大宅配~ 生活美學

物流寄情50：決策支援系統

楊惟雯

決策支援系統（Decision Support Systems，簡稱DSS），為一種協助人類做決策的資訊系統，協助人類規劃與解決各種行動方案，通常以交談式的方法來解決半結構性（Semi-structured）或非結構性（Non-structured）的問題，幫助人類做出的決策，其強調的是支援而非替代人類進行決策。

一、DSS定義

DSS定義早期有些分歧，學術界與實務界對DSS均有不同的看法。
1970年代，Scott-Morton指出：「DSS為一種電腦化的交談式系統，協助決策者使用資料與模式，解決非結構化的問題」。
之後，Keen與Scott-Morton提出類似的看法，認為「DSS乃使用電腦協助解決半結構化的問題、支援但不取代人類、目的為改善決策而不是決策效率」。

Alter則指出較為廣泛的看法，認為「任何支援決策制定的系統均為DSS，其中包括資訊的存取、模式的分析與工具支援」。

總之，決策支援系統(DSS)是以電腦為基礎，透過交談方式，使用模式及資料以協助決策者解決「非結構化」問題的一套體系。也就是說，DSS所強調的是提高個人與組織的效能，而不是在增進處理大量資料的效率。

二、DSS的架構

DSS的架構以Sprague與Carlson所提出的對話-資料-模式（Dialog-Data-Modeling，DDM）架構最為學術界所接受，認為DSS有三大組件：

◎資料庫管理系統（Database Management System，DBMS）

◎模式庫管理系統（Model-base Managemt System，MBMS）

◎對話產生與管理系統（Dialog Genernation and Management System，DGMS）

（一）資料庫管理系統

其中DBMS（資料庫管理系統）包含資料庫，為管理資料庫的工具，DSS的資料庫包含大量內部資料（例如金融指數資料），或者外部資料（例如企業內部會計資料），這些資料需要經過蒐集與萃取，成為有助於決策的資訊形式與資料結構，以供使用者進行管理、分析、更新與檢索。

（二）模式庫管理系統

MBMS為整合各種決策模式，分析資料庫內外部的資料，例如利用數學計量模式將複雜的問題加以分析模擬，提供可行之方案，並協助使用者選擇方案。MBMS也包含造模語言，協助使用者自訂模式或建造模式。MBMS基本的必要條件包括了：

◎能滿足不同使用者的模式需求

◎具有能整合模式與資料的能力

◎提供容易使用的介面

◎能夠分享模式

（三）對話產生與管理系統

由於DSS等等特性，都由DSS與人類使用者進行交互作用所產生，DGMS主要的功能為管理使用者介面（User Interface）及DSS與使用者互動。

Bennett認為DGMS有三個主要構成單元：使用者、電腦硬體與軟體系統，並且將人類與DSS的相互溝通分為三個部份：

◎行動語言（The Action Language）：指使用者用做與DSS溝通的任何方式，如鍵盤、滑鼠等任何控制硬軟體的指令

◎顯示或展示語言（Display or Presentation Language）：指使用者可以由DSS所看到任何形式的輸出資訊，如螢幕、印表機或聲音等

◎知識庫（Knowledge Base）：指任何使用者使用DSS所必須了解的知識，包含使用者運用DSS必須知道才能有效使用的一切知識，如使用者手冊

（四）知識庫管理系統

由於許多非結構化或半結構化的問題，以標準的DSS功能之外，還需要專門的知識來解決，因此現代DSS除了DBMS、MBMS與DGMS等子系統外，以知識為基礎的知識庫管理系統（Knowledge-based Management System，KBMS），也是DSS重要的子系統。

Silverman認為KBMS，應具有「支援數學模式無法協助的決策流程」、「能幫助使用者建立、應用與管理知識庫」與「整合能處理不確定性問題的專家知識庫」等三種能力。

三、DSS最主要的三個資料管理技術

資料及其管理乃是建立MSS (Management Support System)應用的基礎。為了支援決策、如何組織及編制資料，以及如何使用資料是很重要的。以下介紹最主要的三個資料管理技術：

（一）資料倉儲(Data Warehousing)

資料倉儲的功能除了儲存資料外，還要整合資料。最重要的是，資料倉儲藉由整合公司內部資料，並綜合各種外部資料，透過電腦的分析、模擬、比較、推論…等，將作業中的資料轉換成有用的、策略性的資訊，進而提供公司重要決策者一個完整的、廣泛的訊息，以支援決策的制訂，藉此提昇企業競爭力，更容易掌握顧客心理，迅速做出正確決定，以因應快速變動的市場需求。因此，有人說資料倉儲是決策支援系統的核心。

（二）資料探勘(Data Mining)

資料挖掘就是指大量的資料進行分類、排序，以及運算，歸納出事先未知的有用知識過程。而這個過程所產出的結果，能夠從組合在一起的資料中，發現出隱藏價值的知識，以提供給企業專業人員參考。

（三）線上分析處理 (On-Line Analytical Processing ;OLAP)

其透過快速、一致、交談式的界面對同一資料提供各種不同的呈現方式，供不同層面的使用者如分析師、經理及高階主管等使用，使其具備透析資料、反應出來資訊的能力。簡單的說，OLAP 能彙整資料庫的原始資料，並轉成多維度的分析模組 (Multidimensional Module)，將原始資料加值成有意義的資訊，便於使用者做決策分析。

四、數據挖掘

數據挖掘（Data Mining，DM）又稱資料庫中的知識發現（Knowledge Discover in Database，KDD），基本上，人們把數據看作是形成知識的源泉，數據挖掘就好像從礦石中採礦或淘金一樣。

所謂數據挖掘，是指從資料庫的大量、不完全的、有雜訊的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用價值的信息和知識的過程。
原始數據可以是結構化的，如關係資料庫中的數據；也可以是半結構化的，如文本、圖形和圖像數據；甚至是分佈在網路上的非結構型數據。
發現知識的方法可以是數學的，也可以是非數學的；可以是演繹的，也可以是歸納的。

從技術角度來看，數據挖掘匯聚了不同領域的技術研究成果，尤其是資料庫技術、人工智慧技術、機器學習、模式識別、數理統計、可視化技術、並行計算…等，高度自動化地分析企業的數據，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。

另從商業角度來看，數據挖掘其實是一類深層次的數據分析方法，亦是一種新的商業信息處理技術。
其主要特點是對商業資料庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業決策的關鍵性數據。

五、數據挖掘常用的方法

利用數據挖掘進行數據分析常用的方法主要有分類、迴歸分析、聚類、關聯規則、特徵、變化和偏差分析、Web頁挖掘…等，它們分別從不同的角度對數據進行挖掘。

（一）分類。
分類是找出資料庫中一組數據對象的共同特點並按照分類模式將其劃分為不同的類，其目的是通過分類模型，將資料庫中的數據項映射到某個給定的類別。
它可以應用到客戶的分類、客戶的屬性和特徵分析、客戶滿意度分析、客戶的購買趨勢預測等，如一個汽車零售商將客戶按照對汽車的喜好劃分成不同的類，這樣營銷人員就可以將新型汽車的廣告手冊直接郵寄到有這種喜好的客戶手中，從而大大增加了商業機會。

（二）迴歸分析。
迴歸分析方法反映的是事務資料庫中屬性值在時間上的特徵，產生一個將數據項映射到一個實值預測變數的函數，發現變數或屬性間的依賴關係，其主要研究問題包括數據序列的趨勢特徵、數據序列的預測以及數據間的相關關係等。
它可以應用到市場營銷的各個方面，如客戶尋求、保持和預防客戶流失活動、產品生命周期分析、銷售趨勢預測及有針對性的促銷活動等。

（三）聚類分析。
聚類分析是把一組數據按照相似性和差異性分為幾個類別，其目的是使得屬於同一類別的數據間的相似性儘可能大，不同類別中的數據間的相似性儘可能小。它可以應用到客戶群體的分類、客戶背景分析、客戶購買趨勢預測、市場的細分…等。

（四）關聯規則。
關聯規則是描述資料庫中數據項之間所存在的關係的規則，即根據一個事務中某些項的出現可導出另一些項在同一事務中也出現，即隱藏在數據間的關聯或相互關係。
在客戶關係管理中，通過對企業的客戶資料庫里的大量數據進行挖掘，可以從大量的記錄中發現有趣的關聯關係，找出影響市場營銷效果的關鍵因素，為產品定位、定價與定製客戶群、客戶尋求、細分與保持、市場營銷與推銷、營銷風險評估和詐騙預測等決策支持提供參考依據。

（五）特徵分析。
特徵分析是從資料庫中的一組數據中，提取出關於這些數據的特徵式，這些特徵式表達了該數據集的總體特徵。
如營銷人員通過對客戶流失因素的特徵提取，可以得到導致客戶流失的一系列原因和主要特徵，利用這些特徵可以有效地預防客戶的流失。

（六）變化和偏差分析。
偏差包括很大一類潛在有趣的知識，如分類中的反常實例，模式的例外，觀察結果對期望的偏差等，其目的是尋找觀察結果與參照量之間有意義的差別。
在企業危機管理及其預警中，管理者更感興趣的是那些意外規則。意外規則的挖掘可以應用到各種異常信息的發現、分析、識別、評價 和預警等方面。

（七）Web頁挖掘。
隨著Internet的迅速發展及Web 的全球普及， 使得Web上的信息量無比豐富，通過對Web的挖掘，可以利用Web 的海量數據進行分析，收集政治、經濟、政策、科技、金融、各種市場、競爭對手、供求信息、客戶等有關的信息，集中精力分析和處理那些對企業有重大或潛在重大影響的外部環境信息和內部經營信息，並根據分析結果找出企業管理過程中出現的各種問題和可能引起危機的先兆，對這些信息進行分析和處理，以便識別、分析、評價和管理危機。