17、利用数据挖掘技术改进决策支持系统

利用数据挖掘技术改进决策支持系统

在当今信息爆炸的时代，决策支持系统（DSS）对于企业和组织的重要性日益凸显。同时，数据挖掘技术的发展为DSS带来了新的活力和可能性。本文将深入探讨决策支持系统的定义、特点，数据挖掘技术在其中的应用，以及如何利用这些技术开发高效的DSS，并通过一个风力发电厂能源生产预测的案例进行详细说明。

决策支持系统的定义与特点

决策支持系统的概念由来已久，其定义随着信息技术的发展以及定义者的视角不同而有所变化。不同学者对DSS给出了不同的定义：
- Moore和Chang将DSS定义为“一个可扩展的系统，能够进行即席分析和决策建模，专注于未来规划，并在非计划和不规则的时间戳使用”。
- Carlson和Sprague认为决策支持系统是“帮助决策者使用数据和模型解决非结构化和半结构化经济问题的交互式系统”。
- Turban在1998年将决策支持系统定义为“一个交互式、灵活且适应性强的系统，专门设计用于支持解决非结构化或半结构化管理问题，旨在改进决策过程。该系统使用数据（内部和外部）和模型，提供简单易用的界面，使决策者能够控制决策过程，并在决策过程的所有阶段提供支持”。

Holsapple和Whinston指出决策支持系统具有五个特点：
1. 包含一个描述决策者所处环境某些方面的知识库。
2. 具备获取和管理描述性知识以及其他类型知识（如程序、规则等）的能力。
3. 能够以定期报告的形式呈现即席知识。
4. 能够选择一部分知识用于查看或推导其他在决策过程中必需的知识。
5. 能够直接与决策者交互，允许选择灵活的解决方案和进行知识管理。

综合上述定义，DSS的一些重