在基础概念部分，已经讲述了决策的相关概念。科学的决策对于一个组织而言具有举足轻重的作用，Herbert Simon甚至认为：“管理就是决策”。从前面的介绍知道，在决策的各个阶段，信息都具有至关重要的作用，以至于Herbert Simon说：“决策就是驾驭信息的能力”。

那么，信息以及信息技术怎样作用于决策呢？对于不同类别的决策以及决策的不同阶段的不同任务，信息技术又能够给予什么样的支持呢？以下分别从信息对决策过程的支持以及信息对不同类别的决策的支持两个方面，就信息技术对决策的支持进行讨论。

1）信息对决策过程的支持

这里将决策的过程及其任务，用图10-6予以展示。

图10-6　决策的过程及其任务

针对图10-6所示的决策阶段及其相关任务，提供一个与之对应的图10-7来标识服务于这些阶段的相关信息技术。

如图10-6和图10-7所示，对应于决策的每一个阶段，都有相应的信息技术手段与方法予以支持。

图10-7　信息技术对决策过程的支持

（1）决策的情报收集阶段

通过数据库（DataBsae）技术，能够有效地及时汇集和存储反映组织活动状态的数据，使得能够随时、精准地掌握组织的运行处于什么样的状态，并将这些状态数据与组织的目标进行比较，从而实现对问题的实时洞察。

通过数据仓库（DataWarwhouse）技术，能够大批量、多角度、多层次地汇集描述组织运行的历史数据，并借助于相应的分析工具，能够从不同的视角得到不同“粒度”的分析结果，从而把握组织运行的态势，并从中发现其基本规律。

通过数据挖掘（DataMining）技术手段，能够有效地挖掘出数据或信息所包含的“内容”，发现问题、分析成因，寻找出解决问题的机会。

对于确定性的问题，可以借助于联机事物处理系统（OLTP——On-Line Transaction Processing）手段，实时处理伴随组织业务活动产生的数据，发现和分析存在的问题及其原因，查找出解决问题的办法，并施以自动化的解决。

对于非确定性问题，可以借助联系分析处理系统（OLAP——On-Line Analytical Processing）手段，进行分析数据的聚合，搜索查询结果，并通过人机交互探索解决问题的方案。

（2）决策的方案设计与抉择阶段

管理科学（MS-Management Science）是管理理论与管理实践紧密结合的学科，其侧重于研究同现代生产、经营、科技、经济、社会等发展相适应的管理理论、方法和工具。自20世纪50年代以来，科技与生产迅速增长，企业规模越来越大，国际化进程加速，这一切都给管理工作提出了许多新问题，引起了人们对管理的普遍重视。除管理工作者和管理学家外，其他领域的一些专家，如社会学家、经济学家、生物学家、数学家等都纷纷加入了研究管理的队伍，他们从不同角度、采用不同方法来研究管理问题，产生了研究管理理论的各种学派，形成了著名的管理学家哈罗德·孔茨（Harold Koontz）所称的茂密的管理学理论丛林（The Management Theory Jungle Revisited，1980），这些理论为研究管理问题提供了研究视角和方法论。

P.M Morse与G.E Kimball在他们的奠基作中给运筹学下的定义是：“运筹学OROpration Research是在实行管理的领域，运用数学方法，对需要进行管理的问题进行统筹规划，并作出决策的一门应用科学”。运筹学拥有一整套的定量分析模型，包括：规划论（线性规划、目标规划、非线性规划、整数规划和动态规划等）、库存论、图论、决策论、对策论、排队论、可靠性理论等。借助这些分析模型，可以研究系统中的人、财、物的组织管理、筹划调度等问题，以期发挥最大效益。(www.daowen.com)

管理科学为管理问题的定性分析提供了方法论和分析手段；而运筹学则为管理问题的定量分析提供了有效的分析工具。

因此，MS／OR的结合可以有效地支持决策中的方案设计。

DSS／GDSS。DSS（Decision Support System）即决策支持系统。它是支持决策活动的具有智能作用的人机系统。该系统能够为决策者提供所需的数据、信息和背景资料，帮助明确决策目标和进行问题的识别，建立或修改决策模型，产生并提供各种备选方案，并且对各种方案进行评价和择优选择，通过人机交互功能进行分析、比较和判断，为正确的决策提供必要的支持。GDSS（Group DSS）即群决策支持系统。它是一种以网络技术和分布式共享技术为基础的，以支持多个决策者共同参与的决策过程为目的的计算机与决策者的交互系统。其典型应用有：决策室（Decision Room）、局部决策网络（Local Decision Network）、远程决策（Remote Decision Making）等。GDSS能够有效模拟多个决策者参与的群体决策过程，支持决策过程。

人工智能（AI-Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的信息技术科学。其主要目标是使计算机能够胜任一些通常需要人类智能才能完成的复杂工作。

例如，2017年一举战胜集多个世界冠军于一身的中国棋手柯洁而震惊世界的AlphaGo。它是Google Inc旗下DeepMind团队所开发的结合了深度学习（Deep Learning）与增强学习（Reinforcement Learning）功能的一套AI系统，它通过分析专业棋手棋谱，得到两个结果，快速走棋策略（Rollout Policy）与策略网络（SL Policy Network）。其中快速走棋策略类似于人类棋手通过观察盘面获得的“直觉”，其使用线性模型训练；而策略网络则经过深度学习模型训练进行分析，类似于人类的“深思熟虑”。继而，通过新的策略网络与先前训练好的策略网络进行互相对弈，利用增强学习来不断修正参数，最终得到增强的策略网络（RL Policy Network）。然后，将所有结果组成一个价值网络（Value Network），对整个盘面进行“全局分析”判断，最后，综合“直觉”“深思熟虑”“全局分析”的结果进行评价，循环往复，从而找出最优的对弈方案，使自己立于不败之地。

借助于人工智能，可以对所依托的信息不够充分、信息具有模糊性、决策方案的探索具有不确定性的相关决策，通过机器的深度学习、模糊数据分析等技术和手段提供支持。

模拟仿真（Simulating）是一种基于模型的方案分析活动，它用虚拟模型的模拟分析来代替真实系统进行动态实验和研究。借助于演绎法建模和归纳法建模两种方法，通过信息处理而得到问题解决方案及其结果分析，为预见所拟定的方案中存在的缺陷和防范方案的实施可能产生的不期望的结果提供了可能；而且，由于仿真技术采取的是虚拟分析的手段，能够以较低的成本实现方案的反复分析、比较，进行结果的预评估，从而为有效地辅助决策提供支持。

（3）决策的评审阶段

这一阶段的核心任务是，通过“后评估”总结成功的经验、吸取失败的教训，并通过组织的学习与系统思考，从而提升自我和超越自我。通过评审得到的知识是组织重要的知识，通过这些知识的积累、复制和共享，能够帮助组织取得更大的成功。这一点得到了学习型组织的倡导者、美国麻省理工学院（MIT）斯隆管理学院资深教授、国际组织学习协会（SoL）的创始人和主席彼得·圣吉（Peter Senge）的特别重视，认为这是组织得以提高整体竞争优势和实现持续发展的源泉。

因此，知识的管理与共享即成为了决策评审阶段的重中之重。而信息技术可以为此提供辅助。比如，微软的知识门户系统、IBM的Lotus知识管理系统、WebSphere Portal Server等，都是实现这一目的的有效工具。

图10-8是微软公司的知识地图（Knowledge Map）的示意图，它包含了微软公司生产经营涉及的137项显性知识和200项隐性知识。

图10-8　微软的知识地图

借助于这套知识地图系统，微软公司的员工可以方便地实现知识共享，从而为其有效地开展工作提供知识支持和辅助。

2）信息对不同类别的决策的支持

在概念基础部分的决策概念中，区分了结构化决策、半结构化决策和非结构化决策。不同类型的决策需要不同的决策技术。

对于结构化决策问题。由于它是组织中随时需要面对的，而又是具有结构化特征的，应该在利用完备的信息，并在对决策所需解决的问题进行深度分析的基础上，致力于使这类决策做到规范化、精准化，并借助信息技术和程序化的手段，使之实现决策的例行化和自动化。从而节约人们用于这类决策的宝贵的时间和精力，使之应用于更为复杂的问题的解决。

对于非结构化的决策问题，则需要大力发展大数据分析技术及人工智能技术，强化计算机的深度学习和深度分析能力，使之广泛应用于组织的管理活动中，特别是探索计算机在高层管理及组织结构中的应用，尤其是对于宏观社会管理中，影响范围广、涉及因素复杂，关乎国民经济发展和重大民生问题的决策，则需要在以信息技术为核心的社会计算学的支持下，在获取与问题相关的综合、实时的信息的基础上，通过对问题的模拟仿真分析和反复推演，在充分把握问题的发展态势、演变趋势以及可能出现的风险的基础上，推演决策可能带来的不同结果，并以之为支撑形成科学、合理的、平衡多方面目标诉求的解决方案。