《企业决策支持系统PPT.ppt》由会员分享，可在线阅读，更多相关《企业决策支持系统PPT.ppt（36页珍藏版）》请在三一办公上搜索。
1、片号：1,决 策 支 持 系 统,张建华 博士,Decision Support System,片号：2,前言,关于课程关于教材关于授课者关于听课者关于教学过程关于考核办法,课时安排与教学方法:总课时：32 学时 周学时：4学时考 查：理论考试教学内容DSS概述（基本概念、关系辨识与发展历程等）DSS技术基础DSS三种主要的系统结构DSS开发策略与方法IDSS（智能决策支持系统）GDSS（群体决策支持系统）,地位：计算机类、泛管理类专业骨干课程;信息管理专业核心课程内容：DSS基础、DSS开发、DSS管理、DSS应用、DSS选型性质：理论与实践相融合，与时俱进、持续发展与完善,张建华（Zhan
2、g Jianhua），同济大学管理学博士；/为学经历、研究方向与教学经历；办公室：管理工程系410室(电子商务教研室)；联系电话：67781822邮件地址：(作业交流用),计算机类、泛管理类日教本科生有志于报考信息管理专业或方向研究生者。不甘心于溺死于波涛汹涌的信息之海者,合适教材：针对性强；基础性强；综述性强又不乏前瞻性；深入浅出、言简意赅。参考教材：黄梯云.智能决策支持系统.电子工业出版社,2001；杨善林.智能决策方法与智能决策支持系统.科学出版社，2005;李东,蔡剑.决策支持系统与知识管理系统.中国人民大学 出版社，2005 对应态度：“尽信书则不如无书”；博览群书、勤于思辨。,片号
3、：3,管理决策,第一讲 决策支持系统概述,决策支持系统(概念、特征、功能、类型),决策支持系统与其他系统关系,本讲主要内容：,决策支持系统发展历程,片号：4,管理决策决策是基本管理职能之一，是决策主体为实现某一既定目标而实施的有意识、有选择的管理活动。决策的实际效果如何，既取决于决策主体的决断能力（隐性知识的一种），也决定于决策主体所掌握的有关决策问题的数据与信息的数量与质量。数据（data）是人们对客观世界中的事物属性及其相互关系的抽象表示；它是可以被记录和鉴别的符号，是客观实体及其关系的属性值。信息（information）是有目的、有用途、有完备意义和有机联系的数据集，是对数据进行再加工
4、与再组织的产物。,第一讲决策支持系统概述,片号：5,管理决策本体论者将“信息”定义为事物内部结构和外部联系的运动状态与方式。认识论者将“信息”定义为认知主体所感知或所表述出来的事物运动的状态与方式。维纳（Norbert Wiener）在控制论和社会中把认识论意义上的信息定义为：“信息是我们在适应外部世界并且使这种适应为外部世界所感知的过程中，同外部世界进行互相交换的内容的名称”；申农(Claude Elwood Shannon)指出“信息是能够用来消除不确定性的东西”；意大利学者朗高（G.Longo）则精辟地提出“信息就是差异”。信息系统（MIS、DSS等）通过对决策主体提供有力的信息支持、完
5、成或辅助决策主体完成决策过程，提升决策活动的实际效益。一般决策过程决策的类型划分,第一讲决策支持系统概述,片号：6,决策支持系统对于决策支持系统，人们在不同时点、基于不同视角给出了诸多定义MIT教授Michael S.Scott Morton 在20世纪70年代指出，DSS为一种在线分析处理化的交谈式系统，协助决策者使用资料与模式，解决非结构化的问题。同期，另一位MIT教授Peter 认为，DSS使用在线分析处理技术协助解决半结构化的决策问题，它辅助但不取代人类决策，目的为改善决策质量而不是决策效率。Steven L.Alter则提出了被广泛认可的观点，他认为：任何支持决策制定的系统均为DSS
6、，其中包括信息的存取、模式的分析与工具辅助类系统。20世纪80年代，波恩切克(）认为决策制定是由决策支持系统和它的用户共同完成的，提出智能决策支持系统(IDSS)思想,将人工智能 中的专家系统和知识处理等方法引入到决策支持中。,第一讲决策支持系统概述,片号：7,决策支持系统到20世纪90年代，特班（Efraim Turban）进一步界定了DSS的系统特性：DSS结合人类判断力与在线分析处理系统，辅助解决半结构化与非结构化问题DSS能够辅助组织不同管理层次进行决策DSS能够提供从个人到群体层次的决策支持DSS能够支持多个彼此互相依赖或具有顺序性的问题决策DSS能够提供在决策过程中的所有阶段支持D
7、SS能够支持各种决策制定、彰显决策者的风格 DSS具有自适应性 DSS应具有易操作性 DSS不仅改善决策效率，还能够改善决策效果DSS强调的是决策支持而非替代人类直接决策 DSS应设有用户接口，容许用户修改甚至自行建造相应的决策模块DSS能够提供不同分析模式，协助使用者制定决策 DSS可协助使用者存取各种决策相关资料 DSS可单独为单一使用者使用，也可以整合不同DSS解决复杂决策问题。,第一讲决策支持系统概述,片号：8,决策支持系统我们认为，决策支持系统(Decision Support system，DSS)是以管理科学、运筹学、控制论、行为科学以及信息科学等学科知识为基础，通过有效组织和应
8、用相关数据、信息与知识，以人机会话方式辅助决策者解决半结构化和非结构化决策问题的信息系统。DSS强调的是辅助人类做出决策，而非替代人类直接进行决策。决策支持系统功能归纳：收集、管理并提供与决策问题有关的组织外部信息以及决策方案执行过程中的反馈信息。构建、管理与应用各种决策模型。提供友好的人机会话。提供强大的通信功能，增强决策主体间的协同特征。维持较高的运行效率与有效性。,第一讲决策支持系统概述,片号：9,决策支持系统决策支持系统特征归纳：作为信息系统的子系统，具备信息系统的一般特征。支持半结构化、非结构化决策。支持数据库（亦包括各类知识库）存取和建模过程。模型驱动。对决策过程实施全生命周期支持
9、。支持决策者之间的沟通与协同。维持较高的运行效率与有效性。对事物分类是人们深化对其认识与理解的重要途径。基于不同视角，人们对DSS进行类型划分。,第一讲决策支持系统概述,片号：10,决策支持系统斯普拉格(Sprague)与卡尔逊（Carlson）依技术功能维度，将DSS相关系统分成三类:面向特定领域的DSS（Specific DSS），如专门解决财务决策问题的财务DSS。一般性的DSS软件工具（DSS Generator），协助特定决策类型的DSS，提供一般性的决策辅助功能，若财务DSS以试算表软件开发，则试算表就是一种一般性的DSS软件工具。DSS开发工具（DSS Tools）：用作协助以上
10、两者发展的软件工具，如协助开发财务DSS使用接口的人机接口开发软件。Holsapple与Whintson依系统内核特征，将DSS划分为6类：文件导向的决策支持系统（Text-oriented DSS）数据库导向的决策支持系统（Database-oriented DSS）试算表导向的决策支持系统（Spreadsheet-oriented DSS）解模器导向的决策支持系统（Solver-oriented DSS）规则导向的决策支持系统（Rule-oriented DSS）复合型决策支持系统（Compound DSS）智能决策支持系统（Intelligent DSS）,第一讲决策支持系统概述,片号：
11、11,决策支持系统按系统输出结果特征，将DSS分为资料导向（Data Oriented）与模式导向（Model Oriented）两大类:资料导向型DSS可进一步分为两种类型：资料检索（Data Retrieval）型DSS与资料分析（Data Analysis）型DSS。模式导向型亦DSS可进一步分为两种类型：模拟（Simulation）型DSS与建议（Suggetion）型DSS，前者有会计模式（Accounting Models）与表达模式（Representation Models）两种类型，后者则有最佳模式（Optimization Models）与建议模式（Suggestion M
12、odels）两种类型。多诺万（Donovan）与马德尼克（Madnick）按系统使用频率，将DSS分为常用型DSS（Institutional DSS）与临时性DSS（Ad hoc DSS），前者如解决生产排程问题的DSS与管理财务规划的DSS，后者如协助谈判的谈判辅助系统。此外，海克森（Hackathorn）与科恩（Keen）依系统支持决策的人数差异，将DSS划分为个人DSS（Individual DSS）、群体DSS（Group DSS，GDSS）与组织DSS（Organizational DSS）三类；卡尔逊（Carlsson）依据系统设计理念，将DSS分为被动DSS（Passive D
13、SS）与主动DSS（Active DSS）两类，前者大致依照事先分析好的资料、模式与确定用户设计决策方案，主动DSS则依托内建的智慧功能，协助处理混乱、复杂与非常态的决策分析。,第一讲决策支持系统概述,片号：12,DSS与其他信息系统间关系企业信息系统应用参考体系DSS与MIS间关系DSS是在MIS的基础上发展起来的，是MIS的高级形式。MIS运行过程中累积的业务数据可作为DSS的系统输入组分，为其联机分析处理（OLAP）与数据挖掘（DM）提供支持。传统MIS主要负责企业例行业务活动中的信息处理任务，DSS负责辅助支持决策活动、提供决策所需的信息。MIS以数据驱动的，DSS以模型驱动。MIS重
14、视满足系统全局的、总体的信息需求，DSS强调对决策者个人的信息支持。从系统使用方式看，MIS是相对保守、强调自动性，系统按既定的流程和思路运行，使用过程中尽可能减少人工干预，其人机会话只是对设定的程序流程与数据选择；DSS是以人机对话为主要工作方式，强调发挥决策人员的经验和判断能力，从而使决策更正确。,第一讲决策支持系统概述,片号：13,决策支持系统发展历程卡内基梅隆大学（Carnegie Mellon University）科技工程学院在1950年代末和1960年代初期开展了深入的决策理论研究。麻省理工学院（MIT）在1960年代对于交互式在线分析处理系统的研究成果为DSS的产生奠定了基础。
15、DSS的概念在20世纪70年代逐渐形成，并在20世纪80年代不断完善，系统研究与应用蓬勃发展，人工智能、数据库、模式库、知识与在线分析处理科技均对DSS的发展有重大贡献。20世纪80年代后期，高级主管信息系统（Excutive Information Systems，EIS）、群体决策支持系统（Group Decision Support Systems，GDSS）与组织决策支持系统（Organizational Decision Support Systems，ODSS）等，逐渐将DSS由个人取向，转为模式导向与群体导向。自20世纪90年代起，数据仓库（DW）与联机分析处理（OLAP）概念也
16、被导入DSS，协助DSS进行资料的存取与分析；2000年后，互联网技术的引入极大地延展了DSS。,第一讲决策支持系统概述,片号：14,DW&DM&OLAP,第二讲 DSS技术基础,人工智能技术,本讲主要内容：,片号：15,DW&OLAP&DM 数据仓库（Data Warehouse,DW）是支持管理决策过程的面向主题、集成的、反映历史变化的、信息本身相对稳定（只读）的数据集合。DB与DW之间的关系。数据仓库具有多维度、分析型、只读操作等特点，需并行与分布技术支撑。按功能结构划分，数据仓库系统至少应该包含数据获取（Data Acquisition）、数据存储（Data Storage）、数据访问
17、（Data Access）三个关键部分。数据仓库在系统体系结构上一般包括数据源、数据的存储与管理、联机分析处理（OLAP）服务器以及前端工具等主要部分。联机分析处理（On-Line Analytical Processing，OLAP）基于假设前提，属验证分析，由用户驱动，具有“自上而下、不断深入”的特点。,第二讲 DSS技术基础,片号：16,OLAP 与传统的关系型数据库的主要应用、面向日常事务处理的OLTP（联机事务处理）之间的主要区别如表3-9所示。OLAP通常有三种不同的实现方法，分别是以关系型数据库为基础的关系型OLAP(Relational OLAP,ROLAP)、通过多维数组的方
18、式对关系型数据表进行处理的多维OLAP(Multi-Dimensional OLAP,MOLAP)以及前端展示OLAP(Desktop OLAP)。常见的OLAP产品包括IBM公司的DB2 OLAP Server、Oracle公司的Express Server以及Microsoft公司的 SQL Server中内嵌的OLAP Services等。数据挖掘（Data Mining,DM）也称为数据库中的知识发现(Knowledge Discovery in Database,KDD)，指利用人工智能、统计学和相关数据库技术，从现有数据集中获取有价值的、新颖的、最终可理解的模式（知识）的非平凡过程
19、。DM实施从问题定义开始，属于数据型的分析技术，比OLAP处于较深的层次。数据挖掘通常包括六种分析方法，即分类（classification）、估值（estimation）、预言（prediction）、相关性分组或关联规则（affinity grouping or association rules）、聚集（clustering）、描述和可视化（description and visualization）、复杂数据类型挖掘(包括文本、音频、视频以及图形图像等)。DW、OLAP 和DM三者关系如图3-19所示。DW、OLAP 和DM三者间的良好融合与互动发展，极大增强了管理信息系统对管理“决策
20、”职能的支持力度,第二讲 DSS技术基础,片号：17,人工智能及其在DSS中的应用人工智能（Artificial Intelligence,AI）概念在1956年的达特茅斯（Dartmouth）学会上首次被提出。AI是研究模仿和执行人脑的某些智力功能来开发相关理论和技术的学科，它模拟人的判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。20世纪50年代，AI研究以游戏与博弈为中心，但当时以电子线路模拟神经元与人脑活动的研究都失败了。20世纪70年代，AI研究热潮在全球范围兴起。1977年，“专家系统与知识工程之父”费根鲍姆（Feigenbaum）主张以知识为中心开
21、展AI研究，掀开了AI研究的新篇章。20世纪80年代，在专家系统（Expert System,ES）领域AI表现出了强大生命力。20世纪90年代以来，AI研究与应用领域逐渐拓展，商业化产品日趋丰富与成熟。常见的AI应用领域包括博弈、问题求解、逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、智能决策支持系统、机器学习、知识发现、人工神经网络、机器人学、模式识别、机器视觉、智能控制与智能检索、智能调度与智慧以及系统与语言工具等。,第二讲 DSS技术基础,片号：18,对（管理）知识的获取、表示与应用是DSS系统高端应用的主要组分，也一直是AI系统研发的基本问题。可见，AI与DSS有着天然的
22、联系。AI在DSS研发中主要具有如下作用：提升DSS系统对数据、信息的加工处理水平。AI领域知识表示方法有助于提升DSS系统的知识组织水平。AI领域的搜索策略与方法有助于提升DSS系统的检索效率。AI领域内的优秀成果能切实提升DSS系统的智能化水平。AI领域的专家系统（ES）、智能决策支持系（IDSS）统则直接促进了DSS系统的高端应用。,第二讲 DSS技术基础,片号：19,DSS概念结构,第三讲 DSS系统结构,DSS框架结构,本讲主要内容：,DSS体系结构,片号：20,DSS概念结构 一个决策支持系统由四个部分组成：交互环境系统、问题处理系统、知识系统以及系统用户。决策用户通过交互环境系统
23、提出决策支持请求，问题处理系统通过决策数据库（包括DB/MB/KB等）收集和提取信息，所得信息提供给用户。DSS框架结构 DSS框架结构随决策理论和方法、计算机技术的发展而进化。由H.Sprague等人提出的数据库、模型库、人机对话管理系统组成的两库结构最为简便，而比较常见的则为三库结构，即数据库、模型库、方法库和人机对话管理系统，如图所示。智能决策支持系统（Intelligent Decision Support Systems，IDSS）是在DSS的基础上与人工智能（Artificial Intelligence，AI）技术的结合和集成所形成的系统，其是一个具有四库系统结构，如图10-6所
24、示。,第三讲 DSS系统结构,片号：21,DSS体系结构 体系结构表征了DSS数据库子系统、方法库子系统、模型库子系统及会话系统等逻辑部件的组织和集成方式。H.Sprague提出了四种结构形式，即网络型、桥形、层次型及塔型结构。网络型DSS的体系结构的主要目标是允许不同的构模和对话部分能够共享数据，并能使系统的扩展工作简化。该结构通过接口部分将对话、构模和数据库部分集成。桥型DSS结构用一个公用桥来取代各自的接口，以减少DSS网络系统结构要求的部件接口的数目，却又保留集成新的部件的能力。层次型DSS系统结构则试图采用单个的对话部分和具有多种造模部件的数据库部分来集成多个部分，每一个造模部分都共
25、享同一个数据库和对话部分，其间的数据通信通过共享数据库部实现、控制信息通信通过共享的对话部分完成。塔型结构试图提供部件的模块化和灵活性，以支持各种硬件设备和源数据库，同时保持三个DSS主要部件之间的简单的接口。,第三讲 DSS系统结构,片号：22,DSS系统开发概述,第四讲 DSS系统开发概述,常见开发方法,本讲主要内容：,片号：23,4.1 DSS系统开发概述决策支持系统是由用户提出、由开发者设计，并根据用户的评价逐渐修改的。适应性设计框架提供了决策支持系统开发过程和所涉及各方人员的概括性介绍。DSS开发的主要特征与要求：反复交互设计 用户参与设计 适应决策者风格 尽可能短的研制周期 以生成
26、器为基础的积木式设计,第四讲 DSS系统开发概述,片号：24,4.1 DSS系统开发概述在DSS系统开发前，相关参与主体均要基于自己所扮演的角色特征做好相应的准备工作。DSS系统需求企业DSS系统开发商相关咨询机构一般而言，DSS系统开发要遵循如下思想：“超越”的思想“突破”的思想“兼顾”的思想系统工程思想DSS系统开发一般遵循如下原则：目标性原则 整体性原则 适应性原则 适用性原则 规范化原则“一把手”原则,第四讲 DSS系统开发概述,片号：25,4.2 常见DSS开发方法结构化开发方法（Structured Developing Method）是20世纪80年代使用最广泛的软件开发方法。它
27、基于系统开发生命周期思想以及系统的概念、特征与系统工程方法，以“用户至上”为原则，采用自顶向下、结构化、模块化等手段，对系统进行规划、分析、设计和实施。系统开发生命周期法体现了一种关于系统设计与实施的普遍存在的观点。它将整个过程描绘成一系列递归的阶段，每一个阶段都有自己需要的输入、处理和输出。原型法（Prototyping Approach）是在20世纪80年代随着计算机软件技术的发展，被提出的一种在设计思想、工具与方式等方面全新的系统开发方法。,第四讲 DSS系统开发概述,片号：26,IDSS技术基础,第五讲 智能决策支持系统,本讲主要内容：,IDSS概述,片号：27,5.1 IDSS概述2
28、0世纪80年代，知识工程（KE）、人工智能（AI）的兴起为处理不确定性领域的决策问题提供了技术保证，使DSS朝着智能化方向前进。智能决策支持系统（Intelligent decision support systems，IDSS）综合运用DSS定量模型求解与分析及人工智能（Artificial intelligent，AI）技术定性分析和不确定推理的优势，充分运用人类在求解中的经验和知识，通过人机会话的方式，为解决半结构化或非结构化问题提供决策支持。典型的IDSS结构是在传统三库DSS基础上增设知识库与推理机，加入自然语言处理系统和问题处理系统(PSS)构成四库系统结构。,第五讲 智能决策支持
29、系统,片号：28,5.1 IDSS概述智能人机接口接受用自然语言或接近自然语言的方式表达的决策问题及决策目标，较大程度地改变了人机界面的性能。问题处理系统处于DSS的中心位置，是联系人与机器及所存储的求解资源的桥梁，主要由问题分析器与问题求解器两部分组成。问题处理系统是IDSS中最活跃的部件，它既要识别与分析问题，设计求解方案，还要为问题求解调用四库中的数据、模型、方法及知识等资源，对半结构化或非结构化问题还要触发推理机作推理或新知识的推求。问题分析器判断问题的结构化程度，对结构化问题选择或构造模型，采用传统的模型计算求解，而对于半结构化或非结构化问题则由规则模型与推理机制来求解。,第五讲 智
30、能决策支持系统,片号：29,5.1 IDSS概述知识库系统主要就是两个功能的实现:知识存储与知识推理，一般由三部分构成：知识库管理系统、知识库及推理机。知识库管理系统功能主要有两个：其一，回答对知识库知识增、删、改等知识维护的请求；其二，回答决策过程中问题分析与判断所需知识的请求。知识库是系统运行的基础，其知识表示形式直接影响推理方式，并在很大程度上决定着一个系统的能力和通用性，是知识库系统研究的一个重要课题。推理机制亦称为推理机，封装在存储机制的基础上对己有知识进行分析和演绎的具体处理方法，决定了系统决策支持的效率和有效性；演绎推理和归纳推理是其基本方法和核心内容。,第五讲 智能决策支持系统
31、,片号：30,5.2 IDSS技术基础将不同的AI技术与DSS相结合，形成不同形式的IDSS：基于专家系统（ES）的IDSS 专家系统（Expert System，ES）与DSS相结合，充分利用专家系统定性分析与DSS定量分析的特点。DSS与ES的结合方式主要有三种：将ES并入DSS各组成部分中去、ES作为DSS的独立成分、DSS模型和数据存取作为ES的组成部分。基于机器学习（ML）的IDSS 机器学习通过计算机模拟人类的学习来获得人类解决问题的知识，其优势在于不仅能提供关于预测和分类模型,而且能从数据中产生明确的规则。机器学习由于能自动获取知识，在一定程度上能解决专家系统中知识获取“瓶颈”问
32、题。可将机器学习元件加入到决策支持系统框架中，对DSS知识库进行求精，以加强DSS系统的适应能力。,第五讲 智能决策支持系统,片号：31,5.2 IDSS技术基础将不同的AI技术与DSS相结合，形成不同形式的IDSS：基于代理（Agent）的IDSS 智能代理是利用传感器感知环境并使用效应器作用于环境，能够辅助或代替人类的任何实体。斯坦福大学的Hayers Roth认为，Agent应具备连续执行3项动作的功能：其一，感知环境中的动态条件;其二，执行动作影响环境;其三，进行推理以解释感知信息,求解问题,产生推理和决策动作。单Agent系统具有自主性、应激性、能动性、社会性和开放性特征，具有一定的
33、问题求解能力；多Agent系统（Multi Agent System,MAS）则具有很强的智能性与复杂问题求解能力。Agent可分为三类：知识Agent、功能Agent和接口Agent。其中，知识Agent负责对某个特定领域或类别的知识进行组织管理、存储积累和提取应用；功能Agent面向用户的功能需求，将诸多领域知识进行整合后提供给用户；接口Agent负责与企业原有的各种信息系统与知识系统进行集成，从而方便地从已有系统中提取知识。整个系统的知识是分层次进行分布存储的。,第五讲 智能决策支持系统,片号：32,GDSS系统结构,第六讲 群体决策支持系统,GDSS技术层次,GDSS系统类型,本讲主要
34、内容：,群体决策及其系统概述,片号：33,6.1 群体决策及其系统概述群体决策对应于个体决策，指两人或多人召集在一起，讨论实质性问题，提出解决某一问题的若干方案，评价这些策略各自的优劣并做出决策。对群体决策的研究主要集中在以下三个方面：群体决策的组织结构、群体决策的信息沟通形式以及群体决策的活动阶段。群体决策从组织结构来看有两种形式：基于协助的群体决策和基于竞争的群体决策。群体决策的信息沟通形式包括：独断决策&民主决策；团队决策&沟通决策。典型的群体决策活动阶段包括：问题提出、信息共享、方案设计、方案讨论、方案草稿、合作协议等。群体决策支持系统（GDSS）是整合多个决策者的智慧，经验以及相应的
35、DSS组成的集成系统，它以计算机及其网络为基础，用于支持群体决策者共同解决半结构化的决策问题。,第六讲 群体决策支持系统,片号：34,6.1 群体决策及其系统概述GDSS系统应满足如下特征：不受时间与空间的限制；实现决策者相互之间便捷地交流信息与共享信息，减少片面性；利于可克服消极的心理影响，无保留地发表自己的意见；能集思广益，激发决策者思路，使问题的方案尽可能趋于完美；可防止小集体主义及个性对决策结果的影响；可提高决策群体成员对决策结果的满意程度和置信度；群体越大效果越显著。,第六讲 群体决策支持系统,片号：35,6.2 GDSS系统结构典型的GDSS结构如图示6.3 GDSS技术层次根据GDSS提供给群体决策者的不同支持层次，可将其技术层次划分为：过程支持层、决策支持层和会议规则层。过程支持层向决策者提供多种信息交流的渠道，以减少或除去与会者间的通信障碍。决策支持层加入了建模和决策分析等功能模块，帮助决策者对问题建模和进行决策分析。会议规则层通过控制群体决策制定的时间、内容或者消息模式等方式来确保群体决策的效率和有效性。6.3 GDSS系统类型常见的GDSS系统类型包括：决策室、虚拟会议、局域决策网以及远程决策网等。,第六讲 群体决策支持系统,片号：36,Thats all for you.,Thank you!,
