银行信贷业务决策支持系统分析与设计初探

我国银行系统现已广泛应用MIS(Management Information System)它提高了信息处理工作效率和管理水平，用计算机支持决策过程，人们称之为决策支持系统——DSS(Decision Support System)，DSS是管理信息系统发展到了高级阶段，是计算机与管理相结合的高级形式。本文旨在探索银行业务DSS的分析方法与设计方法。     

埃克塞特大学项目-可持续水的决策支持系统(DSS)

(2015-107-英国-56)海王星DSS是一个集成的、基于风险的决策支持系统(DSS),可近乎实时的评估干预策略,为可持续水系统的操作提供决策支持。海王星DSS的设计用于支持运营商做出决定,在非正     

析宝钢集团公司子公司管理决策支持系统IT“助推器”

DSS（决策支持系统）作为新兴学科之一，近几十年来得到不断的发展和完善。1981年金兹伯格(M.I.Ginzberg)提出：DSS是以计算机为基础．用以在不可能或不希望采用自动化决策系统来完成整个决策过程的情况卞．支持决策话动的信息系统。运用DSS把计算机存储容量大、计算速度快等优势与人的经验、知识、判断结合起来，使之决策更为有效。     

社保DSS中数据仓库的设计与实现

传统DSS基于业务系统数据库从而缺乏统一、充足的数据源支持,这严重影响了DSS的发展。数据仓库的出现解决了DSS应用的一大难题。该文以江西省社会保险DSS为应用实例,给出了社保数据仓库的具体设计与实现过程。     

面向数据的决策支持系统

<正> 一、引言根据实际需要建立适用的DSS,以提高支持决策的有效性,是DSS成功的关键。本文指出:企业高层决策非结构化程度高,为其建立适用的模型常常是很困难的;而在进行企业高层决策的过程中,决策者最需要的是综合性的、分析性的和下属部门提供的决策性的数据支持;因此,建立面向数据的DSS对于企业高层决策的支持在一定条件下可认为是更有效的。本文还以一个中型企业信息系统为例说明了本文提出的观点,并讨论了在建立这一实际的信息系统过程中是如何为企业高层决策提供有效的数据支持的。     

决策支持系统的未来十年（续）

3.D、S和S之间的权衡应当再次强调,照Stabell的话,这就是:现在到了还原D在DSS中地位的时候了。当然,这并非意味着扩展支持可以忽视计算机技术,即第二个S。而仅仅是,它突出了主宰DSS的困境,而且这种困境可能是导致定义问题的根本原因。 DSS将三个十分不同的努力重点、所需     

DSS服务器面向关键应用

美国康柏电脑公司于10月初推出为DSS设计的新型NonStop Himalaya解决方案服务器——DSS服务器。该服务器是一款价位适中的解决方案,它综合了NonStop Himalaya服务器、NonStopSQL数据库和大型关键业务DSS环境所需的其它软件,如动态数据存储(ODS)。通过将传统NonStop服务器在可用性、可伸缩性和在线交易处理方面的强大优势与适用于大规模决策支持的并行     

决策支持系统的研究与应用

随着计算机、管理以及运筹学等多学科的日益相互渗透与促进,以应用计算机辅助决策过程和提高决策者的决策技能为目标的决策支持系统(DSS 即 Decision Suppoft System)应运而生了。它的出现与发展已经引起了计算机、管理、心理学等各方面专家以及高级决策人员的广泛关注。国外近年来,在 DSS 的理论研究和实际系统的开发两方面都取得了相当的成果。本篇文章拟在综合分析这些研究成果的基础上,对 DSS 的发展作一比较全面和概括的介绍。     

决策支持系统的未来十年

决策支持领域已有十多年的历史了。过去十年中,信息技术的成本和特征已发生了巨大变化。以计算机为基础的工具已遍布整个办公室环境。决策支持在1976年还只代表一种运用信息系统和分析工具的基本概念,而如今,它已成为信息系统主流的一部分了。本文从DSS领域的研究和实践两方面,回顾其现状并展望其未来十年。重点放在四个主要问题上: (1) 新在何处?既然DSS的许多原理为计算(机)端点用户所共知,它的思想是否已过时? (2) 何谓DSS的定义?在持续了十多年研究和实践后的今天,DSS仍没有确切的定义,这难道无关紧要? (3) 从充分利用DSS机会所需的知识基础和努力方向出发,在决策、支持和系统之间应进行何种权衡? (4) 未来十年为不亚于过去十年或取得更多的进展,主要的问题是什么?     

一个用户主导的情景数据集成应用构造环境

随着网络的普及和深入应用,人们希望共享和集成丰富的网络信息资源,以满足其个性化需求。文中提出了一个用户主导的情景数据集成应用构造环境DSS,用以支持大量不具备专业编程知识的最终用户自行利用既有的网络信息资源即时构造应用。DSS支持当前常见的网络信息资源,实现了交互式的网页资源个性化服务封装,并将Spreadsheet和嵌套关系模型相结合,提供了可视化的嵌套电子表格操作和公式语言,以支持用户进行数据服务的组合。通过案例和相关工作的分析比较,表明了DSS上述功能的有效性。     

决策支持系统的几个新的研究分支

决策支持系统(DSS)是计算机管理和决策科学领域里的一个新的研究分支,是指支持半结构化和非结构化决策、允许决策者直接干预并能接受决策者的直观判断和经验的动态交互式计算机系统。本文在文[1]对DSS的概念、结构、应用及其发展所作概述的基础上,结合笔者在研究工作中的体会,对DSS的几个新的研究分支(群决策支持系统、智能决策支持系统、集成式决策支持系统、分布式决策支持系统)的基本概念、结构和特征作了概述,并提出了各研究分支中值得深入研究的课题。     

基于数据集市的DDSS的开发方法

本文在分析基于数据仓库的DSS不足的基础上,研究并提出了基于数据集市的、构建多层分布式DSS的方法,以便实现企业和部门不同级别上的决策支持,为企业提供更多、更有效和更有用的决策信息,使决策更加有利于企业和部门的发展。     

数据模型智能化扩充研究——知识数据库模型

数据模型是数据库系统的核心。数据模型智能化扩充旨在提高现有数据库系统的可扩充性及智能化程度,使传统的数据库存贮知识,能进行演绎推理,从而为高级咨询与决策提供支持。本文引入人工智能、知识工程及专家系统领域的概念,原理,方法和技术,对关系数据模型进行了智能化扩充,并提出了实现这一扩充的DBMS的体系结构及实现方法。我们的工作将为了一步关于智能数据库、知识库的研究与开发打下基础,并希望在MIS,DSS,EDS,CAD,CAM等方向上得到应用。     

在DSS／EIS＆OLAP环境下构造FoodMark数据仓库的设计与实现

1 引言 DSS的全称是Decision Supply System,即决策支持系统,是分析数据环境的一种称呼,也是数据仓库存在的环境;EIS是Executive Information Processing的缩写,就是指高级管理员信息系统,说得更准确一点,EIS实现的功能是DSS中的一类功能子集;而OLPA的全称是Online AnalyticalProcessing,即联机分析处理,在Microsoft SQL2000中称为Analysis Services。FoodMark是Microsoft Corporation为了展示其Analysis Services而提供的一个数据库例库。本文实     

基于数据仓库技术的决策支持系统

20世纪90年代以来,数据仓库(Data Warehouse,DW)技术逐步被人们所认识、认可、应用.决策支持系统(Decision Support System,DSS)因数据仓库技术的介入,克服了众多缺陷,获得了长足发展.结合了DW技术的DSS系统在众多行业中得到应用,然而这些应用往往是一次性的,即使类似的企业,实施也截然不同,造成了大量重复性的探索.有没有共同的规律可寻呢?回答是肯定的.本文从传统DSS系统的缺陷出发,论述了DW技术对DSS的支持,试图从一般意义上构建基于数据仓库技术的决策支持系统.     

数据仓库在生产连续型企业库存控制中的应用

本文通过对生产连续型企业库存控制的特点分析，指出了仅仅利用传统的基于事务处理的管理信息系统和决策支持系统(DSS)解决该类库存控制决策分析问题的局限性，提出了采用数据仓库技术的必要性，并分析了传统决策支持系统的不足之处以及数据仓库(DW)技术对DSS的支持，设计了一种利用DW技术和数据挖掘(DM)、联机分析处理(OLAP)等
数据仓库工具提供库存控制决策支持的方案。     

加工型企业管理信息系统与DSS设计探讨

本文综合研究了加工企业信息系统设计与开发中的若干关键问题,即MRP—Ⅱ模式及支持这一模式的数据库与数据编码以及面向对象方法引入MIS及DSS设计等。从而构造了有一定通用性的加工企业MIS及DSS系统模型。     

一种嵌入式DSS客户端的架构设计及优化

达尔文流媒体服务器DSS(Darwin Streaming Server)因其良好的框架结构和开放性作为视频点播服务器广泛应用于各种流媒体系统中。本文基于嵌入式终端实现了一个DSS客户端,设计了该终端的体系架构,给出了多种媒体格式自适应支持以及提高用户体验的VCR操作的方法,并在性能上进行了优化。     

数据仓库建立与应用

数据仓库是现代计算机系统信息处理结构的焦点,数据仓库提供集成的、全企业范围的历史数据作为坚实的基础,以支持DSS等信息处理。本文主要讲述了数据仓库的基本概念和特征,并介绍了数据仓库的建立和应用。     

决策支持系统发展综述及展望

全面研究和分析决策支持系统(DSS)的发展轨迹,对研究DSS未来的新理论、新模型、新技术、新应用具有十分重要的意义。对DSS的发展历程尤其是它的结构与支撑技术进行了全面的探讨。在对其进行深入剖析的基础上,指出需求和技术是DSS发展的两个主要动力,在大数据时代更是如此。同时分析了DSS在大数据时代所面临的新需求与新问题,并结合大数据和云计算相关技术,对未来DSS如何满足这些新需求、解决这些新问题进行了分析与展望。