Συστήματα υποστήριξης αποφάσεων

Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια
Μετάβαση σε: πλοήγηση, αναζήτηση

Τα Συστήματα Υποστήριξης Αποφάσεων αποτελούν ένα είδος βασισμένα σε υπολογιστή πληροφοριακών συστημάτων και περιλαμβάνουν συστήματα βασιζόμενα στη γνώση τα οποία υποστηρίζουν δραστηριότητες λήψης αποφάσεων.

Τα Συστήματα Υποστήριξης Αποφάσεων βοηθούν στο επίπεδο διαχείρισης του οργανισμού και βοηθούν να ληφθούν αποφάσεις, οι οποίες αλλάζουν γρήγορα και δεν είναι ξεκάθαρες πριν τη λήψη τους.

Περίληψη[Επεξεργασία | επεξεργασία κώδικα]

Ένα "Σύστημα Υποστήριξης Αποφάσεων (ΣΥΑ)" είναι ένα είδος πληροφοριακού συστήματος (που περιλαμβάνεται αλλά δεν περιορίζεται σε υπολογιστικά συστήματα), το οποίο υποστηρίζει τη λήψη αποφάσεων σε επιχειρήσεις και οργανισμούς. Ένα σωστά σχεδιασμένο ΣΥΑ είναι ένα διαπροσωπικό σύστημα λογισμικού, το οποίο έχει σκοπό να βοηθήσουν τους αποφασίζοντες να συγκεντρώσουν χρήσιμες πληροφορίες μέσα από ένα συνδυασμό δεδομένων, εγγράφων, προσωπικής γνώσης, ή να βοηθήσει τα επιχειρηματικά μοντέλα να αναγνωρίσουν και να λύσουν προβλήματα και να πάρουν αποφάσεις.

Οι τυπικές πληροφορίες που συγκεντρώνει και παρουσιάζει μια εφαρμογή υποστήριξης αποφάσεων είναι:

  • περιεχόμενα όλων των τωρινών πληροφοριών (συμπεριλαμβανομένων σχετικών πηγών πληροφόρησης, cubes, αποθήκες δεδομένων, και marts δεδομένα),
  • συγκριτικά στοιχεία πωλήσεων μεταξύ μιας εβδομάδας και της επόμενης,
  • προβλεπόμενα ποσά εσόδων βασισμένα σε προβλέψεις πωλήσεων του νέου προϊόντος.

Ιστορία[Επεξεργασία | επεξεργασία κώδικα]

Σύμφωνα με τον Kenn (1978)[1], η έννοια της υποστήριξης αποφάσεων έχει εξελιχθεί χάρη σε δύο κύριους τομείς έρευνας: τη θεωρητική μελέτη της οργανωτικής λήψης αποφάσεων που έγινε στο Ινστιτούτο Τεχνολογίας Carnegie στο τέλος της δεκαετίας του 1950 και στις αρχές του 1960, και των τεχνικών εργασιών σε διαδραστικά συστήματα υπολογιστών, που έγιναν κυρίως στο MIT τη δεκαετία του 1960.[1] Θεωρείται ότι η έννοια των ΣΥΑ έγινε τομέας ξεχωριστής έρευνας στα μέσα της δεκαετίας του 1970, πριν να κερδίσει σε ένταση τη δεκαετία του 1980. Στα μέσα και προς το τέλος της δεκαετίας του 1980, εκτελεστικά πληροφοριακά συστήματα (EIS), συστήματα υποστήριξης ομαδικών αποφάσεων (GDSS) και οργανωτικά συστήματα υποστήριξης αποφάσεων (ODSS) εξελίχθηκαν από το μεμονωμένο χρήστη σε μοντέλα με προσανατολισμό ΣΥΑ.

Σύμφωνα με τον Sol (1987)[2], ο ορισμός και η σκοπιά των ΣΥΑ αλλάζει με την πάροδο του χρόνου. Στη δεκαετία του 1970 τα ΣΥΑ περιγράφονταν ως ένα σύστημα βασιζόμενο σε υπολογιστή που βοηθά τη λήψη αποφάσεων. Στο τέλος της δεκαετίας το κίνημα των ΣΥΑ άρχισε να επικεντρώνεται σε "διαδραστικό υπολογιστικό σύστημα το οποίο βοηθά τον αποφασίζοντα να χρησιμοποιεί βάσεις δεδομένων και μοντέλα για να λύσει κακώς δομημένα προβλήματα". Την δεκαετία του 1980s τα ΣΥΑ παρέχουν συστήματα "χρησιμοποιώντας κατάλληλη και διαθέσιμη τεχνολογία για να βελτιώσουν την αποτελεσματικότητα των διευθυντικών και προσωπικών δραστηριοτήτων", και στο τέλος της δεκαετίας τα ΣΥΑ αντιμετώπισαν μια νέα πρόκληση στην σχεδίαση ευφυών θέσεων εργασίας.[2]

Το 1987 η Texas Instruments ολοκλήρωσε την ανάπτυξη της απεικόνισης συστημάτων εκχώρησης πύλης (GADS) για την United Airlines. Αυτό το ΣΥΑ είναι υπεύθυνο για τη σημαντική μείωση στις καθυστερήσεις των πτήσεων με το να βοηθάει τη διεύθυνση των δραστηριοτήτων στο έδαφος σε διάφορα αεροδρόμια, ξεκινώντας από το διεθνές αεροδρόμιο O'Hare στο Σικάγο και το αεροδρόμιο Stapleton στο Ντένβερ του Κολοράντο.[3][4]

Στις αρχές του 1990, η αποθήκευση δεδομένων και η on-line αναλυτική επεξεργασία (OLAP) ξεκίνησαν να διευρύνουν το πεδίο των ΣΥΑ. Καθώς πλησίαζε η αλλαγή χιλιετίας, νέες αναλυτικές επεξεργασίες βασιζόμενες στο διαδίκτυο εμφανίζονται.

Η έλευση όλο και καλύτερων τεχνολογιών έδωσε τη δυνατότητα στα ΣΥΑ να αναδειχθούν ως σημαντικό συστατικό του σχεδιασμού management. Παραδείγματα όλων αυτών μπορούν να δει κανείς στην έντονη ανάμιξη των ΣΥΑ στο περιβάλλον της εκπαίδευσης.

Τα ΣΥΑ επίσης έχουν συμβολή και στη διαδραστική χρήση του υπερκειμένου. Τόσο το Πανεπιστήμιο του Βερμόντ με το σύστημα PROMIS για τη λήψη ιατρικών αποφάσεων όσο και το Carnegie Mellon με το σύστημα ZOG/KMS για τη λήψη επιχειρησιακών και στρατιωτικών αποφάσεων είναι ΣΥΑ τα οποία αποτελούν σημαντικές ανακαλύψεις γύρω από την έρευνα για την διεπαφή του χρήστη. Επιπλέον, αν και οι ερευνητές του υπερκειμένου είναι ανήσυχοι με τηνυπερφόρτωση πληροφοριών, ορισμένοι εξ’ αυτών έχουν επικεντρωθεί κυρίως στη λήψη αποφάσεων.

Ταξινόμηση[Επεξεργασία | επεξεργασία κώδικα]

Όσον αφορά τον ορισμό, δεν υπάρχει μια κοινή αποδεκτή ταξινόμηση των ΣΥΑ. Διάφοροι συγγραφείς προτείνουν διαφορετικές διατάξεις. Χρησιμοποιώντας τη σχέση με το χρήστη ως κριτήριο, ο Haettenschwiler[5] διαφοροποιεί τα ΣΥΑ σε ενεργητικά, παθητικά και συνεργατικά ΣΥΑ. Το παθητικό ΣΥΑ είναι ένα σύστημα που βοηθάει τη λήψη αποφάσεων, αλλά δεν μπορεί να αναδείξει μια σαφή πρόταση απόφασης ή λύσης. Το ενεργητικό ΣΥΑ μπορεί να αναδείξει μια τέτοια σαφή πρόταση απόφασης ή λύσης. Το συνεργατικό ΣΥΑ επιτρέπει στον αποφασίζοντα (ή στον σύμβουλό του) να τροποποιήσει, να ολοκληρώσει, ή να τελειοποιήσει τις προτάσεις αποφάσεων που παρέχει το σύστημα, πριν να σταλούν πίσω στο σύστημα για επικύρωση. Το σύστημα πάλι τροποποιεί, ολοκληρώνει, και τελειοποιεί τις προτάσεις του αποφασίζοντα και τις στέλνει πίσω σε αυτή για επικύρωση. Όλη η διαδικασία ξεκινάει από την αρχή, μέχρι να παραχθεί μια πιο ενοποιημένη λύση.

Μια άλλη μια ταξινόμηση για ΣΥΑ έχει γίνει από τον Ντάνιελ Πάουερ. Χρησιμοποιώντας ως κριτήριο τον τρόπο βοήθειας, ο Πάουερ διαφοροποιεί τα συστήματα σε οδηγούμενα από την επικοινωνία ΣΥΑ, οδηγούμενα από τα δεδομένα ΣΥΑ, οδηγούμενα από τα έγγραφα ΣΥΑ, οδηγούμενα από τη γνώση ΣΥΑ, και οδηγούμενα από το μοντέλο ΣΥΑ.[6]

  • Ένα οδηγούμενο από την επικοινωνία ΣΥΑ υποστηρίζει περισσότερα από ένα άτομα να εργάζονται πάνω σε ένα ξεχωριστό έργο. Παραδείγματα τέτοιων ΣΥΑ είναι τα ολοκληρωμένα εργαλεία όπως το Netmeeting της Microsoft ή το Groove[7]
  • Ένα οδηγούμενο από τα δεδομένα ΣΥΑ ή προσανατολισμένο στα δεδομένα ΣΥΑ δίνει έμφαση και στο χειρισμό χρονοσειρών εσωτερικών δεδομένων και, μερικές φορές, εξωτερικών δεδομένων.
  • Ένα οδηγούμενο από τα έγγραφα ΣΥΑ διαχειρίζεται, ανακτά, και χειρίζεται αδόμητες πληροφορίες από μια ποικιλία ηλεκτρονικών φορμών.
  • Ένα οδηγούμενο από τη γνώση ΣΥΑ παρέχει εξειδικευμένη τεχνική πείρα επίλυσης προβλημάτων, την οποία αποθηκεύει ως γεγονότα, κανόνες, διαδικασίες, ή σε παρόμοιες δομές.[6]
  • Ένα οδηγούμενο από το μοντέλο ΣΥΑ τονίζει την πρόσβαση σε και το χειρισμό ενός μοντέλου στατιστικού, οικονομικού, βελτιστοποίησης, ή προσομοίωσης. Το οδηγούμενο από το μοντέλο ΣΥΑ χρησιμοποιεί δεδομένα και παραμέτρους που παρέχει ο χρήστης για να βοηθήσει τον αποφασίζοντα να αναλύσει μια κατάσταση. Δεν είναι απαραίτητα ευαίσθητα στα δεδομένα. Το Dicodess είναι ένα παράδειγμα παραγωγής ανοιχτού κώδικα από το οδηγούμενο από το μοντέλο ΣΥΑ[8].

Χρησιμοποιώντας την έκταση ως κριτήριο, ο Πάουερ[9] τα διαφοροποιεί σε ευρείας επιχείρησης ΣΥΑ και σε desktop DSS. Ένα ευρείας επιχείρησης ΣΥΑ συνδέεται με μεγάλη αποθήκευση δεδομένων και βοηθά πολλούς μάνατζερ στην εταιρία. Μια επιφάνεια εργασίας απλού χρήστη ενός ΣΥΑ είναι ένα μικρό σύστημα το οποίο τρέχει ξεχωριστά στον προσωπικό υπολογιστή κάθε μάνατζερ.

Δομή[Επεξεργασία | επεξεργασία κώδικα]

Drought Mitigation Decision Support System.png

Οι τρεις βασικές συνιστώσες της δομής ενός ΣΥΑ είναι:[5][6][10][11][12]

  1. Η βάση δεδομένων (ή βάση γνώσης),
  2. Το μοντέλο (δηλαδή, το περιβάλλον απόφασης και τα κριτήρια του χρήστη), και
  3. Η αλληλεπίδραση μεταξύ των χρηστών.

Οι ίδιοι οι χρήστες αποτελούν επίσης μια σημαντική συνιστώσα της δομής.[5][12]

Ανάπτυξη πλαισίου εργασίας[Επεξεργασία | επεξεργασία κώδικα]

Τα ΣΥΑ δεν είναι εντελώς διαφορετικά από τα άλλα συστήματα και απαιτούν δομημένη προσέγγιση. Ένα τέτοιο πλαίσιο εργασίας περιλαμβάνει ανθρώπους, τεχνολογία, και την προσέγγιση της ανάπτυξης.[10]

Τα επίπεδα τεχνολογίας των ΣΥΑ (σε φυσικά εξαρτήματα και λογισμικό) μπορεί να περιλαμβάνουν:

  1. Την ακριβή εφαρμογή που θα χρησιμοποιηθεί από τον χρήστη. Αυτό είναι το σημείο το οποίο επιτρέπει στον αποφασίζοντα να λάβει αποφάσεις σε ένα ειδικό περιβάλλον προβλήματος. Ο χρήστης μπορεί να δράσει πάνω στο συγκεκριμένο πρόβλημα.
  2. Ο δημιουργός περιέχει περιβάλλον φυσικών εξαρτημάτων/λογισμικού που επιτρέπουν στους χρήστες να αναπτύσσουν εύκολα ειδικές εφαρμογές για τα ΣΥΑ. Αυτό το επίπεδο κάνει χρήση εργαλείων συνθήκης ή συστημάτων όπως το Crystal, το AIMMS, και το iThink.
  3. Τα εργαλεία περιλαμβάνουν φυσικά εξαρτήματα/λογισμικό χαμηλότερου επιπέδου. Οι δημιουργοί των ΣΥΑ περιέχουν ειδικές γλώσσες, βιβλιοθήκες λειτουργιών και συνδέσμους υπομονάδων.

Μια επαναληπτική αναπτυξιακή προσέγγιση επιτρέπει στα ΣΥΑ να αλλάξουν και να επανασχεδιαστούν σε διάφορα διαστήματα. Από τη στιγμή που το σύστημα έχει σχεδιαστεί, θα χρειαστεί να δοκιμαστεί και να επανεξεταστεί για το τελικό αποτέλεσμα.

Ταξινομώντας τα ΣΥΑ[Επεξεργασία | επεξεργασία κώδικα]

Υπάρχουν πολλοί τρόποι για να ταξινομηθούν οι εφαρμογές των ΣΥΑ. Πάντως δεν ταιριάζουν όλα τα ΣΥΑ σε μια κατηγορία, αλλά ο συνδυασμός ενός, δύο ή περισσότερων σε ένα σύστημα.

Οι Holsapple και Whinston[13]ταξινομούν τα ΣΥΑ στα ακόλουθα 6 πλαίσια εργασίας:

  • ΣΥΑ προσανατολισμένα στο κείμενο
  • ΣΥΑ προσανατολισμένα σε βάσεις δεδομένων
  • ΣΥΑ προσανατολισμένα σε προγράμματα λογιστικού φύλλου
  • ΣΥΑ προσανατολισμένα στην επίλυση
  • ΣΥΑ προσανατολισμένα σε κανόνες και
  • ενιαία ΣΥΑ.

Ένα ενιαίο ΣΥΑ είναι η πιο δημοφιλής ταξινόμηση για ένα ΣΥΑ. Είναι ένα υβριδικό σύστημα που περιέχει μία ή παραπάνω από τις βασικές δομές που περιγράφουν οι Holsapple και Whinston[13].

Η βοήθεια που δίνεται από ένα ΣΥΑ μπορεί να χωριστεί σε τρεις ξεχωριστές αλλά αλληλοσχετιζόμενες κατηγορίες[14]: Προσωπική Βοήθεια, Ομαδική Βοήθεια και Οργανωτική Βοήθεια. Οι συνιστώσες των ΣΥΑ μπορούν να ταξινομηθούν ως εξής :

  1. Εισροές: Παράγοντες, αριθμοί και χαρακτηριστικά προς ανάλυση
  2. Η πραγματογνωμοσύνη και η γνώση του χρήστη: εισροές που απαιτούν πρακτική ανάλυση από τον χρήστη
  3. Εκροές: Μετασχηματισμένα δεδομένα από τα οποία δημιουργούνται οι αποφάσεις των ΣΥΑ
  4. Αποφάσεις: Αποτελέσματα, που έχουν δημιουργηθεί από τα ΣΥΑ που βασίστηκαν στα κριτήρια του χρήστη

Τα ΣΥΑ που εκτελούν επιλεγμένες γνωστικές λειτουργίες διαδικασιών και αποφάσεις και βασίζονται στην τεχνητή νοημοσύνη ή σε νοήμονες παράγοντες τεχνολογιών ονομάζονται Ευφυή Συστήματα Υποστήριξης Αποφάσεων (IDSS)[15].

Το αναπτυσσόμενο πεδίο της Μηχανικής Αποφάσεων επεξεργάζεται την απόφαση σαν ένα μηχανικό αντικείμενο και εφαρμόζει μηχανικές αρχές όπως η Σχεδίαση και η Εγγύηση ποιότητας σε μια σαφή αναπαράσταση των στοιχείων που παίρνουν μία απόφαση.

Εφαρμογές[Επεξεργασία | επεξεργασία κώδικα]

Όπως αναφέρθηκε παραπάνω, υπάρχουν θεωρητικές πιθανότητες δόμησης τέτοιων συστημάτων σε οποιοδήποτε πεδίο γνώσης.

Ένα παράδειγμα είναι τα Κλινικά Συστήματα Υποστήριξης Αποφάσεων για ιατρική διάγνωση. Άλλα παραδείγματα, περιλαμβάνουν έναν υπάλληλο τράπεζας υπεύθυνο για δάνεια, που επιβεβαιώνει την πίστωση κάποιου που ζητά ένα δάνειο ή μια γνωστή μηχανική εταιρία που έχει προτάσεις για διάφορα σχέδια και θέλει να ξέρει αν μπορούν να είναι ανταγωνιστικές σε σχέση με τα κόστη τους.

Τα ΣΥΑ χρησιμοποιούνται εκτεταμένα στις επιχειρήσεις και σε θέματα διοίκησης. Ο Διοικητικός πίνακας οργάνωσης και άλλα επιχειρηματικά λογισμικά απόδοσης επιτρέπουν τη γρηγορότερη λήψη αποφάσεων, την αναγνώριση αρνητικών τάσεων και την καλύτερη διανομή των επιχειρηματικών πόρων.

Ένα αναπτυσσόμενο πεδίο των εφαρμογών των σχεδίων, των αρχών και των τεχνικών των ΣΥΑ βρίσκεται στην αγροτική παραγωγή και ειδικότερα στο μάρκετινγκ για την αειφόρο ανάπτυξη. Για παράδειγμα, το πακέτο DSSAT4 [16][17], που αναπτύχθηκε μέσω της οικονομικής υποστήριξης του USAID κατά τις δεκαετίες του '80 και του '90 έχει επιτρέψει την ραγδαία ανάπτυξη των διαφόρων αγροτικών συστημάτων παραγωγής ανά τον κόσμο, ώστε να διευκολύνει την λήψη αποφάσεων σε επίπεδο τακτικής. Δυστυχώς, υπάρχουν πολλά εμπόδια που σταματούν την πετυχημένη υιοθέτηση των ΣΥΑ στην γεωργία[18].

Τα ΣΥΑ είναι ιδιαιτέρως κοινά στην Διαχείριση δασών όπου το χρονικό πλαίσιο της μεγάλης φύτευσης απαιτεί συγκεκριμένες ενέργειες. Όλες οι πτυχές της Διαχείρισης δασών από την δενδροφύτευση, τον προγραμματισμένο θερισμό για να διατηρηθεί η αειφορία και την προστασία του οικοσυστήματος έχουν συσταθεί από μοντέρνα ΣΥΑ. Μία λεπτομερής λίστα και συζήτηση για όλα τα διαθέσιμα συστήματα της Διαχείρισης δασών καταρτίζεται από την Δράση COST.

Ένα συγκεκριμένο παράδειγμα αναφέρεται στο σύστημα του Εθνικού Σιδηροδρόμου του Καναδά, το οποίο ελέγχει τον εξοπλισμό σε καθημερινή βάση χρησιμοποιώντας ένα σύστημα υποστήριξης αποφάσεων. Ένα πρόβλημα που αντιμετωπίζουν όλοι οι σιδηρόδρομοι είναι οι φθαρμένες ή ελαττωματικές σιδηροδρομικές ράγες, οι οποίες είναι υπεύθυνες για εκατοντάδες εκτροχιασμούς κατά την διάρκεια του χρόνου. Με την βοήθεια ενός ΣΥΑ, ο ΕΣΚ κατάφερε να ελαττώσει την συχνότητα των εκτροχιασμών ενώ την ίδια στιγμή άλλες εταιρίες αντιμετώπιζαν αύξηση των εκτροχιασμών.

Ένα ΣΥΑ χρησιμοποιείται σε πολλές δραστηριότητες που έχουν ήδη αναφερθεί. Παρόλα αυτά μπορεί να χρησιμοποιηθεί σε οποιονδήποτε τομέα του οργανισμού είναι απαραίτητο. Επιπρόσθετα, ένα ΣΥΑ μπορεί να σχεδιαστεί για να βοηθήσει την λήψη αποφάσεων στην χρηματιστηριακή αγορά ή να αποφασίσει σε ποιο κομμάτι ή τμήμα της αγοράς θα προωθηθεί ένα προϊόν.

Η CACI έχει αρχίσει την ενοποίηση προσομοίωσης και συστημάτων υποστήριξης αποφάσεων . Η CACI ορίζει τρία επίπεδα ωριμότητας μοντέλου προσομοίωσης. Στο “Επίπεδο 1” τα μοντέλα είναι παραδοσιακό desktop μοντέλου προσομοίωσης τα οποία εκτελούνται μέσα στα όρια του πρωταρχικού λογισμικού πακέτου. Αυτό συχνά απαιτεί έναν ειδικό προσομοίωσης να εφαρμόζει τις τροποποιήσεις, να τρέχει πιθανά σενάρια και να αναλύει τα αποτελέσματα. Στο “Επίπεδο 2” τα μοντέλα ενσωματώνουν το μηχανισμό μοντελοποίησης σε μια διαδικτυακή εφαρμογή η οποία επιτρέπει στον αποφασίζοντα να αλλάξει τις διαδικασίες και τις παραμέτρους χωρίς τη βοήθεια αναλυτή. Στο “Επίπεδο 3” τα μοντέλα επίσης ενσωματώνονται σε μια διαδικτυακή εφαρμογή αλλά είναι συνδεδεμένα σε επιχειρησιακές πληροφορίες πραγματικού χρόνου . Η εκτέλεση των μοντέλων “επίπεδο 3” μπορεί να αρχίσει αυτόματα βασιζόμενη σε πληροφορίες πραγματικού χρόνου και τα αντίστοιχα αποτελέσματα θα εμφανίζονται στο λογισμικό του manager παρουσιάζοντας τις κυρίαρχες τάσεις και προγνωστικές αναλύσεις σε συνάρτηση με τις τωρινές διαδικασίες και την κατάσταση του συστήματος. Το πλεονέκτημα αυτής της προσέγγισης είναι ότι μοντέλα στο “επίπεδο 1” τα οποία έχουν αναπτυχθεί για τα FDA projects μπορούν να μετατραπούν σε μοντέλα “επίπεδο 2 και 3” για να ενισχύσουν την υποστήριξη αποφάσεων, τη διοίκηση παραγωγής, την διαχείριση ροής εργασίας και τις προγνωστικές αναλύσεις. Αυτή η προσέγγιση αφορά την ανάπτυξη και διατήρηση μοντέλων που έχουν χρησιμοποιηθεί ξανά τα οποία επιτρέπουν στον αποφασίζοντα να ξεχωρίσει και να εξάγει εύκολα πληροφορίες επιχειρησιακού επιπέδου (π.χ., μετρήσεις διαδικασίας). Τα μοντέλα “Επιπέδου 1” αποσυντίθενται σε επιχειρησιακά αντικείμενα και αποθηκεύονται σε μια βάση δεδομένων. Όλες οι διαδικασίες πληροφόρησης αποθηκεύονται σε μια βάση δεδομένων όπου περιλαμβάνονται δραστηριότητες, πηγές και κόστος δεδομένων. Η βάση δεδομένων αποτελεί ένα πρότυπο βιβλιοθήκης στην οποία οι χρήστες έχουν πρόσβαση στη δημιουργία, αλλαγή και μετατροπή της δικιάς τους μοναδικής διαδικασίας ροής και μετά μπορούν να χρησιμοποιούν την προσομοίωση για να μελετήσουν την απόδοσή τους με έναν επαναληπτικό τρόπο.

Πλεονεκτήματα των ΣΥΑ[Επεξεργασία | επεξεργασία κώδικα]

  1. Βελτιώνουν την προσωπική αποδοτικότητα
  2. Επισπεύδουν την επίλυση προβλημάτων(αυξάνουν την ταχύτητα με την οποία λύνονται τα προβλήματα σε ένα οργανισμό)
  3. Διευκολύνουν την διαπροσωπική επικοινωνία
  4. Προάγουν την εκπαίδευση και την εκμάθηση
  5. Αυξάνουν τον έλεγχο του οργανισμού
  6. Δημιουργούν νέα στοιχεία για την υποστήριξη μίας απόφασης
  7. Δημιουργεί ανταγωνιστικό πλεονέκτημα έναντι των ανταγωνιστών
  8. Ενθαρρύνει την εξερεύνηση και την αναζήτηση στη διαδικασία που ακολουθεί ο αποφασίζων για να λάβει μια απόφαση
  9. Αποκαλύπτει νέες προσεγγίσεις σχετικά με την αντίληψη για την έκταση του προβλήματος
  10. Βοηθά αυτόματα τη λειτουργία της Διοίκησης.

Αναφορές[Επεξεργασία | επεξεργασία κώδικα]

  1. 1,0 1,1 Keen, P. G. W. (1978). Decision support systems: an organizational perspective. Reading, Mass., Addison-Wesley Pub. Co. ISBN 0-201-03667-3
  2. 2,0 2,1 Henk G. Sol et al. (1987). Expert systems and artificial intelligence in decision support systems: proceedings of the Second Mini Euroconference, Lunteren, The Netherlands, 17-20 November, 1985. Springer, 1987. ISBN 90-277-2437-7. p.1-2.
  3. Efraim Turban, Jay E. Aronson, Ting-Peng Liang (2008). Decision Support Systems and Intelligent Systems. σελ. 574. 
  4. "Gate Delays at Airports Are Minimised for United by Texas Instruments' Explorer". Computer Business Review. 1987-11-26. http://www.cbronline.com/news/gate_delays_at_airports_are_minimised_for_united_by_texas_instruments_explorer. 
  5. 5,0 5,1 5,2 Haettenschwiler, P. (1999). Neues anwenderfreundliches Konzept der Entscheidungsunterstützung. Gutes Entscheiden in Wirtschaft, Politik und Gesellschaft. Zurich, vdf Hochschulverlag AG: 189-208.
  6. 6,0 6,1 6,2 Power, D. J. (2002). Decision support systems: concepts and resources for managers. Westport, Conn., Quorum Books.
  7. Stanhope, P. (2002). Get in the Groove: building tools and peer-to-peer solutions with the Groove platform. New York, Hungry Minds
  8. Gachet, A. (2004). Building Model-Driven Decision Support Systems with Dicodess. Zurich, VDF.
  9. Power, D. J. (1997). What is a DSS? The On-Line Executive Journal for Data-Intensive Decision Support 1(3).
  10. 10,0 10,1 Sprague, R. H. and E. D. Carlson (1982). Building effective decision support systems. Englewood Cliffs, N.J., Prentice-Hall. ISBN 0-13-086215-0
  11. Haag, Cummings, McCubbrey, Pinsonneault, Donovan (2000). Management Information Systems: For The Information Age. McGraw-Hill Ryerson Limited: 136-140. ISBN 0-07-281947-2
  12. 12,0 12,1 Marakas, G. M. (1999). Decision support systems in the twenty-first century. Upper Saddle River, N.J., Prentice Hall.
  13. 13,0 13,1 Holsapple, C.W., and A. B. Whinston. (1996). Decision Support Systems: A Knowledge-Based Approach. St. Paul: West Publishing. ISBN 0-324-03578-0
  14. Hackathorn, R. D., and P. G. W. Keen. (1981, September). "Organizational Strategies for Personal Computing in Decision Support Systems." MIS Quarterly, Vol. 5, No. 3.
  15. Gadomski A.M. et al. (1998). Integrated Parallel Bottom-up and Top-down Approach to the Development of Agent-based Intelligent DSSs for Emergency Management,TIEMS98, Washington, CiteSeerx - alfa:
  16. DSSAT4 (pdf)
  17. The Decision Support System for Agrotechnology Transfer
  18. Stephens, W. and Middleton, T. (2002). Why has the uptake of Decision Support Systems been so poor? In: Crop-soil simulation models in developing countries. 129-148 (Eds R.B. Matthews and William Stephens). Wallingford:CABI.

Περαιτέρω διάβασμα[Επεξεργασία | επεξεργασία κώδικα]

  • Ματσατσίνης, Ν. (2010), Συστήματα Υποστήριξης Αποφάσεων, Νέες Τεχνολογίες, Αθήνα.
  • Delic, K.A., Douillet,L. and Dayal, U. (2001) "Towards an architecture for real-time decision support systems:challenges and solutions.
  • Diasio, S., Agell, N. (2009) "The evolution of expertise in decision support technologies: A challenge for organizations," cscwd, pp.692-697, 13th International Conference on Computer Supported Cooperative Work in Design, 2009. http://www.computer.org/portal/web/csdl/doi/10.1109/CSCWD.2009.4968139
  • Gadomski, A.M. et al.(2001) "An Approach to the Intelligent Decision Advisor (IDA) for Emergency Managers.Int. J. Risk Assessment and Management, Vol. 2, Nos. 3/4.
  • Gomes da Silva, Carlos; Clímaco, João; Figueira, José. European Journal of Operational Research.
  • Ender, Gabriela; E-Book (2005-2008) about the OpenSpace-Online Real-Time Methodology: Knowledge-sharing, problem solving, results-oriented group dialogs about topics that matter with extensive conference documentation in real-time. Download http://www.openspace-online.com/OpenSpace-Online_eBook_en.pdf
  • Jiménez, Antonio; Ríos-Insua, Sixto; Mateos, Alfonso. Computers & Operations Research.
  • Jintrawet, Attachai (1995). A Decision Support System for Rapid Assessment of Lowland Rice-based Cropping Alternatives in Thailand. Agricultural Systems 47: 245-258.
  • Matsatsinis, N.F. and Y. Siskos (2002), Intelligent support systems for marketing decisions, Kluwer Academic Publishers.
  • Power, D. J. (2000). Web-based and model-driven decision support systems: concepts and issues. in proceedings of the Americas Conference on Information Systems, Long Beach, California.
  • Reich, Yoram; Kapeliuk, Adi. Decision Support Systems., Nov2005, Vol. 41 Issue 1, p1-19, 19p.
  • Sauter, V. L. (1997). Decision support systems: an applied managerial approach. New York, John Wiley.
  • Silver, M. (1991). Systems that support decision makers: description and analysis. Chichester ; New York, Wiley.
  • Sprague, R. H. and H. J. Watson (1993). Decision support systems: putting theory into practice. Englewood Clifts, N.J., Prentice Hall.
Commons logo
Τα Wikimedia Commons έχουν πολυμέσα σχετικά με το θέμα