大数据时代决策支持系统新发展

◆顾润龙



大数据时代决策支持系统新发展

◆顾润龙

（兰州资源环境职业技术学院甘肃730021）

本文对决策支持系统的发展现状进行论述，重点对决策支持系统的瓶颈展开分析，对大数据分析技术对决策支持系统的发展促进作用进行了描述，尤其是从系统的定位、决策的基本模式、数据处理方式、信息检索手段以及系统的安全性等五个方面对当前大数据决策支持系统的未来发展态势展开了研究。

大数据；决策支持系统；发展

0 引言

大数据成为云计算、物联网技术之后引起信息化成为热点的话题。对于大数据技术的研究，已经成为当前重要的技术研究领域。决策支持系统中的基础数据的特征研究和大数据的研究模式高度吻合。当前，大数据技术不断地得到深层次的研究和应用，这样就会对企业日常的决策支持系统建设起到良好的促进作用。

1 当前企业决策支持系统发展过程中遇到的问题

决策支持系统是在数据、模型、知识和方法等库的基础上，以人机交互的方式来帮助决策者实施半结构化的决策的应用系统。从20世纪70年代开始提出决策支持系统的概念，在金融、军事、医疗等行业进行了单项应用，但是从企业层面来看，并没有得到大范围的应用，主要是因为其存在技术上的瓶颈。

1.1 数值计算语言和数据库语言之间存在的障碍

当前，计算机语言的支持能力是十分有限的，数值计算语言和数据可操作没有兼容性，数据库语言的数值计算能力很弱，但是决策支持系统不仅需要数值计算还是开展数据库的操作。这个问题就构成了决策支持系统发展在技术上最大的障碍，使得决策支持系统在很长时间内发展的比较缓慢[1]。

1.2 多样化的数据在处理和转换过程中存在一定的困难

在使用决策支持系统里面的五个库开展辅助决策的时候。第一，要对来源于不同数据源的数据实时清理和转换。决策支持系统面对多元化的数据来源，在清理数据的过程中数据的属性将不能很多地做到具有统一性、规范性，对冗余、错误和异常的数据不能很好地识别并消除。

1.3 传统数据库的技术下的储存能力和方式有限

当前，比较成熟的经典数据库技术是结构化的数据查询语言，在设计的时候没有将非结构化数据纳入其中，也就是以往的计算机工作在对数据进行讨论的时候，数据的范围只能是结构化的数据。同时，传统的数据不能对TB级的数据进行处理，更不能对高级别数据分析有所支持。

1.4 缺乏数据和领域复合型专家人才

在决策支持系统中，领域专家提供的是知识和经验，数据专家的职责是根据数据逻辑和关联关系来实施分析和判断。目前，具有数据专家和领域专家复合型技能人才的缺乏，使得决策支持系统的作用严重下降，这样构成了决策支持系统研发不顺畅的重要原因[2]。

2 大数据时代所带来的主要变革

当前，研究领域将大数据的特征总结为以下三点，在当前的大数据时代，在数据的特点、所具有的产品和应用等方面都面临着革新。

2.1 数据呈现出体量大、电子化和类型繁多的态势

首先，数据的量级从TB级延伸PB级、ZB级。其次，数据类型从结构化数据，拓展到半结构化和非结构化相融合的数据。最后，电子数据占据市场的比例急速提升。

2.2 数据行业所涌现的新技术和新产品不断

当前，最新的数据存储、分析和管理软件不断地得到了应用和发展，世界上比较著名的大数据企业，都不断地退出了新的技术产品。这里面有易安信公司、甲骨文公司等。

2.3 企业在应用大数据技术过程中开展了深层次的价值挖掘

从世界范围来看，谷歌、脸谱以及亚马逊等公司处于大数据技术的第一梯队，这些公司已经在对客户管理和市场营销过程中应用了大数据的分析结果。在我国，阿里巴巴的大数据以询盘指数和成交指数两者的强关联性对2018年世界金融危机进行了成功的预测，并对淘宝“CPI”来预测通货膨胀进行了及时的更新。

3 大数据时代决策支持系统未来的发展态势

大数据时代不言而喻为决策支持系统的技术发展带来了革新和机遇，在系统定位、系统安全性、信息检索能力、决策方式和数据处理能力等诸多方面形成新的发展态势。

3.1 决策支持系统由单向决策支持向企业决策支持系统转变

与单项决策支持系统相比，企业级的决策支持系统在对全局性的事项进行预测的时候其准确性和实时性要求是非常高的。在“大数据”时代，可以对结构化和非结构化的实时数据和历史数据进行分析，尤其是那些具有隐藏性的数据可以以在线收集的方式来开展即时性的分析，这样为企业决策的时候提供全局性支持[3]。

3.2 应用群体决策和社会化决策将变得更加普遍

进入大数据时代，随着互联网为代表的信息技术的高速发展，决策支持系统将向着群体化和社会化的决策方向发展。这是因为，决策者可以将不同区域内的专家学家邀请在同一个网络平台上对企业复杂性的问题实施集体决策，同时，还可以开展某一特定事项的网络投票工作，实施自动统计功能；还可以开展电子商务网站、搜索引擎等具有多时空和群体性的事项分析和结论研究，这样就可以为定性决策提供重要的数据支持。

3.3 人们将更多地关注数据质量，数据分析功能将异常强大

进入大数据时代，对于决策支持系统的基础性数据而言，既有结构化的数据，比如图形、视频、地理位置等这些具有结构化的数据。对于那些价值密度比较低的数据，决策支持系统所面临的最大的挑战就是数据质量的提升，同时不断地创新分析方法。将最有价值的知识和信息在大数据中挖掘出来。这样就可以与大数据一起来对商业智能、可视化分析等进行出来，使得这些应用平台的内存分析得到发展，这些都有助于上面这些问题的解决。

3.4 系统安全问题将成为最大的问题，必须上升到前所未有的高度

进入大数据时代，决策支持系统的存储、加工和处理能力将把全局性和全方位的信息展示出来，一旦系统数据被泄露就可能被企业的竞争对手所利用，这将可能是对企业绝对的致命一击。这就需要高度重视系统安全问题，将系统安全问题上升到前所未有的高度[1]。与此同时，大数据极有可能将引发信息产业的重新洗牌，应用软件方面将达成泛互联化的目标，将与终端用户的公司将越来越靠近，这样就提升了产业链上的发言权。这需要从国家安全和行业安全的角度来进行战略性的考虑，企业要努力建立自有的数据中心，积极培养本土化的数据咨询服务工资，这样就降低了在技术上受制于人的可能性。

[1]李国杰.大数据研究的科学价值[J].中国计算机学会通讯，2012（09）.

[2]吴新年，陈永平.决策支持系统发展现状与趋势分析[J].信息化与网络化建设，2007（01）.

[3]牛禄清.阿里巴巴：让数据做主[J]，新经济导刊，2012（12）.

[4]袁国铭.关于决策支持系统发展综述[J].综述与评论，2010（23）.

基于大数据和机器学习的智慧校园决策支持系统的探索（主管单位：兰州资源环境职业技术学院，课题编号：Z2017-03）。