我国现阶段管理信息及其发展.pptVIP

1.决策支持系统 2.专家系统 3.办公自动化 4.集成生产系统 决策支持系统（Decision Support System，DSS）是20世纪70年代在管理信息系统的基础上发展起来的新型管理信息技术。 DSS是以管理学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术、信息技术为手段，以人－机交互方式辅助决策者解决半结构化或非结构化决策问题的信息系统。 定义： 专家系统（Expert Systems，ES）是人工智能研究中较为活跃的分支，专家系统是一种具有大量专门知识与经验的计算机信息系统，作为人工智能的一种技术，利用计算机技术、人工智能及其他理论，把某一特定领域内的专家们的知识提炼出来，建成一个知识库，以解决该领域的有关问题和决策。 定义：办公自动化系统（Office Automation System，OAS）是以先进的办公设备为基础，由办公人员和办公设备共同组成的人—机信息处理系统。该系统利用先进的办公设备（例如计算机及其外设、复印机、传真机、网络通信设备等），代替办公室工作人员的部分手工劳动和办公业务的系统。 一个完整的办公自动化系统包括信息收集、信息加工、信息传输、信息存储等环节，其核心任务是为办公人员提供所需的信息。 文字处理功能 文件的编辑、修改、存贮和打印等。 数据处理功能 数据的记录、分类、存贮、查询、运算和制表等。 图像处理功能 输入、产生、存贮、处理和输出有关的图像处理资料，进行传真，召开远程电子会议等。 声音处理功能 声音的识别、存贮和合成等。 网络化功能 将多个信息处理设备连接成网，提高信息处理能力和传输功能，达到资源的充分共享。 管理信息系统研究的一个重要方向是集成生产系统，它是管理信息自动化和生产过程自动化的结合。 由于计算机辅助设计(CAD)和计算机辅助制造(CAM)的发展，在机器的设计制造过程中几乎可以不用图纸，使得设计、修改和制造变得十分方便。因此，产生了将管理、生产等各个系统联成一个综合的一体化系统的需要。 集成生产系统将整个企业设计、生产、市场、销售及管理部门联合成一个大系统，它将利用已有的计算机辅助设计、制造、管理和通信等所有现代化技术，将企业的管理和经营水平提高到一个崭新的阶段。 1.数据仓库（Data Warehouse） 2.数据挖掘 随着计算机应用的增加，人们对信息服务质量的要求愈来愈高，使得异构数据库的集成化问题被提上了日程。 数据仓库针对数据库的异构、数据间的不一致性，以及历史数据与当前数据间的复合分析的要求，对各个信息源中与系统分析和决策有关的数据预先进行收集、提取、归纳、转换、过滤，从而把多个异质的原始数据融合在一起，用以支持结构式即席查询、分析报告和决策支持。  公认的数据仓库之父W.H.Inmon将其定义为：“数据仓库是支持管理决策过程的、面向主题的、集成的。随时间而变的、持久的数据集合。” 其设计思想就是要建立一种体系化的数据存储环境，将分析决策所需的大量数据从传统的操作环境中分离出来，使分散的、难以访问的操作数据转换成集中统一、随时可用的信息。 面向主题（Subject-Oriented） 所谓主题，即是企业管理中关注的主要问题，如客户、产品、经营活动等，而不是传统的面向过程。 集成性 (Integrated) 数据从面向应用的操作环境中提取到数据仓库中时都要经过集成化，在数据仓库中，集成性以多种形式表现出来，如一致的数据属性，一致的编码结构等。 时间变异性 (Time-Variant) 在数据仓库中，数据记录总含有一个时间属性。仓库中记录了数据随时间变化的历史。数据仓库的一个重要特点就是，数据一旦放入其中，除非特别需要，其值一般都不会被更新。 稳定性 (Non-Volatile) 由于数据仓库只有两种基本操作：装载数据和访问数据，因此数据是相对稳定的，其修改和重组由管理员定期后台实现，这样数据仓库就可在物理层上做很多优化的工作。 数据挖掘(Data Mining)，又译作数据开采，其前身是知识发现（KDD），属于计算机学习的范畴，也是数据库发展与人工智能技术相结合的产物。 数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的新技术，它能挖掘出数据间潜在的模式，找出最有价值的信息，指导商业行为或辅助科学研究。 它由以下三个成熟技术支持： 大规模数据采集 功能强大的多处理器计算机 数据挖掘算法 （1）自动进行统计分析 数据挖掘利用统计分析来检查异常的数据模式，然后通过统计模型和数学模型解释这些数据模式。 通常使用的模型有线形分析和非线形分析、连续回归分析和逻辑回归分析、单变量和多变量分析、以及时间序列分析。 对数据仓库中的数据进行统计分析可解决市场营销、电话销售、商业管理、医疗研究和产品授权等大量的商业问题。