Entscheidungsunterstützungssysteme: Sichten von Daten für bessere Geschäftsentscheidungen

Ein Entscheidungsunterstützungssystem (DSS) ist ein interaktives Informationssystem, das große Datenmengen zur Information von Geschäftsentscheidungen analysiert. Ein DSS unterstützt die Management -, Betriebs-und Planungsebenen einer Organisation bei besseren Entscheidungen, indem es die Bedeutung von Unsicherheiten und die Kompromisse bewertet, die mit der Entscheidung über eine andere verbunden sind.

Ein DSS nutzt eine Kombination aus Rohdaten, Dokumenten, persönlichem Wissen und/oder Geschäftsmodellen, um Benutzern bei der Entscheidungsfindung zu helfen., Die von einem DSS verwendeten Datenquellen könnten relationale Datenquellen, Cubes, Data Warehouses, elektronische Gesundheitsakten (EHRs), Umsatzprognosen, Verkaufsprognosen und mehr umfassen.

Das Konzept der Entscheidungsunterstützungssysteme entstand aus der Forschung, die in den 1950er und 1960er Jahren am Carnegie Institute of Technology durchgeführt wurde, wurzelte jedoch in den 1980er Jahren in Form von Executive Information Systems (EIS), Group Decision Support Systems (GDSS) und Organizational Decision Support Systems (ODSS) im Unternehmen., Da sich Unternehmen zunehmend auf datengesteuerte Entscheidungsfindung konzentrieren, nimmt die Entscheidungswissenschaft (oder Entscheidungsintelligenz) zu, und Entscheidungswissenschaftler können der Schlüssel sein, um das Potenzial von entscheidungswissenschaftlichen Systemen zu erschließen. Design Science vereint angewandte Datenwissenschaft, Sozialwissenschaft und Managementwissenschaft und konzentriert sich auf die Auswahl zwischen Optionen, um den Aufwand für qualitativ hochwertigere Entscheidungen zu reduzieren.

Entscheidungsunterstützungssysteme vs. Business Intelligence

Entscheidungsunterstützungssysteme und Business Intelligence (BI) sind häufig miteinander verknüpft., Einige Experten betrachten BI als Nachfolger von DSS. Entscheidungsunterstützungssysteme werden allgemein als ein Element von Business Intelligence-Systemen erkannt, zusammen mit Data Warehousing und Data Mining.

Während BI eine breite Kategorie von Anwendungen, Diensten und Technologien zum Sammeln, Speichern, Analysieren und Zugreifen auf Daten für die Entscheidungsfindung darstellt, sind DSS-Anwendungen eher für die Unterstützung spezifischer Entscheidungen konzipiert. Beispielsweise kann ein Business-DSS einem Unternehmen helfen, seinen Umsatz über einen festgelegten Zeitraum zu projizieren, indem frühere Produktverkaufsdaten und aktuelle Variablen analysiert werden., Gesundheitsdienstleister verwenden klinische Entscheidungsunterstützungssysteme, um den klinischen Workflow effizienter zu gestalten: computergestützte Warnungen und Erinnerungen an Leistungserbringer, klinische Richtlinien, zustandsspezifische Auftragssätze usw.

Kategorien von Entscheidungsunterstützungssystemen

In dem Buch Entscheidungsunterstützungssysteme: Konzepte und Ressourcen für Manager, Daniel J. Power, Professor für Managementinformationssysteme an der University of Northern Iowa, gliedert Entscheidungsunterstützungssysteme in fünf Kategorien auf der Grundlage ihrer primären Informationsquellen.

Datengetriebenes DSS., Zu diesen Systemen gehören Dateiverarbeitungs-und Managementberichtssysteme, Exekutivinformationssysteme und geografische Informationssysteme (GIS). Sie betonen den Zugriff auf und die Manipulation großer Datenbanken strukturierter Daten, häufig eine Zeitreihe interner Unternehmensdaten und manchmal externer Daten.

Modellgetriebenes DSS. Diese DSS umfassen Systeme, die Buchhaltungs-und Finanzmodelle, Darstellungsmodelle und Optimierungsmodelle verwenden. Sie betonen den Zugang zu und die Manipulation eines Modells., Sie nutzen im Allgemeinen einfache statistische und analytische Tools, aber Power stellt fest, dass einige OLAP-Systeme, die eine komplexe Analyse von Daten ermöglichen, als hybride DSS-Systeme klassifiziert werden können. Modellgetriebene DSS verwenden Daten und Parameter, die von Entscheidungsträgern bereitgestellt werden, aber Power Notes Sie sind normalerweise nicht datenintensiv.

Wissensgetriebenes DSS. Diese Systeme schlagen vor oder empfehlen Aktionen für Manager. Sie werden manchmal als Beratungssysteme, Beratungssysteme oder Vorschlagsysteme bezeichnet und bieten spezielle Problemlösungsexpertise, die auf einer bestimmten Domäne basiert., Sie werden typischerweise für Aufgaben wie Klassifizierung, Konfiguration, Diagnose, Interpretation, Planung und Vorhersage verwendet, die ansonsten von einem menschlichen Experten abhängen würden. Diese Systeme werden häufig mit Data Mining gekoppelt, um Datenbanken zu durchsuchen und Dateninhaltsbeziehungen herzustellen.

Dokumentgesteuertes DSS. Diese Systeme integrieren Speicher-und Verarbeitungstechnologien zum Abrufen und Analysieren von Dokumenten. Eine Suchmaschine ist ein Beispiel.

Kommunikationsgesteuerte und Gruppen-DSS., Kommunikationsgesteuertes DSS konzentriert sich auf Kommunikation, Zusammenarbeit und Koordination, um Menschen zu helfen, an einer gemeinsamen Aufgabe zu arbeiten, während sich Group DSS (GDS) auf die Unterstützung von Gruppen von Entscheidungsträgern konzentriert, um Problemsituationen zu analysieren und Gruppenentscheidungsaufgaben auszuführen.

Beispiele für Entscheidungsunterstützungssysteme

Entscheidungsunterstützungssysteme werden in einer Vielzahl von Branchen eingesetzt. Beispiel verwendet gehören:

• GPS-Routenplanung. Ein DSS kann verwendet werden, um die schnellsten und besten Routen zwischen zwei Punkten zu planen, indem die verfügbaren Optionen analysiert werden., Diese Systeme umfassen häufig die Möglichkeit, den Verkehr in Echtzeit zu überwachen, um Staus zu umgehen.
• Ernteplanung. Landwirte verwenden DSS, um die beste Zeit zum Pflanzen, Düngen und Ernten ihrer Pflanzen zu bestimmen. Bayer Crop Science hat Analytik und Entscheidungsunterstützung auf jedes Element seines Geschäfts angewendet, einschließlich der Schaffung von „virtuellen Fabriken“, um „Was-Wäre-Wenn“ – Analysen an seinen Maisfertigungsstandorten durchzuführen.
• Klinische DSS. Diese Systeme helfen Klinikern, ihre Patienten zu diagnostizieren., Penn Medicine hat ein klinisches DSS entwickelt, mit dem Intensivpatienten schneller von den Beatmungsgeräten geholt werden können.
• ERP-dashboards. Diese Systeme helfen Managern, Leistungsindikatoren zu überwachen. Das digitale Marketing-und Dienstleistungsunternehmen Clearlink verwendet ein DSS-System, um seinen Managern zu helfen, genau zu bestimmen, welche Agenten zusätzliche Hilfe benötigen.

Komponenten eines Entscheidungsunterstützungssystems

Laut Management Study HQ bestehen Entscheidungsunterstützungssysteme aus drei Schlüsselkomponenten: Datenbank, Softwaresystem und Benutzeroberfläche.

1. DSS-Datenbank., Die Datenbank stützt sich auf eine Vielzahl von Quellen, darunter organisationsinterne Daten, von Anwendungen generierte Daten und externe Daten, die von Dritten gekauft oder aus dem Internet gewonnen wurden. Die Größe der DSS-Datenbank variiert je nach Bedarf, von einem kleinen, eigenständigen System bis zu einem großen Data Warehouse.
2. DSS-software-system. Das Softwaresystem basiert auf einem Modell (einschließlich Entscheidungskontext und Benutzerkriterien). Die Anzahl und Arten von Modellen hängen vom Zweck des DSS ab. Häufig verwendete Modelle umfassen:
   • Statistische Modelle., Diese Modelle werden verwendet, um Beziehungen zwischen Ereignissen und Faktoren im Zusammenhang mit diesem Ereignis herzustellen. Sie könnten beispielsweise verwendet werden, um Verkäufe in Bezug auf Standort oder Wetter zu analysieren.
   • Sensitivitätsanalysemodelle. Diese Modelle werden für die „Was-Wäre-wenn“ – Analyse verwendet.
   • Optimierung Analysemodelle. Diese Modelle werden verwendet, um den optimalen Wert für eine Zielvariable in Bezug auf andere Variablen zu finden.
   • Prognosemodelle. Dazu gehören Regressionsmodelle, Zeitreihenanalysen und andere Modelle, die zur Analyse der Geschäftsbedingungen und zur Erstellung von Plänen verwendet werden.,
   • Rückwärts-Analyse-Empfindlichkeit Modelle. Manchmal als zielsuchende Analyse bezeichnet, legen diese Modelle einen Zielwert für eine bestimmte Variable fest und bestimmen dann die Werte, die andere Variablen treffen müssen, um diesen Zielwert zu erreichen.
3. DSS Benutzeroberfläche. Dashboards und andere Benutzeroberflächen, mit denen Benutzer mit Ergebnissen interagieren und diese anzeigen können.

Decision support system software

Laut Capterra umfasst die beliebte Decision support system Software:

• Information Builder WebFOCUS., Diese Daten – und Analyseplattform richtet sich an Unternehmen und mittelständische Unternehmen, die Daten anwendungsübergreifend integrieren und einbetten müssen. Es bietet cloud -, multi-cloud, on-prem, hybrid-Optionen.
• QlikView. QlikView ist die klassische Analyselösung von Qlik, die auf der Associative Engine des Unternehmens basiert. Es wurde entwickelt, um Benutzern bei ihren täglichen Aufgaben mithilfe eines konfigurierbaren Dashboards zu helfen.
• SAP. Es besteht aus Berichts-und Analyseanwendungen, die Benutzern helfen, Trends und Ursachen zu verstehen.
• TIBCO Spotfire., Diese Datenvisualisierungs-und Analysesoftware hilft Benutzern beim Erstellen von Dashboards und Power Predictive-Anwendungen sowie Echtzeit-Analyseanwendungen.
• Salesforce Analytics Cloud. Diese KI-gesteuerte, Cloud-basierte Analyselösung basiert auf Salesforce.com Plattform, um Organisationen dabei zu helfen, Chancen zu erkennen und Ergebnisse vorherzusagen.
• Powernoodle. Powernoodle ist eine Cloud-basierte Entscheidungs-Engagement-Plattform, die kognitive, Verhaltens-und Entscheidungswissenschaft nutzt., Es bietet vorgefertigte Vorlagen für gängige Entscheidungstypen und Unterstützung für die Modellierung der Workflows mehrerer Stakeholder-Gruppen.
• 1000minds Entscheidungsfindung. 1000minds ist eine Online-Suite von Tools und Prozessen für die Entscheidungsfindung, Priorisierung und gemeinsame Analyse. Es ist abgeleitet von der Forschung an der Universität von Otago in den 1990er Jahren in Methoden zur Priorisierung von Patienten für die Chirurgie.
• Briq. Briq ist eine prädiktive Analyse-und Automatisierungsplattform, die speziell für Generalunternehmer und Subunternehmer im Bauwesen entwickelt wurde., Es nutzt Daten aus Buchhaltung, Projektmanagement, CRM und anderen Systemen, um KI für prädiktive und präskriptive Analysen zu nutzen.