决策支持系统做出更好的商业决策

决策支持系统是商业智能的一个子集，旨在帮助组织机构基于大量的数据分析来制定明智的商业决策。
 
决策支持系统的定义
决策支持系统(DSS)是一种交互式信息系统，它通过分析大量数据以做出明智的商业决策。决策支持系统通过评估不确定因素的重要性以及在决策过程中所涉及的权衡利弊，来支持组织机构的管理、运营和规划工作以制定更好的决策。

决策支持系统会综合利用原始数据、文档、个人知识和/或业务模型来帮助用户做出决策。决策支持系统使用的数据源可能包括关系数据源、多维数据集、数据仓库、电子健康病历(EHR)、营收预测、销售预测等。

决策支持系统的概念源于20世纪50和60年代在卡内基理工学院进行的研究，但在20世纪80年代是以执行信息系统(EIS)、群体决策支持系统(GDSS)和组织决策支持系统(ODSS)的形式真正在企业中扎根。随着组织机构越来越关注数据驱动的决策，决策科学(或决策智能化)不断兴起，以及决策科学家可能成为释放决策科学系统潜力的关键，这些系统开始发挥作用。将应用数据科学、社会科学和管理科学结合在一起，设计科学就可以专注于在不同选项之间进行选择，以减少做出更优决策所需的工作量。

决策支持系统与商业智能
决策支持系统和商业智能(BI)常被混为一谈。一些专家认为商业智能是决策支持系统的后继技术。决策支持系统以及数据仓库和数据挖掘通常被认为是商业智能系统的组成部分。
 
商业智能是用于收集、储存、分析和访问数据以进行决策的各类应用程序、服务和技术，而决策支持系统应用程序更倾向于为支持某些特定决策而专门设计的。例如，业务决策支持系统可能会通过分析过去的产品销售数据和当前变量来帮助某一公司预测在一段时间内的营收。医疗服务机构会使用临床决策支持系统来提高临床工作流程的效率：向护理人员发出计算机化的警示和提醒，提供临床指南、特定病情的医嘱套餐等。
 
决策支持系统的类别
在《决策支持系统：管理者的概念和资源》(Decision Support Systems: Concepts and Resources for Managers)一书中，其作者美国北爱荷华大学管理信息系统教授Daniel J. Power根据信息的主要来源将决策支持系统分为五类。

数据驱动的决策支持系统。这些系统包括文件柜和管理报告系统、执行信息系统和地理信息系统(GIS)。而这些系统侧重于访问和操作大型结构化数据库，通常涉及公司内部的时间序列数据，有时是外部数据。

模型驱动的决策支持系统。这些决策支持系统包括使用会计和财务模型、代表性模型和优化模型的系统。它们侧重于使用和操作某一模型。并且，这些系统通常会利用一些简单的统计和分析工具，但Power指出，某些可对数据进行复杂分析的OLAP系统可归类为混合决策支持系统。模型驱动的决策支持系统会使用决策者提供的一些数据和参数，但Power指出，它们通常不是数据密集型的系统。

知识驱动的决策支持系统。这些系统会向管理者建议或推荐一些举措。它们有时被称为顾问系统、咨询系统或建议系统，并且会基于特定领域来提供一些专门的和解决问题的专业知识。它们通常用于执行一些依靠人类专家所做的工作，包括分类、配置、诊断、解释、规划和预测。这些系统通常与数据挖掘技术相结合，通过对数据库进行筛选，以产生数据内容关系。

文档驱动的决策支持系统。这些系统集成了用于文档检索和分析的存储和处理技术。搜索引擎就是一个例子。

通信驱动和群体决策支持系统。通信驱动的决策支持系统侧重于沟通、协作和协调，以帮助人们完成某一共同任务，而群体决策支持系统(GDSS)则侧重于支持群体决策者来分析问题状况，并执行一些群体决策工作。

决策支持系统的示例
决策支持系统广泛应用于各个行业。使用示例包括：

•GPS路线规划。通过分析可用的选项，决策支持系统可用于规划出两点之间的最快和最佳路线。这些系统通常能够实时监控交通流量以避开拥堵。

• 农作物的规划。农民可使用决策支持系统来帮助他们确定播种、施肥和收割作物的最佳时间。拜耳作物科学有限公司 (Bayer Crop Science)已将分析和决策支持技术应用于其业务的每个环节，包括创建“虚拟工厂”以在其玉米生产基地进行“假设”分析。

• 临床决策支持系统。这些系统可帮助临床医生诊断患者。美国宾夕法尼亚州医学院(Penn Medicine)创建了一个临床决策支持系统，该系统可帮助其ICU病房患者更快地脱离呼吸机。

•ERP仪表板。这些系统可帮助管理人员监控绩效指标。数字营销和服务公司Clearlink使用决策支持系统来帮助内部管理人员找出哪些代理商需要更多的帮助。

决策支持系统的组成部分
根据Management Study HQ公司的说法，决策支持系统包括三个关键部分：数据库、软件系统和用户界面。

1.决策支持系统的数据库。该数据库会利用各种来源，包括组织内部的数据、应用程序生成的数据以及从第三方购买的或从互联网挖掘的外部数据。决策支持系统数据库的大小会根据需要不同而存在差异，从小型的独立系统到大型的数据仓库。
 
2.决策支持系统的软件系统。该软件系统是基于某一模型(包括决策背景和用户标准)而构建。模型的数量和类型取决于决策支持系统的用途。常用的模型包括：
 
统计模型。这些模型用于在事件和与该事件相关的因素之间建立关系。例如，这些模型可用于分析与地理位置或天气相关的产品销售。
 
敏感性分析模型。这些模型用于“假设”分析。
 
优化分析模型。这些模型用于寻找目标变量相对于其他变量的最佳值。
 
预测模型。这些模型包括回归模型、时间序列分析以及用于分析业务状况和制定计划的其他模型。

后向分析灵敏度模型。这些模型有时被称为目标搜寻分析，它们会为一个特定变量设置一个目标值，然后确定其他变量需要达到什么值才能满足该目标值。