统计与决策论文范例6篇

统计与决策论文范文1

【关键词】决策支持系统 财务分析 五力模型

企业管理思想进步到当下的阶段，很难想象一家没有上马企业资源计划ERP（Enterprise Resource Planning）或SAP（Systems Applications and Products in Data Processing）的公司是如何将物资资源管理（物流）、人力资源管理（人流）、财务资源管理（现金流）、信息资源管理（信息流）等集成一体化，进而推进生产、营销、供应、人力、资金等业务互相融合而顺畅运转的。当今企业在信息化方面面临的问题不是争论ERP的必要性，也不是讨论ERP的可行性，而是纠结于对ERP产生的海量数据如何进行进一步的收集、加工、处理。因为收集的数据多到无法甄别哪些是对决策有效的。

企业建立一套旨在全方位提升管理广度和深度的管理信息系统是必需的：利用统一规划的数据集成，以全面预算为主导，以产品生命周期管理为核心，以资金为主线，整合财务、人事、营销、科研、生产等管理职能，重组优化业务流程，连接信息孤岛，建立关键内部控制点，极大改善组织内部的信息不对称，大幅降低管理成本，有效地防范和控制风险。但是，国内应用现状是大部分企业正在运行的管理信息系统主要功能仍旧停留在处理大量的日常业务流程上，仅实现了中层管理的功能，并未上升到支持决策的高度。本文尝试通过对决策支持系统（Decision Support System，以下简称“DSS”）运行原理、特点和功能的阐述，结合企业实际，充分利用已成熟运行的通用ERP并以此为基础，模拟建立DSS的实施方案。

一、DSS的原理、特点和功能

20世纪70年代中期，美国麻省理工学院的米切尔・S・斯科特（Michael S.Scott）和彼德・G・W・基恩（Peter G.W.Keen）首次提出了“DSS”一词。DSS通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统，为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析辅助决策工具，帮助决策者提高决策水平和质量（张茜，2006）。DSS是管理信息系统（Management Information System，MIS）向更高一级的发展，标志着利用计算机与信息支持决策的研究与应用进入了崭新的阶段，并形成了决策支持系统新学科（王剑东，2003；万林，2008）。

DSS的特点体现在：（1）DSS的交互性表现在通过管理者同系统之间的多次对话，使决策得以完成；（2）DSS解决的问题属于半结构化或非结构化问题；（3）系统具有专门的结构存储和研究备用的模型及方法，提供模型的比较、联结和合成的功能；（4）DSS只是起辅助决策的作用，并不完全取代管理者的判断，应当让管理者处于主动地位；（5）DSS应当便于学习、使用和修改，因而要对用户的需求进行动态性的分析，做到及时完善DSS的各种功能（迟殿委，2008；徐强，2008）。DSS的应用原理体现了决策支持系统本质的演变：DSS初期是利用数据资料（数据库DB） 和模型资源（模型库MB）支持决策，发展到IDSS利用知识资源 （方法库MEB）和模型资源（模型库MB）结合支持决策，再到利用数据资源（数据仓库DW）支持决策。这样，决策支持系统概念就更明确为：针对决策问题，利用决策资源（数据、模型、知识等）（侯少然，2010）进行组合和集成，建立解决方案；通过方案的模型计算、知识推理、多维数据分析以及方案的修改，逐步逼近解决决策问题的系统。

数据资源（数据库与数据仓库）、模型资源和知识资源在网络上都是共享资源。决策支持系统就在于如何有效地利用这些决策资源，针对决策问题，把决策资源有机地组合成解决方案，既可以建立多个方案，又可以修改方案，再通过大量的计算或推理，最终达到支持决策的效果（张胤杰，2009）。DSS所实现的功能主要表现在：（1）管理并随时提供与决策问题有关的组织内部和外部消息；（2）收集、管理并提供各项决策方案执行情况的反馈信息，例如订货单、合同执行进程、物料供应计划的落实情况、生产计划的完成情况等；（3）能以一定的方式存储和管理与决策问题有关的各种数学模型，例如定价模型、库存控制模型与生产调度模型等；（4）能够存储并提供常用的数学方法（张世芳，2006），例如回归分析方法、线性规划、最短路径法等；（5）数据、模型与方法能容易地修改和添加，例如数据模式的变更、模型的连接或修改、算法的修改等（王剑东，2003；孙艳胜，2007）；（6）具有方便的人机对话和图像输出功能，能满足随机的数据查询要求，回答“if…what…”之类的问题（冯罡，2003；孙艳胜，2007）。

二、DSS的总体框架和表现方式

DSS的总体框架是：将来源于不同子系统、不同管理软件的数据收集于数据集成平台或数据仓库，选取各项决策分析主题的关键指标，注入事先建立的数学模型，最终生成可进行人机对话、不断修改决策变量的结果。其系统规划包含以下几个方面：

1.数据来源：可读取多种格式（如Excel、Access、以Tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库 （对应ODBC）中的数据。使用报表管理平台进行所需数据报表的上传收集，财务数据来源于财务核算软件，经营和项目数据来源于合同管理、PDM产品设计、生产作业管理软件等，人力资源数据来源于人员信息、薪酬统计软件等，其他未能进入系统的数据可考虑通过平面文件的形式进行采集。通过数据整合平台建立数据仓库，装载来源于各个系统的数据，包括历史数据的一次性装入、日常发生数据的定时抽取。

2.分析主题：构成决策支持系统的重要分析内容，按照管理者的思维逻辑建立跨流程、跨职能的主题和分析路径，对重要经营管理问题和要素进行深入分析，及时发现影响企业经营和管理的问题所在。考虑初步建立财务主题、营销主题、项目主题、关键指标等几部分。

3.决策模型：决策模型是决策支持系统的重要分析基础，为企业管理者提供辅助决策的科学管理工具，包括成本预算模拟、现金流模拟预测、盈利模拟预测等。

4.门户表示：是专门为企业管理者和决策者设计的观察企业的窗口，提供整个决策支持系统的展示界面，包括智能分析、模拟预测、绩效管理等多种展现形式与门户集成。所需要的输出被显示出来时，进行定型登录，自动将所要的列表、视图和图表显示出来。

三、DSS的财务实施方案

DSS的财务主题部分是本文讨论的重点，其实施方案立足于从时间跨度（年度、季度、月度）、项目类型（研究、开发、制造）、决策深度（作业层、战术层、战略层）等不同维度进行趋势分析、结构分析、因素分析，通过这样一个路径完成由低端财务分析向高端辅助决策支持的过渡。实施方案的对象包括：收入成本分析（收入构成、趋势、预算执行、费用趋势、费用构成等）、利润分析（利润因素、敏感性）、资金分析（资金协调性、贷款、融资成本）和综合评价（经营指标考核、五能力综合评价）。

实施方案必须注入以下因子：分析范围（集团内部关联方、集团外部竞争对手、国外竞争对手等）；分析角度（全周期项目预算、年度财务预算、市场经营预测、人力资源投入等）；分析指标（绝对数、相对数，横向比较、纵向比较）；数据来源；分析周期；分析内容。

四、财务决策模型的导入

决策支持系统财务应用的最终目的聚焦在综合评价，无论是讨论重大项目的取舍还是辅助企业的整体决策，主要包括两部分内容：经营指标考核和五能力综合评价。

目前大部分企业对财务管理软件的使用，依旧停留在账务处理阶段，软件本身对收集的数据不加工、不处理、不分析。如果从最基础的财务指标分析入手进行适当改进，那么对于决策层而言可增强财务数据的可理解性和拓展性，对于财务人员而言可提高操作的可行性，都是受益匪浅的。财务分析包括盈利能力（收益力，总资产报酬率、净资产收益率、主营业务利润率、销售净利润率、成本费用利润率）、偿债能力（安定力，流动比率、速动比率、资产负债率、利息保障倍数、所有者（股东）权益比率）、运营能力（活动力，总资产周转率、固定资产周转率、流动资产周转率、应收账款周转率、存货周转率）、发展能力（成长力，主营业务收入增长率、资本积累率、总资产增长率）和生产能力（生产力，人均主营业务收入、人均净利润、人均资产总额）五部分（即五力），通常以完整、真实、及时的财务数据为起点，借助不同的财务指标进行诠释。大部分企业通过对正在运行的财务管理信息系统进行适当的改进，就足以在完成指标计算的基础上提供简单的财务分析报告。

计算完成后，进一步引入由哈佛大学商学院迈克尔・波特（Michael Porter）于1979年提出的，现今被广泛应用于全球企业竞争战略决策的五力模型，该五力模型对决策层更加清晰、透彻地了解企业的经营业绩和发展前景的帮助是显著的。

综上所述，决策支持系统作为新兴的信息技术，能够为企业提供各类决策信息以及许多商业问题的解决方案，从而减轻了管理者从事低层次信息处理和分析的负担，使得他们专注于更需要决策智慧和行业积累的工作，实现了决策质量和效率的提升（侯少然，2010）。虽然DSS在国内大部分企业的开发与应用依然处于初级阶段，决策本身是复杂的、变化的、综合的，但以ERP为基础对DSS的设计和实现是可行的，成功是可以预见的。

（作者为CPA、会计师、上海财经大学硕士研究生）

参考文献

[1] 高洪深.决策支持系统（DSS）理论与方法（第4版）[M].北京：清华大学出版社，2009.

[2] 潘飞，文东华.实证管理会计研究现状及中国未来的研究方向――基于价值管理视角[J].北京：会计研究，2006（2）.

[3] 陈文伟.决策支持系统及其开发[M].北京：清华大学出版社，2004.

[4] 徐强.企业绿色管理决策影响因素研究[D].大连海事大学硕士论文，2008-03-01.

[5] 冯罡.企业整合管理能力评价和提升[D].北京：沈阳工业大学硕士论文，2003-03-07.

[6] 孙艳胜.基于B超数据心脏病辅助诊断系统[D].长春：吉林大学硕士论文，2007-04-01.

[7] 侯少然.企业物流资源协调优化决策支持系统研究[D].天津大学硕士论文，2010-06-01.

[8] 张茜.公共危机管理系统研究[D].武汉理工大学硕士论文，2006-10-01.

[9] 王剑东.基于C/S结构的备品配件管理系统研究与应用[D].保定：华北电力大学（河北）硕士论文，2003-12-26.

[10] 迟殿委.基于数据挖掘的决策支持系统的研究与实现[D].南昌大学硕士论文，2008-06-30.

[11] 万林.可视化运行决策支持系统在PDA现场校表中的应用研究[D].杭州：浙江大学硕士论文，2008-05-01.

统计与决策论文范文2

关键字：统计学专业；统计软件；教学改革

G642

统计学相关课程的课堂教学模式，一直是教师探讨的重点，以提高教学效率为主采取一系列新的教学方式。激发学生主观学习思维，面对统计学中各个知识点能够通过借助统计软件平台，有效促进自我学习能力，达到教学的真正目的。

一、《统计预测与决策》课程设置及教学问题

决策是经济研究及管理中的关键要素，而预测又是决策的一大前提。《统计预测与决策》这门课程对于研究经济及管理至关重要，做为统计学专业的必修课程，重视学生的综合性培养。使得学生在面对社会经济问题时，能够快速建立统计思维模式，具有实践意义。

而如今教学面临诸多困难，很多学生在接受《统计预测与决策》课程知识时，感到学习吃力。导致这一因素的原因有很多，首先有些学生没有足够的相关知识基础，当课程要求理论和实践结合时，会有些力不从心。另外，《统计预测与决策》安排的课时较少，使得学生不能保证足够时间的深入学习。最后就学生本身而言，其对于相关课程缺乏学习的兴趣，影响教学质量。

就《统计预测与决策》这门学科来看，其知识内容涵盖的很广，不仅包括数学、统计学还有经济学，不容易被学生理解。复杂多向的学科，需要重视基础理论的坚实教学，另外为培养综合性素质人才，兼顾统计学专业学生在面对经济管理问题时，合理运用统计预测与决策方法进行问题的解决。全面培养学生问题的处理能力，在教学改革中一直具有一定的研究意义。

二、探索教学改革新模式

对于统计预测与决策教学改革，深入分析相关模式的应用，在教学中探索课程教育的最大价值。面对教学改革带来的挑战，实施科学有利的教学方法，是提高统计学教学质量的前提。

1.经典案例教学法

为了提高学生的学习兴趣，在教学中使用之前发生过的生活中一些经典的案例，可以利用时下最热的事点引入课堂知识教育，提高经济或管理领域学生主动学习的心态。学生通过案例进行自我分析，发现其中的问题并参与到问题的解决中，可以提高学生的自信心。结合统计学专业知识培养学生的个性化发展，提高《统计预测与决策》课程的实践性。

2.实验教学辅助法

理论是实验教学的前提，而实践教学会更有效地提高学生的学习能力。为了加深学生对《统计预测与决策》课程理论知识的彻底掌握，根据课改要求在课程教学中，为学生提供更多的上机机会，在实验课上学生一人一机，通过自己收集或教师给定的经济数据，进行自作分析统计相关计量结果。结合统计软件的应用，熟练掌握课堂知识并进行训练。提高学生思维能力，在实验中发现易错的环节，并及时改正。问题的发生是学习的开始，加深薄弱环节的处理，教师辅助完成任务，巩固学生理论知识的运用，加深理论印象的同时激发学生主动学习的热情。

3.任务驱动法

让学生参与到课程的学习中是提高教学效率的重点，教师通过指定一些学习任务对学生产生“驱动”作用。通过一些客观存在的经济问题，引发学生自我思考的能力，激发学生运用其自身思维方式寻找答案，在实践中发挥理论价值。从实际出发，学生对问题展开分工、整理、方案实施等过程，经过对实际问题的自我处理，主动的参与到课程的教学过程中。在整个过程中形成自我处理问题的能力，相关知识理论的掌握也水到渠成。

三、借助统计软件实训平台实施教学改革

1.件实训目的

为了更进一步促进学生对统计学数据的处理能力，考虑通过统计软件实训平台，提高学生对《统计预测与决策》课程知识的加强巩固。通过统计软件实训培养学生发现问题、解决问题的基本能力，提高最理论知识的加深认识，建立自我解决问题的思维方式，为学生面对实际问题时可以快速进行分析处理，在经济或管理中得到更大价值的应用。

2.统计软件实训的现状

统计软件数据文件的建立与编辑，经济系统的多元线性回归分析，经济系统的聚类分析，统计质量控制图。以上是统计软件实训的四个主要内容安排，配合课程需要将理论与实训紧密结合，是当下统计学教育的专业建设需求。

3.统计软件实训平台教学时间安排

根据《统计预测与决策》课程的具体安排，进行统计软件实训。教师需要详细记录课时信息及进度，按照具体教学模块安排软件实训，使得学生紧密结合理论的同时借助统计软件实训平台，有效强化预测与决策的综合能力。统计软件实训平台会根据学生不同学习程度，有效推动学生的学习主动性。

4.统计软件实训成绩考核

应该将统计软件实训的考核成绩设置入整体课程考核中，重视软件实训在课程中的应用。将课时实训与理论紧密结合，“趁热打铁”可以巩固《统计预测与决策》课程知识点，有利于提高学生更全面、扎实的学习功底。激发学生对统计学的概念性理解，面对生活中的问题可以快速进行处理。

四、统计软件实训平台在教学中的改进

1.实训平台形式选择

教师应该考虑根据学生们在实训中的一些意见或实训报告，在实训中使用更容易符合学生需求的实训形式。其中验证性形式和综合实训形式，是课堂实训重点采用的实训形式。操作性较强、独立性较强的内容一般适合验证性试验。在系统上更具优势的综合性实训形式，与前者相得益彰，教师根据课时结合实训形式，有效提高教学质量。在实训中通过统计软件实训平台，了解学生对知识掌握的程度，适时调整实训形式保证统计软件的高效进行。

2.实训时间的安排

由于《统计预测与决策》课程具有复杂性和实践性这些特点，对于软件实训的时间安排，应该考虑适当增加。学生在足够的时间里可以继续探索相关领域的扩展性知识，提高学生具体分析能力，培养综合素质的提升。通过统计软件实训平台的进一步延伸，学生快速适应实训环境，体现课程教学改革发展的正确方向。

五、结束语

将统计软件实训做为改革任务，实现统计学下课程教育的有效性，丰富了学生的认识和思想范围。充分改革教学模式，激发学生对《统计预测与决策》课程学习的兴趣感，主动参与到课程问题探索，发挥课程学习的最大价值。经过调查发现，通过统计软件实训平台介入教学，优化了教学模式，帮助学生在实际中培养逻辑思维、统计分析、解决问题等综合能力。

参考文献：

[1]王桂梅.浅谈计算机实训室建设和管理[J].软件.2014（03）.

[2]廖伟文.高校计算机实训室管理模式的应用研究[J].经营管理者.2016（11）.

统计与决策论文范文3

关键词：决策支持系统；人件；人件服务；软件服务

一、 引言

随着决策理论与方法研究的推进，计算机科学与信息技术的飞速发展，为满足决策者决策需求内涵的丰富与提升，一种重要的决策支持工具――决策支持系统（Decision Support System，DSS）应运而生。1971年，Scott Morton和Gorry首次提出DSS的概念以支持半结构化和非结构化决策。DSS是在MIS和基于模型的信息系统基础上发展起来的可形式化、可模型化的、层次较高的信息系统，追求的目标是有效性。自从DSS的概念被提出以来，研究者和实践家们一直在努力构建更合理、更完善的系统体系。

二、 决策支持系统

1. DSS概念体系。

（1）理论基础与实现依据。DSS的理论研究及实践开发和很多学科（领域）的知识有关，其理论框架涉及到计算机科学、信息科学、管理科学、决策科学、行为科学等领域。它不断吸收其他学科的知识并遵循其自身结构与功能特征的发展规律以完善其理论体系。

DSS支持全部决策过程，不同的研究者对决策过程模型有不同的认知和表述。DSS的研究者在很大程度上受到Simon决策过程模型的影响。它不仅用来解释决策过程，还是DSS实现的理论依据，且被很多研究者作为区分DSS和其他信息系统（如MIS、ES等）的标志。

（2）定义。自DSS的概念提出后，很多专家与学者（如Keen，Little，Alter，Moore，Bonczek & Tuban）等对DSS的定义进行了不断扩充与完善。

在军事指挥决策领域，DSS往往被称为辅助决策系统，但“决策支持辅助系统”和“辅助决策支持系统”都是不严谨的名称，因“支持”和“辅助”内涵相近。DSS的术语是内容自由的表述，不同时期、不同领域、采用不同技术的人对其有不同的理解。DSS广义的理解是指用来描述任何支持决策过程的人机系统，狭义的理解是指一种特定的技术。随着相关理论和技术的发展，DSS的概念内涵和外延都在不断丰富与发展之中，但理解DSS的实质需根据系统结构及其所决定的系统关键特征和功能。

因此，没有一个广为人们接受的统一的DSS定义，这也为该领域的发展留有待扩充空间，但不能忽视DSS的目的是支持和改进决策过程。

（3）基本结构。传统DSS基本结构总的来说分为两大类：一类是以Sprague两库结构为基础的“三部件”结构，它由数据部件、模型部件和对话部件组成，如图1所示；另一类是Bonczek（1981）提出的基于知识的“三系统”体系结构，它由语言子系统、问题处理子系统和知识子系统组成，如图2所示。它们分别从不同的角度揭示了DSS的内部结构和功能模块特征，都对后来DSS的结构扩充产生了很大的影响。

（4）关键特征和功能。因DSS没有统一的、广为接受的定义，故DSS的标准特征和功能也没有统一的描述。但理想中的DSS的关键特征和功能如图3所示。

（5）分类。在DSS的演化进程中，不同时期的不同研究者从不同视角、不同层次对DSS作了不同的分类。比较有代表性的是：Donovan，Madnick（1977）按能否支持重复决策，把DSS分为惯例DSS和临时性DSS；Arnott，Pervan（2005）按DSS的应用范围和技术特点，分为个人DSS，GDSS，谈判DSS，IDSS，基于知识管理的DSS，BI和DB。

在学术界广为接受的是Power（2007）按驱动方式将DSS分为模型驱动型DSS、数据驱动型DSS、通信驱动型DSS、文本驱动型DSS、知识驱动型DSS和基于Web的DSS等类型。近年来，基于数据仓库（Data Warehouse，DW）、联机在线分析（On-Line Analytical Process，OLAP）和数据挖掘（Data Mining，DM）的商业智能技术得到了迅速发展，再加上Microsoft、Oracle、IBM等数据库厂商的大力开发与支持，使得数据驱动的DSS相对于模型驱动的DSS具有更高的标准化程度和产品成熟度。

2. 系统分析和设计方法。DSS的系统分析和EDPS、MIS等不同，主要应符合决策者对决策过程的认知、满足DSS的设计规范和提升DSS的系统效能等方面。对DSS的系统分析通常采用一种称之为ROMC的方法，即表述（Representation）、操作（Operation）、记忆辅助（Memory aid）和控制机构（Control Mechanism）等，其主要特征是过程独立、依赖表达式但方法本身并没有提供实现DSS结构的具体技术。

DSS的设计可采用结构化系统开发方法、层次模型法、面向对象法等。每种方法的着眼点不同，选择系统设计方法时，需综合考虑开发人员的知识结构、决策问题的结构与特征、系统的可维护性等因素。

3. 应用。在已投入使用的信息系统中均有DSS成功应用于经济、管理、军事等领域的实例，这大大提高了决策的科学性。目前，许多全球著名的软件供应商，如CA、IBM、Oracle、NCR、Informix、SAS等都提供支持DSS研发的各种工具。

在国内，从事DSS研究的单位主要有中科院、南京大学、国防科大、中南大学等，它们已取得了很多理论研究与实践应用成果。目前，国内DSS的应用主要体现在大型互联电网、高等教育评估、军队指挥自动化、应急管理、物流管理等领域，其应用范畴仍在不断扩展之中。

三、 演化进程

自DSS概念提出以来，在人工智能、数据库、模型库、知识管理、联机分析、语义Web服务等新技术的不断推动以及对决策理论与方法的深入研究，DSS呈现出了以不同技术为主要表征的多种形态并已经取得了一系列重要的进展，如：对DSS定义和基本框架的拓展和改进、面向组织和团队的群体决策支持系统（Group Decision Support System，GDSS）、商业智能（Business Intelligence，BI）技术、决策支持中心（Decision Support Center，DSC）、综合性决策支持系统（Intelligent，Interactive and Integrated DSS，I3DSS）、智能决策支持系统（Intelligent Decision Support System，IDSS）以及基于网络技术而发展的分布式决策支持系统（Distributed Decision Support System，DDSS）等，目前DSS的研究主要集中在应用层面，其演化进程总结如下。

20世纪60年代：DSS的研究主要体现在Scott Morto的管理决策支持，卡内基梅隆大学（CMU）的组织决策理论研究，麻省理工学院（MIT）的有关交互式在线分析处理系统的技术研究，决策支持理论发展等方面。系统的主要特征是将交互式技术应用于管理任务。

20世纪70年代：Scott Morton和Gorry（1971）提出DSS的概念；1971年~1976年，研究主要集中在交互式的计算机系统，后把模型融入DSS；Keen和Scott Morton（1978）把DSS的应用范围限定在对半结构化管理决策的支持；这阶段具有代表性的是BrandAid，Alter，Holsapple等的研究。70年代中后期，系统主要注重有效性，而不是效率。

20世纪80年代：Sprague（1980）提出DSS的“三部件”结构，后又增加了知识库和方法库；Bonczek（1980）等提出DSS的“三系统”结构；1981年首届DSS国际会议在亚特兰大举办；1980年出现了GDSS的概念；Owen（1985）等人提出了DSC的概念；Kersten（1985）年开发支持谈判的决策支持系统NEGO；1989年出现的群件Lotus Notes；Kraemer和King（1989）提出的协同决策系统CDSS。人工神经元网络及机器学习等技术的研究与应用为知识的学习与获取提供了新途径，如专家系统和DSS结合形成IDSS。这阶段有代表性的是：DSS书籍；群决策支持系统原型；基于计算机的专家系统等。20世纪80年代中后期，注重系统的柔性及应用性。1990年以前，DSS大多是模型驱动的。

20世纪90年代：1990年后，Bill Inmon和Ralph Kimball积极推崇使用关系数据库技术建立数据驱动的DSS；1994年，开始把OLAP功能集成到数据库中；1995年，数据仓库和World Wide Web开始影响决策支持技术的发展，基于Web的DSS变得切实可行；Gartner Group（1996），提出BI的概念。随着网络、新一代数据库、多媒体、仿真和虚拟现实等技术的发展，DSS的研究主要集中在商业智能/联机在线分析、数据仓库、基于Web服务的系统/门户网站、数据挖掘等方面。系统的主要特征是网络化、应用性、数据驱动。

21世纪至今：系统研究注重应用、注重集成及融入人的高级思维，出现了面向服务的体系结构（Service-Oriented Architecture，SOA）的一体化系统形态。重视计算机与人的知识的相互融合及有效管理，强调DSS与人的交互。特别是近几年来，开始关注触控界面技术。系统的主要特征是友好交互、个性化、智能化、集成化。

DSS名称的扩展反映了决策支持技术的进步和决策者需求内涵的提升，几种主要的DSS形态的特征对比如表1所示。

每一种系统形态都有其独特的运用范围，即所求解的决策问题都有一定的边界。当然，无论是哪种形态的DSS，都需经过系统调查、可行性论证、系统规划、系统分析、系统设计、系统实施和系统评价等各阶段。

四、 面临的问题

目前，物联网、云计算、网络超算、无线传感、语义Web等新技术的出现和现有决策支持技术的发展，对个人、组织和社会的影响与日俱增。现有的DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入困境，这引起了我们的反思，DSS的决策支持效能为什么多年来没能提上去？

传统DSS是进行决策任务求解的重要支持工具，主要具备基于逻辑和符号推理的理性决策能力。在实践中常面临以下问题：

（1）知识提取困难。信息是决策的基础，海量（多维）信息、不完备信息，并有信息孤岛的存在，如何从这些信息中提取所需知识成为严重影响DSS系统效能的因素。

（2）处理半结构化和非结构化决策问题的能力较弱。目前，已经应用于实践的DSS大部分是模型或数据驱动的，面对结构化和非结构化的问题缺乏有效的解决途径。

（3）忽视了人的参与作用。传统DSS的发展重心在技术，主要依靠数据和模型从决策技术层面支持人的决策，忽略了不能完全模型化（定量化）的非技术因素（人的认知），人只是系统的“看客”，而单纯考虑技术因素往往让决策者认为技术不符合决策需求，作为非技术因素的人又是决策系统的一个重要组件，其参与作用如何才能被刻画出来且无缝融入系统并获得决策者的认可。

这些存在的问题严重影响了DSS的使用价值和用户的使用热情，以致DSS的进展不大，但这也是一种挑战和推动力。因此，如何突破现有DSS的体系架构以提供快速决策和满足决策者真实需求的复杂的、个性化的决策服务也就成为了研究焦点。

五、 发展趋势

进入20世纪90年代以来，人工智能（包括遗传算法、模糊逻辑和智能等），数据库技术，Web Service，特别是一些专用技术如网格计算、人机交互、移动计算和启发式搜索的算法等技术的发展，为DSS的发展提供了强大的技术支撑，扩展了系统辅助决策的深度与广度。其发展趋势主要有：

1. 注重基于认知特征的人机交互技术。系统通过人机交互技术支持决策过程，为决策过程中超越其认知极限的问题处理提供适用技术手段。近年来，基于知识的人机交互技术是目前DSS研究的主要方向。随着信息技术的发展，人机交互技术的研究也从简单的菜单驱动和多媒体界面发展到智能化、多模态（通道）界面，除了传统的键盘输入、触摸屏等接触式操控模式外，还允许语言、手势、视觉（眼动仪）等多种非接触式操控模式。

2. 注重人的高级思维的参与，从技术和非技术角度重建系统架构。目前，人类对信息处理规律的研究与探索已经渗透到认知领域，但人的认知特征并没有体现在传统DSS系统设计与操作过程中。我们认为，需从技术与非技术的角度考虑DSS的体系结构。将人的高级思维嵌入到非结构化决策问题求解之中以实现人机智能的协同与融合，以期系统在可信度、可行性、适应性、敏捷性等方面都会有所提高。当然，这势必会引起新型决策系统架构的改变，也会带来一系列需要解决的关键技术。譬如，如何将人件（参与决策活动的人）和软件网络赋能为人件服务和软件服务，并纳入系统进行统一管理、调度及使能驱动等。

3. 注重各种相关技术的集成应用。未来的DSS将是综合集成的，是一个集各种决策支持技术于一身的多功能系统。它把专家群体、决策者、统计数据和信息资料与计算机软件系统等有机结合起来，构成一个操作便利、快捷、流畅、更能反映决策者高级思维的新型决策系统，具有感性与理性、定性与定量的综合功能。特别是将语义Web服务、认知科学与未来DSS的设计与开发相结合，已引起国内一些科研院所（校）的重视，并开展了一些基础性研究工作，但仍有很多理论问题和技术实现难点有待深入研究。

4. 注重系统的智能化。随着人工智能技术的不断发展，人工智能技术在DSS中的应用己经相当广泛。大体可分为两类：一类是用人工智能技术去实现DSS的模型管理、模型选择等；另一类则是利用人工智能的知识表达和推理能力直接为决策问题提供支持。如使用专家系统可提升DSS的模型和数据管理；神经计算系统或GSS能够支持专家系统的知识获取过程；智能技术能实现不同任务的自动化，最终代替人执行许多日常事务等。

六、 总结

阐述了DSS的产生背景、概念体系、系统分析和设计方法、应用等方面，总结了DSS的演化发展历程。针对现有的DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入“困境”，反思了为何多年来DSS的系统效能提不上去的原因，并分析了DSS进一步的发展趋势。

参考文献：

1. 吴奎.基于面向服务架构的辅助决策开发平台若干关键技术研究.南京：南京理工大学博士学位论文，2010.

2. 白晓民，张伯明.大型互联电网在线运行可靠性评估、预警和决策支持系统.北京：清华大学出版社，2010.

3. 瞿斌.高等教育评估决策支持系统.北京：中国水利水电出版社，2011.

4. 李照顺，宋祥斌等.决策支持系统及其军事应用.北京：国防工业出版社，2011.

5. 吴健宏，翁文国.应急避难场所的选址决策支持系统.清华大学学报（自然科学版），2011，51（5）：632-636.

6. 王富忠，沈祖志.物流敏捷调运决策支持系统的研究.中国管理科学，2011，19（1）：84-90.

7. 黄孝鹏，周献中，田卫萍.基于人件服务的人机协同决策系统有关问题研究.第三届C4ISR技术论坛，2011，（11）.

8. 黄孝鹏，周献中，杨佩，萧毅鸿.基于人件服务的新型决策系统关键技术研究.计算机应用与软件，2012，29（2）：19-21，66.

基金项目：国家自然科学基金（项目号：71171107）；总装重点预研基金（项目号：9140A06040510BQ***）；江苏省普通高校研究生科研创新计划（项目号：CXZZ11_0054）。

统计与决策论文范文4

中文核心期刊(2008) 

中文核心期刊(2004) 

中文核心期刊(2000) 

中文核心期刊(1996) 

中文核心期刊(1992)

    2004年《统计与决策》杂志第四次入选了全国中文统计类核心期刊，又被全国高校中极具权威的“中文社会科学引文（cssci）”中心评定为核心期刊，《统计与决策》不仅连续入选北大核心目录，还被众多重点院校评为权威期刊，其学术性得到了广大学者的承认，根据新闻出版总署的《期刊出版管理规定》和教育部中文社会科学引文索引（cssci）指导委员会第六次会议精神，本刊从2007年10月出版的杂志开始，规范刊期和版本标注，恢复刊期标注为连续出版刊期标注。下半月不再标注“理论版”字样，即今年10月上半月出版期为2007年第19期，10月下半月为2007年第20期，以此延续类推。上半月刊从今年10月起的排版方式改为原“理论版”的排版方式。本刊仍属全国中文核心期刊，cssci来源期刊，其学术理论方面的影响在全国统计系统和高校中不断扩大，地位也得到了很大提升。

本刊所设栏目

统计与决策论文范文5

【关键词】 AHP； DEA； 灰色关联分析； 理想解法； 农超对接；

1 前言

决策是人们在经济、政治、技术和日常生活中普遍存在的一种行为，它是为了实现特定的目标，根据客观的可能性，在一定信息和经验的基础上，借助一定的工具、方法和技巧，对影响目标实现的各种因素进行分析、计算和判断选优后，对未来行动作出决定。一般情况下决策指的是多准则决策，它包括多目标决策和多属性决策。解决多属性决策一般涉及三方面内容，各指标的权重的确定，决策矩阵的规范化和方案的优劣排序。

主要方法包括在确定指标权重的过程中，本文介绍了层次分析法。层次分析法是一种结合主观和客观的方法，该方法要将层次内各项指标进行单排序和不同层次间各项指标的总排序，决策者在指标的基础上，比较它们的重要程度，构成判断矩阵，计算出特征向量和最大特征值，并进行一致性检验。当判断的数据很多时，决策者很难准确的进行判断，甚至不能通过一致性检验，需要进行不断地调整各项指标重要程度的比值，这样也影响了判断的效果。简解数据包络法因此便提出改进权重测定层次分析法的方案，它克服了在属性间比较过程中难以判断的问题，节省计算量，不需要进行一致性检验。通过AHP和改进权重确定方案的AHP比较，也证实了改进权重确定方案的可行性。

利用层次分析法可以对具有多属性的决策目标进行排序，然而层次分析法主观性很强，为了解决层次分析法是过于主观的问题，本文对层次分析法与其他方法进行结合，达到既能满足决策者的主观偏好，又能得到客观的评价目标。

对于多属性决策问题，在进行综合排序之前，必须消除属性的量纲，属性类型和数量级对决策的影响，利用一定的方法把量纲与不同性质的属性值转化为综合处理的“量化值”，通常把属性值变换到[0，1]范围内。本文通过数据包络法，经过搜集各指标下的输入输出数据，得出每个方案在指标下的效率值，得出决策矩阵。

随着现代农业产业化的发展，农超对接模式也在不断发展，本文以农超对接模式为案例进行研究，希望通过有效的绩效评价体系的建立，对应用农超对接模式企业的运营能力进行评价，能够为企业提出更好的改善措施和建议。

2 AHP评价方法

层次分析法（analytic hierarchy process， AHP法）是美国运筹学家沙旦（T. L. saaty）于20世纪70年代提出，是多目标决策分分析方法，定性与定量分析相结合的方法，该方法中，评价者首先将复杂的问题分成若干要素，然后将这些要素按照支配的关系形成层次结构模型，然后通过对比确定层次中各要素的相对权重，最后结合权重计算各要素的综合评价值，并根据综合评价进行决策判断。AHP法体现了人们在决策判断的过程中进行分解判断和综合的特点，由于层次分析法能够统一解决定性与定量结合得问题，因此具有系统性、简洁性和实用性的优点，尤其是将决策者的经验判断予以量化，对于目标结构特别复杂而且缺乏必要数据的情况下更为实用，近年来在我国的实际应用得到了迅速的发展。

2.1AHP法基本原理和步骤

2.1.1AHP法原理

面对比较复杂的决策问题，首先要对所涉及的问题进行分类，然后构建出各种要素相互关联的层次结构模型。因素可分为三类，包括目标类、准则类和措施类。在递阶层次结构模型中总体可分为三层，最高层作为目标层唯一要素，表示评价的目标和理想结果；中间层为准则层，包括二级准则层和三、四级子准则层，层次要素用来衡量目标能否实现的标准；最低层也称方案层或者措施层，表示实现目标的方案、方法和手段等。要构造好各类问题的层次模型结构图，是一件非常细致的分析工作，要有一定的判断和分析的经验，确定好各层要素的相对权重，才能够得出措施层中各类方案的相对权重，据此判断出各方案的优劣次序，供决策者进行更好的选择。

有矩阵理论可以看出，n为特征值，W为特征向量。当W为不可知时，可以根据决策者的主观判断，得到两两物体间的比值，进而得到各物体间的相对权重。然而决策者采用两两比较时，往往不可能做到判断的完全一致性，存在一定程度的比较误差，这必然会导致特征值和特征向量的误差。

2.1.2 构建判断矩阵

当层次结构模型建立以后，层次之间的隶属和支配关系已经确定，为了判断出层次中因素的重要性，就需要进行彼此之间的相互比较，并引入判断的标尺并予以量化，构造出判断矩阵。根据心理学家研究得出了结论：人们区分信息等级的极限能力为7。为了使各因素进行两两比较时得到量化的判断矩阵，将按照1～9比例标度进行赋值。用近似计算法判断出矩阵的最大特征值与特征向量。

2.1.3 计算方法

通过决策者比较得出判断矩阵后，应相继求出矩阵的最大特征值和特征向量，一般的讲，在层次分析法中，并不需要特别强的精度，所以可以用近似法来进行计算。常用的方法有方根法、和积法与幂法等方法，在这里主要介绍和积法。

2 建立加权灰色关联理想解法

2.1 灰色关联分析基本原理

灰色关联分析指的是对一个系统发展变化态势的定量描述和比较的方法，它通过确定参考数据列和相关比较数据列的几何形状相似程度来判断之间联系的紧密程度，它反映了曲线间的关联程度。

1982年我国著名教授邓聚龙发表首篇中文论文《灰色控制系统》标志着灰色系统这一学科的诞生。1985年灰色系统研究会成立，标志着灰色系统相关研究的飞速发展。1989年海洋出版社出版了英文版《灰色系统论文集》，同年，国际刊物《灰色系统》杂志正式创刊。目前，大概有200多种期刊发表灰色系统论文，很多国际会议把灰色系统列为讨论专题。国际著名检索已检索500多我国学者的灰色系统论著。灰色系统理论应用范围涉及到工业、经济、社会、能源、农业、石油、地质等众多科学领域，成功解决了生活、生产和科学研究中大量的实际问题，并取得了较好的成果。

2.2 理想解法基本原理

1981年Hwang与Yoon提出了理想解法（Technique for Order Preference by Sinilarity to Ideal Solution， TOPSIS），它是一种有效的多属性决策方法，根据接近理想解的程度进行排序。该方法通过构造决策问题的理想解和负理想解，并根据决策方案的属性值靠近理想解和远离负理想解的两个基准作为评价依据。

其中，理想方案就是设想中最期待的方案，它的每个属性值都达到所有备选方案中的最优值。负理想方案便是最不期望的结果，它的每个属性值是所有备选方案各个属性下的最差值。通过结合比较备选方案离理性方案和负理想方案的距x，对方案进行优劣排序。所以最优方案是离负理想最远离理想方案最近的方案。

但是，进行决策判断时，经常会遇到一些方案，它们是离理想方案最近但离负理想方案并不是最远的。于是便融合了称为方案的相对贴近度函数，根据方案的贴近度对备选方案进行择优排序。

2.3 加权灰色关联理想解法的建立

在传统灰色关联分析过程中，先计算出备选方案与理想方案的关联系数，再根据算术平均法计算关联度。但是，一般情况下各指标的重要性程度是不同的，必须考虑到它们的权重大小。本文则根据加权关联分析（weighted grey correlation analysis， WGCA）来确定关联度，对传统的关联分析有所改进。

理想解法是基于数据样本本身，具有很大程度的客观性，但是在多属性决策过程中统计数据往往是有限的，再加上人为因素会导致数据波动较大，直接用进行数据分析很难保证决策结果的正确性。而灰色关联分析方法具有原理简单，运算方便，所需数据少和易于挖掘数据规律等优点，将理想解法和灰色关联分析结合起来，在有限信息的情况下，首先进行灰色关联分析，挖掘数据内在的规律，然后结合理性解法对方案进行排序。

本文根据层次分析法或改进权重方案的层次分析法对指标因素进行赋权，然后结合 指标权重和灰色关联系数矩阵确定关联度，建立加权灰色关联理想解法。灰色关联理想解法中，首先确定决策方案与评价指标，利用层次分析法或改进权重确定方案的层次分析法确定指标的权重。然后根据数据包络分析法对方案在各指标下进行绩效分析，产生效率矩阵，确定理想方案与负理想方案，再应用灰色关联分析法，构造出备选方案与理想方案与负理想方案的灰色关联系数矩阵，并利用加权确定出灰色关联度，最后算出贴近度对方案进行择优排序。

3算例分析

3.1 农超对接

农超对接是一种对农产品实现超市、合作社和生产基地建立无缝化衔接的流通模式，由农户与商家签订协议然后向超市直供鲜活农产品的新型农产品物流方式。随着农业产业化的发展，优质农产品需要寻求更为广阔的市场，很多地方开展鲜活农产品“农超对接”试点，积极探索鲜活农产品“农超对接”的有效途径和措施，此模式对农产品流通费用的降低和农民收入的提高具有很大的作用，对建立现代农产品物流体制与促进城乡统筹发展有重要的理论和实践意义。目前“农超对接”的主要环节是超市、专业合作社和农户，因此超市为合作社与农户的主要对接对象。

判断农超对接模式是否完美的完成了预定目标，及完成的情况、取得的收益水平和付出的代价，要进行农超对接绩效评价。随着信息技术的不断发展，及时性的反馈信息显得尤为重要，因此农超对接模式的绩效评价对农产品供应链的发展至关重要，只要能通过有效的评价方法找出农超模式的优势与不足，就能够更合理的制定今后的战略目标和战略措施。评价过程中构建指标体系的方法和角度有很多，本文按照农超对接的业务流程，建立了采购和配送指标、仓储指标，流通加工指标和发展潜力指标四个指标，并在各指标中选取部分子指标以建立农超对接的绩效评价体系。

3.2绩效评价

3.2.1AHP方法的对比

在本文中介绍了层次分析法与改进权重确定方案的层次分析法，通过确定权重系数对各个指标进行中要素排序。层次分析法计算比较繁琐，检验一致性的时候有时需要多次调整才能通过检验，而改进权重确定方案的层次分析法相对简单，它用0和1进行标度，只需弄清两两物体的相对重要性即可，不用进行复杂的重要性程度判断，不需要验证一致性。在此我们通过农超对接的案例来表示结论的可行性。

3.2农超对接绩效评价

农超对接四项指标相对绩效评价的相对权重得出后，需要对决策单元进行DEA效率评价，这样才能对各个决策单元进行绩效评价总排序。经过对调查报告的搜集，本文对某地区8家大型连锁超市和中型便利超市展开调查，对它们的四项指标进行了了解，对考察结果的输入输出进行构造，按照数据包络法中输入指标越小越好，输出指标越大越好的原则，最终得到8家待评价超市的输入输出数据。

依次对8家超市的4个二层指标下的输入输出数据采用DEAP软件进行分析，得到各决策单元相对二层指标的效率值，构成决策矩阵。

4 结论

在现实生活中，企业或者个人都会遇到各种各样简单或复杂的问题，如何正确的处理决策问题关系到企业的发展和个人的成败，其中最重要的是选择正确合理的决策方法。开展决策分析理论方法的应用研究，对指导复杂的决策活动和发展科学的决策体系具有重要的意义。

在实际决策的过程中，面临的决策问题往往比较复杂，很难完全用数学模型进行精确刻画，即使建立精确的数学模型，其求解和分析的过程也可能很难进行，尤其是在统计数据有限的情况下。因此灰色系统理论得到了很好地应用，特别是灰色关联分析法能够有效的解决这种情况。传统的灰色关联分析法没有考虑指标的权重差异来确定关联度，进行分析的过程中要进行加权处理。

决策问题往往有很多复杂性和不确定性，凭借一种方法很难有效的解决现实问题，因此人们会提出很多方法结合的思想，更好的解决现实中的问题。本文根据AHP法或者使用改进权重确定方案的AHP法来确定多属性决策问题中各指标的权重，然后根据数据包络法得到各指标下方案的绩效值，得到决策矩阵，解决了属性量纲不统一的问题。然后提出理想解法与加权灰色关联分析相结合的思想，建立加权灰色关联理想解法，以关联度替代欧氏距离，计算灰色关联相对贴近度，根据贴近度对方案进行优劣排序。最后结合农超对接模式的例子，确定该方法的可行性。

本文在指巳ㄖ胤治龉程中，利用层次分析法，体现了决策者偏好的优点，同时提出改进权重确定方案的层次分析法，当使用1-9标度无法通过一致性检验时，为了解决难以精确判的问题，可使用0-1标度法，不再需一致性检验，不足之处是所确定的权重比较粗略，不能精确的得出指标间相对权重的大小。在确定决策矩阵时，使用数据包络法计算二层指标下企业运营的相对效率值，避免了判断的主观倾向，显示出数据包络的客观性和科学性。通过主观和客观数据的结合，既考虑到了决策者的偏好又具有客观数据的科学性，具有主客观分析的优势。一些利用灰色关联分析对传统理想解法的改进方法中，采用算术平均法确定关联度，忽略了指标权重的差异，因而采用指标权重和灰色关联系数矩阵进行加权确定灰色关联度，建立了加权灰色关联理想解法，丰富和完善了在有限信息下的多属性决策方法。

参考文献

[1] 吴泽宁，张文鸽，管新建.AHP中判断矩阵一致性检验和修正的统计方法.系统工程，2002，20，（3）：67-71

[2] 常丹，王金银.改进AHP主观性的DEA/AHO新模型[J].价值工程，2004，（9）：32-34.

[3] 汪浩，马达 层次分析标度评价与新标度方法[J].系统工程，1993，13（5）：24-26

统计与决策论文范文6

关键词：信息管理与信息系统；课程教学；研究性案例；信息分析与决策支持

作者简介：唐晶磊（1974-），女，河北邢台人，西北农林科技大学信息工程学院，副教授；韩宏（1965-），男，陕西武功人，西北农林科技大学信息工程学院，副教授。（陕西 杨凌 712100）

基金项目：本文系西北农林科技大学校级教改重点资助项目（项目编号：JY1101009）的研究成果。

中图分类号：G642.0 文献标识码：A 文章编号：1007-0079（2013）17-0069-02

信息管理与信息系统（以下简称信管）专业的培养目标强调将管理学、经济学的理论基础和计算机科学与技术相结合，突出三者相互交叉渗透的特色[1]，以培养实用型和复合型高级人才为目标，使学生能系统掌握现代化信息技术手段和方法，具有综合运用所学信息技术、经济和管理等知识解决问题的能力，以便在企事业单位、各级管理部门、科研单位和教育等部门从事信息化建设、信息系统开发和管理，以及相应的教学和科研等工作。[2]

依据信管专业培养目标，如何培养信管专业学生掌握专业知识和能力，使信管专业的学生真正成为社会所需的实用型和复合型高级人才，是高等院校从事信管专业一线教学的教师必须深刻思考和探索的问题。本文结合笔者从事信息管理和信息系统专业本科生的专业课程教学实践经验，以及社会对信管专业学生的要求，对案例研究性教学模式进行了探索，并在信管专业主干课程“信息分析与决策支持”课程教学上进行了初步探索和实践。

一、信管专业课程教学现状分析

信管专业的主干学科是计算机科学与技术、管理学和经济学，[3]主干课程主要有信息系统分析与设计、管理信息系统、信息分析与决策支持、信息资源管理、管理学原理和会计学原理等。信管专业的课程教学中必须坚持技术和管理基础课不能削弱，使学生在各方面能力、技能上都有所发展。[4]

信息分析与决策支持是信息技术的主要研究领域之一，自20世纪70年代决策支持概念提出以来，决策支持系统已经得到很大的发展。[5]通过“信息分析与决策支持”课程的学习，可以使学生具备信息组织、检索与储存、分析研究、传播与开发利用的基本能力，为成为综合运用所学知识分析问题解决问题的高级专门人才做准备。[6]

由于管理学和经济学理论等基础类课程和计算机科学与技术等技术课程同时并进，甚至有时基础课类滞后于专业技术课，[7]导致学生的经济和管理理论等跟不上，信息系统分析、设计和开发能力或信息系统管理能力稍嫌欠缺，对分析策略和决策支持技术理解和运用的广度和深度不够，难以将理论和实践进行结合，最终造成应用开发和创新能力薄弱，难以适应社会对本专业的要求等。

二、信管专业课程教学中存在的问题

信管专业教学在相当大的程度上影响着未来信息技术的发展，信管教学模式决定了信息技术的发展水平。[8]然而信管专业课程教学中存在一些问题，影响了课程的教学。

第一，信管专业教材建设更新缓慢，信管专业教材要么偏重于工程类，要么偏重于管理类，不能将计算机科学与技术与管理学、经济学的理论基础相互交叉渗透，突出三者相互交叉渗透的特色，难以达到培养实用型和复合型高级人才的目标。

第二，课程开设及先后顺序不尽合理。比如“管理信息系统”、“管理学原理”等课程要早于“信息分析与决策支持”，但有些高校“管理信息系统”、“管理学原理”课程与“信息分析与决策支持”同步进行，甚至“信息分析与决策支持”所需“信息分析与人工智能技术”课程也晚于此课开设。这导致信管专业学生不仅缺乏相关经济管理理论基础，而且也缺乏相应的开发和应用技术。[9]因此，在制定信管专业培养方案、布置教学计划时，应充分考虑课程开设及先后顺序要求，否则很难达到专业培养目标。

第三，实验条件有待提高。很多学校信管专业课程课时数过少，教学条件尤其是实验条件不完善。比如，信管专业课程“信息分析与决策支持系统”对实验条件的要求比较高，需要有专门的实验室和性能较好的实验平台，以实现决策支持系统的开发应用。[10]但有些学校存在对该课程认识不足的现象，致使实验条件很难改善和提高。

要解决以上问题，首先应该强调信管的专业特色，要重视管理学和经济学的基础，强调学生应用计算机技术和解决实际问题的能力。其次，要准确定位专业培养人才的目标，研究教学计划，完善专业培养方案，选择开设的课程目录和开设的先后顺序，改善和提高专业课的实验条件，以让学生充分掌握专业知识为目的确定合理的教学课时数。

信管专业很多课程实验性非常强。目前专业课程教学方法过于简单，教学效果不理想。因此，应以提高学生的实践能力为目的，引入研究性案例教学模式，并利用研究性案例教学模式指导教学和实践。

三、研究性案例教学模式的思想及基本原则

在课程教授过程中，应用互动式教学手段，在教学过程中，教师和学生的角色可以互换，充分调动学生的学习积极性，激发学生学习的主动性，从而保证教学效果，实现专业培养目标。针对部分教材缺少原理的实际应用案例，通过利用具有实用性的研究性案例进行实验教学，实验共12学时，其中设计型实验8学时，综合实验4学时，补充研究性案例。

研究性案例教学遵循4个基本原则。第一，研究性案例教学要坚持知识和技能综合发展的原则。第二，研究性案例教学要坚持以学生为中心发挥学生特长的原则。第三，研究性案例教学要坚持加强实践教学的原则。第四，研究性案例中要深刻领悟基本原理和理论，过程不深究，重点在分析应用的原则。

四、研究性案例教学模式的实施

依照信管专业培养目标和案例性教学的基本原则，研究性案例课程教学实践模式如下。

1.完善教学内容

理论知识与实践应用相结合，补充研究性案例，学生在掌握基本理论知识的基础上，对研究性案例进行分析，并应用基本理论知识对案例进行求解。在每章理论讲授完成后，会补充该理论知识的应用案例，增强学生对该理论知识的理解和应用能力，培养学生的学习兴趣。例如，在讲授人工智能技术章节时，补充神经元的结构和作用函数，并将笔者博士论文里面所用的BP网络作为研究性案例进行讲解。同时，再利用异或问题求解的研究性案例，利用MATLAB语言编程实现神经网络的实例应用，增强学生对神经网络解决实际问题的理解和应用能力。

选择合适的研究性案例，能够使学生把经济和管理理论与实际案例应用结合起来，加深对理论和各种决策支持技术的理解，真正达到应用的目的。例如，在讲授基于数据仓库的决策支持系统时，以航空公司数据仓库决策支持系统为例，分析航空公司数据仓库系统的功能模块。通过查询“北京到各地区的航空市场情况”，发现西南地区总周转量出现了最大负增长。然后对此问题进行多维分析和原因分析。这种既真实又具有极强说服力的研究性案例，增强了学生综合运用所学知识分析问题和解决问题的能力。

2.调整授课方式

调整填鸭式授课方式为以教师讲授为主的讨论式教学。在每章理论部分讲授结束后，结合有针对性的研究性案例，进行讨论式教学，激发学生的兴趣，启发学生的思维，潜移默化地培养学生的思维能力。在学生稍显疲惫的每节课后10分钟，通过提问学生和分组讨论，进行适时总结所讲内容。这不仅能够活跃课堂气氛，而且也能通过问答或讨论的方式促使学生思考，使学生自然扫除后10分钟的听课死角和疲惫。例如，在决策支持系统理论部分教授结束后，结合物资分配调拨的决策这一研究性案例进行讲解。本研究性案例涉及到多模型组合、数据库大量数据处理的决策问题。通过案例对企业分散在各地的30多个仓库和20多个分厂的上千种物资需求申请进行汇总分析，进行物资分配调拨。依据分析确定相应的模型和模型组合，并建立相应的物资调拨分配流程图，利用数据库大量数据处理，即可实现物资分配调拨的决策支持。通过研究性案例讲解和讨论，使学生对比人工作业和决策支持系统计算机运行的时间和效率，很直观体现了决策支持系统的特点和作用。通过以上研究性案例的讨论分析，使学生牢固掌握系统开发的过程、步骤和所用的模型库、数据库和知识库。

3.加强研究性案例实践环节

基于培养实用型和复合型高级人才的目标要求，克服单纯采用验证性实验的弊端，在实践环节设计上，利用东华大学的决策天地和MATLAB7.9语言两个实验平台，通过研究性案例进行实习。实践环节采用循序渐进的原则，组织两个层次的实验。首先用验证性实验来验证技术上的可行性，然后利用设计性综合实验使用信息分析和决策技术。例如首先利用遗传算法的MATLAB的程序实现，然后利用遗传算法的人工智能技术，在系统开发平台上设计实现人工智能决策支持系统。综合性实验是实践环节的升华，要求学生从多个设计题目中选择一题。实验前，必须从所学的决策支持技术中选择一种，题目中涉及遗传算法、神经网络、数据挖掘、OLAP和SWOT分析、知识发现、数据仓库等技术，利用这些技术在实验平台上实现系统模块的设计、所需模型和模型组合设计、数据库和数据仓库的设计、界面设计等过程，使学生牢固掌握系统开发的过程、步骤和所用的模型库、数据库和知识库。

4.改进教学手段

在教学手段上，充分利用现代教育手段，结合多媒体技术、编程软件、系统开发平台和网络资源等，在课堂讲授、实验设计和实践等环节中综合使用各种教学手段。对于难以理解的内容，引入有针对性的研究性案例，结合多种教学手段，使抽象的理论可视化，激发学生的学习兴趣，活跃学生思维。例如在知识表示方法讲授部分，ID3算法思想、主算法和建树算法抽象且难以理解，引入判断某天气实体气候类别的研究性案例，采用教室配备的黑板进行板书讲解，在黑板上将主要的推理过程和计算过程列出，这样更有助于理清ID3算法条理，也给学生留下充分的记笔记和思考的时间，加深学生对ID3算法的理解。对于难以理解的理论和案例，组织学生进行专题讨论，并采用学生讲授教师点评引导的方式，锻炼学生创新思维能力。

五、研究性案例教学模式的效果及意义

研究性案例的教学模式，在“信息分析与决策支持”课程教授中实施2年（2010-2012）来，使学生结合经济理论，深入掌握了企业主流的应用技术及开发设计工具，通过实践深刻领悟管理学、经济学、系统科学与工程等现代管理理论和知识，培养了学生的经济系统分析、数据分析与建模的能力，使学生具有了较强的信息系统分析、开发和管理等实际工作能力，取得了明显的教学效果。

在专业性较强且没有给出系统运行结构图的案例中，通过讲解引导学生分析案例，画出20个专业性强的包含案例中所有模型库和数据库的系统控制运行图，增强了学生的实践开发能力。笔者分别对2010、20111和2012年度的期末试卷进行分析，发现学生在案例分析、案例模型库和数据库设计和应用上的能力大大提高。由此说明，案例性教学模式的应用和渗透，增强了学生综合运用所学信息技术、经济和管理等知识解决问题的能力，使信管专业的学生真正成为社会所需的实用型和复合型高级人才，满足社会对信管专业人才的需求。

参考文献：

[1]周济.谋划发展规划未来[J].中国高等教育，2003，（2）：5-11.

[2]陈晓红.决策支持系统理论与应用[M].北京：清华大学出版社，2000.

[3]彭涛，佟建新，范莉丽.基于案例教学的信息系统分析与设计课程改革研究与实践[J].北京联合大学学报，2009，（4）：86-89.

[4]裴有为.对构建以能力培养为核心的教学模式的研究与实践[J].当代教育论坛，2006，（1）：98-99.

[5]季诚钧.试论高校课程体系中的四大关系[J].高等工程教育研究，2002，（6）：34-37.

[6]冷伏海，张学福，王巍.支撑中小企业的信息管理论纲[J].中国图书馆学报，2000，（1）：55-58.

[7]吕新民.经济管理类专业《管理信息系统》教学研究[J].中国管理信息化，2006，（2）：88-90.

[8]张金芳.我国企业信息管理的现状及对策[J].信息管理导刊，2002，（6）：25-28.