大數據時代決策支持系統新發展

◆顧潤龍

?

大數據時代決策支持系統新發展

◆顧潤龍

（蘭州資源環境職業技術學院甘肅730021）

本文對決策支持系統的發展現狀進行論述，重點對決策支持系統的瓶頸展開分析，對大數據分析技術對決策支持系統的發展促進作用進行了描述，尤其是從系統的定位、決策的基本模式、數據處理方式、信息檢索手段以及系統的安全性等五個方面對當前大數據決策支持系統的未來發展態勢展開了研究。

大數據；決策支持系統；發展

0 引言

大數據成為云計算、物聯網技術之后引起信息化成為熱點的話題。對于大數據技術的研究，已經成為當前重要的技術研究領域。決策支持系統中的基礎數據的特征研究和大數據的研究模式高度吻合。當前，大數據技術不斷地得到深層次的研究和應用，這樣就會對企業日常的決策支持系統建設起到良好的促進作用。

1 當前企業決策支持系統發展過程中遇到的問題

決策支持系統是在數據、模型、知識和方法等庫的基礎上，以人機交互的方式來幫助決策者實施半結構化的決策的應用系統。從20世紀70年代開始提出決策支持系統的概念，在金融、軍事、醫療等行業進行了單項應用，但是從企業層面來看，并沒有得到大范圍的應用，主要是因為其存在技術上的瓶頸。

1.1 數值計算語言和數據庫語言之間存在的障礙

當前，計算機語言的支持能力是十分有限的，數值計算語言和數據可操作沒有兼容性，數據庫語言的數值計算能力很弱，但是決策支持系統不僅需要數值計算還是開展數據庫的操作。這個問題就構成了決策支持系統發展在技術上最大的障礙，使得決策支持系統在很長時間內發展的比較緩慢[1]。

1.2 多樣化的數據在處理和轉換過程中存在一定的困難

在使用決策支持系統里面的五個庫開展輔助決策的時候。第一，要對來源于不同數據源的數據實時清理和轉換。決策支持系統面對多元化的數據來源，在清理數據的過程中數據的屬性將不能很多地做到具有統一性、規范性，對冗余、錯誤和異常的數據不能很好地識別并消除。

1.3 傳統數據庫的技術下的儲存能力和方式有限

當前，比較成熟的經典數據庫技術是結構化的數據查詢語言，在設計的時候沒有將非結構化數據納入其中，也就是以往的計算機工作在對數據進行討論的時候，數據的范圍只能是結構化的數據。同時，傳統的數據不能對TB級的數據進行處理，更不能對高級別數據分析有所支持。

1.4 缺乏數據和領域復合型專家人才

在決策支持系統中，領域專家提供的是知識和經驗，數據專家的職責是根據數據邏輯和關聯關系來實施分析和判斷。目前，具有數據專家和領域專家復合型技能人才的缺乏，使得決策支持系統的作用嚴重下降，這樣構成了決策支持系統研發不順暢的重要原因[2]。

2 大數據時代所帶來的主要變革

當前，研究領域將大數據的特征總結為以下三點，在當前的大數據時代，在數據的特點、所具有的產品和應用等方面都面臨著革新。

2.1 數據呈現出體量大、電子化和類型繁多的態勢

首先，數據的量級從TB級延伸PB級、ZB級。其次，數據類型從結構化數據，拓展到半結構化和非結構化相融合的數據。最后，電子數據占據市場的比例急速提升。

2.2 數據行業所涌現的新技術和新產品不斷

當前，最新的數據存儲、分析和管理軟件不斷地得到了應用和發展，世界上比較著名的大數據企業，都不斷地退出了新的技術產品。這里面有易安信公司、甲骨文公司等。

2.3 企業在應用大數據技術過程中開展了深層次的價值挖掘

從世界范圍來看，谷歌、臉譜以及亞馬遜等公司處于大數據技術的第一梯隊，這些公司已經在對客戶管理和市場營銷過程中應用了大數據的分析結果。在我國，阿里巴巴的大數據以詢盤指數和成交指數兩者的強關聯性對2018年世界金融危機進行了成功的預測，并對淘寶“CPI”來預測通貨膨脹進行了及時的更新。

3 大數據時代決策支持系統未來的發展態勢

大數據時代不言而喻為決策支持系統的技術發展帶來了革新和機遇，在系統定位、系統安全性、信息檢索能力、決策方式和數據處理能力等諸多方面形成新的發展態勢。

3.1 決策支持系統由單向決策支持向企業決策支持系統轉變

與單項決策支持系統相比，企業級的決策支持系統在對全局性的事項進行預測的時候其準確性和實時性要求是非常高的。在“大數據”時代，可以對結構化和非結構化的實時數據和歷史數據進行分析，尤其是那些具有隱藏性的數據可以以在線收集的方式來開展即時性的分析，這樣為企業決策的時候提供全局性支持[3]。

3.2 應用群體決策和社會化決策將變得更加普遍

進入大數據時代，隨著互聯網為代表的信息技術的高速發展，決策支持系統將向著群體化和社會化的決策方向發展。這是因為，決策者可以將不同區域內的專家學家邀請在同一個網絡平臺上對企業復雜性的問題實施集體決策，同時，還可以開展某一特定事項的網絡投票工作，實施自動統計功能；還可以開展電子商務網站、搜索引擎等具有多時空和群體性的事項分析和結論研究，這樣就可以為定性決策提供重要的數據支持。

3.3 人們將更多地關注數據質量，數據分析功能將異常強大

進入大數據時代，對于決策支持系統的基礎性數據而言，既有結構化的數據，比如圖形、視頻、地理位置等這些具有結構化的數據。對于那些價值密度比較低的數據，決策支持系統所面臨的最大的挑戰就是數據質量的提升，同時不斷地創新分析方法。將最有價值的知識和信息在大數據中挖掘出來。這樣就可以與大數據一起來對商業智能、可視化分析等進行出來，使得這些應用平臺的內存分析得到發展，這些都有助于上面這些問題的解決。

3.4 系統安全問題將成為最大的問題，必須上升到前所未有的高度

進入大數據時代，決策支持系統的存儲、加工和處理能力將把全局性和全方位的信息展示出來，一旦系統數據被泄露就可能被企業的競爭對手所利用，這將可能是對企業絕對的致命一擊。這就需要高度重視系統安全問題，將系統安全問題上升到前所未有的高度[1]。與此同時，大數據極有可能將引發信息產業的重新洗牌，應用軟件方面將達成泛互聯化的目標，將與終端用戶的公司將越來越靠近，這樣就提升了產業鏈上的發言權。這需要從國家安全和行業安全的角度來進行戰略性的考慮，企業要努力建立自有的數據中心，積極培養本土化的數據咨詢服務工資，這樣就降低了在技術上受制于人的可能性。

[1]李國杰.大數據研究的科學價值[J].中國計算機學會通訊，2012（09）.

[2]吳新年，陳永平.決策支持系統發展現狀與趨勢分析[J].信息化與網絡化建設，2007（01）.

[3]牛祿清.阿里巴巴：讓數據做主[J]，新經濟導刊，2012（12）.

[4]袁國銘.關于決策支持系統發展綜述[J].綜述與評論，2010（23）.

基于大數據和機器學習的智慧校園決策支持系統的探索（主管單位：蘭州資源環境職業技術學院，課題編號：Z2017-03）。