第四篇主題 第十四章：作業支援 第十五章：決策支援

學習目標 了解「決策支援系統」的發展目的與基本功能 認識「決策支援系統」的子系統 認識「決策支援系統」的發展架構 了解「主管資訊系統」的目的與特性 了解「主管資訊系統」的需求與限制 認識「人工智慧」 認識「專家系統」，及其系統的益處與限制

前言 資訊科技在決策支援上的發展 人工智慧(artificial intelligence)的進步使資訊系統可以模擬人類思考與決策程序 著眼於提供各階管理人員一些適用的資訊工具，以提升其在資訊處理與決策制定上的績效 決策支援系統(decision support systems) 主管資訊系統(executive information systems) 人工智慧(artificial intelligence)的進步使資訊系統可以模擬人類思考與決策程序 專家系統(expert systems)

決策的概念(1/2) 決策過程的四階段： 情報：審視環境、蒐集資料、發現與定義問題 設計：建構、分析問題模型；訂定選擇標準；搜尋方案；預測並評估結果 抉擇：模型求解、敏感度分析、選擇方案、行動規劃與控制 實施：實行、監控相關活動

決策的概念(2/2) 決策問題有不同的結構化程度 決策支援系統

決策支援系統 在70年代由Scott Morton提出 一般性的定義 「管理決策系統(management decision systems)」 能幫助決策者利用資料及模型，以解決無結構性問題的互動性電腦系統 後續經驗顯示無結構問題很難透過IS解決 一般性的定義 一個支援人們從事決策活動的電腦資訊系統 各家定義不同，各自從自我觀點檢視DSS的功能、特色或發展技術 隨著技術進步，部分歧異已日漸消弭

決策支援系統的特性

DSS的主要子系統

資料管理子系統 主要功能 存取資料 刪除資料 更新資料 檢索資料 保護資料 共享資料 誤失恢復 最佳存取策略的應用

模型管理子系統 五種組成元素 模型庫(model base) 模型庫管理系統 造模語言(modeling language) 模型目錄(model directory) 模型執行(execution)、整合(integration)與指令(command)

模型管理子系統（續） 對話管理子系統 最佳化模型：線性、存貨、財務、動態規劃、非線性等 非最佳化：預測、迴歸、決策樹、模擬 又稱為用戶介面(user interface)或溝通(communication)子系統 提供決策者與系統間的互動介面，支援其間各方面的溝通活動

知識管理子系統 協助決策者分析複雜的不良結構性問題 以專家系統為基礎 核心是所謂的「知識庫」(knowledge base) 擁有知識管理能力的決策支援系統 智慧型(intelligent)決策支援系統 知識庫(knowledge-based)決策支援系統

決策支援系統發展架構(1/2) 誘導學習：本質上DSS的發展可視為理解決策問題、發掘資訊需求的學習過程

決策支援系統發展架構(2/2)

主管資訊系統的必要性 高階主管的任務、資訊需求、運作方式與中階主管差異頗大 多元形式與來源，如口語溝通、人際管道、雜誌、媒體等非正式、非電腦來源 誤解： 高階主管不需「資訊」與IS，一旦有資訊需求會求助於幕僚 高階主管僅審視資訊，著重對企業內外現狀之理解，不會提供或產生資訊 實情：資訊匱乏或豐富的無用資訊對高階主管助益不大，傳統的IS或DSS不符其需要

主管資訊系統 (1/2) 定義(Rockart & DeLong, 1998) EIS輔助高階主管發掘問題與機會，非分析與衡量方案 一個高階主管資訊系統，是提供高階主管資訊需求的電腦系統。它必須能快速的擷取即時的資料，並能直接的提供管理報表。 這個系統必須易於使用、支援圖形顯示、提供例外報告、以及挖掘(drill down)詳細資料的能力。 必須能輕易的與一些線上資料服務及電子郵件系統連結。 EIS輔助高階主管發掘問題與機會，非分析與衡量方案

主管資訊系統 (2/2) 特性 技術難度不大，關鍵在於如何掌握高階主管真正的需求及表現的形式，例如國營事業EIS 針對個別高階主管設計，提供跨功能的支援 能擷取、篩選、壓縮，以及追蹤關鍵資料 提供線上的現況資料擷取、趨勢分析、例外報告，以及資料挖掘 擷取及整合多樣的內外部資料 友善的介面，能顯示圖形、表格、以及文字；不需幕僚協助，自行直接使用系統 技術難度不大，關鍵在於如何掌握高階主管真正的需求及表現的形式，例如國營事業EIS

推動EIS發展的因素 內部需求壓力 外部需求壓力

人機互動的需求 高階主管資訊系統的對話管理包括 知識庫(knowledge base) 行動語言(action languages) 使用系統所需要的知識 行動語言(action languages) 系統依使用者的意思運作的方式 表示語言(presentation languages) 系統可支援顯示資訊的格式

EIS的技術限制 資料輸入 資料處理 資料輸出 擷取外部資料的困難 資料來源不具備足夠的彈性 固定年度人事成本，比系統開發的人事成本還高 報告形式大多預先設定 系統未提供較複雜的分析工具 資料輸出 資料格式或內容的異動就會造成系統修正 大量彩色及圖文混雜的方式顯示資訊，限制了資訊分享的能力

人工智慧與智慧行為 人工智慧領域希望經由探討人類的智慧行為，在特定領域發展出能展現這樣行為的電腦系統 人類基本智慧行為 從經驗中學習 從矛盾、困惑的情境中理出條理 經由演繹推理得到結論 經由歸納產生對現象的解釋 了解問題情境中相關因素的相對重要性

人工智慧系統的特性 能從事「知識處理」而非僅止於「資訊處理」 能處理符號資料而非僅能處理數值資料 能做非演算法的處理

人工智慧與自然智慧 人工智慧的優點 AI難以企及的自然智慧特點 較為持久 易於複製及移轉 較便宜 決策時具較高的一致性及周延性 可被文件化 系統性應用知識、創新能力、彈性、宏觀 AI的應用通常被限縮在特定專業領域內

專家系統(Expert System) 定義 專注在特定的問題領域(problem domain) 目的 是一種利用人工智慧的技術，能在特定領域的決策制定上，達到或甚至超越人類專家績效的軟體系統 專注在特定的問題領域(problem domain) 目的 經由電腦系統，將專家的知識移轉給非專家的一般使用者

知識工程(Knowledge Engineering) 知識轉移的過程 知識取得 知識驗證 知識表達 知識推論 知識轉移

專家系統的結構

諮詢環境 諮詢環境的主要組成單元 用戶介面 知識庫 工作記憶區 推論引擎(inference engine) 解釋機制 向前推理(forward chaining) 向後推理(backward chaining) 解釋機制

專家系統的推論方式(1/2)

專家系統的推論方式(2/2)

專家系統的益處 增進決策效能 有助於知識、經驗的累積與傳承 增進員工的專業知識以及決策能力 可在有害人類的環境中工作 得以增進其它系統的效能

專家系統限制(1/2) 科技面 現有知識的表達方法在深入推論時的限制 僅能在相當受限的領域中產生較佳的決策績效 缺乏自我學習的能力

專家系統限制(2/2) 知識面 缺乏可擷取知識的專家 決策情境抽象難以表達 專家間意見的不同 專家推論與結論的正確性難以被獨立、客觀地加以檢驗 人類專家配合的誘因 知識工程人員的缺乏