一、決策支持係統
信息係統對決策活動的支持。進入20世紀70年代，有人開始研製與傳統的MIS係統完全不同的信息係統，這些信息係統相對MIS係統花費較少的人力和物力，交互性好，其設計目的是利用所掌握的數據和模型，針對半結構化和非結構化問題進行分析，幫助用戶做出決策。到80年代後期，針對個人輔助決策延伸到輔助群體和整個組織進行決策。而高級經理支持係統（ESS）主要是針對高級管理人員的信息需求，輔助企業高級經理麵向非結構化問題進行決策。
（一）決策支持係統（DSS）
人們在日常工作和生活中，隨時都要做出選擇和決定，這種選擇和決定就是決策。同樣，在管理的各個層次中也都存在著決策活動。決策就是為了達到某一目標，在多個可供選擇的行動方案中選擇最優方案予以實施。
決策支持係統的定義。
決策支持係統（Decision-SupportSystems，簡稱DSS）是將數據、複雜的分析模型和用戶友好的軟件集成在一起的能夠很好地支持半結構化和非結構化決策的係統，其目的是輔助管理決策。決策支持係統在使用過程中，從始至終，到最後的實施和日常使用都是在用戶的控製之下的。
DSS與組織中現存信息流的關係有時是非常緊密的，但更經常的情況是DSS獨立於組織中現有的主要信息係統。DSS常常是一個獨立的係統，由專門小組開發，而不受中央信息係統的控製。
DSS與MIS相比，兩者是有很大差別的。首先，MIS係統是麵向組織中的中層管理人員，處理的是結構化信息流；而DSS係統則是麵向組織中的高層和中層管理人員，支持半結構化和非結構化決策，輔助管理決策。而就係統目標而言，DSS係統目標更明確，MIS係統在組織總的控製下為管理者提供日常的數據和幫助，而DSS則主要集中在像排隊、評估、資源分配等專門的決策問題上。DSS與MIS的這一差別決定了在係統分析上，MIS主要是確定信息需求，而DSS則是要根據決策問題，確定並建立決策過程中將要使用的分析模型。從原理上講，DSS係統在運行過程中，允許終端用戶來控製數據、分析模型和對話，針對同一問題，使用者選取不同的分析模型，采集不同的數據，將得到不同的方案，由此產生多個可供選擇的行動方案。由此可見，DSS係統的運行是由它的使用者控製的；而MIS係統則主要是基於固定的信息需求，由專門人員控製的，像係統分析員、係統設計員和係統程序員等，用戶最終獲得的信息就是由這些專業人員決定的。此外，DSS更強調靈活性、多變性和快速響應，由於DSS很少與用戶結構化的信息流相聯係，因而DSS係統相對於MIS係統更多地用到模型、假設和圖形等。盡管DSS和MIS都要進行專門的係統分析和設計，但MIS通常遵循的是傳統的係統分析方法，在整個係統生命周期中，先進行係統分析，再進行係統設計。而DSS係統開發過程不是固定的，其係統分析和係統設計需要自覺地不斷地反複進行，從這一點看來，DSS係統的開發過程是無終止的。
簡言之，DSS的基本原理是用靈活的方法，使用易於控製的複雜模型，為用戶提供分析一組重要數據所必需的工具。DSS係統不僅僅要響應信息需求，更重要的是為用戶提供以下4個能力：
（1）表示能力———用圖形、圖表、列表、報告或控製操作的符號等將決策過程中所用到的信息概念化；
（2）操作能力———對數據進行邏輯的或物理的操作，如收集信息、生成列表、準備報告、分配權重、統計分析、評價可選方案等；
（3）輔助存儲———建立數據庫存儲相關的數據；
（4）輔助控製———允許用戶在DSS的運行過程中控製DSS的行為。如采用何種形式表示信息，做什麼操作，是否保存信息等，這些控製通常是借助於菜單、功能鍵、快捷鍵、聯機幫助、聯機教學等實現的。
從根本上講，決策支持係統是一個由數據庫支持的做決策的便簽簿。決策者可以用它來支持其決策活動，也可以用它做培訓工具，教會管理者做出更好的決策。福特汽車公司就是在企業界中讓其經理在做真正的決策之前先使用模擬軟件進行決策訓練的公司之一。
（二）決策支持係統的特點
在了解了決策支持係統的組成後，再來讓我們看看決策支持係統的特點。前麵曾提到了結構化、非結構化和半結構化決策問題。所謂結構化問題，是指問題的目標和所涉及因素間的因果關係均很明確，並都能明確地用科學方法描述的問題。一些重複性的日常的例行工作就屬於這類問題，例如，產品成本核算問題、固定資產折舊問題等，對這類問題的求解有人們比較熟悉的算法或解題規則等可以采用。非結構化問題是一些新穎的、始料不及的、非常規的問題，問題的目標和所涉及因素間的因果關係均不明確，因而對這類問題沒有固定的求解算法或規則。人們可以針對非結構化問題進行討論、反複斟酌、做出決定，但卻不能像求解一個等式那樣得到問題的確定答案。半結構化問題是介於結構化問題和非結構化問題之間的問題。因為決策任務是針對半結構化問題和非結構化問題的，所以決策支持係統的目的就是用於支持半結構化問題和非結構化問題。
西蒙曾把決策過程概括為4個階段：
（1）明確問題，確定決策目標；
（2）提出可供選擇的決策方案；
（3）方案選擇；
（4）實施選定的方案。
通常，事務處理係統和管理信息係統為管理者提供的是日常業務信息，運籌學（OR）為管理者做選擇提供數學模型。DSS係統則將TPS/MIS係統的數據和OR模型結合起來，目的在於幫助管理者構建並評價可選方案，監督選定方案的實施過程。
一個設計良好的決策支持係統將可用於組織的多個層次，既可用於高層管理者，也可用於中層管理者。
有人認為決策是個人行為，但對一個具有一定規模的大的組織來說，認為決策僅僅是個人行為則是錯誤的。事實上，大多數決策是集體做出的。有時，在做出最終選擇前，常常要由多個部門、多人共同做出決策。而在大的組織中，做決策一定是一個群體行為。決策支持係統也可以被構造成支持群體做決策，這一問題將在後麵討論。
最後，決策支持係統應該為使用者提供交互控製功能，即用戶在使用過程中，應能從中找出相關數據，選擇並操作相關的分析模型，而這些不需要用戶具有很高的計算機技術或專門的操作能力。
（三）決策支持係統的開發
決策支持係統的開發與事務處理係統和管理信息係統的開發不同，後者是要對一組特殊的信息需求做出響應；而決策支持係統的開發主要是集中在確定要解決的問題，為管理者提供針對該問題做決策有幫助的一組能力。與其他類型的係統相比，DSS係統一般使用的數據較少，不需要在線實時事務數據，隻涉及少數重要的用戶，係統中使用更複雜的分析模型。因為DSS係統通常針對專門的使用者或專門的決策問題，因而開發時更需要用戶的參與。此外，DSS係統必須具有較高的靈活性，易於調整，並隨著用戶的提高而不斷完善。因而DSS的開發必須采用一種允許係統發展變化的，可以反複修改完善的漸變的開發方法，建議用原型法開發。
隨著DSS係統開發經驗的增長，人們已經總結出一些影響DSS係統開發成功和失敗的重要因素。決策支持係統的成功就是對決策水平提高的感覺，以及對決策支持係統完全滿意。DSS成功的原因與MlS和其他信息係統差不多，如用戶的培訓、參與和經驗，高層領導的支持，係統使用時間的長短，特別是采用新意是DSS係統成功最重要的因素。
二、專家係統
作為人工智能的應用領域之一，專家係統的研究起源於20世紀60年代中期，以斯坦福大學研究的DENDRAL為代表，DENDRAL是一個探索化合物分子結構的專家係統，它的開發研究持續了16年之久。到了70年代後期，相繼又出現了若幹個專家係統，其中比較著名的有用於診斷血液感染疾病的MYCIN和用於地質探礦的PROSPECTOR等。
（一）專家係統的定義
專家係統是一個（或一組）能在某一特定的知識領域內，以人類專家的水平解決該領域中困難問題的計算機程序。換句話說，專家係統是內含知識的程序，它通過獲取人類專家在某一限定的知識領域的專門知識和經驗來解決問題。專家係統具有下述共同的特點：
（1）完成原本由人類專家來做的問題求解工作；
（2）以規則或框架等形式表示知識；
（3）係統與人是交互的；
（4）專家係統可同時考慮處理多條假設。
由此可見，專家係統是這樣一個係統：
（1）專家係統處理現實世界中提出的需要由專家來分析和判斷的複雜問題；
（2）專家係統利用專家推理方法的計算機模型來解決問題，並且如果專家係統所要解決的問題和專家要解決的問題可以比較的話，專家係統應該得到和專家相同的結論。
首先，人類專家是解決某些專門問題的能手，它們的能力來自於他們的經驗和掌握的所處理問題的詳細的專門知識。為了能像專家那樣解決問題，以計算機為基礎的專家係統就要力求去收集足夠的專家知識。其次，專家係統通過推理方法來解決問題，推理是專家係統的重要組成部分。專家係統中存儲的不是問題的答案，而是進行推理的能力和知識。
由於一般的專家係統都有一個解釋程序，可以解答用戶的提問，能對係統的結論或求解過程加以解釋，在問題求解過程中，提一些相關的問題，最終能夠以人類專家的水平解決領域中的困難問題，因而它可以輔助人們分析問題，做出正確的決策。
目前的專家係統範圍還是非常狹窄的，它缺乏知識的廣度和深度，不能像人類專家那樣理解基本原理，也不能像人類一樣思考問題。人類能夠洞察事物的重要性，分析抽象模型的因果關係，並能很快得出結論。而專家係統則不會依據已有的基本原理進行推理，不會進行類推，因而缺少像人類一樣求解問題的一般常識。
綜上所述，專家係統不是一個一般意義上的像人類一樣的專家或問題求解者，通常，它們隻能完成非常有限的工作，這些任務如果專業人員來做，可能要用幾分鍾或幾小時。在同樣短的時間內，人類專家不能解決的問題，對一個專家係統來說也是非常困難的。但通過獲取人類在有限領域的經驗和知識，專家係統能夠為組織提供一些便利。
（二）專家係統的組成
專家係統主要由4部分組成：知識庫、開發小組、AI外殼和係統用戶，其相互關係。下麵我們分別介紹這4個部分。
1.知識庫。前麵我們已經說過，以計算機為基礎的專家係統要收集足夠的人類專家知識。那麼，人類的知識是什麼？這個問題我們換個角度來看，就是如何將人的知識模型化並將其用計算機能夠處理的方式表示的問題。在專家係統中，人類專家知識模型就叫做知識庫。知識表示方法有多種，但在現行的專家係統中應用最為廣泛的3種方法是：規則表示法（最為流行）、語義網絡表示法和框架表示法。這裏僅介紹規則表示法。
規則表示法。規則表示法是由一組以“如果這個條件滿足的話，那麼就得出這個結論或采取這個動作”的形式表示語句組成的，其基本形式是
IFconditionTHENconclusion/action
即：如果 條件 那麼 結論（或動作）。
例如，規則：
如果 某種動物是哺乳動物，並且吃肉
那麼 這種動物是食肉動物
用產生式規則表示為
IFtheanimalisamammalANDiteatsmeat
THENitisacarnivoure
每一個這樣的語句就叫做一個規則，這樣一係列的規則就構成了知識庫。任何編過計算機程序的人都知道，事實上所有傳統的計算機程序都含有“IF-THEN”語句，兩者的差別是什麼？差別在於傳統的程序和基於規則的專家係統程序中運用“IF-THEN”語句的數量和深度不同。在AI程序中，會有幾百甚至幾萬條規則，遠比傳統程序中的“IF-THEN”語句多，後者隻有幾十個最多上百個“IF-THEN”語句。再者，在AI程序中，規則往往是相互關聯，嵌套很多層，其嵌套關係比傳統的程序複雜得多。而且，搜索規則的次序部分地取決於係統所提供的信息，多個路徑可以導致相同的結論，規則本身可以相互結合。由此可見，基於規則的專家係統中規則是相當複雜的。