Decision support system

Da Wikipedia, l'enciclopedia libera.

Un Decision Support System (DSS) è un sistema software di supporto alle decisioni, che permette di aumentare l'efficacia dell'analisi in quanto fornisce supporto a tutti coloro che devono prendere decisioni strategiche di fronte a problemi che non possono essere risolti con i modelli della ricerca operativa. La funzione principale di un DSS è quella di estrarre in poco tempo e in modo versatile le informazioni utili ai processi decisionali, provenienti da una rilevante quantità di dati.

Il DSS si appoggia su dati in un database o una base di conoscenza, che aiutano l'utilizzatore a decidere meglio; esso non è solo un'applicazione informatica, perché contiene anche strumenti di Business Intelligence e di tecnologie dei Sistemi Esperti, quali modelli di supporto decisionale.

Come nasce[modifica | modifica sorgente]

Nasce dall'enorme accumulo di dati dell'ultimo ventennio e dalla richiesta di utilizzo di tali dati per scopi al di fuori della normale elaborazione giornaliera.

Definizioni di DSS[modifica | modifica sorgente]

Dagli anni ’70 fino ad oggi si sono susseguite diverse definizioni del concetto di DSS. Nei primi anni ’70 un DSS era definito come un “sistema informatico a supporto del processo decisionale”. Alla fine degli anni ’70 e agli inizi degli anni ’80 un DSS era definito come un sistema che utilizzava tecnologie disponibili in quegli anni per migliorare le attività manageriali. Dalla fine degli anni ’80 ad oggi dal concetto di DSS emergono anche le caratteristiche “intelligenti” del sistema oltre quelle di software user-friendly.

In definitiva, gli aspetti essenziali di un DSS si possono racchiudere in:

  • facilità d’uso alla portata di tutti gli utenti;
  • ambiente interattivo;
  • possibilità per il sistema di fornire supporto al processo decisionale;
  • efficacia nell’utilizzo dei modelli e nell’analisi dei dati.

Componenti[modifica | modifica sorgente]

Solitamente un DSS è formato dai seguenti componenti principali.

Base dati[modifica | modifica sorgente]

La base dati raccoglie informazioni e dati che interessano l’utente. Questi dati sono indipendenti rispetto ai dati gestionali e sono spesso integrati con informazioni esterne. Da quanto detto si deduce che la struttura del DSS dipende sia dal problema che si deve affrontare sia dall’utente che lo utilizza.

Base di modelli[modifica | modifica sorgente]

Oltre alla base di dati un’altra risorsa dei DSS è la base dei modelli, i quali sono una risorsa importantissima di informazione in quanto analizzano dati in riferimento ad un determinato problema. Una base di modelli contiene le procedure necessarie a risolvere i problemi dell’utente, la sua funzione quindi è quella di organizzare la gestione di tutti i modelli per consolidare il processo di elaborazione dei dati, al fine razionalizzare il processo decisionale interno.

Sistema software[modifica | modifica sorgente]

Il sistema software si divide in tre componenti:

  • DBMS (Database Management Software), è un software che permette di definire schematicamente l’organizzazione dei dati memorizzarli, modificarli, gestirli permettendo una semplice estrazione della base di dati.
  • MBMS (Model Base Management Software), facilita la memorizzazione, la modifica e l’uso dei modelli. Il ruolo di un MBMS è simile a quello di un DBMS differenziato solo nella gestione delle procedure, ma non dei dati.
  • DGMS (Dialogue Generation Management Software), è il software che disegna l’interfaccia utente, quindi esso ha il compito di rendere più accessibile l’operazione che l’utente esegue sul DSS. Questa parte del sistema software è di fondamentale importanza per il DSS poiché l’utente è particolarmente interessato alla capacità di comunicazione del sistema.

Data Mining[modifica | modifica sorgente]

Data mining è un'operazione che individua ed estrae le informazioni, come relazioni, associazioni tra i dati presenti nel database precedentemente sconosciute all'utente. Le principali tecniche che utilizza il data mining sono le reti neurali, gli algoritmi di clustering e gli algoritmi generici.

Query[modifica | modifica sorgente]

Le Query interrogano il data base usando istruzioni specifiche del prodotto che si sta usando, tecnica molto specialistica, essa non ha un'importanza decisionale ma velocizza l’elaborazione di informazioni, essa si limita a fornire elementi a conferma o a smentita delle ipotesi formulate dall'utente.

OLAP[modifica | modifica sorgente]

OLAP acronimo di On Line AnalyticalProcessing è una tecnica che analizza in maniera approfondita una grande quantità di dati, si limita a fornire elementi a conferma o a smentita delle ipotesi formulate dai decisionmaker.

Knowledge[modifica | modifica sorgente]

Knowledge o anche knowledge management serve:

  • Ad organizzare i dati e le informazioni in modo tale da fornire conoscenza, esperienza, apprendimento continuo.
  • Più database in un unico data warehouse.
  • Aiuta a conoscere bene l’organizzazione dei dati e il tipo di ricerca.

Applicazioni[modifica | modifica sorgente]

L'utilizzo dei DSS non è circoscritto all'ambito aziendale, ma è utilizzato in ogni ambito in cui esiste la necessità di ottenere, dall'enorme quantità di dati presenti nel database o disponibili su internet, informazioni correlazioni significative e conoscenze utili alla strategia decisionale.

Esempi di applicazioni possono essere:

  • commercio: analisi di vendite, reclami, spedizioni, inventari, clienti, rimanenze;
  • manifattura: analisi di costi di produzione, fornitori, ordini;
  • sanità: analisi di ricoveri, dimissioni, contabilità;
    • telemedicina: aiutare il medico nell'analisi e decisioni dei dati telemonitorati;
  • servizi finanziari: analisi dei rischi, rilevamento frodi, utilizzo carte di credito;
  • telecomunicazioni: analisi del flusso delle chiamate, profilo dei clienti, assistenza clienti, promozioni;
  • trasporti: gestione parco mezzi, gestione carico e distribuzione.

Obiettivi[modifica | modifica sorgente]

Come detto, l'obiettivo di un DSS è quello di collezionare, trasformare e diffondere informazioni in modo "intelligente", per aiutare l'utilizzatore a prendere decisioni, senza però sostituirsi ad esso, infatti la decisione si ottiene combinando le valutazioni umane con le informazioni elaborate dal sistema.

Nel dettaglio, gli obiettivi di un DSS possono essere riassunti nei seguenti:

  • fornire all'utente, attraverso procedure interattive, tutte le informazioni necessarie per la comprensione del problema;
  • possibilità di ispezionare i dati da diversi punti di vista;
  • possibilità di valutare le conseguenze delle scelte compiute;
  • adattarsi al trattamento di problemi per i quali non è possibile fornire una soluzione algoritmica.

Un DSS aumenta soprattutto l'efficacia delle decisioni cognitive e questo è un fatto rivoluzionario, perché l'obiettivo dell'informatica negli ultimi 30 anni è stato l'aumento dell'efficienza e un intervento "intelligente" nella risoluzione di problemi.

Realizzazione[modifica | modifica sorgente]

Fasi realizzative[modifica | modifica sorgente]

La realizzazione di un DSS si sviluppa in quattro fasi principali:

  • intelligence phase è la fase in cui si raccolgono dati ed informazioni dall'interno e dall'esterno per l'identificazione del problema reale da affrontare;
  • design phase è la fase in cui si costruisce il modello e si generano le soluzioni possibili;
  • choice phase in questa fase si effettua la valutazione e quindi la scelta delle soluzioni ottimali infine si effettua il testing;
  • implementation fase in cui si realizza il DSS implementando la soluzione scelta.

Infine, eventualmente il feedback, per la valutazione delle risposte alle fasi precedenti al fine di poter modificare la decisione.

Problemi realizzativi[modifica | modifica sorgente]

Tra i problemi da affrontare per realizzare un DSS possiamo trovare la necessità di:

  • gestire grandi quantità di dati;
  • accedere a diverse fonti di dati su piattaforme diverse;
  • garantire l'accesso a più utenti con compiti diversi, per effettuare query, analisi in tempo reale e simulazioni;
  • gestire versione storica dei dati.

Requisiti[modifica | modifica sorgente]

La creazione di un DSS deve inoltre rispondere a requisiti specifici legati alle caratteristiche dei processi decisionali e alle necessità dell'utente. La flessibilità deve essere un requisito fondamentale del DSS poiché esistono varie tipologie di problemi, vari tipi di decisione, vari tipi di dati che implicano diverse modalità di elaborazione e anche tipologie differenti di utenti che si ritrovano ad utilizzare il sistema DSS.

Devono inoltre essere permesse analisi adhoc sui dati e l'uso di diversi modelli (quantitativi, statistici, ecc).

Valutazioni[modifica | modifica sorgente]

Esistono due categorie principali di metriche di valutazione dei DSS basate su:

  • efficacia, indica se si sta compiendo l'azione giusta, esprimendo il grado di conformità di un sistema agli scopi per il quale è stato progettato;
  • efficienza, indica se l'azione viene svolta in modo ottimale.

Esempi di utilizzo dei DSS[modifica | modifica sorgente]

Esempio di DSS applicato ad un’impresa. Il DSS deve garantire:

  • ottimizzazione del capitale per investimenti su materiali e attrezzature;
  • elaborazione dei dati appartenenti ai clienti per eventuali sconti su quantità e tipologie di merci;
  • organizzazione efficiente delle rimanenze di magazzino con possibile promozione su tali scorte in modo da ottimizzare il carico e scarico dei magazzini;
  • scelta del tipo di trasporto basato sulla quantità, tipologia, distanza che la merce deve effettuare;
  • gestione contabilità;
  • gestione dinamica delle richieste e dei preventivi;
  • gestione dei documenti obbligatori e delle pratiche;
  • gestione report e filtri.

Voci correlate[modifica | modifica sorgente]

Altri progetti[modifica | modifica sorgente]

Collegamenti esterni[modifica | modifica sorgente]

neuroscienze Portale Neuroscienze: accedi alle voci di Wikipedia che trattano di neuroscienze