意思決定支援システムの例には、手動システム、ハイブリッドシステム、 新しいコンピュータベースのシステムと初期の意思決定支援システムを区別する要因は、非常に大きなデータセットを分析し、意思決定の当て推量を取り除くデータ駆動型の推奨を提供する能力です。,

意思決定を導くためのDSSの使用

複雑なコンピュータソフトウェアソリューションを信頼して意思決定を行うという考えを嫌う人もいますが、ほとんどの人はコンピュータ生成の統計を使用して重要な傾向を理解することに慣れています。 これらには、販売統計、保証率、キャッシュフロー傾向などの分析が含まれ、ユーザーがビジネスの健全性を判断し、是正措置の必要性を促す重要な指標です。,

難しいのは、このレベルの情報では、望ましい結果を達成しながら、いくつかの可能性のどれがリターンを最大化するかを判断できないことです。 また、ほとんどの企業が消費者心理、法的規制、激しい競争に支配される不確実な環境で事業を行っているため、収益性に影響を与える可能性のある外 さらに、企業は政治的不確実性、主要な気象事象、貿易紛争などの外部からの影響に対して脆弱です。,

これらの要因が組み合わさって、予測可能性の欠如や意思決定をサポートするのに十分な速さでデータを処理できないことによって、意思決定が妨げられる完璧な嵐を作り出すことがあります。 この意思決定支援システム分析できるデータを迅速に判断パターンを評価する複数の代替証明貴重なビジネス界のリーダー.

DSSの背後にある原則

DSSのコア原則は、組織の意思決定の理論にカーネギー工科大学で前世紀に行われた理論的な仕事から進化しました。, この研究は、人間の本能と腸の感触がしばしば良い決定をもたらしたが、腸主導の決定が間違っていた多くの例があったことを認識した。

代わりに、研究者は組織データを分析し、意思決定をサポートするために簡潔な執行情報を生成するために執行情報システムを使用するという概念 時間が経つにつれて、コンピュータの機能が向上するにつれて、このアプローチは、ビジネスプロセスをモデル化する洗練されたソフトウェアの使用を含, このように、最高のビジネスリターンを提供するいくつかの選択肢のどれを評価することが可能でした。,ユーザーインターフェイス:ダッシュボードまたはその他のインターフェイス

一般的な日々の意思決定支援システムの例

意思決定支援システムは多くのレベルで動作し、日常的に一般的な例が多くあります。使用する。, 例えば、GPSのルートが決定される最速で最高のルートポイント分析のようです。 多くのGPSシステムには、交通状況をリアルタイムで監視する交通回避機能も含まれており、運転手が渋滞を回避できます。 農家は作物計画ツールを使用して、植え付け、受精させ、刈り取るのに最適な時期を決定します。 医療従事者が病気を診断することを可能にする医学診断ソフトウェアは別の例である。 ほとんどのシステム共通の属性のある意思決定の繰り返しに基づく知られるデータです。, しかし、それらは間違いではなく、多くの初期のGPSユーザーが発見した間違ったまたは不合理な決定を下す可能性があります。

履歴データを使用する意思決定支援システムの例

ビジネスと生活のあらゆる面で使用される履歴データ分析は、よく発達し、成熟しています。 このような情報は必ずしも直接的に実用的ではありませんが、過去のパフォーマンスを報告し、注意が必要な領域を強調するため、DSSの重要な部分です。 例としては、

  • 記述分析：販売結果、在庫回転率、収益成長率などの指標が挙げられます。,
  • 診断分析：結果を明らかにするために少し深く掘り下げ、記述分析によって測定された過去のパフォーマンスの理由を説明する診断情報。
  • ビジネスインテリジェンス(BI):主に履歴データに基づいていますが、BIソリューションを使用すると、ユーザーは意思決定のガイドとサポートに使用されるクエ
  • ERP dashboards:管理者がさまざまなパフォーマンス指標を監視できるようにするユーザー設定可能なダッシュボード。,

手動およびハイブリッド意思決定支援システムの例

意思決定をサポートする多数の手動技術が存在する。 これらには、チームが組織の長所と短所を判断したり、組織が直面する脅威やさらなる成長の可能性を特定したりするSWOT分析などの活動が含まれます。 SWOT分析の結果は、組織を前進させるための実用的な決定です。 その他の手動ツールには、意思決定マトリックス、パレート分析、および費用便益分析が含まれます。,

ハイブリッドDSSソリューションには、Excelの機能を活用したスプレッドシート分析の使用が含まれており、オプションの計算、分析、比較、およびwhat-ifシナリオ

手動およびハイブリッドDSSソリューションは比較的遅く、扱いにくいですが、右手には、強力な意思決定支援ツールであり、多くの組織がそれらに依存し,

将来のトレンドを予測するのに役立つDSSソフトウェア

過去に何が起こったのか、なぜ起こったのかを理解することは不可欠ですが、この知識は、非常に安定した予測可能な環境を除いて、将来を予測しようとするときには限られた用途です。 しかし、これはほとんどそうではありません。 幸いなことに、企業やビジネスに影響を与える将来の傾向や変化を確実に予測することを可能にする技術が存在します。, たとえば、これらのツールは、過去のパフォーマンス、外部データと市場からのフィードバック、将来の製品需要の数値、製品の陳腐化とリターンに基づいて予測

これは予測分析と呼ばれ、近い将来に何が起こるかを予測するのに役立つ別のタイプのDSSツールの基礎を形成します。 予測分析では、データマイニング、統計ツール、機械学習アルゴリズムの組み合わせを使用して、特定の事象が発生する可能性を判断します。, 銀行は詐欺を検出するためにこれらの技術を使用し、保険会社はリスクを評価するためにそれらを使用し、乗車会社は需要に基づいてチケット価格

データ駆動型意思決定をサポートするためのDSSモデリング

最も効果的な意思決定支援システムの例は、特定の基準に基づいて最良の決定 このようなシステムは、意思決定プロセスから主観性と偏見を取り除きます。 さらに、彼らは多数の代替シナリオを評価し、最善を特定することができます。,

通常のアプローチは、ビジネスの数学的モデルを開発し、それが意思決定を行い、さまざまなシナリオの結果を決定するために最適化ソフトウェア この手法は規範的な分析に基づいており、非常に強力です。 モデル化されるべき意思決定プロセスだけであることを示唆する人もいますが、組織の完全なモデルを開発することは、汎用性を高め、財務成果の

ルールベースと最適化モデルの二つの最適化手法があります。, ルールベース（ヒューリスティックス）モデルは、保険リスクの評価など、可能な結果を主に事前に決定できる場合にうまく機能します。 一方、最適化モデルはより適応可能であり、より複雑な問題を処理し、複数の制約とトレードオフを処理できます。

ニーズに合った適切なDSSシステムの選択

最も適切なDSSは、組織の成熟度、複雑さ、およびある程度のサイズによって異なります。 小規模な組織では、ハイブリッドシステムで十分です。, 組織が分析を初めて使用する場合は、歴史的なDSSシステムを開始するのに適していますが、取引や商品などの活動に関与するユーザーは、予測的意思決定支援システムの例からより多くの利益を得ることができます。

間違いなく、最大の利点は、ビジネスをモデル化し、収益や収益性などの特定の基準に基づいて最も有利な決定を決定する能力を提供する規範的分析由来の意思決定管理システムを選択することにあります。, 資源およびお金のより大きい投資を伴っている間、そのような解決に予想を超過し、より大きいROIを達成するより大きい確率がある。 さらに、それは意思決定から当て推量を取り、モデルはビジネスを複製するので、このタイプの意思決定支援システムの例は実現可能で合理的なソリューションを提供する可能性が高くなります。