管理信息系统 第三部分 作业

阅读教材，思考并回答以下问题：

1.DDS和IDDS的组成。

DDS:

决策支持系统基本结构主要由四个部分组成，即数据部分、模型部分、推理部分和人机交互部分：

数据部分是一个数据库系统;

模型部分包括模型库(MB)及其管理系统(MBMS);

推理部分由知识库(KB)、知识库管理系统(KBMS)和推理机组成；

人机交互部分是决策支持系统的人机交互界面，用以接收和检验用户请求，调用系统内部功能软件为决策服务，使模型运行、数据调用和知识推理达到有机地统一，有效地解决决策问题

IDSS: 

较完整与典型智能决策支持系统的DSS结构是在传统三库DSS的基础上增设知识库与推理机，在人机对话子系统加入自然语言处理系统 (LS)，与四库之间插人问题处理系统(PSS)而构成的四库系统结构。

2.电子商务系统的结构。

电子商务系统框架结构是电子商务系统中可拓展性强的一种结构模式，它是由三个层次和两个支柱组成的。三个层次分别是网络基础设施、信息发布和传输技术设施、一般业务服务，在这个三个层次之上，就是全面的电子商务的应用。两个支柱一个是国家国共政策，另一个是技术标准和网络协议。

3.电子政务系统的类型与应用。

业务处理系统TPS  管理信息系统MIS  决策支持系统DDs<br>电子政务系统是基于互联网技术的面向政府机关内部，其他政府机构的信息服务和信息处理系统，系统利用高现代信息技术对政府进行信息化改造， 以提高政府部门依法行政的水平。电子政务是国家实施政府职能转变，提高政府管理、公共服务和应急能力的重要举措，有利于带动整个国民经济和社会信息化的发展。电子政务市场规模初显。一般而言，政府的主要职能在于经济管理、市场监管、社会管理 和公共服务。而电子政务就是要将这四大职能电子化网络化，利用高现代信息技术对政府进行信息化改造， 以提高政府部门依法行政的水平。

4.电子健康系统应用的影响。

电子健康档案系统记录个人从出生到死亡的所有生命体征的变化，包括个人的生活习惯、以往病史、诊治情况、家族病史、现病史及历次诊疗经过、历次体检结果等信息。环球软件电子健康档案系统以"六位一体"为中心，通过标准数据接口实现与医院HIS、PACS、LIS、电子病历、社区卫生、新农合等系统的数据共享与交换，可实现健康档案动态更新，实现真正意义上的"活档"。

电子健康档案是进行健康信息的搜集、存储、查询和传递的最好助手。电子健康档案融合当今最新IT软硬件技术于一身。电子健康档案可以为个人建立始自出生、终其一生的健康档案，从而为健康保健、疾病治疗和急救提供及时、准确的信息，使人们的医疗保健有了科学、准确、完整的信息基础，为人们的医疗保健提供了新工具、新方法和新思路。

电子健康档案可以将人们分散在不同医院电脑系统中的体检报告、门诊和住院治疗中的治疗方案和检查结果搜集在一起。当发生意外时，可以立即通过电脑查阅其中的急救信息，了解危重病人的血型、过敏药品、当前的慢性病以及个人保健医生的联系方式，从而采取及时、正确的急救措施，挽救病人的生命。

5.供应链管理的概念。

供应链管理（Supply Chain Management，SCM）是以提高企业个体和供应链整体的长期绩效为目标，对传统的商务活动进行总体的战略协调，对特定公司内部跨职能部门边界的运作和在供应链成员中跨公司边界的运作进行战术控制的过程。供应链管理就是要整合供应商、制造部门、库存部门和配送商等供应链上的诸多环节，减少供应链的成本，促进物流和信息流的交换，以求在正确的时间和地点，生产和配送适当数量的正确产品，提高企业的总体效益。供应链管理通过多级环节，提高整体效益。每个环节都不是孤立存在的，这些环节之间存在着错综复杂的关系，形成网络系统。同时这个系统也不是静止不变的，不但网络间传输的数据不断变化，而且网络的构成模式也在实时进行调整。

6.数据挖掘的主要功能。

数据挖掘综合了各个学科技术，有很多的功能，当前的主要功能如下：     

1、数据总结：继承于数据分析中的统计分析。数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统统计方法如求和值、平均值、方差值等都是有效方法。另外还可以用直方图、饼状图等图形方式表示这些值。广义上讲，多维分析也可以归入这一类。    

2、分类：目的是构造一个分类函数或分类模型（也常常称作分类器），该模型能把数据库中的数据项映射到给定类别中的某一个。要构造分类器，需要有一个训练样本数据集作为输入。训练集由一组数据库记录或元组构成，每个元组是一个由有关字段（又称属性或特征）值组成的特征向量，此外，训练样本还有一个类别标记。一个具体样本的形式可表示为：（v1，v2，…，vn；c），其中vi表示字段值，c表示类别。例如：银行部门根据以前的数据将客户分成了不同的类别，现在就可以根据这些来区分新申请贷款的客户，以采取相应的贷款方案。    

3、聚类：是把整个数据库分成不同的群组。它的目的是使群与群之间差别很明显，而同一个群之间的数据尽量相似。这种方法通常用于客户细分。在开始细分之前不知道要把用户分成几类，因此通过聚类分析可以找出客户特性相似的群体，如客户消费特性相似或年龄特性相似等。在此基础上可以制定一些针对不同客户群体的营销方案。例如：将申请人分为高度风险申请者，中度风险申请者，低度风险申请者。     

4、关联分析：是寻找数据库中值的相关性。两种常用的技术是关联规则和序列模式。关联规则是寻找在同一个事件中出现的不同项的相关性；序列模式与此类似，寻找的是事件之间时间上的相关性，例如：今天银行利率的调整，明天股市的变化。     

5、预测：把握分析对象发展的规律，对未来的趋势做出预见。例如：对未来经济发展的判断。      <br>6、偏差的检测：对分析对象的少数的、极端的特例的描述，揭示内在的原因。例如：在银行的100万笔交易中有500例的欺诈行为，银行为了稳健经营，就要发现这500例的内在因素，减小以后经营的风险。     

以上数据挖掘的各项功能不是独立存在的，它们在数据挖掘中互相联系，发挥作用。