1、管理信息系统,主讲：宫小全 副教授 单位：北方交通大学经管学院信息管理系,第16讲 管理信息系统应用与发展,MIS的应用与发展,管理信息系统的新形式 数据仓库和数据挖掘,一、管理信息系统的新形式,决策支持系统 专家系统 办公自动化 集成生产系统,概述,近年来，为了使电子计算机能在更大的范围和更深的层次上对管理和决策活动提供支持，人们先后提出或发展了一些新的系统，例如，决策支持系统，办公自动化系统，专家系统，集成化生产系统等。事实上，可以把它们看做是管理信息系统的一种补充或新的表现形式。 可以预计，随着计算机技术水平的提高，计算机网络的普及和各种办公设备的创新，更高水平的管理信息系统将会不断出现
2、。,（一）决策支持系统概述,决策支持系统（Decision Support System，DSS）是20世纪70年代在管理信息系统的基础上发展起来的新型管理信息技术。,1、决策支持系统的基本概念,DSS是以管理学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术、信息技术为手段，以人机交互方式辅助决策者解决半结构化或非结构化决策问题的信息系统。,2、决策支持系统的主要特征,系统只是支持用户而不是代替他决断。 DSS并不提供所谓“最优”解，而是给出一类满意解，让用户自行决断。同时，DSS并不要求用户给出一个预先定义好的决策过程。 DSS所支持的主要对象是半结构化的决策。即不能完全用数学模型
3、、数学公式来求解的决策。它的一部分分析可由计算机自动进行，但需要用户的监视和及时参与。 人机交互的方式。采用人机对话的有效形式解决问题，充分利用人的丰富经验，计算机的高速处理及存贮量大的特点，各取所长，有利于问题的解决。,3、DSS与MIS的区别,DSS是在管理信息系统（MIS）的基础上发展起来的一种更高级的信息系统。但DSS与MIS又有区别，MIS面对的主要是结构化的问题，而DSS面对的是半结构化或非结构化问题，二者主要的区别有以下几个方面。 追求目标不同 解决的问题性质不同 驱动方式不同 服务对象不同 操作方式不同,4、DSS结构,DSS由交互语言系统、问题求解系统以及数据库、模型库、方法
4、库、知识库管理系统组成。在某些具体的决策支持系统中，也可以没有单独的知识库及其管理系统，但模型库和方法库通常则是必须的。,5、DSS求解问题的过程,用户通过交互语言系统把问题的描述和要求输入决策支持系统。 交互语言系统对此进行识别和解释。 问题处理系统通过知识库系统和数据库系统收集与该问题的有关的各种数据、信息和知识，据此对该问题进行识别、判定问题的性质和求解过程；通过模型库系统集成构造解题所需的规则模型或数学模型，对该模型进行分析鉴定；在方法库中识别进行模型求解所需的算法并进行模型求解，对所得结果进行分析评价。 最后通过语言系统对求解结果进行解释，输出具有实际含义、用户可以理解的形式。,（二
5、）专家系统概述,专家系统的任务是解决需要经验、专门知识和缺乏结构的问题的计算机应用系统，它是人工智能发展的一个重要分支。 专家系统可以解决的问题通常包括解释、预测、诊断、设计、规划、监视、修理、指导和控制等。 目前的专家系统，在咨询任务如化学和地质数据分析、计算机系统结构、建筑工程以及医疗诊断等方面，其质量已达到较高的水平，可以把专家系统看做人类专家(他们用“知识获取模型”与专家系统进行人机对话)和人类用户(他们用“咨询模型”与专家系统进行人机对话)之间的媒介。,1、专家系统的基本概念,专家系统（Expert Systems，ES）是人工智能研究中较为活跃的分支，专家系统是一种具有大量专门知识
6、与经验的计算机信息系统，作为人工智能的一种技术，利用计算机技术、人工智能及其他理论，把某一特定领域内的专家们的知识提炼出来，建成一个知识库，以解决该领域的有关问题和决策。,2、专家系统的特征,一般来说，一个高性能的专家系统应具备如下七个特征。 具有专家水平的专门知识 符号处理 一般问题的求解能力 复杂度和难度 具有解释功能 具有获取知识的能力 知识与推理构成相独立,3、专家系统的基本结构,知识库(包括知识库及管理系统):用于存取和管理所获取的专家知识和经验，供推理机使用。具有知识存储、检索、编排、增删、修改和扩充等功能。 推理机(包括推理机及其控制系统):利用知识进行推理,求解专门问题,具有启
7、发推理、算法推理正向、反向成混合推理，并行或串行推理等功能。 咨询解释装置: 主要功能是接受用户的问题并进行理解，向用户输出推理结果并进行解释。 知识获取手段: 从人类专家那儿获得知识并存贮到知识库中。,（三）办公自动化概述,办公自动化是指在办公室的职能中应用计算机和通信技术。 办公自动化的初期主要解决秘书级事务，如用文字处理机提高打印、修改、编辑、复制和存储文件的效率。 中期的标志是解决经理级事务，如信息检索、辅助决策等。 再进一步则是发展各种现代化的办公设备，组合成办公自动化系统。,1、办公自动化系统定义,办公自动化系统（Office Automation System，OAS）是以先进的
8、办公设备为基础，由办公人员和办公设备共同组成的人机信息处理系统。该系统利用先进的办公设备（例如计算机及其外设、复印机、传真机、网络通信设备等），代替办公室工作人员的部分手工劳动和办公业务的系统。 一个完整的办公自动化系统包括信息收集、信息加工、信息传输、信息存储等环节，其核心任务是为办公人员提供所需的信息。,2、办公自动化的基本功能,文字处理功能 文件的编辑、修改、存贮和打印等。 数据处理功能 数据的记录、分类、存贮、查询、运算和制表等。 图像处理功能 输入、产生、存贮、处理和输出有关的图像处理资料，进行传真，召开远程电子会议等。 声音处理功能 声音的识别、存贮和合成等。 网络化功能 将多个信
9、息处理设备连接成网，提高信息处理能力和传输功能，达到资源的充分共享。,（四）集成生产系统,管理信息系统研究的一个重要方向是集成生产系统，它是管理信息自动化和生产过程自动化的结合。 由于计算机辅助设计(CAD)和计算机辅助制造(CAM)的发展，在机器的设计制造过程中几乎可以不用图纸，使得设计、修改和制造变得十分方便。因此，产生了将管理、生产等各个系统联成一个综合的一体化系统的需要。 集成生产系统将整个企业设计、生产、市场、销售及管理部门联合成一个大系统，它将利用已有的计算机辅助设计、制造、管理和通信等所有现代化技术，将企业的管理和经营水平提高到一个崭新的阶段。,管理信息流,技术信息流,物流,集成
10、生产系统的基本结构,（四）集成生产系统,二、数据仓库和数据挖掘,数据仓库（Data Warehouse） 数据挖掘,（一）数据仓库概述,当今的社会是信息化的社会，其中数据仓库和数据库技术扮演了一个关键的角色。 一个传统的企业内部，往往有许多部门建立了各自独立的信息处理系统，数据也是存储在各自的数据库中。这些系统中的数据管理均出于各部门内部的管理方便而考虑，相互独立，结构各异。许多机构由于体系不兼容和保留遗留应用，从而陷入困境，这些遗留应用维护起来很难，清除起来更是难上加难。 问题不仅仅表现在技术上的差异，而且还包括DSS所需的数据元素冗余和不连贯。同样的资料在不同的计划中往往以不同的形式保存而
11、不能共享，并且输入一个系统后再输入另一个系统，结果使提供的数据不准确或不安全。,（一）数据仓库概述,随着计算机应用的增加，人们对信息服务质量的要求愈来愈高，使得异构数据库的集成化问题被提上了日程。 数据仓库针对数据库的异构、数据间的不一致性，以及历史数据与当前数据间的复合分析的要求，对各个信息源中与系统分析和决策有关的数据预先进行收集、提取、归纳、转换、过滤，从而把多个异质的原始数据融合在一起，用以支持结构式即席查询、分析报告和决策支持。,1、数据仓库的定义,公认的数据仓库之父W.H.Inmon将其定义为：“数据仓库是支持管理决策过程的、面向主题的、集成的。随时间而变的、持久的数据集合。” 其
12、设计思想就是要建立一种体系化的数据存储环境，将分析决策所需的大量数据从传统的操作环境中分离出来，使分散的、难以访问的操作数据转换成集中统一、随时可用的信息。,2、数据仓库的四个基本特点,面向主题（Subject-Oriented） 所谓主题，即是企业管理中关注的主要问题，如客户、产品、经营活动等，而不是传统的面向过程。 集成性 (Integrated) 数据从面向应用的操作环境中提取到数据仓库中时都要经过集成化，在数据仓库中，集成性以多种形式表现出来，如一致的数据属性，一致的编码结构等。,2、数据仓库的四个基本特点,时间变异性 (Time-Variant) 在数据仓库中，数据记录总含有一个时间
13、属性。仓库中记录了数据随时间变化的历史。数据仓库的一个重要特点就是，数据一旦放入其中，除非特别需要，其值一般都不会被更新。 稳定性 (Non-Volatile) 由于数据仓库只有两种基本操作：装载数据和访问数据，因此数据是相对稳定的，其修改和重组由管理员定期后台实现，这样数据仓库就可在物理层上做很多优化的工作。,3、数据库系统和数据仓库系统的比较,数据仓库系统 数据仓库：分析型数 极少有更新操作 数据仓库管理系统： 因极少有更新操作故功能简单 数据仓库工具： 分析工具为主,数据库系统 数据库：操作型数据 增、删、改操作频繁 数据库核心： 功能强大 数据库工具： 以查询工具为主,（二）数据挖掘概
14、述,数据挖掘(Data Mining)，又译作数据开采，其前身是知识发现（KDD），属于计算机学习的范畴，也是数据库发展与人工智能技术相结合的产物。 作为目前国外的研究热点，也是数据库学者的研究热点。技术的思想早在计算机应用于商业之初就有,是长期研究和产品不断发展的结果。 提到数据挖掘的概念，就使人们会同时想到一个现在同样流行的概念知识发现（KDD）。 人们在改造客观世界的实践中所获得的认识和经验的总和为知识。,1、数据挖掘与知识发现,目前对这二者的关系主要存在两种看法： 一种观点认为知识发现是从数据中发现有用知识的整个过程,数据挖掘是知识发现过程中的一个特定步骤，它用专门算法从数据中抽取模式
15、。 另一种观点则认为知识发现是用一种简洁的方式从数据中抽取信息，这些信息是隐含的、未知的，并且是潜在、有用的。 数据挖掘则是通过处理大量已存在的数据，以期发现一些“意外的关系”。 数据挖掘主要包括统计分析、知识发现和其他技术，如，可视化系统、地理信息系统、分形分析等。,2、数据挖掘的概念,数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的新技术，它能挖掘出数据间潜在的模式，找出最有价值的信息，指导商业行为或辅助科学研究。 它由以下三个成熟技术支持： 大规模数据采集 功能强大的多处理器计算机 数据挖掘算法,3、数据挖掘可实现的功能,（1）自动进行统计分析 数据挖掘利用统计分析来检查异常
16、的数据模式，然后通过统计模型和数学模型解释这些数据模式。 通常使用的模型有线形分析和非线形分析、连续回归分析和逻辑回归分析、单变量和多变量分析、以及时间序列分析。 对数据仓库中的数据进行统计分析可解决市场营销、电话销售、商业管理、医疗研究和产品授权等大量的商业问题。,3、数据挖掘可实现的功能,（2）动预测趋势和行为 数据挖掘自动在数据仓库中寻找预测性信息。 以往需要进行大量手工分析的问题如今可以迅速直接由数据本身得出结论。 一个典型的例子是市场预测问题。数据挖掘使用过去有关促销的数据来寻找未来投资中回报最大的用户。 其他可预测的问题包括预报破产以及认定对指定事件最可能作出反映的群体。,3、数据
17、挖掘可实现的功能,（3）自动发现以前未知的模式 数据挖掘工具搜索数据库并认定隐含着的模式。 一个模式发现的例子是通过对零售数据的分析，找出表面上互不相关却常被一起购买的商品。 另一个模式发现的问题是检测信用卡诈骗交易并识别出某些不规则数据的错误。,4、数据挖掘的主要方法和技术,数据挖掘之所以能够准确地告诉人们一些未知的事情或将要发生的事情，关键是通过建模。即在已知答案的环境中建立模型，把它应用于未知的环境。 其主要过程是计算机装入各种各样的情况和答案信息，然后数据挖掘运行这些数据，精炼出其中的共性，找出其中的模型。一旦建立了这种模型，就可用此模型找出相似情况下的答案。,5、用于建模的最常使用的方法有,神经网络方法 决策树方法 遗传学算法 最临近算法 公式发现方法,6、数据仓库和数据挖掘的结合决策支持新技术,传统的决策支持系统由数据库、模型库、知识库、方法库以及人机交互等几个部件组成的。通过综合利用各种数据、信息、知识、特别是模型技术，辅助各级决策者解决半结构化决策问题。 将决策支持系统与专家系统结合，就形成了高级形式-智能决策支持系统。 随着技术的发展，现在又出现了新的决策支持技术数据仓库与数据挖掘相结合用于辅助决策。,Thank You !,
