基于大數據的輔助決策支持系統

劉光倫，王躍高

(四川九洲電器集團有限責任公司，四川 綿陽 600012)

0 引言

本系統將大數據思維與技術應用到輿情的分析與決策支持系統，需要增強關聯輿情信息的分析和預測，把系統應用重點從簡單的通過互聯網上收集輿情數據，轉向對輿情內容的深入的分析和研判上，實時跟蹤與獲取關聯輿情并系統組織同類輿情信息，挖掘輿情信息可利用的價值，生產可供決策參考的產品與服務[1]。從出現的各種軍情，社情，民情的輿情事件中可以看出，既涉及集中性的突發事件，也有散布性的常態事件，既關乎危機決策管理，也有日常決策管理。決策支持系統利用現有模型對輿情信息進行分析，掌控輿情的熱度和發展態勢；自動生成各類統計數據報告和輿情報告供用戶進行輔助決策；實時監控，跟蹤和發現輿情的重要信息和敏感信息并進行及時預警。

1 輔助決策支持系統的系統組成

基于大數據的決策支持系統是輔助決策者依托輿情數據、經典模型和專家知識庫，以人機交互的方式進行半結構化或非結構化決策的計算機應用系統。其組成如下圖所示，分成用戶呈現層，輔助決策建議層，決策支持中間層，態勢與分析層，數據資源層。基于大數據的決策支持系統的主要架構如圖1所示。

用戶呈現層即工作平臺，包含報告編輯和輔助預案的協同管理和制定，操作員利用系統進行任務下發，下發任務涉及到的席位工作臺進行獨立工作，并把任務結果進行上報，上報后的結果通過人機交互系統呈現在操作人員界面中，操作員進行報告編輯，實現定制任務預案或計劃的編制。

輔助決策建議層根據輔助決策知識庫和策略庫關聯輔助決策建議內容生成多份決策建議推薦，為決策者提供為全方位、多層次的決策支持和知識服務，包括為決策者檢索、處理數據和信息，確定問題，選擇資料，挑選和評價方案。輔助決策建議層最重要的部分就是進行數據屬性的關聯，數據屬性關聯起來之后能進行更加全面的分析，更加具有深度，也就更有參考價值了，這也是傳統分析軟件不能媲美的。

決策支持中間層主要包含有 CBRS（基于案例推理系統）、大數據分析挖掘平臺、KMS（知識管理系統）、MIRS（多媒體信息檢索系統）和MBS（模型庫系統）。基于案例的推理是一種基于過去的實際經驗或經歷的推理。CBRS（基于案例推理系統）是基于案例的推理來說，求解一個問題的結論是從案例庫中找到與當前問題最相關的案例，然后對該案例做必要的改動以適合當前需解決的問題。大數據分析挖掘平臺主要是輔助決策分析的數挖掘功能呢過。KMS（知識管理系統）主要功能是知識管理包含作戰知識庫、作戰案例庫等知識庫的增刪改查導入導出操作，MIRS（多媒體信息檢索系統）主要進行圖片視頻音頻的檢索功能。

態勢與分析層在經過抽取和整理的元數據的基礎之上，利用各類智能分析技術，實現對所獲取的信息數據自動分類、自動聚類、情感分析、熱點分析、媒體分析、關聯分析、趨勢分析等功能。獲取與重點目標認知傾向、專題事件發展趨勢相關的數據態勢信息。數據分析分系統的成果數據將作為后續的用戶呈現及輔助決策建議層的重要支撐。利用態勢與分析層獲得的數據建立各種統計、分析模型，如多方程時間序列統計模型、神經網絡模型等，通過圖表、熱力圖、趨勢圖進行結果展示。

數據資源層是一切數據和展示的基礎，數據資源有文本、語音、視頻、圖片等類型，提供給態勢分析的基礎數據庫包含有空間/地理信息、數據庫、模型庫、專家知識庫等。決策與支持系統如果脫離海量的數據資源，那就如同無源之水，數據分析也就沒有了基礎。在決策支持系統中需要對該層的數據信息系統進行去重/去燥、數據清洗、分類、進行數據標簽以及規范化等操作，最終形成決策支持系統中的元數據。

2 決策支持業務模型

2.1 決策支持業務模型原理

決策支持分系統的核心部分是運用業務模型和數據工具進行模擬分析的過程，建立業務模型各決策變量之間的關系和業務模型來反映需要決策的問題的潛在和實質關系，它通過數據資源層獲取態勢要素和必要的數據，然后通過數據分析進行態勢理解，進而實現對未來短期時間內的態勢預測，其業務模型如圖2所示。態勢感知最終達成的目標是實現對未來的短期預測，是一個動態、準實時系統。決策支持系統通過從數據分析分系統獲取到文本，語音，視頻數據分析的結果，形成對整個輿情態勢的態勢預警和態勢數據分析，在結合系統中形成的任務案例庫、專題事件庫、話題事件庫、目標對象庫，按照系統指定的生成策略生成輔助處置預案和輔助計劃，通過人工參與調整后，形成最終的輔助處置方案。

決策支持系統采集的要素信息至少應該包括輿情的視頻信息，輿情的語音信息，輿情的文本信息，平臺媒體信息，網絡資產信息、拓撲信息、弱點信息、資源性能和運行狀態信息、安全信息、各種告警、警報、事件、日志，等等。

2.2 輔助決策庫

輔助決策庫是整個系統的很重要的部分，決策行為受政治、社會、文化、心理、軍事等因素不同程度的影響，而且可供使用的信息又不夠完善、精確。本系統通過獲取數據資源池的數據，依據數據分析結果和呈現的態勢匯總，進行二次分析、再與系統決策方案進行匹配，生成新的決策，供指揮員進行選擇。

2.2.1 原始策略庫

系統建立初期，建立原始策略庫，并長期進行決策策略庫進行維護升級。導入通過實際運用而積累下來的經驗策略庫和根據經典理論而建模得到測量庫作為原始策略庫的基礎，系統運行后，經過不斷地實踐，對原始策略庫進行更新和維護，不斷地完善原始策略庫，使策略庫更加具有實戰效果，為數據分析結果提供匹配的解決策略，并在策略庫中預設常見突發情況的應對處置方案[2]。

2.2.2 輔助決策知識庫

輔助決策策略庫包含了作戰知識庫，任務案例庫、敏感詞庫、情感詞庫、語義庫、行業詞庫等。知識庫涵蓋如人口、宏觀經濟、農業、外商投資、政策法規、企業產品等等相關內容[2]，特別是那些領域專家長期積累的經驗性知識，這些專家知識能顯著提高系統的效能指標和系統的實用性。

2.2.3 作戰輔助預案庫

作戰輔助預案庫針對對方心理和輿情發展趨勢進行，分為線上和線下輔助預案庫。線下策略包含有發展線人、間諜進行破壞等。線上策略包括以下內容：利用水軍進行發帖灌水，是互聯網常用手段；編寫軟文、制作視頻、利用意見領袖、大 V、廣播、電視等手段進行宣傳；攻擊對方網絡或者服務器，使其癱瘓無法進行正常的活動；攻擊對方的通信設施或者通信衛星等系統，造成對方的通信系統癱瘓。

作戰輔助預案要素主要包括：目標對象、力量編配、制品類型、主題內容、主題規范、推送方式、推送時機、投送區域等。

輔助預案庫的完善過程如圖 3所示，當決策支持系統遇到新問題時，首先將新問題通過預案描述方式輸入檢索系統；檢索系統會檢索出與目標預案最匹配的相似預案，系統根據相似預案的情況對該預案進行調整和修改，形成新的輔助預案，并把新的輔助預案進行評價和學習，并將其保存到輔助預案庫中。

2.3 決策機制

基于大數據分析的決策系統能夠幫助用戶憑借以往經驗和感覺制定決策的狀態，讓操作人員在決策時，有據可依，從感性管理模式升級到理性管理模式；通過系統的態勢信息，能夠讓決策者實時掌握當前的輿情走勢。在監測輿情變化的同時，決策者能根據決策機制給出的決策建議對處置方案與應對計劃進行適時調整；當決策者對事件進行決策時，系統通過運用決策機制對事件的進行全面的描述，將可供決策者選擇的決策項進行羅列，以供決策者進行選擇，或根據事件實際情況，用戶自主進行新決策的下發；決策機制主要采用以下兩種決策機制：

2.3.1 基于數據驅動的輔助決策機制

以大數據驅動的輔助決策機制，以輿情數據為中心，按照輿情數據的時間維度，對其生命周期進行劃分：第一階段為輿情數據跟蹤，系統通過大數據引擎采集輿情數據并對輿情數據進行清洗和標識，對輿情數據進行實時跟蹤監測，將收集到的輿情數據進行解構與重構，充分整合輿情數據資源;第二階段是對采集輿情數據進行甄別，然后把甄別后的數據輸入到數學模型中，通過數據模型的分析、進行風險預警。第三階段是進行輿情數據分析階段，結合知識庫對輿情數據進行聚合分析，利用數據分析模型對輿情數據資源實現全量分析，研判輿情事件的發展態勢。第四階段則是輿情處置預案的生成和評估階段，利用大數據進行輿情輔助預案的自動生成和評估，為用戶提供多種可行的處置方案，并且對處置方案進行回溯和總結[4]。

2.3.2 橫向聯動的人機協同機制

通過輿情數據分析平臺，實施統一的輿情決策調度，實現數據共享，建立人機協同的輿情態勢智能預警機制，擴大輿情數據資源獲取范圍和管理調控范圍，提高輔助決策支持系統的運行和管理效率。橫向聯動的人機協同機制采用橫向聯動的扁平化的結構模式，輔助決策支持系統作為中央決策機構，在輿情突發事件發生后，啟動輿情突發事件決策機制，各部門人員在突發事件的處置過程中相互協同，共享數據。橫向聯動的人機協同機制，使分散于各部門的管理人員形成一股合力，也使得各職能機構與社會公共力量進行了橫向聯合，通過輔助決策系統建立起的海量數據，打破信息壁壘，使得各部門高效互通，形成基于大數據的輿情輔助決策系統工作網絡[5]。

3 結論

本文介紹的基于大數據的決策支持系統，通過借助于大數據思維與大數據技術進行輿情數據分析、事件關聯及預測，使海量的輿情信息轉化為輔助決策支持的知識庫，在通過各種策略庫，專家庫以及作戰輔助預案庫等，為決策者從事研判與預測提供服務，支撐決策者對出現的輿情突發事件或各種輿情專題事件做出正確的處置和預警。文中重點介紹系統架構和輔助決策支持相關的功能實現，對基礎的數據管理存儲以及數據采集則沒有做介紹，這部分的內容可以參考其他的文章。