1.1. BackgroundDSS research has, ev

1.1. Background

DSS research has, ever since first introduced in the
1960’s (initially the term was Management Informa- tion Systems - the DSS term did not become widely used until the early 80’s), been a highly diverse field of research, drawing on influences from numerous other areas, including both social sciences and technology development. As already mentioned, one could view DSS more as an application field, rather than a ba- sic research field. Both DSS and the Semantic Web have, for instance, been known to apply technologies originally developed in the context of Artificial In- telligence (AI), as well as general Web technologies, e.g., for so-called Web DSS. DSS have also had a strong focus on models since the start, and today some of the main techniques of Business Intelligence (as a sub-field of DSS) include multidimensional mod-els, data cubes, and OLAP (Online Analytical Pro- cessing) [76] - all making heavy use of formal mod- els. Another related field is Information Retrieval (IR), where many early search engines and document index- ing approaches were originally targeted at Knowledge Management (KM) or managerial support within en- terprises, hence, related to DSS.
The diversity of the field is partly due to the many types of stakeholders involved, i.e., since we are all decision-makers in some context (either personal or professional) different DSS need to target all such types of decision-makers and decision-making con- texts respectively. DSS can also be viewed from sev- eral different perspectives. For instance, according to [77] DSS can be divided into Model-driven DSS, Data- driven DSS, Communications-driven DSS, Document- driven DSS, and Knowledge-driven DSS.
The Model-driven DSS operates on some model of reality, in order to optimize or simulate outcomes of decisions based on data provided. In these systems the model is at focus, and can be accessed and manipu- lated by the decision maker in order to analyze a cer- tain situation, while the amount of data may not be large. A classical example is a financial decision sup- port system, using financial models to predict the im- pact of certain managerial decisions on the econom- ical key indicators of the business. Data-driven DSS on the other hand focus on the access and manipula- tion of large amounts of data, e.g., Data Warehousing systems, or even more elementary system such as file systems with search and retrieval capabilities.
While data-driven DSS focus on retrieving and ma- nipulating data, Document-driven DSS use text or mul- timedia document collections as their basis of decision information. Document analysis and IR systems are simple examples from this category. Communications- driven DSS, on the other hand, focus on the interaction and collaboration aspects of decision making. Simple examples include groupware and video-conferencing systems that allow distributed and networked decision- making. Finally, Knowledge-driven DSS are those that actually recommend or suggest actions to the users, rather than just retrieve information relevant to a cer- tain decision, i.e., these systems try to perform some part of the actual decision making for the user through special-purpose problem-solving capabilities. As can be noted, many of the examples above include systems that we may not consider as particularly “decision- oriented” by today’s standards, but which were in many cases originally proposed as DSS tools.

In this paper, however, we choose to refer to an alter- native categorization of DSS, which divides DSS into the following (overlapping) categories [11], targeting the purpose of the DSS rather than its internal struc- ture:

– Personal DSS – A DSS supporting individuals in their decision-making.
– Group DSS – A DSS supporting a group of peo- ple making a joint decision.
– Negotiation DSS – A DSS supporting negotiation leading up to a decision situation.
– Intelligent DSS – A DSS incorporating some form of “intelligent analysis” functionality, i.e., not only supplying a user with raw (possibly fil- tered) data, but processing that data in some way as to produce more meaningful information.
– Business Intelligence (BI) – A DSS targeted at data representing the state of an enterprise.
– Data Warehousing – A DSS infrastructure incor- porating a set of data sources that are integrated by means of some unifying model.
– Knowledge-management DSS – A DSS targeted at Knowledge Management (KM) in some orga- nization.

Compared to the categorization of [77] we note that BI and Data Warehousing are today most often Data- driven DSS, while Intelligent DSS are more related to Knowledge-driven DSS or in some cases Model- driven DSS. Communication-driven DSS are usually either Group DSS or Negotiation DSS. Personal and Knowledge-management DSS are cross-cutting cate- gories which may be of more or less any of the cate- gories in [77].

ผลลัพธ์ (ไทย) 1:

1.1. พื้นหลังมีวิจัย DSS ตั้งแต่แรก นำมาใช้ในการ1960 (เริ่มแรกคำถูกจัดการ Informa - สเตรชันระบบ - คำ DSS ไม่ได้ไม่เป็นใช้จนคศ), รับวิจัย รูปวาดบนอิทธิพลจากหลายพื้นที่อื่น ๆ รวมทั้งสังคมศาสตร์และเทคโนโลยีพัฒนาเขตมาย ตามที่กล่าวไว้แล้ว หนึ่งสามารถดู DSS ขึ้นเป็นการประยุกต์ มากกว่าบาแบบวิจัยฟิลด์ซิลิก้อน DSS และเว็บเชิงความหมาย เช่น ทราบว่ามีการใช้เทคโนโลยีเดิม ได้รับการพัฒนาในบริบทของ telligence In-ประดิษฐ์ (AI), และทั่วไปเว็บเทคโนโลยี เช่น สำหรับเว็บเรียกว่า DSS DSS ยังมีความแข็งแรงในรุ่นตั้งแต่เริ่มต้น และวันนี้ของเทคนิคหลักของข่าวกรองธุรกิจ (เป็นเขตย่อยของ DSS) รวม กับ mod หลาย ลูกบาศก์ข้อมูล OLAP (Pro-ออนไลน์วิเคราะห์ cessing) [76] - ทั้งหมดที่ทำหนักใช้กับมดอย่างเป็นทางการ อื่นที่เกี่ยวข้องกับฟิลด์จะเรียกข้อมูล (IR), หลายต้นเครื่องมือค้นหา และวิธีการอิงดัชนีเอกสารเดิมมีเป้าหมายที่จัดการความรู้ (KM) หรือสนับสนุนบริหารจัดการภายในห้อง-terprises ดังนั้น ที่เกี่ยวข้องกับ DSSความหลากหลายของฟิลด์เป็นส่วนหนึ่งเนื่องจากหลายชนิดมีส่วนได้เสียที่เกี่ยวข้อง เช่น เนื่องจากเรามีทั้งหมดผู้ผลิตตัดสินใจในบางอย่าง (ส่วนตัว หรืออาชีพ) ต่างๆ DSS ต้องเป้าหมายทั้งหมดเช่นชนิดของผู้ผลิตตัดสินใจและตัดสินใจคอนข้อความตามลำดับ DSS สามารถดูจาก sev - eral มุมมอง ตัวอย่าง ตาม DSS [77] สามารถแบ่ง DSS แบบโมเดล ข้อมูล-driven DSS, DSS ที่ขับเคลื่อนการสื่อสาร เอกสาร-driven DSS และขับเคลื่อนความรู้ DSSDSS แบบโมเดลที่ทำงานในบางรูปแบบของความเป็นจริง การเพิ่มประสิทธิภาพ หรือจำลองผลของการตัดสินใจตามข้อมูลที่ให้ ในระบบเหล่านี้ แบบโฟกัส และสามารถเข้าถึง และ manipu-lated โดยการตัดสินใจการวิเคราะห์สถานการณ์ที่ cer tain ในขณะที่จำนวนของข้อมูลที่อาจไม่มีขนาดใหญ่ ตัวอย่างที่คลาสสิกเป็นระบบพอร์ตดื่มการตัดสินใจทางการเงิน ใช้แบบจำลองทางการเงินเพื่อทำนาย im-สนธิสัญญาบางอย่างตัดสินใจจัดการในตัว econom - ical คีย์บ่งชี้ของธุรกิจ คงเน้นขับเคลื่อนข้อมูล DSS เข้าและ manipula สเตรชันจำนวนมาก เช่น ระบบคลังสินค้าของข้อมูล หรือข้อมูลระบบประถมศึกษามากยิ่งขึ้นเช่นระบบแฟ้มที่มีความสามารถในการค้นหาและเรียกขณะขับเคลื่อนข้อมูล DSS เน้น ma nipulating และเรียกใช้ข้อมูล เอกสาร driven DSS ใช้ข้อความ หรือมูล timedia ใช้คอลเลกชันของฐานข้อมูลตัดสินใจ วิเคราะห์เอกสารและระบบอินฟราเรดเป็นตัวอย่างง่าย ๆ จากประเภทนี้ สื่อสาร-driven DSS คง มุ่งเน้นด้านการโต้ตอบและร่วมกันตัดสิน ตัวอย่างง่าย ๆ เช่น groupware และระบบการประชุมทางวิดีโอที่ทำให้กระจาย และเชื่อมต่อเครือข่ายตัดสินใจ สุดท้าย DSS ที่ขับเคลื่อนความรู้จะแนะนำ หรือแนะนำการดำเนินการสำหรับผู้ใช้ มากกว่าเพียงแค่ดึงข้อมูลที่เกี่ยวข้องกับการตัดสินใจ cer tain เช่น ระบบเหล่านี้พยายามดำเนินการบางส่วนของการตัดสินใจที่แท้จริงที่ทำให้ผู้ใช้ผ่านความสามารถในการแก้ปัญหาวัตถุประสงค์พิเศษ เป็นสามารถบันทึก ตัวอย่างด้านบนมากมายรวมถึงระบบที่เราอาจไม่พิจารณาเป็นอย่างยิ่ง "ตัดสินใจมุ่งเน้น" ตามมาตรฐานของวันนี้ แต่ที่ได้ในหลายกรณีแต่เดิมเสนอเป็น DSS เครื่องมือ ในเอกสารนี้ อย่างไรก็ตาม เราเลือกดูประเภทพื้นเมือง alter การของ DSS ซึ่งแบ่ง DSS ออกเป็นประเภท (ทับซ้อนกัน) ต่อไปนี้ [11], การกำหนดเป้าหมายวัตถุประสงค์ของ DSS มากกว่าของ struc-ture ภายใน:– DSS ส่วนบุคคล – DSS ที่สนับสนุนบุคคลในการตัดสินใจDSS A –กลุ่ม DSS ที่สนับสนุนกลุ่มสาธารณรัฐประชาธิปไตยเปิ้ลตัดสินใจร่วมกันสนับสนุนการเจรจาต่อรองที่นำไปสู่สถานการณ์ที่ตัดสินใจ DSS A –เจรจา DSS –– DSS อัจฉริยะ – DSS ที่เพจบางรูปแบบของฟังก์ชัน "วิเคราะห์อัจฉริยะ" เช่น ไม่เพียงแต่ จัดหาผู้ใช้ที่ มีวัตถุดิบ (อาจเป็นไฟล์-tered) ข้อมูล แต่การประมวลผลข้อมูลในบางลักษณะเพื่อผลิตข้อมูลที่มีความหมายมากขึ้น-ธุรกิจอัจฉริยะ (BI) – DSS เป็นเป้าหมายที่ข้อมูลที่แสดงถึงสถานะขององค์กร-คลังสินค้าข้อมูล – การ DSS โครงสร้างพื้นฐาน incor-porating ชุดของแหล่งข้อมูลที่รวมจากบางรุ่นรวมกัน-จัดการความรู้ DSS – เป้าหมายที่จัดการความรู้ (KM) ในบาง orga nization DSS Aเราเปรียบเทียบประเภทของ [77] ทราบว่า BI และคลังสินค้าข้อมูลวันนี้ส่วนใหญ่มักจะข้อมูล-driven DSS ในขณะที่ DSS อัจฉริยะอื่น ๆ ที่เกี่ยวข้องกับ DSS ที่ขับเคลื่อนความรู้ หรือในบางกรณีรูป-driven DSS สื่อสารขับเคลื่อน DSS มักกลุ่ม DSS หรือ DSS เจรจา ส่วนบุคคลและการจัดการความรู้ DSS ตัดข้าม cate-gories ซึ่งอาจจะมากหรือน้อยของใด ๆ gories cate ใน [77]

ผลลัพธ์ (ไทย) 2:

1.1 ประวัติความเป็นมาการวิจัย DSS มีนับตั้งแต่เปิดตัวครั้งแรกในปี1960 (ต้นระยะคือการบริหารจัดการข้อมูลที่ระบบการ - ระยะ DSS ไม่ได้กลายเป็นใช้กันอย่างแพร่หลายจนถึงต้นยุค 80) รับเป็นสนามที่มีความหลากหลายอย่างมากของการวิจัย, การวาดภาพบนอิทธิพลจากหลาย พื้นที่อื่น ๆ รวมทั้งสังคมศาสตร์และการพัฒนาเทคโนโลยี ดังกล่าวแล้วใครจะดู DSS มากขึ้นเป็นสนามแอพลิเคชันมากกว่าสนามวิจัย sic ba- ทั้ง DSS และเว็บความหมายได้เช่นรับทราบเพื่อนำไปใช้เทคโนโลยีที่พัฒนามาในบริบทของการประดิษฐ์ In-telligence นี้ (AI) เช่นเดียวกับเทคโนโลยีเว็บทั่วไปเช่นสำหรับสิ่งที่เรียกว่าเว็บ DSS DSS ยังมีความสำคัญมากในรูปแบบตั้งแต่เริ่มต้นและวันนี้บางส่วนของเทคนิคหลักของ Business Intelligence (เป็นสาขาย่อยของ DSS) รวม mod-Els หลายมิติ, ก้อนข้อมูลและ OLAP (Online Analytical โปรประมวล) [76] - ทั้งหมดทำให้การใช้งานหนักของ Els mod- อย่างเป็นทางการ อีกสาขาที่เกี่ยวข้องคือดึงข้อมูล (IR) ที่หลายเครื่องมือค้นหาเริ่มต้นและเอกสารดัชนีวิธีไอเอ็นจีเป็นเป้าหมายเดิมที่การจัดการความรู้ (KM) หรือการสนับสนุนการบริหารจัดการภายใน terprises en- จึงเกี่ยวข้องกับ DSS. ความหลากหลายของสนามคือ ส่วนหนึ่งเนื่องจากหลายประเภทของผู้มีส่วนได้เสียที่เกี่ยวข้องกล่าวคือตั้งแต่เราทุกคนผู้มีอำนาจตัดสินใจในบางบริบท (ทั้งส่วนตัวหรืออาชีพ) ความต้องการที่แตกต่างกัน DSS ในการกำหนดเป้าหมายทุกประเภทดังกล่าวของผู้มีอำนาจตัดสินใจและการตัดสินใจตำราทําตามลําดับ DSS ยังสามารถดูได้จากมุมมองที่แตกต่างกัน sev- eral ยกตัวอย่างเช่นที่สอดคล้องกับ [77] DSS สามารถแบ่งออกเป็นรุ่นที่ขับเคลื่อนด้วย DSS, DATA- ขับเคลื่อน DSS สื่อสารที่ขับเคลื่อนด้วย DSS, Document- ขับเคลื่อน DSS และความรู้ที่ขับเคลื่อนด้วย DSS. รุ่นที่ขับเคลื่อนด้วย DSS ทำงานในรูปแบบบางอย่างของความเป็นจริง ในการสั่งซื้อเพื่อเพิ่มประสิทธิภาพหรือจำลองผลของการตัดสินใจบนพื้นฐานของข้อมูลที่ได้รับ ในระบบเหล่านี้รูปแบบที่มุ่งเน้นและสามารถเข้าถึงได้และ manipu- lated โดยการตัดสินใจในการสั่งซื้อเพื่อวิเคราะห์สถานการณ์แม้ว่ากฏในขณะที่ปริมาณของข้อมูลที่อาจจะไม่ได้มีขนาดใหญ่ ตัวอย่างคลาสสิกคือการตัดสินใจทางการเงินระบบสนับสนุนพอร์ตโดยใช้แบบจำลองทางการเงินในการทำนายสัญญาญของการตัดสินใจในการบริหารจัดการบางอย่างในตัวชี้วัดสำคัญ econom- iCal ของธุรกิจ DSS ที่ขับเคลื่อนด้วยข้อมูลเกี่ยวกับการโฟกัสมืออื่น ๆ ในการเข้าถึงและการ manipula- ของข้อมูลจำนวนมากเช่นข้อมูลระบบคลังสินค้าหรือแม้กระทั่งระบบการประถมศึกษามากขึ้นเช่นระบบไฟล์ที่มีการค้นหาและความสามารถในการดึง. ในขณะที่ขับเคลื่อนด้วยข้อมูล DSS มุ่งเน้นไปที่ และเรียกข้อมูล nipulating ma- เอกสารที่ขับเคลื่อนด้วยการใช้ข้อความ DSS หรือคอลเลกชันเอกสาร timedia ๆ ได้เป็นพื้นฐานของข้อมูลการตัดสินใจ การวิเคราะห์เอกสารและระบบ IR เป็นตัวอย่างง่ายๆจากหมวดหมู่นี้ Communications- ขับเคลื่อน DSS ในมืออื่น ๆ ที่มุ่งเน้นไปที่การทำงานร่วมกันและด้านการทำงานร่วมกันของการตัดสินใจ ตัวอย่างง่ายๆรวมถึงกรุ๊ปแวร์และระบบการประชุมผ่านวิดีโอที่ช่วยให้กระจายและการตัดสินใจในเครือข่าย สุดท้าย DSS ที่ขับเคลื่อนด้วยความรู้เป็นคนที่จริงแนะนำหรือให้คำแนะนำการดำเนินการกับผู้ใช้งานที่มากกว่าแค่การดึงข้อมูลที่เกี่ยวข้องกับการตัดสินใจแม้ว่ากฏคือระบบเหล่านี้พยายามที่จะดำเนินเป็นส่วนหนึ่งของการตัดสินใจที่เกิดขึ้นจริงสำหรับผู้ใช้ผ่านการพิเศษบางอย่าง การแก้ปัญหาความสามารถในการ -purpose ที่สามารถตั้งข้อสังเกตหลายตัวอย่างข้างต้นรวมถึงระบบที่เราอาจจะไม่พิจารณาโดยเฉพาะอย่างยิ่ง "ตัดสินใจที่มุ่งเน้น" โดยมาตรฐานของวันนี้ แต่ที่อยู่ในหลายกรณีเสนอเดิมเป็นเครื่องมือ DSS. ในกระดาษนี้ แต่เราเลือกที่จะดู ไปยังหมวดหมู่พื้นเมืองหรืออีกวิธีหนึ่งของ DSS ซึ่งแบ่งออกเป็น DSS ดังต่อไปนี้ (ที่ทับซ้อนกัน) ประเภท [11] การกำหนดเป้าหมายวัตถุประสงค์ของ DSS มากกว่า ture โครงสร้างภายในไปนี้: - บุคคล DSS - เป็น DSS สนับสนุนประชาชนในการตัดสินใจของพวกเขา . - กลุ่ม DSS - เป็น DSS สนับสนุนกลุ่มของเปิ้ล peo- การตัดสินใจร่วมกัน. - การเจรจาต่อรอง DSS - เป็น DSS สนับสนุนการเจรจาต่อรองที่นำไปสู่สถานการณ์การตัดสินใจ. - อัจฉริยะ DSS - เป็น DSS ที่ผสมผสานรูปแบบของ "การวิเคราะห์อัจฉริยะ" ฟังก์ชั่นบางอย่าง กล่าวคือไม่เพียง แต่การจัดหาผู้ใช้ที่มีดิบ (อาจ fil- อกไว้) ข้อมูล แต่การประมวลผลว่าข้อมูลในบางวิธีเป็นในการผลิตข้อมูลความหมายมากขึ้น. - ระบบธุรกิจอัจฉริยะ (BI) - DSS เป้าหมายที่เป็นตัวแทนของรัฐข้อมูลขององค์กร- คลังข้อมูล - โครงสร้างพื้นฐาน DSS incor- porating ชุดของแหล่งข้อมูลที่มีการบูรณาการโดยใช้วิธีการบางรุ่นรวม. - มีความรู้การจัดการ DSS -. ให้ DSS เป้าหมายที่การจัดการความรู้ (KM) ในบาง nization orga- เมื่อเทียบกับการจำแนก ของ [77] เราทราบว่า BI และคลังข้อมูลมีวันนี้ส่วนใหญ่มักจะ DATA- ขับเคลื่อน DSS ในขณะที่ DSS อัจฉริยะมีความสัมพันธ์กันมากขึ้นในการ DSS ความรู้เป็นตัวขับเคลื่อนหรือในบางกรณี Model- ขับเคลื่อน DSS DSS การสื่อสารที่ขับเคลื่อนด้วยมักจะมีทั้งกลุ่ม DSS หรือการเจรจาต่อรอง DSS DSS ส่วนบุคคลและการจัดการความรู้เป็น cate- ตัดข้าม Gories ซึ่งอาจจะเป็นมากหรือน้อยกว่าที่ใด ๆ ของ Gories cate- ใน [77]