döntéstámogató rendszer példák közé tartoznak a kézi rendszerek, a hibrid rendszerek, az analitika minden típusa, valamint a kifinomult döntéstámogató szoftver. Az a tényező, amely megkülönbözteti az újabb számítógépes rendszereket a korai döntéstámogató rendszerektől, az a képességük, hogy rendkívül nagy adatkészleteket elemezzenek, adatvezérelt ajánlásokat biztosítva, amelyek a találgatást a döntéshozatalból kiveszik.,

A Használata DSS Útmutató Döntéshozatali

Míg néhány akadályozni az ötlet, hogy bízni komplex számítógépes szoftver megoldások döntéseket hozni őket, a legtöbb kényelmes segítségével számítógép által generált statisztikák megérteni főbb tendenciákat. Ezek közé tartoznak az olyan elemzések, mint az értékesítési statisztikák, a jótállási arányok és a cash flow tendenciák, amelyek fontos mutatók, amelyek segítik a felhasználókat vállalkozásuk egészségének meghatározásában és a korrekciós intézkedések szükségességének ösztönzésében.,

a nehézség az, hogy ez az információs szint nem tudja meghatározni, hogy a több lehetőség közül melyik maximalizálja a visszatérést a kívánt eredmény elérése közben. Nem várhat el olyan külső változásokat sem, amelyek hatással lehetnek a jövedelmezőségre, ami fontos tényező, mivel a legtöbb vállalat a fogyasztói hangulat, a jogi szabályozás és az intenzív verseny által szabályozott bizonytalan környezetben működik. Emellett a vállalatok ki vannak téve a külső hatásoknak, például a politikai bizonytalanságnak, a jelentős időjárási eseményeknek és a kereskedelmi vitáknak.,

ezek a tényezők néha kombinálódnak egy tökéletes vihar létrehozásához, ahol a döntéshozatalt akadályozza a kiszámíthatóság hiánya, valamint az adatok elég gyors feldolgozásának képtelensége a döntések támogatásához. Ez az oka annak, hogy az üzleti vezetők számára felbecsülhetetlen értékűnek bizonyulnak azok a döntéstámogató rendszerek, amelyek gyorsan képesek elemezni az adatokat, meghatározni a mintákat és több alternatívát értékelni.

A DSS mögötti alapelvek

a DSS alapelvei a múlt században a Carnegie Technológiai Intézetben végzett elméleti munkából fejlődtek ki a szervezeti döntéshozatal elméletéről., Ez a munka felismerte, hogy bár az emberi ösztön és a zsigeri érzés gyakran jó döntéseket eredményezett, számos olyan eset volt, amikor a bélvezérelt döntések tévesek voltak.

ehelyett a kutatók kifejlesztették azt a koncepciót, hogy végrehajtó információs rendszereket használnak a szervezeti adatok elemzésére és tömör végrehajtó információk előállítására a döntéshozatal támogatására. Idővel, és ahogy a számítógépes képességek javultak, ez a megközelítés kibővült az üzleti folyamatokat modellező kifinomult szoftverek használatával, lehetővé téve a felhasználók számára a különböző forgatókönyvek eredményeinek értékelését., Ily módon fel lehetett mérni, hogy a több alternatíva közül melyik kínálja a legjobb üzleti megtérülést.,

A három legfontosabb elemei a DSS közé:

  • Szervezeti adatok: Lényeges információ, tudás
  • modell: Matematikai statisztikai képletek, hogy képviselje az üzleti adatok elemzésére
  • A felhasználói felület: Irányítópultok vagy más felületek, amely lehetővé teszi a felhasználók számára, hogy kölcsönhatásba lépnek, majd eredmények megtekintése

Közönséges napról-Napra döntéstámogató Rendszer Példák

döntéstámogató rendszerek működnek, számos szinten, de számos példa van a közös mindennapi használatra., Például a GPS Útvonaltervezés több lehetőség elemzésével és összehasonlításával határozza meg a leggyorsabb és legjobb útvonalat két pont között. Számos GPS-rendszer magában foglalja a forgalomelkerülési képességeket is, amelyek valós időben figyelik a forgalmi körülményeket, lehetővé téve az autósok számára a torlódások elkerülését. A gazdálkodók növénytermesztési eszközöket használnak, hogy meghatározzák a legjobb időt a növénytermesztésre, megtermékenyítésre és aratásra. Egy másik példa az orvosi diagnosztikai szoftver, amely lehetővé teszi az orvosi személyzet számára a betegségek diagnosztizálását. A legtöbb rendszer közös tulajdonsága, hogy a döntések ismétlődőek és ismert adatokon alapulnak., Ezek azonban nem tévedhetetlenek, helytelen vagy irracionális döntéseket hozhatnak, amit sok korai GPS-felhasználó felfedezett.

döntéstámogató rendszer példák, amelyek a történelmi adatok

történelmi adatok elemzése, használt minden szempontból az üzleti élet, jól fejlett, Érett. Bár az ilyen információk nem mindig közvetlenül alkalmazhatók, ez fontos része a DSS-nek, mert beszámol a múltbeli teljesítményről, és kiemeli azokat a területeket, amelyekre figyelmet kell fordítani. Néhány példa a következő:

  • leíró elemzés: mutatók, mint például az értékesítési eredmények, a készletforgalom és a bevételek növekedése.,
  • Diagnostic analytics: olyan diagnosztikai információk, amelyek egy kicsit mélyebben feltárják az eredményeket, és leíró elemzéssel magyarázzák a múltbeli teljesítmény okait.
  • Business intelligence( BI): bár a BI megoldások nagyrészt történelmi adatokon alapulnak, a BI megoldások lehetővé teszik a felhasználók számára a döntéshozatal irányítására és támogatására használt lekérdezések fejlesztését és futtatását.
  • ERP irányítópultok: felhasználó által konfigurálható irányítópultok, amelyek lehetővé teszik a vezetők számára, hogy figyelemmel kísérjék a különböző teljesítménymutatókat.,

kézi és hibrid döntéstámogató rendszer példák

számos kézi technika létezik, amelyek támogatják a döntéshozatalt. Ezek közé tartoznak olyan tevékenységek, mint a SWOT elemzés, ahol a csapatok meghatározzák szervezetük erősségeit és gyengeségeit, valamint azonosítják a szervezetet fenyegető veszélyeket és a további növekedés lehetséges lehetőségeit. A SWOT elemzés eredményei a szervezet előrehaladására vonatkozó cselekvésre alkalmas döntések. Egyéb kézi eszközök közé tartoznak a döntési mátrixok, a Pareto-elemzések és a költség-haszon elemzések.,

A hibrid DSS megoldások közé tartozik a táblázatkezelő elemzések használata, amelyek az Excel számítási, elemzési, összehasonlítási lehetőségeire, valamint a mi-ha forgatókönyvek értékelésére szolgálnak.

bár a kézi és hibrid DSS megoldások viszonylag lassúak és nehézkesek, jó kezekben hatékony döntéstámogató eszközök, és sok szervezet támaszkodik rájuk.,

DSS szoftver, amely segít megjósolni a jövőbeli trendeket

miközben elengedhetetlen megérteni, hogy mi történt a múltban, és miért történt, ez a tudás korlátozott mértékben használható, amikor megpróbálja megjósolni a jövőt, kivéve esetleg nagyon stabil és kiszámítható környezetben. Ez azonban alig van így. Szerencsére léteznek olyan technikák, amelyek bizonyos fokú bizonyossággal előre jelezhetik a jövőbeli trendeket és változásokat, amelyek hatással lesznek egy vállalatra vagy egy vállalkozásra., Ezek az eszközök például a múltbeli teljesítmény, a külső adatok és a piaci visszajelzések alapján előre jelezhetik a jövőbeli termékkereslet, a termék elavulása és a hozamok alakulását.

ezt prediktív elemzésnek nevezik, amely egy másik típusú DSS eszköz alapját képezi, amely segít megjósolni, hogy mi fog történni a közeljövőben. A prediktív analitika az adatbányászat, a statisztikai eszközök és a gépi tanulási algoritmusok kombinációjával határozza meg bizonyos események bekövetkezésének valószínűségét., A bankok ezeket a technikákat használják a csalások felderítésére, a biztosítótársaságok ezeket használják a kockázatok értékelésére, a fuvarozó cégek pedig a jegyárak igény szerinti meghatározására.

DSS modellezés az adatvezérelt döntéshozatal támogatására

a leghatékonyabb döntéstámogató rendszer példák azok, amelyek bizonyos kritériumok alapján meghatározzák a legjobb döntést. Az ilyen rendszerek eltávolítják a szubjektivitást és az elfogultságot a döntéshozatali folyamatból. Emellett számos alternatív forgatókönyvet képesek kiértékelni és azonosítani a legjobbakat.,

a szokásos megközelítés az, hogy dolgozzon ki egy matematikai modell az üzleti, hogy hogyan dönt, és használja optimalizáló szoftver eredményeinek meghatározására a különböző forgatókönyvek. Ez a technika az előíró elemzésen alapul, és rendkívül erős. Míg egyesek azt sugallják, hogy ez csak a döntéshozatali folyamat, hogy kell modellezni, a fejlődő teljes modell a szervezet növeli a sokoldalúság, valamint javítja a pontosságot a pénzügyi eredmények.

két optimalizálási módszer, szabályalapú és optimalizálási modell létezik., A szabályokon alapuló (heurisztika) modellek jól működnek, ha a lehetséges eredmények nagyrészt előre meghatározhatók, például a biztosítási kockázat felmérésével. Másrészt az optimalizációs modellek jobban alkalmazkodnak, összetettebb problémákat tudnak kezelni, több megkötéssel és kompromisszummal is megbirkóznak.

az Ön igényeinek megfelelő DSS rendszer kiválasztása

a legmegfelelőbb DSS a szervezeti érettségtől, összetettségtől és bizonyos mértékig a mérettől függ. Kis szervezetekben elegendő lehet A hibrid rendszerek., Ha a szervezet új analitika, történelmi DSS rendszerek lenne egy jó hely-hoz elkezd, míg azok, akik részt vesznek a tevékenységek, mint a kereskedelmi és áruk előnyösebb lehet egy prediktív döntés támogatási rendszer példa.

kétségtelen, hogy a legnagyobb előny egy előíró elemzésből származó döntéskezelő rendszer kiválasztása, amely modellezi az üzletet, és lehetővé teszi a legelőnyösebb döntés meghatározását bizonyos kritériumok, például a bevétel és a jövedelmezőség alapján., Míg járó nagyobb beruházási források pénz, egy ilyen megoldás nagyobb a valószínűsége meghaladja a várakozásokat, elérnek egy nagyobb ROI. Emellett a találgatásokat is kiveszi a döntéshozatalból, és mivel a modell megismétli az üzletet, az ilyen típusú döntéstámogató rendszerpéldák nagyobb valószínűséggel kínálnak megvalósítható és racionális megoldásokat.