基于大数据的辅助决策支持系统

刘光伦，王跃高

(四川九洲电器集团有限责任公司，四川 绵阳 600012)

0 引言

本系统将大数据思维与技术应用到舆情的分析与决策支持系统，需要增强关联舆情信息的分析和预测，把系统应用重点从简单的通过互联网上收集舆情数据，转向对舆情内容的深入的分析和研判上，实时跟踪与获取关联舆情并系统组织同类舆情信息，挖掘舆情信息可利用的价值，生产可供决策参考的产品与服务[1]。从出现的各种军情，社情，民情的舆情事件中可以看出，既涉及集中性的突发事件，也有散布性的常态事件，既关乎危机决策管理，也有日常决策管理。决策支持系统利用现有模型对舆情信息进行分析，掌控舆情的热度和发展态势；自动生成各类统计数据报告和舆情报告供用户进行辅助决策；实时监控，跟踪和发现舆情的重要信息和敏感信息并进行及时预警。

1 辅助决策支持系统的系统组成

基于大数据的决策支持系统是辅助决策者依托舆情数据、经典模型和专家知识库，以人机交互的方式进行半结构化或非结构化决策的计算机应用系统。其组成如下图所示，分成用户呈现层，辅助决策建议层，决策支持中间层，态势与分析层，数据资源层。基于大数据的决策支持系统的主要架构如图1所示。

用户呈现层即工作平台，包含报告编辑和辅助预案的协同管理和制定，操作员利用系统进行任务下发，下发任务涉及到的席位工作台进行独立工作，并把任务结果进行上报，上报后的结果通过人机交互系统呈现在操作人员界面中，操作员进行报告编辑，实现定制任务预案或计划的编制。

辅助决策建议层根据辅助决策知识库和策略库关联辅助决策建议内容生成多份决策建议推荐，为决策者提供为全方位、多层次的决策支持和知识服务，包括为决策者检索、处理数据和信息，确定问题，选择资料，挑选和评价方案。辅助决策建议层最重要的部分就是进行数据属性的关联，数据属性关联起来之后能进行更加全面的分析，更加具有深度，也就更有参考价值了，这也是传统分析软件不能媲美的。

决策支持中间层主要包含有 CBRS（基于案例推理系统）、大数据分析挖掘平台、KMS（知识管理系统）、MIRS（多媒体信息检索系统）和MBS（模型库系统）。基于案例的推理是一种基于过去的实际经验或经历的推理。CBRS（基于案例推理系统）是基于案例的推理来说，求解一个问题的结论是从案例库中找到与当前问题最相关的案例，然后对该案例做必要的改动以适合当前需解决的问题。大数据分析挖掘平台主要是辅助决策分析的数挖掘功能呢过。KMS（知识管理系统）主要功能是知识管理包含作战知识库、作战案例库等知识库的增删改查导入导出操作，MIRS（多媒体信息检索系统）主要进行图片视频音频的检索功能。

态势与分析层在经过抽取和整理的元数据的基础之上，利用各类智能分析技术，实现对所获取的信息数据自动分类、自动聚类、情感分析、热点分析、媒体分析、关联分析、趋势分析等功能。获取与重点目标认知倾向、专题事件发展趋势相关的数据态势信息。数据分析分系统的成果数据将作为后续的用户呈现及辅助决策建议层的重要支撑。利用态势与分析层获得的数据建立各种统计、分析模型，如多方程时间序列统计模型、神经网络模型等，通过图表、热力图、趋势图进行结果展示。

数据资源层是一切数据和展示的基础，数据资源有文本、语音、视频、图片等类型，提供给态势分析的基础数据库包含有空间/地理信息、数据库、模型库、专家知识库等。决策与支持系统如果脱离海量的数据资源，那就如同无源之水，数据分析也就没有了基础。在决策支持系统中需要对该层的数据信息系统进行去重/去燥、数据清洗、分类、进行数据标签以及规范化等操作，最终形成决策支持系统中的元数据。

2 决策支持业务模型

2.1 决策支持业务模型原理

决策支持分系统的核心部分是运用业务模型和数据工具进行模拟分析的过程，建立业务模型各决策变量之间的关系和业务模型来反映需要决策的问题的潜在和实质关系，它通过数据资源层获取态势要素和必要的数据，然后通过数据分析进行态势理解，进而实现对未来短期时间内的态势预测，其业务模型如图2所示。态势感知最终达成的目标是实现对未来的短期预测，是一个动态、准实时系统。决策支持系统通过从数据分析分系统获取到文本，语音，视频数据分析的结果，形成对整个舆情态势的态势预警和态势数据分析，在结合系统中形成的任务案例库、专题事件库、话题事件库、目标对象库，按照系统指定的生成策略生成辅助处置预案和辅助计划，通过人工参与调整后，形成最终的辅助处置方案。

决策支持系统采集的要素信息至少应该包括舆情的视频信息，舆情的语音信息，舆情的文本信息，平台媒体信息，网络资产信息、拓扑信息、弱点信息、资源性能和运行状态信息、安全信息、各种告警、警报、事件、日志，等等。

2.2 辅助决策库

辅助决策库是整个系统的很重要的部分，决策行为受政治、社会、文化、心理、军事等因素不同程度的影响，而且可供使用的信息又不够完善、精确。本系统通过获取数据资源池的数据，依据数据分析结果和呈现的态势汇总，进行二次分析、再与系统决策方案进行匹配，生成新的决策，供指挥员进行选择。

2.2.1 原始策略库

系统建立初期，建立原始策略库，并长期进行决策策略库进行维护升级。导入通过实际运用而积累下来的经验策略库和根据经典理论而建模得到测量库作为原始策略库的基础，系统运行后，经过不断地实践，对原始策略库进行更新和维护，不断地完善原始策略库，使策略库更加具有实战效果，为数据分析结果提供匹配的解决策略，并在策略库中预设常见突发情况的应对处置方案[2]。

2.2.2 辅助决策知识库

辅助决策策略库包含了作战知识库，任务案例库、敏感词库、情感词库、语义库、行业词库等。知识库涵盖如人口、宏观经济、农业、外商投资、政策法规、企业产品等等相关内容[2]，特别是那些领域专家长期积累的经验性知识，这些专家知识能显著提高系统的效能指标和系统的实用性。

2.2.3 作战辅助预案库

作战辅助预案库针对对方心理和舆情发展趋势进行，分为线上和线下辅助预案库。线下策略包含有发展线人、间谍进行破坏等。线上策略包括以下内容：利用水军进行发帖灌水，是互联网常用手段；编写软文、制作视频、利用意见领袖、大 V、广播、电视等手段进行宣传；攻击对方网络或者服务器，使其瘫痪无法进行正常的活动；攻击对方的通信设施或者通信卫星等系统，造成对方的通信系统瘫痪。

作战辅助预案要素主要包括：目标对象、力量编配、制品类型、主题内容、主题规范、推送方式、推送时机、投送区域等。

辅助预案库的完善过程如图 3所示，当决策支持系统遇到新问题时，首先将新问题通过预案描述方式输入检索系统；检索系统会检索出与目标预案最匹配的相似预案，系统根据相似预案的情况对该预案进行调整和修改，形成新的辅助预案，并把新的辅助预案进行评价和学习，并将其保存到辅助预案库中。

2.3 决策机制

基于大数据分析的决策系统能够帮助用户凭借以往经验和感觉制定决策的状态，让操作人员在决策时，有据可依，从感性管理模式升级到理性管理模式；通过系统的态势信息，能够让决策者实时掌握当前的舆情走势。在监测舆情变化的同时，决策者能根据决策机制给出的决策建议对处置方案与应对计划进行适时调整；当决策者对事件进行决策时，系统通过运用决策机制对事件的进行全面的描述，将可供决策者选择的决策项进行罗列，以供决策者进行选择，或根据事件实际情况，用户自主进行新决策的下发；决策机制主要采用以下两种决策机制：

2.3.1 基于数据驱动的辅助决策机制

以大数据驱动的辅助决策机制，以舆情数据为中心，按照舆情数据的时间维度，对其生命周期进行划分：第一阶段为舆情数据跟踪，系统通过大数据引擎采集舆情数据并对舆情数据进行清洗和标识，对舆情数据进行实时跟踪监测，将收集到的舆情数据进行解构与重构，充分整合舆情数据资源;第二阶段是对采集舆情数据进行甄别，然后把甄别后的数据输入到数学模型中，通过数据模型的分析、进行风险预警。第三阶段是进行舆情数据分析阶段，结合知识库对舆情数据进行聚合分析，利用数据分析模型对舆情数据资源实现全量分析，研判舆情事件的发展态势。第四阶段则是舆情处置预案的生成和评估阶段，利用大数据进行舆情辅助预案的自动生成和评估，为用户提供多种可行的处置方案，并且对处置方案进行回溯和总结[4]。

2.3.2 横向联动的人机协同机制

通过舆情数据分析平台，实施统一的舆情决策调度，实现数据共享，建立人机协同的舆情态势智能预警机制，扩大舆情数据资源获取范围和管理调控范围，提高辅助决策支持系统的运行和管理效率。横向联动的人机协同机制采用横向联动的扁平化的结构模式，辅助决策支持系统作为中央决策机构，在舆情突发事件发生后，启动舆情突发事件决策机制，各部门人员在突发事件的处置过程中相互协同，共享数据。横向联动的人机协同机制，使分散于各部门的管理人员形成一股合力，也使得各职能机构与社会公共力量进行了横向联合，通过辅助决策系统建立起的海量数据，打破信息壁垒，使得各部门高效互通，形成基于大数据的舆情辅助决策系统工作网络[5]。

3 结论

本文介绍的基于大数据的决策支持系统，通过借助于大数据思维与大数据技术进行舆情数据分析、事件关联及预测，使海量的舆情信息转化为辅助决策支持的知识库，在通过各种策略库，专家库以及作战辅助预案库等，为决策者从事研判与预测提供服务，支撑决策者对出现的舆情突发事件或各种舆情专题事件做出正确的处置和预警。文中重点介绍系统架构和辅助决策支持相关的功能实现，对基础的数据管理存储以及数据采集则没有做介绍，这部分的内容可以参考其他的文章。