信息系统与组织决策

2015《公司战略》基础考点：信息系统与组织决策

　　【东奥小编】现阶段进入2015年注会基础备考期，是全面梳理考点的宝贵时期，我们一起来学习2015《公司战略》基础考点：信息系统与组织决策。

　　【内容导航】：

　　(一)组织的管理决策问题

　　(二)决策支持系统(DSS)

　　(三)智能决策支持系统(IDSS)

　　(四)群体决策支持系统(GDSS)

　　(五)商业智能(BI)

　　【所属章节】：

　　本知识点属于《公司战略与风险管理》科目第八章管理信息系统的应用与管理第二节管理信息系统的应用的内容。

　　【知识点】：信息系统与组织决策

　　(一)组织的管理决策问题

　　1.决策的概念及过程。

　　决策就是要对未来的方向、目标以及实现途径做出决定，它是指个人或集体为了达到某一目标，借助一定的科学手段和方法，从若干备选方案中选择或综合成一个满意合理的方案，并付诸实施的过程。

　　著名的管理学者西蒙描述了一个经典的包括三阶段的决策制定过程，即情报、设计和选择。

　　情报阶段：指进行情报(信息)的收集和处理、研究决策环境、分析和确定影响决策的因素或条件的一系列活动。

　　设计阶段：指发现、制订和分析各种可能行动方案的过程。

　　选择阶段：指从可行方案中选择一个特定的方案，对它进行评价和审核的过程。

　　后来有人在此基础上，在情报阶段之前增加了确定决策问题阶段，在选择阶段之后增加了决策实施阶段，变为五阶段决策过程：

　　①确定决策问题。

　　②收集信息。

　　③拟订备选方案。

　　④选择方案。

　　⑤决策实施。

　　2.管理决策问题分类。

　　依据不同的划分标准，管理决策问题可分为不同的类型。

　　(1)按决策的层次，可分为高层决策、中层决策和基层决策。

　　高层决策是指组织最高管理层所做出的决策，大多是关系全局的重大问题。

　　中层决策是指组织中层管理人员所做出的决策。

　　基层决策是指组织中基层管理人员所做出的决策，一般解决日常工作中的问题。

　　(2)按决策的战略重要性，可分为战略决策、战术决策和业务决策。

　　战略决策是指涉及组织全局长远性的、方向性的决策，所需解决问题复杂，决策风险较大，对决策者的洞察力和判断力要求高。

　　战术决策是指组织内部范围贯彻执行的决策，属于战略决策过程的具体决策，但也会影响组织目标的实现。

　　业务决策又称执行性决策，是日常工作中为了提高生产效率、工作效率所做出的决策，涉及范围小，只对局部产生影响。

　　(3)按决策的结构化程度，可分为结构化决策、半结构化决策和非结构化决策。

　　结构化决策是有章可循的决策，可以重复出现，问题的本质与结构清楚，解决问题的方法与步骤是已知的和确定的，可制定固定程序来完成决策。

　　例如，基层作业层所作的应收账款、应付账款、下订单决策，中层管理层所作的预算分析、短期预测、人事报告、制造或购买决策，高层战略层所作的财务管理、仓库选址、配送系统等决策都可归类为结构化决策。

　　非结构化决策表现为问题新颖，对问题的本质与结构不甚了解，解决问题的方法与步骤也知之甚少。

　　非结构化决策主要靠决策者的知识、经验与智慧完成决策。

　　例如，基层作业层所作的选择杂志封面、购买软件等决策，中层管理层所作的议价、高管聘用、硬件购置决策，高层战略层所作的研发计划、新技术开发、社会责任计划等决策都可归类为非结构化决策。

　　半结构化决策则介于两者其间，对问题的本质与结构有所了解但不够清楚，解决问题可能采用的方法及其相互间的关系基本知道但不确切，解决问题的步骤尚难确定，要通过启发式的探索来做出决策。

　　例如，基层作业层所作的生产排程、库存控制决策，中层管理层所作的信用评估、预算、生产布局、项目计划、薪酬系统设计、库存分类决策，高层战略层所作的建立新的生产厂、并购、新产品计划、薪酬计划、人事政策、库存计划等决策则可归类为半结构化决策。

　　一般说来，越往高层的决策越具有战略性、非结构化的重点，而越往基层的决策，就越具有战术性、执行性、结构化的特点。

　　(二)决策支持系统(DSS)

　　决策支持系统(decision support system，DSS)是随着人们对决策支持系统的研究和应用发展而不断发展的。在20世纪70年代，研究开发出了许多较有代表性的DSS，到70年代末，DSS大都由模型库、数据库及人机对话接口3个部件组成。三者呈三角形分布，是其最基本的结构。

　　20世纪80年代初，DSS增加了方法库与知识库，DSS结构也逐渐发展成由人机对话接口、数据库、模型库、方法库、知识库5大部件以及相应的管理系统组成。

　　(1)人机对话子系统。人机对话子系统是DSS与用户之间的交互界面，用户通过人机对话子系统控制实际DSS的运行。DSS既需要用户输入必要的信息和数据，同时要向用户显示运行的情况以及最后的结果。

　　(2)数据库子系统。数据库子系统是存储、管理、提供与维护用于决策支持数据的基本部件，由数据库和数据库管理系统两部分组成。

　　(3)模型库子系统。模型库子系统是构建和管理模型的计算机软件系统，由模型库和模型库管理系统两部分组成。

　　常用于决策分析的模型有：

　　①财务模型。如现金流量、内部回报率、投资分析等模型，运用excel等电子表格程序具有这些简单模型的求解功能。

　　②统计分析模型。包括计算均值、标准方差和输出散点图等，并可建立因果关系，例如把产品销售同消费者的年龄、收入或其他因素联系起来。

　　③预测模型。用事物过去已知信息对事物的未来状态进行科学的预计和推测。定量预测模型有指数平滑模型、季节预测模型、回归预测模型、马尔可夫链预测模型等。

　　④what-if模型。分析对决策变量作假设性的改变以观察对目标变量影响的过程。例如，敏感性分析模型提高售价5%或追加10万元的广告预算将会发生什么，如果保持售价和广告预算不变将会发生什么。

　　⑤优化模型。如线性规划、非线性规划、动态规划、目标规划和最优控制等模型。软件包LINDO专用于线性规划问题的求解。

　　(4)方法库子系统。方法库子系统是存储、管理、调用及维护DSS各部件要用到的通用算法、标准函数等方法的部件。

　　(5)知识库子系统。知识库子系统是有关规则、因果关系及经验等知识的获取、解释、表示推理以及管理维护的部件。

　　(三)智能决策支持系统(IDSS)

　　1.智能决策支持系统的概念。

　　人工智能(artificial intelligence，AI)是指让机器模仿人类的思维与行为的一门学科。

　　人工智能研究的是如何用人工方法和技术，即用各种自动机器或计算机模仿、延伸和扩展人的智能，实现某些“机器思维”或脑力劳动的自动化。人工智能是一个综合性很强的新兴学科，有多个分支领域，典型的有专家系统、神经网络、遗传算法等。

　　智能决策支持系统(IDSS)=决策支持系统(DSS)+人工智能(AI)

　　2.智能决策支持系统的基本结构。

　　人工智能技术融入DSS后，使DSS在模型技术与数据处理技术的基础上，增加了知识推理技术，提高了辅助决策能力。与决策支持有关的人工智能技术主要有专家系统、神经网络、遗传算法、机器学习、自然语言理解等。

　　(1)专家系统。用大量的专门知识解决特定领域中实际问题的计算机系统，可以通过对问题进行推理而得出相应的结论，或者提出合适的建议。

　　(2)神经网络。利用神经元的信息传播模型进行学习和应用，可以通过训练学会识别模式。

　　(3)遗传算法。模拟生物遗传过程的群体优化搜索方法，通过这种方式，可以为具体问题产生循序渐进的解决方案。

　　(4)机器学习。让计算机模拟和实现人类的学习，获取解决问题的知识。

　　(5)自然语言理解。让计算机理解和处理人类进行交流的自然语言。

　　3.用于决策支持的智能技术。

　　(1)专家系统技术及应用。

　　专家系统是一类包含知识和推理的智能计算机程序系统，含有大量的某领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域的问题。简言之，它是一种模拟人类专家解决领域问题的计算机程序系统。

　　存放知识和运用知识进行问题求解是其两个最基本的功能。专家系统是由人机接口、知识库、推理机、知识获取组成的，知识库和推理机是专家系统的核心。

　　(2)神经网络技术及应用

　　神经网络。经常称为人工神经网络，是在现代神经生物学研究成果的基础上发展起来的一种模拟人脑信息处理机制的网络系统，它不但具有处理数值数据的一般计算能力，而且还具有处理知识的思维、学习和记忆能力。简单地讲，它是一个数学模型，可以用电子线路来实现，也可以用计算机程序来模拟，是人工智能研究的一种方法。

　　神经网络在管理领域也有着广泛的应用：

　　①管理绩效评价，如供应链管理绩效评价、工程项目绩效评价等;

　　②风险管理，如银行贷款风险管理、企业财务风险预警等;

　　③人力资源管理，如人才选拔、胜任力测评等;

　　④市场分析，如金融、银行、证券、股票、保险等行业的分析、评估、预测等;

　　⑤运输优化，如物资调运的最小成本求解等。

　　(3)遗传算法技术及应用。

　　遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。

　　(4)智能代理技术及应用。

　　智能代理技术是人工智能技术的一个应用领域，它使计算机应用趋向人性化、个性化。如Office助手就是一种智能代理，这些代理软件通常会在适当的时候帮助人们完成最迫切需要完成的任务。

　　智能代理是将Agent视为在某一环境下能持续自主地发挥作用、具有生命周期的计算实体。具有自主性、社会性、反应性和主动性等特征。

　　作为智能代理的软件或硬件系统一般具有如下基本特征：

　　①自主性。智能代理具有解决问题所需的知识、策略和相关数据，能够进行相关的推理和智能计算，智能代理还可以在用户没有给出十分明确的需求时能分析地推送，并能自动拒绝一些不合理或可能给用户带来危害的需求。

　　②社会性。智能代理具有一定的社会性，即它们可能同代理代表的用户、资源、其它代理进行交流。

　　③反应性。智能代理能够感知所处的环境，并能对环境中发生的相关事件做出适时反应。

　　④主动性。智能代理能够遵循承诺采取主动的行动，它的行为是为了实现其内在的任务，因而智能代理是一个目标制导的行为实体，能够在条件满足时主动将相关信息提供给agent。

　　(四)群体决策支持系统(GDSS)

　　1.群体决策与群体决策支持系统。

　　在组织中，大多数重大决策都不是某个个体完成的，而是群体决策的结果。相比个体决策，群体决策具有如下特点：

　　(1)通常决策的正确性更高，但速度较慢;

　　(2)集思广益，决策可能更具创造性;

　　(3)可能出现风险极端化，可能过度保守或过度冒险;

　　(4)群体成员关系好坏可能左右决策效能;

　　(5)决策群体的构成对群体决策的影响较大。

　　群体决策支持系统(group decision support system，GDSS)，是指在系统环境中，多个决策参与者共同进行思想和信息的交流，群策群力，寻找一个令人满意和可行的方案，但在决策过程中只由某个特定的人做出最终决策，并对决策结果负责。

　　2.群体决策支持系统的应用。

　　GDSS按照决策时间和群体成员地理上的邻近程度可分为决策室、局域决策网、电子会议、远程决策四种应用类型。

　　(1)决策室。决策室的主要特征是决策者面对面地在同一时间和地点进行群体决策。设立一个与传统会议室相似的决策室，决策者通过互联的计算机站点相互合作完成决策。决策室是相对较简单的GDSS，主要缺点是不能有效地屏蔽各决策者之间的相互影响。

　　(2)局域决策网。局域决策网型GDSS建立在局域网(local area network，LAN)的基础上。在决策过程中，各决策者在近距离的不同房间的工作站上参与群体决策，共享决策源，通过网络相互通信，以了解其他决策结点的状态及全局状态。这种类型GDSS的主要优点是可以克服定时决策的限制，决策者可在决策周期内分时地参与决策。

　　(3)电子会议。电子会议利用计算机网络的通信技术，使分散各地的决策者在同一时间内进行集中决策。电子会议实质上与决策室相同，它的优点是能克服空间距离的限制。

　　(4)远程决策。远程决策型GDSS充分利用广域网、互联网等信息技术来支持群体决策，综合了局域决策网与电子会议的优点，可使决策者异时异地共同对同一问题做出决策。

　　(五)商业智能(BI)

　　1.商业智能的概念。

　　商业智能(business intelligence，BI)通常被理解为：运用数据仓库、联机分析处理和数据挖掘等技术来分析和处理数据，将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。

　　2.商务智能的主要分析工具。

　　(1)联机分析处理。

　　联机分析处理(OLAP)系统是数据仓库系统最主要的应用，专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，从多方面和多角度以多维的形式来观察企业的状态、了解企业的变化。

　　(2)数据挖掘及应用。

　　数据挖掘(data mining，DW)是运用基于计算机的方法(包括新技术)，从大量数据中提取出隐藏在数据中的有用信息的过程。数据挖掘的目的就是从大量数据中提取或“挖掘”知识，它是从数据库中进行知识发现(knowledge discovery in database，KDD)过程的核心部分。

　　数据挖掘的主要功能和应用有6类：

　　①数据特征总结与区分。数据特征总结是对目标类数据的一般特征进行汇总，可以以直方图、饼状图、多维数据方、交叉表等多种形式进行输出，如对某一类顾客的特征汇总。数据区分是将目标类对象的一般特性与一个或多个对比类对象的一般特性比较，如对不同年龄段顾客购买行为的比较等。

　　②关联分析。关联分析用来寻找数据库中值的相关性。两种常用的技术是关联规则和序列模式。关联规则是寻找在同一个事件中出现的不同项的相关性，如哪些商品经常一块儿被购买;序列模式与此类似，寻找的是事件之间时间上的相关性，如银行利率调整与随后股市的变化。

　　③分类。分类技术在很多领域都有应用，例如可以通过客户分类构造一个分类模型来对银行贷款进行风险评估;采用数据挖掘中的分类技术，可以将客户分成不同的类别，比如呼叫中心设计时可以分为：呼叫频繁的客户、偶然大量呼叫的客户、稳定呼叫的客户、其他，帮助呼叫中心寻找出这些不同种类客户之间的特征，这样的分类模型可以让用户了解不同行为类别客户的分布特征

　　④预测。预测是把握分析对象发展的规律，对未来的趋势做出预见。如对销售活动效果的预测。

　　⑤聚类。聚类是在不考虑已知分类的情况下对数据类或概念进行区分。它是在未知分类的前提下，将数据分成不同的群组，使群与群之间差别最大化，同时使同一个群之间的数据相似性最大化。如在不知道要把客户分成几类的情况下进行客户细分，在此基础上可以制定一些针对不同客户群体的营销方案。

　　【提示】分类就是按照某种标准给对象贴标签，再根据标签来区分归类。聚类是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组，聚类是指事先没有“标签”，而通过某种成因分析找出事物之间存在聚集性原因的过程。

　　⑥孤立点分析(局外者分析)。孤立点是在数据集中与众不同的数据，使人怀疑这些数据并非随机偏差，而是产生于完全不同的机制。

　　孤立点分析可以对分析对象的少数的、极端的特例进行挖掘，揭示内在的原因。孤立点分析可以从一些信用不良的客户数据中找出相似特征并预测可能的诈欺交易，达到减少损失的目的。