开发与利用决策; (4) 生态和环境控制系统的决策以及自然灾害的预防管理; (5) 金融系统的投资决策与风险分析与管理; (6) 企业生产运作管理的决策。

智能决策支持系统 (IDSS, IntelligenceDecision SupportingSystem) , 是人工智能 (AI, ArtificialIntelligence) 和DSS相结合, 应用专家系统 (ES, Expert System) 技术, 使DSS能够更充分地应用人类的知识, 如关于决策问题的描述性知识, 决策过程中的过程性知识, 求解问题的推理性知识, 通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。IDSS的概念最早由Bonczek等人于80年代提出, 它的功能是, 既能处理定量问题, 又能处理定性问题。IDSS的核心思想是将AI与其他相关科学成果相结合, 使DSS具有人工智能。

1.2 IDSS的分类

根据IDSS智能的实现可将其分为以下4种类型。

1) 利用AI实现系统的智能, 又分为基于ES的IDSS、基于机器学习的IDSS和基于AI新技术Agent的IDSS。其中Agent的研究成为目前人工智能研究的热点, 主要有智能型Agent研究、多Agent研究和面向Agent的程序设计研究3个方面, 基于Agent的计算被认为是软件开发的下一个重要的突破。

2) 利用数据库领域的新工具———数据仓库、联机分析处理及数据挖掘技术来帮助实现智能。这些工具使用户在分析大量复杂数据时变得轻松而高效, 可以迅速做出正确判断。其中数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在其中的信息的一种新技术, 它可以从DSS执行者没有想到去问的数据库中找出与决策问题相关的信息, 帮助决策者寻找数据间潜在的关联, 发现被忽略的要素, 并通过分析现有的方式来预期将来的行为。随着网络及数据库的普遍应用, 这种方法具有广泛的应用前景。

3) 利用逻辑观点、面向对象方法或关系来表示系统各部件, 使IDSS在总体上统一表示、相互协调以实现系统的整体智能行为。

4) 具有知识学习能力的IDSS。根据IDSS的学习能力的不同, 知识系统可分为静态知识系统和动态知识系统。静态知识系统的知识维护需要人工干预, 系统的行为在求解过程开始前就已经确定了, 而动态系统则可以自动从决策过程中获得经验, 自动对知识库进行维护与更新, 从而支持复杂环境下的决策过程, 反映了较高级的智能活动。

1.3 IDSS的关键技术

1.3.1 模型库系统的设计与实现

它包括模型库的组织结构、模型库管理系统的功能、模型库语言等方面的设计与实现。

1.3.2 部件接口

包括对数据部件的数据的存取、对模型部件的模型的调用和运行、对知识部件的知识完成推理。

1.3.3 系统综合集成

决策支持系统需要对数据、模型、知识、用户交互四个部件组成。需要强大的计算能力和数据处理能力, 一般的计算机语言如C、PASCAL、FORTRAN等不支持数据库的操作, 而VF、ORACLE、SQL等的数值计算能力不足。而决策支持系统既要数值计算又要数据库操作, 对开发语言的要求是很高的。

2 数据仓库、OLAP和数据挖掘的决策支持技术

数据仓库和OLAP是90年代初提出的概念, 到90年代中期已经形成潮流。在美国, 数据仓库已成为仅次于Internet之后的又一技术热点。数据仓库是市场激烈竞争的产物, 它的目标是达到有效的决策支持。大型企业几乎都建立或计划建立自己的数据仓库, 数据库厂商也纷纷推出自己的数据仓库软件。目前, 已建立和使用的数据仓库应用系统都取得了明显的经济效益, 在市场竞争中显示了强劲的活力。

数据仓库将大量用于事务处理的传统数据库数据进行清理、抽取和转换, 并按决策主题的需要进行重新组织。数据仓库的逻辑结构可分为近期基本数据层、历史数据层和综合数据层 (其中综合数据是为决策服务的) 。数据仓库的物理结构一般采用星型结构的关系数据库。星型结构由事实表和维表组成, 多个维表之间形成多维数据结构。星型结构的数据体现了空间的多维立方体。这种高度集中的数据为各种不同决策需求提供了有用的分析基础。数据仓库对底层数据库中的事务级数据进行集成、转换和综合, 重新组织成面向全局的数据视图, 为DSS提供数据存储和组织的基础。

随着数据仓库的发展, OLAP也得到了迅猛的发展。数据仓库侧重于存储和管理面向决策主题的数据;而OLAP则侧重于数据仓库中的数据分析, 并将其转换成辅助决策信息。OLAP的一个重要特点是多维数据分析, 这与数据仓库的多维数据组织正好形成相互结合、相互补充的关系。OLAP技术中比较典型的应用是对多维数据的切片和切块、钻取、旋转等, 它便于使用者从不同角度提取有关数据。OLAP技术还能够利用分析过程对数据进行深入分析和加工。OLAP从数据仓库中的集成数据出发, 构建面向分析的多维数据模型, 再使用多维分析方法从多个不同的视角对多维数据进行分析、比较。利用OLAP还可以实现实时行情的计算机模拟。

数据挖掘 (DataMining) 是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则, 为经营决策、市场策划、金融预测等提供依据, 使大型数据库作为一个丰富可靠的资源为知识归纳服务。数据挖掘技术涉及数据库、AI (人工智能) 、机器学习、神经计算和统计分析等多种技术, 它使决策支持工具 (DSS) 跨入了一个新阶段。实际上OLAP就是一种广义的、简化了的较浅层次的数据挖掘, 而数据挖掘是OLAP的扩展, 是使这一过程尽可能自动化的分析过程。数据挖掘以数据仓库和多维数据库中的大量数据为基础, 自动地发现数据中的潜在模式, 并以这些模式为基础自动做出预测。这些模式往往是动态的, 发现这些模式是非常重要的工作。根据这些模式可以进行投资决策, 这是开发的关键环节。数据挖掘表明, 知识就隐藏在日常积累下来的大量数据之中, 仅靠复杂的算法和推理并不能发现知识, 数据才是知识的真正源泉。

3 智能投资决策支持系统架构

证券投资决策支持系统的组件包括即时行情数据库和公司经营数据库, 以及数据接口模块, 数据接口模块负责把以上数据转换到数据仓库中。元数据 (Metadata) 是数据共享的基础, 可简单理解为数据的数据。内容上是关于数据的内容、质量、条件和其他特性的数据。

用途上是关于数据的结构化描述, 用于对数据的精确理解、搜索和处理。元数据为各种形态的数字化信息单元和资源集合提供规范、普遍的描述方法和检索工具, 为分布、由多种数字化资源有机构成的数据共享体系提供整合的工具和纽带。由于内在的统一性, 这种新架构很好地解决了相互间的衔接问题。数据仓库为OLAP提供了充分可靠的数据基础, 数据挖掘可以从数据仓库和多维数据库中找到所需的数据, 数据挖掘中发现的知识可以直接用于指导OLAP的分析处理, 而OLAP分析得出的新知识也可以立即补充到系统的知识库中。

4 总结

通过对证券投资决策支持系统的研究, 可以看出, 随着证券市场的飞速发展, 信息量增大、变化加快、种类增多, 在这样一种复杂的环境中进行决策, 充分利用数据挖掘等技术是今后投资决策支持系统发展的方向。

参考文献

[1]安淑芝.数据仓库与数据挖掘.北京:清华大学出版社[M].2005.

[2]蔚成香, 宁伟, 李艳.一智能决策支持系统的设计与实现[J].山东科技大学学报, 2001 (12) .

[3]王凯, 郑有才.基于J2EE和数据仓库的金融决策支持系统[J].微机发展, 2005 (10) .

战略决策支持系统 篇2

业务系统和决策支持系统之间是相互补充、互为依赖的关系,不是相互抵触、互为取代的关系。业务系统负责采集海量基础数据,但这些数据是散乱的、相互之间松散的、未经深度挖掘和合理组织的。决策支持系统建设不是一个简单的基础数据累加的过程,而是按照管理思想确定业务主题从高层视图上组织数据,充分挖掘出业务数据的潜在价值,使得数据真正转变为可用的知识和智慧,最大限度地方便基层操作,方便高层管理,进一步提高监控能力,提高科学化管理水平。

二、业务指标的可视化管理功能

人力资源和社会保障部门承担着大量政府部门的民生指标,传统的指标完成情况追踪方式是逐级上报、逐级汇总,报表汇总时效慢、只能做一些同比、环比等常规性分析。决策支持系统可以根据用户的不同层级、不同岗位,针对不同的用户群提供不同视野的报表应用,如局长级可看到全市所有部门的目标任务完成情况以及及各区县对比进度。各业务部门的处长、科长可以看到本部门所负责指标的完成进度,可以追溯到具体的经办人员和指标涉及的用人单位,各区县局长可看到本局所所有指标进度。我们运用数据挖掘工具的可视化功能开发了政府目标管理分析系统,将每年由我局承担的市政府和省厅的110项核心民生目标纳入系统进行管理,所有指标来源于业务系统的数据,杜绝了手工调整、保证数据一致性。点击某一项指标,可以查询到该指标的文件依据、责任部门和分管领导。系统不但可以反映本部门的当期和历史数据、还可以与政府其它相关部门的同期指标、兄弟城市的同类数据进行对比分析。所有数据均以图形化的方式展现,简单直观,根据设定的阀值发布预警信息,及时提醒目标管理部门指标进展与状态。决策支持系统的展现页面同时嵌入局办公自动化系统,局领导在处理公文时可以轻松了解到全局各项指标的进度完成情况及对比分析情况,全面提升了民生指标的执行效率。

三、报表的定制式管理功能

我局社会保险征缴机构综合日常查询、业务台账和上报报表的要求,新开发了统一复合型的社会保险基金统计分析系统替代了传统的报表程序。对较为明细的数据表进行汇总,将结果数据存放到数据库中,查询时直接对结果表进行查询,快速展现,满足常用的日常报表的访问和查看。将经办时间、机构名称、用人单位和劳动者属性等字段设置为可见的查询条件,用户可以根据自己的需要定义查询的名称、查询显示的列,自由组合查询条件,可以根据需要随时定制报表,满足各种临时性、突击性的报表上报要求。报表发布界面简单友好易用,信息呈现的方式可以是电子表格、直方图、饼图或折线趋势图等形式多样、图表结合的方式。运用该系统,工作人员可以轻松地获得社会保险基金的单位参保情况分析、人员参保情况分析、特殊人群参保分析、缴费申报水平分析、基金征收情况分析和欠费清欠情况分析,有效地解决了固化报表主要反映各业务系统中的基本业务状况和部门主要信息且报表内容、格式相对滞后的弊端。

四、即席查询和多维分析功能

即席查询功能是对核心数据从汇总到明细的查询,可以满足对查询数据向下钻取的功能,对关注的.数据可以采取抽丝剥茧式的逐层分析和多维、多角度分析。为了提高业务系统的响应速度,我们建立了数据交换平台,专门用于存储金保工程上传数据、对市政府多部门的交换数据、批量查询数据、报表数据和决策支持系统的数据。将交换平台和业务系统从物理上分离,业务系统只处理业务经办所必须的少量简单的单记录查询,交换库和决策库的建立大大缓解了业务系统的压力,提高了网页的登陆速度,为街道、社区等基层平台社保业务一站式、一户式办理提供了良好的技术平台。

五、预警预报和定向追踪功能

大力推广会计决策支持系统 篇3

当前，社会信息化问题已成为摆在世界各国面前的一个重大课题，这是触及社会经济生活所有领域的一场变革，而各级各类会计信息系统的建设和应用则是企业管理信息化的中心环节。在经济全球化的背景下，企业面临日趋激烈的竞争，会计信息系统必须担负起面向管理决策的重任，会计决策支持系统技能迫切地需要被企业吸收和利用。因此，会计决策支持系统（Accounting Decision Support System，简称ADSS）已成为计算机应用领域中最引人注目的内容之一。

一、我国会计决策支持系统的现状

（一）我国会计软件的发展

1.我国会计软件从20世纪80年代初开始出现核算型会计软件到90年代中后期出现管理型会计软件。管理型会计软件分为财务会计和决策支持两大部分，是在核算型会计软件的基础上，具有财务分析、管理、决策的功能，即增加了会计决策支持系统功能。

2.21世纪初至今，ERP软件成为焦点，ERP中的财务模块作为ERP系统中的一部分，它必须和系统的其他各个模块有相应的数据接口，能够相互集成，但一般的ERP软件的财务部分仍是分为企业会计和财务管理（决策支持）两大部分。

（二）我国会计软件中会计决策支持系统功能现状

1.何谓会计决策支持系统

所谓的会计决策支持系统是以管理科学、计算机科学、行为科学和控制论为基础，以计算机技术、人工智能技术、经济数学方法和信息技术为手段，充分利用会计信息系统提供的各种信息，支持中、高级决策者进行决策，通过人机对话进行分析、比较和判断，帮助决策者根据自己的经验和知识选择一个满意的方案，从而做出正确的决策。如构造各种经济模型，对未来财务状况进行预测等。

因此，会计决策支持系统是决策支持系统在会计领域的应用，是电算化会计信息系统的进一步发展，是会计信息化的要求。

2.我国会计软件中会计决策支持系统功能现状

目前市场上提供的商品化管理型会计软件离真正的“管理型”要求还相去甚远，而且在ADSS领域研究和应用方面刚刚起步，不能真正满足会计信息化的需要，不能满足集团财务的信息化，更不能满足未来企业在管理信息网络基础上进行科学决策的需要。因此，现有管理型会计软件的管理功能（即会计决策支持作用）效果并不佳，并且随着ERP系统的不断运用和发展，会计决策支持系统将会成为企业未来发展的重要工具和管理思想。这就需要会计人大力推进，使会计决策支持系统能真正发挥出其应有的支持管理决策的作用。

二、阻碍会计决策支持系统推广应用的因素

（一）企业管理思想陈旧

企业之间的竞争主要体现在人才的竞争，有了高素质的人才，才有可能开发出创新的产品或服务，就企业的信息化建设来讲，也是如此。管理要以人为本，所以“企业信息化的难点不是技术，也不是资金，而是管理思想的转变。”目前，我国企业内部管理思想和管理方式陈旧，信息化水平总体上较低，对管理信息化的重要性认识滞后，需求还不够迫切，决策信息滞后，质量差；地域主义、保守主义、观望主义等普遍存在。这一管理现状势必会妨碍到信息化的推行，自然也会妨碍会计决策支持系统的应用和推广。

（二）会计软件在ADSS领域研究和应用方面刚刚起步，离真正的“管理型”要求还相去甚远

管理型会计软件有分析功能、控制功能和预算功能，但还远远不能真正满足会计信息化的需要，也不能满足集团财务的信息化，未来企业在管理信息网络基础上进行科学决策的需要。目前，我国市场上的各种财务管理软件和决策支持系统很大程度上都是决策定量技术的具体表现。无论是可解决结构化决策问题的MIS或者是支持半结构化决策过程的DSS，建立数学模型是其普遍的显著特点。把各种统计学和运筹学的方法以灵活易用的方式组织起来，使用者可以随时调用所需要的方法。然而在实际工作中并不是所有影响企业决策的信息都是可以完全量化的：例如，决定本企业生产成本的具体成本动因项目等，这些信息在计算机数学模型中则无法表示。传统MIS与DSS的管理、决策只是在量化建模基础上所进行的决策，远不能满足现行的，更主要是未来企业在管理信息网络基础上进行科学决策的需要，同时会计软件中的预算管理和利润分析功能也较弱，因此需要加快会计决策支持系统的研究、改进与应用推广。

（三）缺乏足够的复合型应用人才

企业的信息化建设需要相关的大量复合型人才，会计决策支持系统应用和推广也同样需要相关的复合型人才。真正的复合型人才应当具备“四方面”的知识，即：企业管理知识，信息技术知识，行业流程知识和项目管理知识，而不是人们习惯上定义的“既懂管理又懂计算机”两方面知识的复合型人才。但是我国会计领域的现状是：手工记账人才比比皆是，而真正懂得会计电算化并擅长应用的人，特别是真正的复合型人才却极度缺乏，供不应求，能推动会计决策支持系统应用的复合型人才更是欠缺。

（四）高校课程体系设置落后，教学不规范、教育培养途径单一

目前我国高校普遍存在课程体系设置落后、单一且理论教学强于实践教学的情况，特别是缺乏信息化技术研究较深的师资。在会计信息化（电算化）课程中，课程体系设置陈旧，教学方法不够规范，缺乏稳定的教材框架和正确的教学导向，教学中大多片面强调理论知识或程序设计，忽视了财务软件中的实际问题及其解决方法，并且会计信息化方面的教科书内容陈旧且不统一，不能适应会计信息化的要求。

现阶段，我国培养信息化人才的主要途径就是各高等院校，企业忽视自身人才的继续教育，难能有真正掌握和熟悉会计决策支持系统等原理和应用的复合型人才。这种状况既不适应目前会计信息化的发展，更不利于会计决策支持系统的应用与推广。

三、大力推进我国会计决策支持系统应用推广的方法

决策是决定企业成败的关键，利用ADSS进行科学的决策就显得尤为重要。针对以上存在的问题，笔者就如何推进我国会计决策支持系统的应用与推广提出以下几个观点：

（一）转变企业落后的经营管理思想和观念

在全球信息化，经济全球化的环境下，任何企业要想在激烈的市场竞争中不被淘汰出局，就必须居安思危，向国际惯例靠拢，建立自己的经营战略，求得企业的生存与发展。简言之，就是要“更新观念、改革管理”，而这就使得企业的会计信息化管理势在必行，利用信息化管理同国际强手竞争，取得竞争优势。

会计信息化就是会计与信息技术的高度融合，它要求会计系统能够将会计核算、财务管理、分析、预测、决策、规划、控制等有机地结合起来，通过计算机、网络及通讯等现代高科技，对企业经济活动的相关数据信息实现尽可能自动化、实时化的搜集、加工、存储、传送及应用，为企业的经营决策以及利益相关者和国家的宏观调控提供快捷、准确的财务信息和其他相关信息。因此，会计信息化系统兼具财务会计、财务管理和管理会计的决策支持功能。

但实现会计信息化的管理，最大的难度就是观念的转变，只有更新了观念，人们的行为和习惯转变了，企业才能顺利地实现信息化，才能自觉地应用ADSS进行科学的决策，才能不断地推动ADSS的改进和发展。只有这样，企业才会在竞争中取胜，才会跟上经济全球化的步伐。

（二）发展和完善会计决策支持系统

在市场竞争激烈，需求经常变动，各种主观因素影响较大的环境条件下，企业进行科学决策、综合管理，不仅需要定量模型，还需要将定量分析与一些定性因子结合起来，甚至只进行符号推理决策。只有如此，企业才能制订出更切合实际的决策方案。因此，针对我国会计软件在ADSS方面存在的问题，我们应该加强在ADSS领域的研究和应用，建立或完善会计决策模型库，大大增强会计软件中的预算管理和利润分析功能，如：预算制定、差异分析、财务异常分析，盈利能力、偿债能力和风险预警功能等，完善会计决策支持系统的功能，使会计决策支持系统切实能满足企业进行科学决策的需要，增强辅助企业战略决策自动化、科学化的能力。可以预料，随着技术的进一步发展，在不久的将来，功能强大的会计决策支持系统将逐步出现。

（三）改善高校课程体系设置，规范教学，大量培养企业所需要的复合型人才

在信息化时代，企业对财会人员的评价标准也会相应的不同，未来企业将看重会计人员跨专业的整合能力及分析、预测能力和领导能力等。因此，高校要培养具有较强的信息技术应用能力的毕业生，在教学过程中要加强对信息化类课程的改革，制定规范的教学方法，改革旧的课程体系设置，建立适应信息化时代要求的课程体系，建立稳定的教材框架和正确的教学导向，统一编写规划教材并注重实践教学的研究，大量培养具有较强的信息技术应用能力的学生，引导会计信息化朝着正确的方向前进，更好地为企业服务，为中国的会计信息化服务。

要推进会计决策支持系统的应用，人才是关键，特别需要大量的复合型人才。而复合型人才的培养，单靠学校培养是不够的。学校只能提供先进的基础知识和技能的教育，而能够真正掌握和熟悉会计决策支持系统等原理和应用的，将是那些在实践中经历了多次“摸爬滚打”、反复品尝了“甜酸苦辣”的学习型的群体，因为要有一定的磨练时间才能实现知识和经验的积累，才算是名副其实的复合型人才。因此，要变单一高校培养人才途径为多途径培养。而企业也要从自身的情况出发，围绕着企业的整体战略目标，制定切实可行的培养规划，培养出符合本企业需求的复合型人才。

四、结语

战略决策支持系统 篇4

决策模型是对决策过程中的数据分析和数据处理过程的抽象和模拟,是真实决策系统的映像。[3]对应决策过程中定性和定量分析,决策模型也分为结构化模型和非结构化模型。[6]对应不同类型决策,二者所含的比重不一样。

战略决策是一种所需信息支持量大,信息支持方式多样化,决策过程无法很好的结构化建模的一类决策。其决策过程是一个以定性判断为主、定性与定量分析相结合的过程,人是这个过程的主体。这些特点导致战略决策支持系统中非结构化模型所占比重很大。针对具体问题的非结构化的模型的重复建设给决策支持系统的建设带来了很大的不便。我们发现战略决策的具体问题有可能不同,但是从过程角度来看,针对具体问题的决策过程却有很大的相似点。

战略决策由一系列过程构成,其中每个过程又是一个决策问题,这些决策问题依然可以描述为一个过程。这些决策过程既有结构化的,也有非结构化的。我们对其中非结构化的决策过程中的共性部分进行研究,从过程的角度统一了模型的视图,建立了过程模型。通过过程模型的建立,我们将人引入决策支持系统,用来处理非结构化部分的问题,通过人机不断的研讨,最终实现战略决策方案的优化。

1 单元模型定义

战略决策是一个决策目标不断分解和聚合的过程。在战略决策过程中,针对具体的决策问题,我们所需的决策支持信息是不同的。但是,战略决策是由一系列过程组成,每一个过程可以描述成一个决策问题,每一个决策问题又可以描述成为一系列过程。这样,一个战略决策最终会被描述成为一个过程的集合。

在对决策过程的分解中,我们将根据决策需求分解出来的最小决策单元称之为模型单元。我们可以得出模型单元的主要几个属性:

(1)模型单元具有相对性。模型单元的划分是一个相对概念,是根据决策者的需求而定的。处于这种分解最底层的模型单元一般来说都是无法再分解或者没有必要再分解的决策问题。对一个决策者来说,一个模型单元可能是模型单元,而对于另外的一个具有不同知识结构的决策者来说,未必就是模型单元。

(2)模型单元的独立性。模型单元是为了解决决策问题而建立的一个模型主体,其主要功能是为了解决具体的决策子问题,其内部计算模型一旦建成之后将是一个封闭的“包”,其与外界的信息交互只能通过相应的接口。这样,通过规范化的模型接口,计算主体获得了相应的驱动数据。在对输入不断的计算过程中,模型实现了状态的不断变迁并得到相应的计算结果。结果通过输出接口输入到下一个模型单元,驱动模型队列继续运行下去。

(3)模型单元的执行其实质是一个指针队列的执行。模型单元的执行过程是通过一系列的指针串联起来的。所以每个原子单元除了模型的计算主体之外还有两个指针单元,一个存储着当前模型单元的位置,另一个存储着下一个模型单元的位置。位置是由决策者来制定的。决策者可以根据决策需要,调整决策的顺序。相对应于模型单元队列,指针的改变则反映了这种调整。人们可以把几个常用的模型单元组合连接成一个整体,以实现一个更高层的特定功能,建设成为一个更高级的模型单元。也可以将对于一个决策问题的分解队列通过指针引入到决策的模型队列中去。通过不断的组合分解,以适应不同层次决策者的需求。

(4)模型单元内部的人机交互由模型单元驱动,而单元之间的人机交互由环境驱动。人机交互根据模型与环境分离的思想主要也分成两部分——人与模型的交互和人与环境的交互。人与模型的交互主要集中在对于模型单元运行的控制领域,不涉及模型单元内部信息。而人与模型的交互,则主要根据模型对人的信息需求,由模型向人发出请求,由人来进行数据或操作的选择和执行。

2 面向过程的人机研讨模型单元

人机交互是一种将社会学、行为学、心理学、计算机学、平面设计等学科结合在一起的,对于一个动态过程的描述。[7]交互过程是一个人和计算机之间不断的请求和应答的一个过程,是一个对人的心理和行为研究的过程。交互设计所解决的问题已经不仅是人如何更好地去控制和使用产品,而是产品如何从用户中获取信息,理解用户的意图,从而为达到用户的意图而找出一个最适当的途径和方法。前者是产品的可用性问题,我们已经从人机工程学上找到了合适的解决方法,后者还需要我们去探索和研究。

战略决策过程中存在大量的人机交互,交互是人机双方相互索取信息需求,相互理解对方意图的过程。这种理解途径在于对决策知识的“商讨”。人机双方在讨论的过程中不断发掘对方需求,提出建议。但是,无论何种“商讨”,计算机都不具有决定权,所有的决定权都取决于决策者,计算机所能做的就是不断提供建议或者信息。

一个单元模型可以分为两部分:一部分是反映决策内容具体属性的。这一部分反映模型单元的特性,是与决策具体内容息息相关的,我们称之为私有属性。私有属性包含了在解决决策具体问题过程中所出现的状态和行为,是不可通用的。另一部分是脱离决策的具体内容的,是在任何决策单元中都会遇到的一些属性。这些过程是脱离了具体的决策内容的,我们称之为通用属性。这样,一个模型单元就可以描述为:

模型单元=私有属性+通用属性

私有属性是决策者针对具体决策问题所研究的内容,不同的决策内容,其具体特点是不一样的。我们将从过程的角度研究模型的通用属性,并通过对通用属性的研究来提高对战略决策模型的认识,使之更加符合战略决策特点的需要。

决策可以描述成为一个个的过程单元,通用的过程体现了模型的通用属性。对于一个过程的触发和结束都要依据过程之前的状态和依据状态所采取的行为。同时,在交互过程中,又存在行为的发起和响应。所以,我们可以尝试用状态、行为和触发关系来描述过程。

对于一个模型来说,我们将执行过程中出现的状态主要分为两类:一类是数据交互状态,另一类是知识交互状态。决策过程中的行为主要有三类:信息输入、信息输出和工具调用。这三种行为对应于不同的状态,都有不同的具体含义。相对于模型来说,行为又分为主动和被动。主动主要用来描述模型对人发出信息,等待人的应答。而被动则是模型接收人发出的信息,然后做出的响应。在交互过程中,人的输入/输出和模型的输出/输入是一个对应的逆过程,我们只要定义一组输入/输出即可将人和模型的交互接口统一起来。

这样,我们得到人机交互研讨过程行为集的表述:

这里,S是模型交互状态,Sd是数据交互状态,Sk是知识交互状态;A则是模型行为集,Ai表示输入,Ao表示输出,At表示工具调用;T表示触发关系,Ta表示模型主动触发,Tp表示模型被动触发;

这样,人机交互研讨的行为集就可以表述成为S、A、T的笛卡尔乘积。集合中的每一个元素解释如下:

SdAiTa:模型自动从数据库等外界数据存储设备调入执行所需数据来驱动模型;

SdAiTp:模型通过获取决策者输入的数据来驱动模型;

SdAoTa:模型将计算结果保存到存储介质中去;

SdAoTp:决策者指定模型提供所需数据;

SdAtTa:模型运算过程中调用辅助工具计算相应的数据;

SdAtTp:决策者调用相应的辅助工具来计算得到相应的数据;

SkAiTa:模型主动调用相应的知识;

SkAiTp:决策者利用自己的知识来设置决策过程;

SkAoTa:模型在运行到某一决策点的时候,自动匹配并输出与之相关的知识,供决策者参考。

SkAoTp:决策者根据自己的知识结构,向系统提出相应的知识需求;

SkAtTa:模型调用相应的工具来获取相应的知识;

SkAtTp:决策者调用相应的工具来获取所需知识。

3 一个简单的例子

我们从一个比较简单的决策过程来说明这种过程,图1是一个决策过程示意图:

步骤1的过程:SdAoTp。决策者向模型输入决策目标。

步骤2的过程:SkAiTa或SkAtTa。利用SkAiTa过程,模型对决策目标进行匹配,并在知识库中调取相关的知识主动提供给决策者参考。在知识库中的知识不足以满足需求的时候可以利用SkAtTa过程,通过调用检索工具匹配相关知识。

步骤3的过程:SkAiTp→SdAiTp。我们选择是决策者根据自己的需求引导决策流程,而不依据知识库里的标准流程。这样,决策者就指定下一决策单元的位置数据给模型。通过位置数据的传输将两个模型连接起来。

步骤4的过程:SkAtTa→SdAiTp→SdAiTp。决策者在决策过程中遇到自己不能肯定的数据时,调用辅助计算工具算出自己所需要的数据,再通过SdAiTp过程将辅助工具得出的数据输入到模型中去,驱动模型运行。然后再次利用SdAiTp过程,将下一个模型单元的位置数据输入到模型中连接模型。

这样,不断通过决策者的主观判断,结合知识库中的知识和辅助工具的调用,决策者和模型相互提供信息,相互“研讨”,形成不断进行决策的过程。

步骤n的过程:SkAoTa→SdAoTa经过与模型反复的商讨,模型最终得出结论提供给决策者。同时,将得出的结论和决策过程保存起来作为对知识库的补充,以备以后的决策者参考和借鉴。

需要说明的是,在决策的每一个环节,所面临的情况会有所不同。例如工具的调用,可以是利用关联检索工具,也可以是专家连线等辅助工具。具体情况可以通过对于过程的不断细分来描述。但是,无论怎么分,其根本的原则就是过程要具有独立性,不能和任何决策内容牵扯上关系。否则,这种过程的分解就没有任何意义。

将每一个过程的单元细化到一定粒度并将之实现,那么在决策过程的人机交互过程中,我们可以很方便的组建各种研讨过程,以增加系统建设的灵活性和决策的随机性,更好的适应战略决策的需求。

4 小结

本文从战略决策支持系统的特点出发,提出了将战略决策模型和运行环境分离,统一了模型库。文章将人机交互研讨的思想引入了系统,并根据模型和模型运行环境的各自功能特点,提出了相应的人际研讨模型。这样,整个系统在战略决策过程中,充分体现了人的主导作用和人的主观能动性。同时借助于计算机提供的海量信息和各种辅助工具,将定性和定量决策相结合,更好的适应了战略决策的需求。

摘要：文章介绍了人机交互研讨模型的概念和功能。在定性、定量相结合的战略决策支持系统中,通过设计人机交互研讨模型,规范化人机交互模式,将决策者与决策支持系统有机结合起来,在统一的过程模型视图下,以信息服务方式为决策者的定性判断提供支持,同时将人的决策引入支持系统。

关键词：决策支持系统,战略决策,决策模型,人机交互

参考文献

[1]殷军,司光亚,胡晓峰.战略模拟想定生成系统框架[J].系统仿真学报.2003,15(12):1672-1674.

[2]钱大琳.人机融合决策智能系统若干问题研究[D].北方交通大学博士学位论文,2003.03.

[3]陈雪龙,王延章.面向多级用户支持的决策模型层次描述框架[J].计算机集成制造系统.2007.13(05):850-855.

[4]王宗军,蒋元涛.基于SWOT的智能型动态战略决策支持系统结构设计[J].科技进步与对策,2004.21(4):119-120.

[5]胡晓惠.一种人机结合的研讨工作流集成方法[J].计算机研究与发展.2004,41(1):228-232.

[6]刘慧.基于知识的定量分析决策模型的构造.情报方法.2005.24(8):18-19.

村庄布局决策支持系统研究 篇5

村庄布局决策支持系统研究

介绍了县级政府进行平原地区村庄规划布局的决策支持系统的`设计.该系统运用系统工程的思想,以决策支持的理论为核心,把整个决策过程分成若干步骤,为每个步骤提供若干基本模型,采用定性和定量相结合的决策方法,用0-1目标规划和知识推理两种方法制定科学合理的村庄搬迁合并方案.软件把数学模型和地理信息技术相结合,大大增强了决策支持系统的功能.

作 者：王恒山 徐福缘 凌佩雯 严广乐 WANG Heng-shan XU Fu-yuan LING Pei-wen YAN Guang-le  作者单位：上海理工大学管理学院,上海,200093 刊 名：系统工程学报  ISTIC PKU英文刊名：JOURNAL OF SYSTEMS ENGINEERING 年，卷(期)：2000 15(1) 分类号：C931 N94 关键词：村庄布局   决策支持系统   数学模型   地理信息系统  

战略决策支持系统 篇6

关键词:智能决策支持系统;AI;ES

中图分类号:TP315 文献标识码:A文章编号:1006-8937(2009)10-0146-01

1智能决策支持系统的概念

智能决策支持系统(IDSS,Intelligence Decision Supporting System),是人工智能(AI,Artifieial Intelligence)和DSS相结合而成的决策支持系统,它应用专家系统(ES, Expert System)技术,通过逻辑推理的手段充分应用人类知识处理复杂的决策问题。

2智能决策支持系统的特点和功能

智能决策支持系统,我们又称为高阶决策支持系统,它将决策支持系统的人机交互系统、模型库系统、数据库系统和专家系统的知识库、推理机及动态数据库相结合,因此能拥有优于传统决策支持系统的特性和功能:

①由于智能DSS具有推理机构,能模拟决策者的思维过程,所以能根据决策者的需求,通过提问会话、分析问题、应用有关规则引导决策者选择合适的模型。②智能DSS的推理机能跟踪问题的求解过程,从而可以证明模型的正确性,增加了决策者对决策方案的可信度。③决策者使用DSS解决半结构化或非结构化的问题时,有时对问题的本身或问题的边界条件不是很明确,智能DSS却可以通过询问决策者来辅助诊断问题的边界条件和环境④智能DSS能跟踪和模拟决策者的思维方式,所以它不仅能回答“what……if……”,而且还能够回答“why”,“when”之类的解释性原因,从而能使决策者不仅知道结论,而且知道为什么会产生这样的结论。

IDSS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,又发挥了初级决策支持系统模型计算为核心解决定量分析问题的特点,充分做到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。IDSS中DSS和ES的结合主要体现在三个方面:①DSS和ES的总体结合。由人机交互系统把DSS和ES一体化。②KB和MB的结合。模型库中的数学模型作为知识的一种形式即过程性知识,加入到知识推理过程中去。③DB和动态DB的结合。DSS中的DB可以看成是相对静态的数据库,它为ES中的动态数据库提供初始数据。ES推理结束后,动态DB中的结果再送回到DSS中的DB中去。

3管理决策中智能决策支持系统的应用

DSS与ES相结合,意味着智能化决策支持系统不仅能提供许多传统的决策支持功能,还可以提供知识编辑、推理、学习等更接近于人类决策方式的功能。同时,系统还可能在一定程度上接受自然语言所提出的问题,让系统使用起来更加友好。人工智能技术引入DSS中可以有几种途径。首先,Simon提出有限合理性模型是和人工智能技术紧密结合的,有限合理要求建立一个紧密跟踪人的行为的系统,而专家系统正是这样的一种系统。其次,人工智能因为可以处理定性的、近似的知识而引入DSS中,这方面正是专家系统的优势所在。最后,DSS的一个共同特征是交互性强,这就要求高阶的决策支持系统使用起来更方便,并且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,尤其在对话功能上对此可以做出有益的贡献。

正因为智能决策支持系统具有优于一般决策支持系统的特性,使其有可能在企业日常管理中发挥重要作用,甚至影响企业组织的方方面面。

目前,企业中决策支持系统的运用已经是一件很普遍的事情,但是在企业日常决策中应用IDSS还不是很常见,然而由于IDSS能够进行知识编辑、推理、学习且更为友好,在企业决策中的应用也日渐增多。IDSS能向企业各类管理人员提供越来越多的企业内外部信息和各种经营分析与管理决策功能,丰富的决策信息与灵活的决策功能使企业的管理决策工作不再局限于少数专门人员或高层人员。外部环境的要求,IDSS提供的可能,已使企业中许多不同职能、不同技能的各类管理与技术人员参与决策工作,许多决策问题也不必再有上层或专人解决。这种趋势必将使企业组织结构更为扁平化。

虽然IDSS目前在理论上还有较大的难度,还有许多问题尚待研究,特别是当前的计算机系统在自然语言、推理机、学习性能等方面还不够完善,而要彻底实现它的应用,其难度是相当大的,但由于IDSS在应用上具有重大的现实意义,它成为众多国内外的研究人员的重要课题。

参考文献:

[1] 王红,刘建辉.人工智能在决策支持系统中的应用与研究[J].人工智能,2005,(3).

临床决策支持系统建设研究 篇7

关键词：临床决策支持系统,知识库,数据挖掘,医院信息化

近年来,随着医院规模的不断扩张,医疗数据也呈爆发式增长。如何从海量的业务数据中发掘有价值的信息,构建智能化数据库,从而辅助医疗工作者决策,是当前研究的热点。20世纪90年代初期,我院就着手建立信息系统,至今已有医院信息系统(HIS)、临床检验系统(LIS)、医学影像系统(PACS)、放射信息系统(RIS)、办公自动化(OA)系统和手术、麻醉、重症等8大系统和40多个子系统。虽然医院在信息化建设方面取得显著进步,信息系统也得到广泛使用,但是其工作理念和方式却相对落后,亟需科学化的辅助手段[1]。在医学信息领域里,用计算机辅助进行决策、诊断、推理的软件被称为临床决策支持系统[2]。我院于2014年开始部署建设临床决策支持系统,对医疗数据进行分析处理,辅助临床医疗决策。

1决策支持系统构建方案

临床决策支持系统基于多种数据挖掘技术方法,构建分析决策模型,并针对HIS、LIS、RIS、PACS、EMR(电子病历)系统等海量医疗数据进行挖掘分析,为临床诊疗的客观与规范化提供决策支持[3,4]。2014年10月,我院委托北京天鹏恒宇科技发展有限公司,着手开始医院的临床决策支持系统建设。该系统通过引入临床数据库,采用数据挖掘和联机分析处理等技术,将决策信息展示给终端用户,并具有为临床医生提供建议、提醒、报警、计算、预测等方面的功能[5]。

1.1系统架构

医院原有的信息系统虽然能够为医疗决策提供部分支持,但由于系统分散,决策内容单一,其应用范围受到较大限制。知识库的建设不仅仅是将分散在各个系统的数据进行集成,还需要对医院的业务流程和数据集进行标准化处理[6]。本系统将数据库转化为基于共享机制的数据模型,对数据库知识进行综合分析、统一处理后,再按不同维度展示给终端,有利于提升医疗质量和决策准确性。系统框架分为3层,分别是数据层、处理层、展示层。数据层将各医疗业务数据进行结构化转换[7],并统一加载到数据仓库中,然后对外提供标准接口,便于数据提取;处理层采用数据挖掘与分析工具,对仓储中提取的数据知识进行清洗过滤,并利用一定规则转化为决策信息;展示层是真正面向终端和用户的,将处理层的决策信息按不同维度、不同方式展现出来,便于使用者正确决策。系统架构,见图1。

1.2知识库构建与知识获取

医学知识的获取一般来源于医学文献和经验积累,包括术语字典、语义词库、知识模型等[8]。我院完善了知识库创建体系,通过设定不同类类型型、、不不同同领领域域、、不不同同主主题题的知识片集群,满足各临床活活动动对对知知识识决决策策系系统统的的要要求求(图2)。诊断知识库,表述相相关关的的疾疾病病名名称称、、诊诊疗疗参参考考等等内容;药品知识库,表述与用用药药说说明明、、配配伍伍禁禁忌忌、、不不良良反反应、专家点评相关的内容;检查查化化验验知知识识库库,,表表述述标标本本采采集集、、适应禁忌等方面的知识内容;;手手术术知知识识库库,,表表述述与与手手术术相相关的操作说明、注意事项等相相关关的的知知识识内内容容。。这这些些知知识识库库内容与医院原有的HIS、EMRR等等业业务务数数据据库库以以及及医医学学文文献献等知识,通过数据挖掘平台,,转转化化为为决决策策系系统统可可理理解解的的术术语字典、语义词库、知识模型型等等内内容容。。

1.3多维度知识展现

通过将临床决策支持系统与我院HIS连接,医生在书写电子医嘱和病历的不同阶段,均可运用智能提取、联机分析技术,将层级知识库中的有效知识分门别类,转化为易于理解和应用的信息,展现给医疗工作者,从而辅助于决策。以传染性非典型肺炎诊断为例,医生可在窗口(图3)右侧知识元素中,依次点选查看检查项目、检验项目、手术项目、治疗药品等内容,从而起到一定的辅助参考作用。另外,指南搜索、知识挖掘、医学工具、症状推导、疾病分类(ICD)图谱等功能也集成到各个客户端,不仅便于系统使用者检索分类,也可以群策群力,让用户参与进来,形成知识展现、反馈、处理、再展现的良性循环。

2应用评价

我院目前在东、西两个院区70多个科室均部署了临床决策支持系统,通过近6个月的跟踪反馈,基本达到前期目标。通过临床知识库获取的知识,能够为医生提供辅助诊疗的初步推送服务,帮助临床工作者初步作出决策。这也表明,临床决策支持系统的建设和完善,是临床决策者的迫切需要,其应用效果会随着知识库的不断丰富化、智能化而变得更加显著。

3问题与对策

在系统建设的过程中,由于缺乏既熟悉医院临床业务,又了解信息技术辅助决策领域的专业人员,导致系统的推进相对缓慢,在实际应用方面也没有达到理想程度。另外,临床决策支持系统的建设位于医院信息化建设中的顶端,只有医院各信息系统完备,并建设统一的数据平台,才能加快决策支持系统的前进步伐。最后,任何系统的建设都不可能一蹴而就,尤其是处于研究初期的临床决策支持系统,更需要在建设过程中不断学习、总结经验,逐步完善。

参考文献

[1]曾小东,应桂英,郑建智,等.医院决策支持面临的问题与对策[J].中国卫生信息管理,2012,9(6):48-55.

[2]许兰萍.医院的市场化管理、临床决策与医学人文[J].医学与哲学,2012,34(9A):10-12.

[3]段昌奉,张巨发,唐雄,等.医院移动决策支持系统的建设与应用[J].中国数字医学,2012,7(4):104-106.

[4]王珏,刘博,夏新,等.医保决策支持系统的设计和应用[J].医疗卫生装备,2014,35(9):65-67.

[5]胡安邦,廖富国.临床决策支持系统研究初探[C].2012年中华医院信息网络大会暨第五届中美医院信息化论坛,2012.

[6]刘博,夏新,陈彦东,等.基于商业智能的医院决策支持系统研究[J].中国医疗设备,2013,28(11):36-39.

[7]叶青,刘丹红,杨喆.指南本体构建中的临床数据标准化问题探讨[J].中国数字医学,2013,8(3):8-11.

煤炭企业决策支持信息系统 篇8

煤炭企业集团具有地域广、规模大、管理流程复杂、安全隐患多等特点,各类信息资源分散性强,数据收集、汇总、挖掘难度较大。煤炭企业决策支持信息系统以企业人、财、物、产、供、销等业务信息系统为基础,采用相应的数学模型对大量的指标和数据进行挖掘和分析,形成企业的关键信息,以文字、表格、图形、仪表盘图等形式提供给决策层和管理层,展示企业关键指标数据和业务信息,为企业科学决策奠定基础。龙口矿业集团有限公司在改造原有调度统计信息系统及其它各业务信息系统接口的基础上,建立了决策支持信息系统。

1 系统架构

煤炭企业决策支持信息系统总体架构如图1所示。

系统采用标准的决策支持系统模型设计,分为业务逻辑层、数据层、展现层。其中业务逻辑层从各业务系统抽取数据(或另行补录数据),数据层对数据进行保存和加工,展现层展现各类表格和图形。

2 系统数据来源及处理

2.1 数据来源

(1)煤炭销售数据:自动读取模块自动从煤炭销售系统数据库获取数据,并存储到决策系统数据库。

(2)物资、人力资源、财务及预算数据:从中间库系统实时接收数据。

(3) 生产业务数据:

由各生产单位每日直接填报产、销、存等指标数据。

2.2 数据存储

数据存储主要采用面向主题的数据仓库(集市)多维表结构和与业务系统对应的ODS(Operational Data Store,操作数据存储)层表结构。

(1) ODS层表结构针对生产和销售,用于存储各生产单位填报的日产量计划值、实际值和从销售系统获得的日销量数据值。

(2) 多维数据集表结构包括行业定义表(存储对煤、电、油、空分、水泥等的定义)、指标集定义表(存储各行业的KPI指标描述)、生产单位定义表(存储集团下属生产单位)、多维护数据值表(存储各单位各指标的计划值和实际值,为保证系统存取效率,数据表拆分为年、半年、季、月、周、日6套表结构)。

(3) 其它表结构包括专项调度模块表结构、生产计划表结构、资金计划表结构、系统表结构等。

2.3 系统数据加工处理流程

系统数据加工处理流程如图2所示。

销售ETL(Extract-Transform-Load,数据抽取、转换、装载):从销售系统读取数据,使用一台单独的转储服务器(信息中心分配的虚拟机)。通过调度统计中的相关填报模块可对数据进行修改。

调度统计:填报各个指标的日数据,并存入生产ODS表中。调度填报模块中的日计划值来源:生产计划→计划值转储→多维数据表(月)→月计划分解→调度填报界面。其中月计划分解是指可被调用的、从多维数据表取月计划值除以有效天数的计算功能。生产ODS表结构有煤炭生产日数据表结构、发电生产日数据表结构、页岩油产销存日数据表结构、空分产销存数据表结构、水泥产销存日数据表结构等。

日数据转储:将销售日数据和生产日数据汇总后转存到多维数据表中,并触发周、月、季、半年、年的自动汇总。

中间库客户端:决策系统内置一个中间库客户端,时刻监听中间库系统的通知。当物资、财务、人力资源等系统的月指标值产生或修改后,决策支持信息系统立即从中间库取月指标数据的值并对其进行更新。

专项调度和资金计划:两部分分别有相应填报与查询界面及保存数据的表结构,并与其它部分共享一些基础的数据表结构,如工作面状态类型等。

生产计划:生产计划填报模块提供填报界面,并将填报结果保存在生产计划系列表结构中。保存后触发计划值转储模块,系统自动根据配置将指定的指标计划值汇总到多维护数据表结构中。

多维数据表:为同比分析、环比分析、与计划对比、趋势分析、预警分析、预测分析等分析模型提供数据。

3 关键指标信息

通过分析各种数据指标的类型及属性,建立起一套企业关键性指标的体系结构,见表1。该指标体系共包含45个关键指标,囊括了企业财务、预算、生产、供应、库存、销售、人力资源、物资等所有业务环节。

4 系统功能

煤炭企业决策支持信息系统功能如图3所示。其中决策支持模块的特点是以数据驱动分析,在展现界面上显示主要指标的当日值、月累计值、年累计值,可组合指标、单位、时间周期3个维度的条件驱动各分析模型,还可实现面向特定业务主题的多维分析功能。

5 结语

煤炭企业决策支持信息系统对各业务系统的数据进行挖掘和分析,建立了企业关键性指标体系,为领导层和管理层提供了其最关注的指标信息,大大提高了企业决策的科学水平。

参考文献

[1]陈文伟.决策支持系统教程[M].北京:清华大学出版社,2004.

[2]张玉峰.决策支持系统[M].武汉:武汉大学出版社,2004.

[3]周国祥.基于数据仓库的决策支持系统设计与应用[J].现代计算机:下半月版,2008(9):118-121.

作物灌水量决策支持系统开发 篇9

我国是世界上人均水资源最贫乏的国家之一,人均水资源占有量仅为2 300m3,约为世界人均的25%。农业用水量占全国用水总量的比例最高,约为70%,但是我国农业用水利用率却仅为 40%[1],浪费严重。水资源短缺是影响我国农业现阶段发展的一个重要因素。因此,节水灌溉是我国也是世界灌溉技术发展的总趋势[2]。

由英国科学家彭曼(Penman)提出的彭曼公式是目前FAO(Food and Agriculture Organization of the United Union)专家组唯一推荐的计算作物蒸腾蒸发量的标准计算方法,具有较高的精度和较好的通用性[3,4]。水量平衡方程是现今被广泛应用判断作物是否缺水的重要数学模型[5]。近几年,从作物的生理特性(如茎直径变化和叶水势)来判断作物需水量的研究也有很多,但目前难以建立数学模型。

本文以彭曼公式和水量平衡方程为基础,从系统功能、数据库设计和系统集成等方面着手,设计开发了实用化作物灌水量决策支持系统。

1 系统总体结构及特点

1.1 系统总体结构

系统从功能上分为决策支持、数据库管理、信息查询和系统说明4个子系统功能。系统在结构上以数据库为基本信息支撑,通过输入数据和调用数据库数据,实现计算作物蒸腾蒸发量和判断作物灌水量两大决策功能。系统总体逻辑结构如图1所示。

1.2 系统特点

该系统在Windows操作系统下以Visual Basic6.0为软件开发平台进行研发,数据库采用了Microsoft SQL + Access数据库和ADO数据库访问技术。从先进性和实用性等方面考虑,系统的设计与开发具有如下特点:

1)采用模块化程序设计思想。模块化的程序设计是按照适当的原则,将一个情况复杂、规模较大的系统按照需要实现的主要功能划分为若干个较小的和功能相对独立的部分,把实现同一种功能的类划分成一个模块,使其中每个部分实现一个独立的功能。每一功能均采用模块化的设计思想来提高系统的稳定性和运行效率。

2)采用面向对象的集成开发模式。本系统设计开发时采用了面向对象的集成开发环境和数据库,不仅使得在系统集成更为方便,集成的结果也是不需用户了解开发程序和数据库的操作,只需按系统的菜单和按钮导航就可以完成作业,而系统的菜单和按钮等也实现了有机集成。

2 系统功能

系统采用模块化程序设计思想,以菜单驱动的方式对系统进行了功能划分,其主要功能包括决策支持、数据库管理、信息查询和系统说明4个子系统功能。图2为系统主窗口。

2.1 决策支持

决策支持模块主要实现蒸腾蒸发量的计算和灌水量判定两个功能,这也是该系统的主要功能。

2.1.1 蒸腾蒸发量的计算

计算作物灌水量的关键环节是计算作物的实际蒸腾蒸发量ET。本系统采用彭曼公式作为数学模型计算参考作物的蒸腾蒸发量ET0,再用作物系数Kc乘以ET0,便得到作物的实际蒸腾蒸发量ET。操作员在“ET计算及保存”窗口中输入彭曼公式中用到的各个气象参数和作物系数等数据信息,由系统自动完成计算并保存。参数的输入必须保证齐全并且无误。作物系数可以由操作员自己确定,也可在系统中查询。此外还要输入日期,方便系统对数据进行标识和操作员阅读。系统有记忆功能,有些参数值是固定的,只需输入一次,以后由系统默认,无需再次输入,如测风速的高度、作物系数和地理信息。图3为ET计算及保存窗口。

2.1.2 灌水量判定

判断作物是否缺水和判定灌水量是该系统的最终目的。系统以水量平衡方程为理论依据来判断作物是否缺水。水量平衡方程为

Wt-W0=Wr+P0+K+M-ET (1)

式中 W0,Wt—时段初和任一时刻t时的土壤计划湿润内储水量(mm);

Wr—由于计划湿润层增加而增加的水量(mm),如果计划湿润层在时段内无变化则无此项;

P0—保存在土壤计划湿润层内的有效降雨量(mm);

K—时段t内的地下水补给量(mm),即K=k×t,k为t时段内平均每昼夜地下水补给量;

M—时段t内的灌水量(mm);

ET—时段t内的作物田间需水量(mm)。

由式(1)可以得出某时段t末的土壤计划层内含水量为

Wt=Wr+P0+M-ET+W0 (2)

为满足农作物正常生长需要,任意时段内土壤计划湿润层内的储水量必须保持在一定的适宜范围内,即通常要求不小于作物生长允许的最小储水量(Wmin)和不大于作物生长允许的最大储水量(Wmax),即

Wmin

当程序检测到Wt < Wmax时,应该对农作物进行灌溉,灌水量的范围为

Wmin-Wt

灌水量计算程序框图如图4所示,作物灌水量决策窗口如图5所示。

2.2 数据库管理

数据库主要包括基本数据库和实时数据库。基本数据库是相对稳定(即随时空变化不大)的数据,主要包括作物系数表、作物不同生育期参数表、管理员信息表和地理信息表;实时数据库是随时空变化较大的数据,主要包括气象信息表和水量信息表。

数据库管理功能主要包括数据的录入和数据更新。数据录入是对实时数据库而言,操作员通过界面输入数据,由系统完成保存;数据更新主要是对基本数据库而言,操作员可对数据表中的数据进行添加、删除和修改等操作。

2.3 信息查询

系统所需参数较多,有些参数比较固定,如作物系数、海拔、纬度和作物适宜含水率上下限等。对于此类参数,系统在研发过程中,编者查阅相关资料得到陕西省几个地区地理信息、几种作物不同时期的作物系数及适宜含水率的上下限,并存入数据库中,操作员可以自己确定也可在系统中查询。查询时,操作员可点击需要输入参数旁边的[查询]按钮查得。

2.4 系统说明

简要介绍该系统特点、适用性、总体结构以及系统主要功能,让用户对系统有一个大概的了解,可使用户更好地应用本系统。

3 系统应用

本系统研发完成后,开发人员利用陕西眉县小麦生长区域为试验点对系统进行了验证。该试验点的纬度为34.27°,海拔为518m,3月与4月份的作物系数分别为1.106,1.335,土壤类型为中壤土。输入2009年3月23日-2009年4月20日气象资料,并于2009年4月1日、2009年4月10日和2009年4月20日对小麦是否缺水进行了判断,结果如表1所示。图6为4月10日系统灌水量输出窗口。

4 结语

本文以判断作物是否缺水并计算作物灌水量为目的,根据彭曼公式和农田水量平衡方程,采用Visual basic 6.0开发了作物灌水量决策支持系统。该软件系统具有操作简单、界面友好、功能强大以及运行速度快捷等特点。另外,该软件系统是绿色软件,磁盘占用空间较小,利于推广应用。系统为农业灌溉用水的分析计算提供了便捷的分析软件,实现了数据的自动化分析,为提高作物灌溉的智能化水平提供了一套有效的决策支持工具。

参考文献

[1]李国臣,马成林.温室设施的国内外节水现状与节水技术分析[J].农机化研究,2002(4):8-11.

[2]吴普特,赵西宁,冯浩,等.农业经济用水量与我国农业战略节水潜力[J].中国农业科技导报,2007(6):13-17.

[3]单于洋,张新民,陈丽娟.彭曼公式在参考作物需水量中的应用[J].安徽农业科学,2008(10):4196-4197.

[4]茆智,李远华,李会昌.逐日作物需水量预测数学模型研究[J].武汉水利电力大学学报,1995(3):253-259.

[5]孙景生.浅析用水量平衡方程制定作物节水灌溉制度问题[J].水利科技与经济,1999(1):29-31.

[6]彭世彰,朱成立.节水灌溉的作物需水量试验研究[J].灌溉排水学报,2003(2):21-25.

[7]R G Allen.Using the FAO-56 dual crop coefficient methodover an evapotranspiration intercomparison study[J].Journalof Hydrology,2000,229:27-41.

[8]马耀光,张保军,罗志成.旱地农业节水技术[M].北京:化学工业出版社,2004.

[9]李远华,罗金耀.节水灌溉理论与技术[M].武汉:武汉大学出版社,2003.

[10]刘战东,段爱旺,肖俊夫,等.旱作物生育期有效降水量计算模式研究进展[J].灌溉排水学报,2007(3):27-30.

[11]夏继红,严忠民.农田灌溉决策支持系统的设计与实现[J].中国农村水利水电,2001(8):10-13.

生态安全决策支持系统技术评述 篇10

1.1 国际:

多源数据管理和数据库构建技术随着地理信息系统的发展逐渐成熟。在对多源数据管理上,数据获取对象复合化、数据类型复杂化、处理方式的集成化是其未来发展的大趋势。在数据库构建技术上,向上与地方、国家和国际标准接轨,技术标准紧随其发展趋势;向下突出自身特点,充分考虑操作对象的实际发展需求。

1.2 国内:

以数字地球科学为指导,加强3S技术、环境模拟技术和计算机编程手段的应用,突出GIS技术的多源数据特性,通过与不同领域技术的结合,发展了包括“一种土壤水分监测的数据同化方法”、“一种多源环境生态信息数据同化方法”、“机载多角度多源数据的实时采集装置及方法”、“多源数据采集系统”、“基于规则和可信度的多源数据融合系统”、“一种分布式可同步的多源数据的控制方法和装置”、“基于多源数据融合的人口时空动态出行特征建模方法”、“一种动态数据库构建方法”等多项专利技术。

1.3 存在的问题:

由于我国近几年才提出生态安全屏障的概念,在对这一领域的研究上,基本上处于空白状态,虽然已有一些针对特定技术和领域的研究,例如“西藏谢通门县铜金矿带遥感图像蚀变信息提取及多源数据融合在成矿预测中的应用”、“基于多源数据集成的松嫩平原土地资源空间数据仓的设计”、“多源多时相数据空间分析及其在西藏墨脱地区的应用”、“基于多源数据的森林生物量与生产力估算研究”、“基于多源数据的三峡库区乐天溪流域林地植被覆盖动态监测”等,但是缺乏对整个地圈—生物圈———大气圈的综合研究,一些技术与模式在区域尺度上的适应性和推广性还有待检验。

1.4 未来发展重点:

注重由海洋、大气预测的研究向对陆地多源数据处理和预测的发展,由气候预测向生态预测发展;注重在考虑环境发展的同时,加强对人类生产生活的重视,由单一的环境数据预测向环境与人口生产力结合发展;注重由理论和技术探讨向案例研究发展,关注理论和技术的实际应用效果;注重数据库平台的建设,由文件数据库方案向纯关系数据库方案发展。

2 生态安全评估模型与模拟技术

2.1 国际:

在生态环境评价上,结合人类活动,注重在建设生态城市、生态旅游、生态农业中应用,评价指标选取多以综合性为原则,强调自然因素与人文因素指标的获取;在生态模拟技术上,加强对水资源问题的研究,突出人类活动对整个生态系的物质循环、能量交换、信息传递等的影响,也强调模拟数据的综合性。

2.2 国内:

在生态环境评估模型上,注重城市化对生态环境的影响作用,发展了城市景观生态安全及评价模式、基于模糊理论的城市生态系统评估模型、基于数据挖掘的城市生态系统评估模型等;加强经济社会生态评估模型技术的研发,发展了基于生态效益理念的企业环境绩效动态评估模型、企业商业生态系统健壮性评估模型、区域经济社会生态发展能力动态评估模型等;在生态系统模拟技术上,加强对污染物迁移、转化规律和人工模拟湖泊等的研究,发展了水环境生态修复模拟技术,注重生态模拟技术在城市建设和建筑设计评价方案中的应用。

2.3 存在的问题:

多以纯理论研究为主,虽然涉及的研究领域较广泛,但是缺乏针对典型地区的研究,缺乏区域和全国尺度上的宏观把握与布局,技术应用效果不明显;生态系统综合评估技术研发起步较晚;针对生态环境脆弱性评估模型和生态模拟技术的研究不足,实际应用案例几乎空白。

2.4 未来发展重点:

注重模型参数向综合化发展,由自然因素向自然—人文综合因素发展;注重在评估经济效益的同时,加强对生态效益的评估;注重生态模拟技术试验工作,加强生态系模型的自动化控制和分析测试手段研究。

3 生态安全决策支持系统研发与应用

3.1 国际:

国外在生态决策支持系统上研发和应用起步比较早,技术相对成熟,涉及植物保护、林业、灌溉、农业、环境等各个方面。在决策支持系统应用范围上,研究逐渐趋于综合化,注重生态环境问题的集中治理;在决策支持系统的研发技术上,多集成地理信息系统技术、可视化技术等,加强相关辅助技术的支持作用。

3.2 国内:

在生态决策支持系统上研发和应用上,结合空间技术,注重发展以GIS为核心的“3S”一体化的资源管理与监测体系;强调对动态数据的动态管理和决策支持,构建生态环境保护网络;加强对特定地域决策支持系统的研发,例如金沙江流域生态保护与建设决策支持系统、基于GIS的林业生态环境保护决策支持系统研究、喀斯特山区生态环境动态监测决策支持系统的建立:以贵州省大方县桶井村为例等。

3.3 存在的问题:

我国在决策支持系统的研究上起步比较晚,于20世纪70年代末开始研究专家系统,80年代初研究农业专家系统,而专门用于生态决策方面系统的90年代才出现,例如“国家环境质量DSS”、“城市环境实用DSS”。另外,由于基础薄弱、信息共享困难、信息资源不足,导致我国的生态决策支持系统的研究多数停留于理论、探索和专家咨询阶段,且多数成果尚不完善,真正能够实现在生产中实用,通用性强,达到商业化的软件尚不多。

3.4 未来发展重点:

注重由专家决策支持系统向智能决策支持系统、群决策支持系统和网络决策支持系统的发展;注重对环境的决策支持,结合计算机、人工智能、数据采集与管理、远程通讯技术以及信息高速公路的建设,发展包括水质、水质环境影响评价方面的支持系统;注重对水资源的决策支持和系统集成技术,集成如数据管理与处理技术、模型求解与集成技术、AI中的问题求解与搜索技术、计算技术、仿真技术、决策分析技术、图形技术、网络通讯技术等等,为决策者创造集成式决策支持环境。

参考文献

[1]安晓亚等.面向地理空间数据更新的数据同化[J].测绘科学技术学报,2010,(2):153-156.

[2]高斐,王慧强.基于多源数据特征的服务安全态势感知模型研究[J].武汉大学学报(理学版),2011,(2):165-169.

[3]刘贤词,王晓辉,邢巧.海南岛中部山区生态系统水源涵养功能研究[J].节水灌溉,2010,(7):65-66.

战略决策支持系统 篇11

管理方面的问题

所谓“三分技术、七分管理”，小的工程如此，像黑龙江省政务综合数据库和决策支持系统这么大规模、大范围、高度复杂的系统亦是如此。黑龙江省具备良好的信息化条件，多数省直单位和地市已经具备良好的信息化建设环境，如工商、统计、审计、公安、地税等部门已经拥有了大量的企业信息、个人信息、行业信息等宝贵的信息资源。但是由于各种历史性原因，各个部门的数据相对封闭，同时有大量的重复信息资源以及同类的信息资源内容不统一、标准不统一等弊端，这样会导致在数据统计和分析上出现偏差，在领导决策的时候会产生一定的误导性。产生这些问题的主要原因是由国家政策以及各部委的不同指令所导致，最好的解决办法是在不违反国家政策和各部门规定的基础上，逻辑构建出黑龙江省的省级规范标准，建立黑龙江省电子政务综合数据库，通过安全保障措施来实现数据信息的综合管理。

(一)转变观念，加强合作，打破数据封闭堡垒

要建设综合数据库及决策支持系统，必须从基础数据库以及各政府职能部门业务或分析系统中提取数据。而从党政各职能部门中索要数据将面临很大的难题。各职能部门会认为，数据是我们自己的，没有义务提供给你；数据提供给你了，出了问题责任谁承担；数据提供出去，安全谁来负责；我的数据你们分析不明白；你分析的数据与我们的报表数据不一致，以谁的为准等等一系列的问题，这些问题不解决，要谈综合数据库及决策支持建设是一纸空话。我们必须要从以下几方面解决这些问题：

1.转变观念。首先领导要转变观念，认识到综合数据库及其决策支持系统在全省国民经济建设中的重要性。要让各级领导能够从全省的大局出发，站在更高的角度上来考虑问题，不要仅仅局限于自己的部门，尤其是中直单位，他们既有向国家呈报数据的责任，同时为了地方建设，他们也有向省级领导部门提交数据的责任。

2.变革管理体制。新事物的加入，必然会带来原有事物的变化，所以原有工作模式和工作方法如果一成不变，将不能适应新系统的需要。但不管怎么变，有一点很重要，那就是必须加强各厅局的协调与合作，打破数据封闭堡垒，做到数据共享。

3.加快、加强数据的立法工作。数据如果共享，必然会带来诸多问题，例如安全问题、责任问题、权利问题等等，这样数据的管理与使用变得非常重要，数据使用与管理的相应法律法规必须出台，要明确责任，打消各部门的顾虑。例如数据密级划分、数据管理办法、数据使用规范、数据失密的责任与惩处等等。通过建立数据的法律法规，使得数据管理与使用法律化、规范化。

4.整体经费问题。建立综合数据库与决策支持系统，涉及的职能部门多，异构数据库种类多，数据源复杂。绝不是一朝一夕就能完成的工作，需要耗费很多的人力和财力，这一点需要省领导考虑。当然，综合数据库与决策支持系统建成以后，所带来的效益是非常可观的，不论是时间、人力、效率、工作经费等都会带来崭新的变化。

(二)基础信息数据源的建设规划

黑龙江省各部门早期建成的应用系统一般都是各自为政，网络平台、数据结构不尽相同，这将给全省的信息整合带来很大难度。已建成的要采用各种办法整合，但还有一些部门没有开始建设或正在准备建设，所以基础信息数据源的建设规划变得非常重要。信息标准、传输规范、经验教训等将会给这些部门指明方向，使这些部门可以不必再走弯路，从而节省大量人力、物力和财力，同时保证了建成系统的兼容性和生命力。

(三)全省综合数据库与决策支持系统的建设规划

综合数据库与决策支持系统的建设，绝不是几个职能部门的事情，这么复杂的一个系统如果不做好全局规划，显然是不行的。况且，各职能部门有的已经建立了自己部门的决策支持系统，有的部门正打算做，这样规划就显得各重要了。已建成的决策支持系统必须融合到全省的综合数据库与决策支持系统中来，没有建的或正打算建的给出指导意见。

技术方面的问题

全省综合数据库与决策支持系统的整体架构可考虑采用DB-ODS-DW三层体系结构。综合数据库应该分步骤分阶段，逐步建立和完善。先从基础好的、应用成熟的、小范围的业务系统开始，建成一部分，投入应用一部分，逐步形成一个完善的综合数据库和决策支持系统。由于篇幅所限本文简述综合数据库与决策支持系统需要研究的几个技术问题：

决策建模技术。模型就是对实际系统的特征和变化规律的一种抽象。建模技术是决策支持系统的关键技术。在探索像政府决策这样复杂系统的规律时，首先需要建立一个适当的简化模型，并加以描述;同时在实际运行过程中发现和掌握其本质规律，分析各种因素对科学决策的影响程度，从而为最终确立正确的决策模型提供科学的依据。

模型库系统。随着社会和技术的发展，各级政府所面临的问题会越来越复杂，所需要的决策模型也将越来越多。有时为解决一个问题可能要涉及成百上千个模型。如何自动组织和协调多模型的运行，以达到更高层次的辅助决策能力，是一个必须解决的问题。

接口技术。接口技术的研究主要包括两个方面：一是决策支持系统内部各部分之间的接口。主要针对决策模型和数据库之间接口进行研究；二是决策系统与各业务系统之间的接口。主要研究如何把现有的决策支持系统与各业务系统有机地结合起来。

知识表示及推理技术。知识表示和推理是决策支持系统中的关键技术。知识表示是把用自然语言形式描述的信息通过形式化的方法转化为计算机可以识别和使用的形式。目前比较成熟的知识表示方法有谓词逻辑、产生式规则、语义网络、框架、神经网络等。而推理则是根据系统所具有的知识和数据得到新信息的技术。由于政府机关会面临大量的模糊决策问题，这些问题无法通过精确推理来得到唯一解，这就要求电子政务系统必须应用模糊推理技术和不确定推理技术，以辅助有关部门和领导进行决策。

系统集成技术的研究。现代社会发展变化的速度越来越快，而作为实现社会管理功能的电子政务系统就必须及时反映社会的变化，因此需要着重研究如何把“模型、数据、知识、新技术”结合成一个有机的整体，使系统一方面具有良好的稳定性和可靠性，另一方面又能够反映当前社会和技术发展的最新动态。

系统开发技术。为使决策支持系统在系统级上实现程序的自动生成，需要大量使用一些成熟的软件工程技术和工具来实现系统的快速、高效开发。

政务综合数据库和决策支持系统的建设不可能一蹴而就，它是一个不断建立、完善、健全的过程。这个过程是随着业务量、业务范围和各职能单位的不断发展而发展的，其成长的速度非常之快，同时随着业务的发展，综合数据库的价值也将随之增长。

战略决策支持系统 篇12

关键词：智能财务决策系统,数据挖掘,人工智能,构建

当前日趋激烈的全球化市场竞争, 以及飞速发展的信息技术、Internet和电子商务浪潮构成了企业生存和发展的宏观环境, 使企业传统的财务管理受到新的挑战, 尽快提高企业财务管理决策水平迫在眉睫。计算机技术的快速发展, 使得以往复杂得令人望而却步的许多会计模型和方法的实现变得简单易行。数据仓库与数据挖掘技术可以实现从海量数据中提取隐含在其中的、人们事先不知道的有用信息和知识, 而人工智能技术则可以实现对专家求解复杂问题所利用的知识和推理能力的模拟。这些技术为财务分析和会计信息系统的创新提供了强有力的支持, 利用信息技术建立相应的智能财务决策支持系统, 是实现会计信息系统由核算型向经营决策型转变的有效途径。

一、智能财务决策支持系统概述

智能决策支持系统是以信息技术为手段, 应用计算机科学、管理科学及有关学科的理论和方法, 针对半结构化和非结构化的决策问题, 通过提供背景材料、协助明确问题、修改完善模型、列举可能方案、进行分析比较等方式, 为管理者决策提供帮助的智能型人机交互信息系统。它是人工智能技术与决策支持系统相结合的结果。

智能财务决策支持系统是智能决策支持系统在财务领域中的具体应用, 是财务信息化发展的必然趋势。特别是近年来, 企业经营环境的国际化、网络化、信息化发展趋势, 要求企业必须更快、更准确地做出决策, 而传统财务系统远远不能满足复杂问题的求解要求。为了使系统更加有效地工作, 企业应利用计算机领域的相关新兴技术, 如数据库系统、决策支持系统、神经网络以及基于事例的推理、数据仓库及数据挖掘等, 研究和设计智能化财务决策支持系统, 以辅助决策者进行战略决策和战术决策, 实现财务决策的动态化、智能化。

智能财务决策支持系统的主要特点是:

(1) 允许决策者能自始至终地介入系统的决策过程, 并要求系统有一定的学习能力, 可以使决策者与决策支持系统的决策能力在实际的决策过程中同步提高。

(2) 实现知识推理和数值运算相结合, 从而提供比初级的决策支持系统更强的决策支持能力。

(3) 建立更为通用的决策支持系统结构, 以扩大系统的服务领域, 也使系统对环境的变化和决策方式的变化具有一定的适应性。

二、企业智能财务决策支持系统的构建目标和功能

1.系统的构建目标

目前, 我国传统财务决策支持系统还大多局限在利用图表对现有状况进行描述, 属于财务分析的范畴, 而把专家的经验融进软件, 解决企业普遍的管理与决策问题, 让计算机最大限度地代替人工进行决策, 提高决策的效率是智能财务决策必须要研究和解决的问题。因此, 笔者认为企业智能财务决策支持系统构建的总体目标可以概括为:

(1) 不仅支持企业财务管理决策中的结构化决策问题, 还要支持半结构化和部分非结构化决策问题。

(2) 支持企业不同管理层次的财务管理问题, 如支持高层管理的筹资、投资、利润分配及预算编制等问题的宏观管理决策;支持中层管理控制决策, 如生产决策、成本决策、销售决策、库存决策中的计划管理控制等;支持基层作业控制决策, 如生产决策、销售决策、库存决策中的作业控制决策等。

(3) 支持用户之间的通讯, 以便支持相互依赖的决策制定。

(4) 提供方便的人机对话和良好的数据传输功能。

2.系统功能

传统的财务决策支持系统具有3个功能:核算、管理和决策。核算, 即会计功能。在会计层, 它完成会计原始数据的收集、记账、算账和报账的业务处理后输出会计信息, 同时将会计基础信息传输到管理层。管理, 即管理信息功能。在管理层, 进行会计基础信息的分析并将分析结果输出, 同时传给决策层。决策, 即根据会计分析信息和其他管理信息进行预测、判断和决策, 然后将决策方案下达到管理层。在管理层进行指标分解, 编制财务计划;再下达到核算层, 并对核算层的执行过程进行控制。

而智能财务决策支持系统实现的功能应在传统财务决策支持系统的功能基础上, 通过应用数据挖掘技术, 深入分析挖掘历史的、现实的、清晰的、模糊的、内在的、客户的等多层次多角度的信息, 运用模糊数学、神经网络、数理统计等多种数学方法, 对有效信息进行计算分析, 以辅助决策者进行财务决策。

智能财务决策支持系统实现的主要功能有:

(1) 财务分析。

能自动实现资产分析、权益分析、利润分析、现金流量分析、费用分析、企业盈利能力分析、企业偿债能力分析、企业营运能力分析等基本功能。

(2) 财务计划与控制。

能帮助编制利润计划、成本计划、现金流量计划、资产及其资金来源计划, 还有各种经济指标控制和预算等功能。

(3) 财务预测与决策。

能代替或最大限度地帮助决策者完成投资预测决策、筹资预测决策、成本预测决策、销售预测决策、存货预测决策以及利润分配预测决策等。

三、企业智能财务决策支持系统的架构模型

本文提出的企业智能财务决策支持系统, 运用数据仓库和数据挖掘技术, 采用关系型数据存储格式存储海量业务主题数据, 增强了大数据量系统管理扩展的能力;采用并行处理技术处理复杂的查询请求服务, 实现了决策支持查询优化, 同时亦可支持多维分析的查询模式。该系统从企业大量的数据集合中收集整理信息, 并运用数学模型和数据处理技术, 灵活、交互式地提供统计趋势分析和预测报告。系统还需要建立多种数据挖掘模型, 自动分析数据, 对数据仓库中的数据进行归纳性推理和联想, 寻找数据间内在的某些关联, 从中发掘出潜在的、对信息预测和决策行为起着十分重要作用的模式, 从而建立新的业务模型, 以达到帮助决策者制定市场策略、做出正确决策的目的。

1.系统架构

系统的整体架构分为3个层次:数据获取层、数据组织存储层和数据分析展示层 (如图1所示) 。

2.系统处理

系统从逻辑上可划分为3个处理步骤:后端处理、中间处理和前端处理。

(1) 后端处理。

利用数据ETL工具将多个数据源的业务数据, 包括企业内部财务系统、本地外部财务系统、远程外部财务系统以及企业已经建立的诸如ERP、SCM、CRM、OA等系统和一些相关系统, 根据定义的企业数据仓库模型进行抽取、清洗、净化、加载, 对业务数据清零、清空、去除、格式转换, 对原有的数据及其机构进行调整, 为后续查询、报表、多维分析和数据挖掘等应用提供稳定、可靠的数据源。

(2) 中间处理。

根据定义的企业信息模型, 利用数据建模工具, 形成按企业信息模型存储的多级别、多层次的数据库, 为财务数据分析、财务预测决策提供数据。

(3) 前端处理。

前端处理进行数据表示, 利用多维分析工具、多维报表工具以及数据挖掘工具对数据进行综合数据查询、分析统计和生成统计图表等, 通过人机交互界面, 实现人机交互, 为企业决策提供辅助支持功能。

四、结束语

企业智能财务决策支持系统的构建与实施将会更好地适应我国知识经济与网络时代的发展, 推动我国企业科学管理的实现。这一项目的实施, 要求企业相应地实施管理思想、管理人才、管理组织、管理方法和管理手段的现代化, 不断提高企业的经济效益, 对培养具有国际竞争力的大型企业集团、对发展我国经济及提高我国的综合国力具有重要的意义。笔者根据自己开发信息系统的经验和多年的教学实践经验, 探讨了智能财务决策支持系统的构建目标、功能和框架, 对企业智能财务决策支持系统建设具有一定的指导意义。

参考文献

[1]任明仑, 杨善林, 等.智能决策支持系统:研究现状与挑战[J].系统工程学报, 2002 (5) :48-58.

[2]谢榕.数据挖掘与决策支持系统[J].计算机系统应用, 1999 (8) :9-11.