CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

107

Chapter 3
Sistem Pendukung Keputusan
TUJUAN PEMBELAJARAN
Memahami konfigurasi DSS mungkin
Jelaskan karakteristik DSS dan kemampuan
Memahami komponen DSS dan bagaimana mereka mengintegrasikan
Menjelaskan komponen dan struktur masing-masing komponen DSS: the subsystem data
manajemen, subsistem model manajemen, user-interface (dialog) subsistem, subsistem
manajemen berbasis knowledge, dan pengguna
Jelaskan bagaimana World Wide Web telah mempengaruhi DSS, dan sebaliknya
Jelaskan peran unik dari pengguna di DSS dibandingkan MIS
Jelaskan platform hardware DSS
Memahami klasifikasi DSS penting
Dalam Bab 1 kita memperkenalkan DSS dan menekankan dukungannya dalam pemecahan
masalah manajerial kompleks. Metodologi pengambilan keputusan yang disajikan dalam
Chapter 2. Dalam bab ini kita menunjukkan bagaimana keunggulan DSS dicapai dengan
memeriksa capa-tanggung, struktur, dan klasifikasi di bagian berikut:
3.1 Membuka Vignette: Southwest Airlines Lalat di Wajah Persaingan melalui DSS
3.2 DSS Konfigurasi
3.3 Apa DSS?
3.4 Karakteristik dan Kemampuan DSS
3.5 Komponen DSS
3.6 Data Management Subsystem
3.7 Model Manajemen Subsystem
3.8 User Interface (Dialog) Subsystem
3.9 Pengetahuan Berbasis Subsistem Manajemen
3.10 Pengguna
3.11 DSS Hardware
3.12 Klasifikasi DSS

CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

108

3.13 Ringkasan
3.1 PEMBUKAAN Vignette: SOUTHWEST
AIRLINES LALAT DI WAJAH PERSAINGAN MELALUI OSS1
PENGANTAR
Sekitar setahun setelah September 11,2001 bencana dan risiko yang mengakibatkan
pendapatan maskapai, Southwest Airlines sangat senang dengan kinerja bisnisnya Intelaplikasi ligence / DSS untuk manajemen keuangan yang diperluas penyebaran meliputi
operasi penerbangan dan pemeliharaan. Di tengah krisis, Southwest Airlines berhasil
ditempatkan Hyperion Solutions Corp Essbase processing analisis online (OLAP) aplikasi
dan penganggaran Pilar nya software. Daya secara akurat dapat membuat perkiraan keuangan
dalam menghadapi penurunan pasar yang parah. Southwest telah dieksploitasi aplikasi bisnis
intelijen berhasil.
MASALAH BANYAK PERUSAHAAN MENGHADAPI
Sebagian besar perusahaan tidak memadai mengikat aplikasi keuangan mereka menjadi
system OLAP, menganalisis data mereka, dan kemudian bermakna menyampaikannya
kepada personil bisnis. Keberhasilan Southwest dihasilkan dari kemampuannya untuk
mengikat aplikasi perencanaan sumber daya perusahaan untuk perangkat lunak OLAP dan
kemudian menyajikan data keuangan yang relevan dan scenarios kepada para pengambil
keputusan nya.
SITUASI
Tepat setelah serangan teroris, maskapai itu beroperasi "di dunia ketidakpastian lengkap," kata
Mike Van de Ven, wakil presiden perencanaan keuangan dan analisis di Southwest. "Kami
diminta untuk memberikan semacam wawasan keuangan untuk berbagai decisions
perusahaan mungkin membuat."
Sebelum instalasi sekitar $ 1 juta dari Essbase dari Hyperion (Sunnyvale, California) pada
tahun 1999, personil analisis Southwest menulis query dengan tangan, menghabiskan sekitar
setengah jam berjalan mereka, dan kemudian menempatkan angka dalam spreadsheet untuk
analisis additional. Total waktu bisa memakan waktu hingga empat jam.
HASIL
Essbase telah memotong waktu analisis untuk sesedikit dua menit, yang mengarah ke
penghematan besar-besaran. Setelah menjalankan skenario terburuk-dan kasus terbaik dan
menciptakan perkiraan, Southwest developed rencana aksi untuk menstabilkan keuangan
nya. Ini membantu menjawab pertanyaan-pertanyaan seperti, "Seberapa cepat kita akan
membakar melalui kas kami?" Pada Juli 2002, perkiraan telah dalam 2 persen dari nilai yang
sebenarnya.

CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

109

Analis dapat mengakses kedua data operasional dan keuangan untuk menganalisis dan
mengidentifikasi dampak dari satu set di sisi lain. Hubungan dapat ditemukan untuk
meningkatkan peramalan. Secara keseluruhan, aplikasi telah membayar untuk dirinya sendiri
hanya melalui tabungan dari mengotomatisasi proses pengumpulan data.
Daya memiliki kontrol yang lebih baik atas biaya struktur dari jaringan operator lakukan. Ini
adalah maskapai penerbangan terbesar yang tetap menguntungkan karena industri perjalanan
mulai merosot pada tahun 2001. keseluruhan kehilangan $ 7 miliar dalam 2001 penerbangan
dan diperkirakan kehilangan setidaknya sebanyak pada tahun 2002. Southwest Airlines
mungkin satu-satunya operator untuk membuat keuntungan pada tahun 2002. Southwest
Airlines masih tumbuh (meskipun hati-hati), meskipun terjadi penurunan pasar besar dan
menunjukkan keuntungan $ 75 juta pada kuartal keempat alat bisnis intelijen bantuan
pengambil keputusan baru 2002. Southwest akurat predict pasar mereka dan memutuskan
mana yang untuk memperluas ke.
PERTANYAAN UNTUK PEMBUKAAN Vignette
1. Apa jenis model yang Anda kira Southwest Airlines yang digunakan dalam OLAP nya?
2. Bagaimana intelijen bisnis seperti itu dimanfaatkan oleh Southwest Airlines dapat
menyebabkan keuntungan yang lebih tinggi dan posisi yang lebih kompetitif di pasar?
3. Jelaskan bagaimana manfaat yang diperoleh.
4. Mengapa tidak kebanyakan perusahaan melakukan apa Southwest Airlines lakukan?
5. Jelaskan bagaimana ide-ide ini dapat digunakan dalam segmen industri lainnya (misalnya,
ritel, asuransi, minyak dan gas, universitas).
3.2 KONFIGURASI DSS
Pembukaan sketsa menggambarkan fleksibilitas dari sistem intelijen DSS / bisnis. Secara
khusus, hal itu menunjukkan sistem pendukung dengan karakteristik sebagai berikut:
Mendukung anggota individu dan seluruh tim.
Hal ini digunakan berulang kali dan terus-menerus.
Memiliki tiga komponen utama: data, model, dan user interface.
Menggunakan data yang subjektif, personal, dan obyektif.
Hal ini digunakan di sektor swasta.
Ini membantu pengguna untuk membuat lebih cepat, lebih cerdas, keputusan yang lebih baik.
Meskipun tidak disebutkan, antarmuka pengguna dan akses database yang, tidak diragukan
lagi, implemented dengan teknologi Web / Internet.

CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

110

sketsa ini menunjukkan beberapa diversifikasi potensi DSS. pendukung keputusan dapat
diberikan dalam berbagai konfigurasi yang berbeda. konfigurasi ini tergantung pada sifat dari
situasi manajemen-keputusan dan teknologi khusus yang digunakan untuk dukungan.
Teknologi ini dirakit dari empat komponen dasar (masing-masing dengan beberapa variasi):
data, model, antarmuka pengguna, dan (opsional) pengetahuan, sering dikerahkan melalui
Web. Setiap komponen ini dikelola oleh perangkat lunak yang baik tersedia secara komersial
atau harus diprogram untuk tugas tertentu. Cara di komponen-komponen yang dirakit
mendefinisikan kemampuan utama mereka dan sifat dari dukungan yang diberikan. Misalnya,
model ditekankan dalam DSS Model-oriented. Model tersebut dapat disesuaikan dengan
spreadsheet atau bahasa pemrograman atau dapat disediakan oleh standar alat berbasis
algoritma yang mencakup pemrograman linear. Demikian pula, dalam DSS berorientasi data,
database dan manajemen memainkan peran utama. Dalam situasi di sketsa pembukaan, kedua
pendekatan yang digunakan. Dalam bab ini kita akan mengeksplorasi semua topik ini dan
terkait, tapi pertama kita meninjau kembali definisi DSS.
3.3 APA
ADALAH DSS?
Definisi awal dari DSS diidentifikasi sebagai sistem dimaksudkan untuk mendukung
manajerial para pengambil keputusan dalam situasi keputusan semi terstruktur. DSS
dimaksudkan untuk menjadi tambahan untuk para pengambil keputusan untuk memperluas
kemampuan mereka, tetapi tidak untuk menggantikan judgment mereka. Mereka bertujuan
keputusan di mana penilaian diperlukan atau keputusan yang tidak bisa sepenuhnya didukung
oleh algoritma. Tidak secara khusus dinyatakan, tapi tersirat dalam definisi awal, adalah
gagasan bahwa sistem akan berbasis komputer, akan beroperasi secara interaktif online, dan
sebaiknya harus capabilities output grafis. Definisi awal terbuka untuk beberapa interpretasi.
Segera beberapa definisi lain muncul yang menyebabkan perselisihan yang cukup untuk apa
DSS benar-benar adalah. Kami membahas definisi ini selanjutnya.
DEFINISI DSS
Kecil (1970) mendefinisikan DSS sebagai "set model berbasis prosedur untuk mengolah data
dan penilaian untuk membantu manajer dalam pengambilan keputusan-Nya." Dia berpendapat
bahwa untuk menjadi sukses, sistem tersebut harus sederhana, kuat, mudah untuk mengontrol,
adaptif, lengkap tentang isu-isu penting, dan mudah untuk berkomunikasi dengan. Alter (1980)
mendefinisikan DSS dengan kontras mereka dengan (EDP) sistem pengolahan data elektronik
tradisional pada lima dimensi, seperti yang ditunjukkan pada Tabel 3.1.
Moore dan Chang (1980) berpendapat bahwa konsep structuredness, begitu banyak bagian
dari definisi DSS awal (yaitu, bahwa DSS dapat menangani situations semistructured dan
tidak terstruktur), tidak bermakna secara umum; masalah dapat digambarkan sebagai
terstruktur atau tidak terstruktur hanya berkenaan dengan pembuat keputusan tertentu atau
situasi tertentu (misalnya, keputusan terstruktur terstruktur karena kita memilih untuk
memperlakukan mereka seperti itu). Dengan demikian, mereka mendefinisikan DSS sebagai
sistem diperpanjang mampu mendukung ad hoc Data analysis dan pemodelan keputusan,

CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

111

berorientasi pada perencanaan masa depan, dan digunakan pada tidak teratur, interval yang
tidak direncanakan.
Bonczek et al. (1980) mendefinisikan DSS sebagai sistem berbasis komputer yang terdiri dari
tiga komponen yang saling berinteraksi: sistem bahasa (mekanisme untuk menyediakan
komunikasi antara pengguna dan komponen lain dari DSS), sistem pengetahuan (repositori
pengetahuan masalah domain yang terkandung dalam DSS baik sebagai data atau prosedur),
dan sistem masalah-processing (link antara dua komponen lainnya, mengandung satu atau
lebih dari kemampuan masalah-manipulasi umum yang diperlukan untuk decisionmaking).
Konsep yang disediakan oleh definisi ini penting untuk memahami hubungan antara DSS dan
pengetahuan.
Akhirnya, tajam (1980) menerapkan DSS istilah "untuk situasi di mana 'final' sistem dapat
dikembangkan hanya melalui proses adaptif dari pembelajaran dan evolusi." Dengan
demikian, ia mendefinisikan DSS sebagai produk dari proses perkembangan di mana
pengguna DSS, pembangun DSS, dan DSS itu sendiri semua mampu mempengaruhi satu sama
lain, sehingga evolusi sistem dan pola penggunaan.
Definisi ini dibandingkan dan dikontraskan dengan memeriksa berbagai konsep yang
digunakan untuk mendefinisikan DSS (Tabel 3.2). Tampaknya bahwa dasar untuk
mendefinisikan DSS telah developed dari persepsi apa DSS tidak (misalnya, dukungan
pengambilan keputusan dalam masalah tidak terstruktur) dan dari ide-ide tentang bagaimana
tujuan DSS ini dapat accomplished (misalnya, komponen yang diperlukan , pola penggunaan
yang tepat, proses pembangunan diperlukan).
Sayangnya, definisi formal DSS tidak memberikan fokus yang konsisten karena setiap
mencoba untuk mempersempit populasi berbeda. Selain itu, mereka secara kolektif
mengabaikan tujuan utama dari DSS, yaitu, untuk mendukung dan meningkatkan pengambilan
keputusan. Dalam definisi DSS kemudian, fokus tampaknya berada di input daripada output.
Alasan sangat mungkin untuk perubahan dalam penekanan adalah sulitnya mengukur output
dari DSS (misalnya, kualitas keputusan atau keyakinan dalam keputusan dibuat).
APLIKASI DSS
DSS biasanya dibangun untuk mendukung solusi dari masalah tertentu atau untuk
mengevaluasi kesempatan. Karena itu disebut aplikasi DSS. Dalam DSS di Focus 3.1 kita
memberikan definisi kerja yang mencakup rentang dari dasar ke aplikasi DSS yang ideal.
Kemudian dalam bab ini berbagai konfigurasi DSS dieksplorasi. Namun, itu bermanfaat
pertama yang berurusan dengan karakteristik dan kemampuan DSS, yang kami sajikan
berikutnya.
Kami menunjukkan berbasis Web DSS arsitektur khas pada Gambar 3.1. Struktur DSS ini
menggunakan model dalam pekerjaan intelijen bisnis. Pemrosesan didistribusikan beberapa
server dalam memecahkan masalah analitis besar. arsitektur multitier ini menggunakan
browser Web untuk menjalankan program pada server aplikasi. server mengakses data ke
construct satu atau lebih model. Data juga dapat diberikan oleh server data yang opsional

CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

112

ekstrak data dari data warehouse atau sistem warisan mainframe. Ketika pengguna
membutuhkan bahwa model dioptimalkan, model, diisi dengan data, adalah transferred ke
server optimasi. Optimasi server yang dapat mengakses data tambahan
TABEL 3.2 Konsep yang mendasari DSS Definisi
Sumber
Gorry dan Scott-Morton (1971)
Kecil (1970) Alter (1980)
Moore dan Chang (1980) Bonczek et al. (1989) tajam (1980)
Soal jenis, fungsi sistem (dukungan) Fungsi sistem, karakteristik antarmuka pola Penggunaan,
tujuan sistem pola Penggunaan, kemampuan sistem komponen Sistem proses Pembangunan
DSS Ditetapkan dalam rangka
DSS IN FOKUS 3.1
Selain itu, DSS biasanya menggunakan model dan dibangun (sering oleh pengguna akhir) oleh
suatu proses interaktif dan berulang. Mendukung semua fase pengambilan keputusan dan
mungkin termasuk komponen pengetahuan.
Akhirnya, DSS dapat digunakan oleh satu pengguna pada PC atau dapat berbasis web untuk
digunakan oleh banyak orang di beberapa lokasi.
DSS adalah sebuah pendekatan (atau metodologi) untuk supporting pengambilan keputusan.
Ini menggunakan interaktif, fleksibel, mudah beradaptasi CBIS terutama dikembangkan untuk
mendukung solusi untuk masalah management nonstructured tertentu. Menggunakan data,
menyediakan antarmuka pengguna yang mudah, dan dapat menggabungkan wawasan pembuat
keputusan sendiri.
APAKAH APLIKASI DSS?
dari server data, memecahkan masalah, dan memberikan solusi langsung ke browser Web
pengguna. laporan solusi yang dihasilkan, yang server aplikasi dapat massage untuk
membuat mereka dapat dibaca oleh manajer, dapat dikirim langsung ke pihak yang tepat
melalui e-mail atau dapat dibuat tersedia melalui portal Web lain sebagai bagian dari sistem
informasi enterprise ini. DSS berbasis web yang dijelaskan dalam Kasus Aplikasi 3.2
terstruktur di sepanjang garis-garis ini, seperti aplikasi yang dijelaskan dalam DSS dalam Aksi
3.2. Lihat Cohen, Kelly, dan Medaglia (2001) untuk contoh lebih lanjut dari beberapa
applications berbasis web yang memanfaatkan jenis arsitektur. arsitektur serupa dijelaskan
oleh Dong, Sundaram, dan Srinivasan (2002), Gachet (2002), dan Forgionne et al. (2002).
GAMBAR 3.1 ARSITEKTUR Multitier untuk menggabungkan OPTIMASI, SIMULASI,
DAN MODEL LAIN KE WEB BERBASIS DSS

CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

113

optimasi /
Simulasi / dll.
Server
Data
Gudang atau DBMS Legacy (opsional)
Data
Server
(Sumber: Diadaptasi dari Cohen, Kelly, dan Medaglia, 2001.)
OSS BERAKSI 3.2
els. Mereka memiliki kecenderungan untuk terlalu banyak menimbun dan jauh merindukan
tujuan minimal empat perputaran persediaan per tahun.
Kemudian Cambar mengembangkan Inventory- Replenishment Planner (IRP). Model ini
menggunakan arsitektur ditunjukkan pada Gambar 3.1. Sebuah antarmuka Web captures
interaksi pengguna, menyimpan informasi bisnis, dan membangun model menggunakan data
dari server data pada server aplikasi. model mendekati permintaan leadtime dan
meminimalkan pemesanan dan biaya tetap tunduk pada tingkat layanan yang diperlukan.
Model tersebut diselesaikan pada optimisasi / simulasi server dengan dua heuristics. Efek
dievaluasi pada optimasi / simu- Server lation dengan mensimulasikan efek dari kebijakan
untuk evaluate efektivitas mereka. Hasil ditangkap oleh server aplikasi dan diserahkan ke
server Web, yang menghasilkan laporan bermakna untuk menentukan apa dan kapan untuk
memesan.
Sumber: Diadaptasi dari Cohen, Kelly, dan Medagli (2001).
Cameron dan Barkley (Cambar) Perusahaan (Charleston, Carolina Selatan) mendistribusikan
pasokan industri, listrik, dan elektronik di seluruh Amerika Serikat. Hampir satu setengah juta
produk terdiri persediaan Cambar ini. Cambar dibutuhkan untuk mengurangi persediaan

CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

114

without mengorbankan tingkat layanan pelanggan. Kedua gol bertentangan, namun sering
terjadi dalam praktek. Perusahaan yang dibutuhkan untuk mengelola dan meningkatkan
persediaan produk dan meningkatkan akurasi permintaan forecasts-kunci untuk pengurangan
persediaan. Dengan menganalisis data permintaan, beberapa aturan pemesanan baik yang
identified. Berikutnya sistem prototipe persediaan-perencanaan dan management
dikembangkan, diuji, dan disebarkan. Pembeli, yang berhasil persediaan, memiliki tujuan
menjaga tingkat persediaan yang cukup tinggi untuk memenuhi tingkat ketat layanan
pelanggan. Tapi memanggil terlalu tinggi inventory membawa biaya; modal terikat dalam
persediaan, dan ada biaya pemeliharaan itu. Pembeli digunakan prakiraan permintaan
judgmental dan sederhana untuk menentukan lev- ini
CAMERON DAN BARKLEY PERUSAHAAN BERBASIS WEB DSS MENGURANGI
PERSEDIAAN DAN MENINGKATKAN KINERJA
3.4 KARAKTERISTIK DAN KEMAMPUAN DARI DSS
Karena tidak ada konsensus tentang apa DSS adalah, ada jelas tidak ada agreement pada
karakteristik standar dan kemampuan DSS. Kemampuan dalam Gambar
3.2 merupakan suatu set yang ideal, beberapa anggota yang dijelaskan dalam definisi serta
dalam sketsa pembukaan. Intelijen bisnis jangka identik dengan DSS tetapi telah menjadi erat
selaras dengan implementasi Web (lihat DSS di Focus 3.3; lihat juga Callaghan, 2002; Hall,
2002a, b; Harreld, 2002; d Ocken, 2002). business analytics adalah istilah lain yang
menyiratkan penggunaan model dan data untuk meningkatkan performance organisasi atau
postur yang kompetitif. Dalam analisis bisnis, fokusnya adalah pada penggunaan models,
bahkan jika mereka terkubur di dalam sistem. Bahkan, PricewaterhouseCoopers (PwC)
memperkirakan hanya 10 sampai 20 persen pengguna mengakses alat DSS. Untuk mencapai
sisanya, business analytics harus tertanam dalam solusi IT inti (lihat Hall, 2000b). Hall
(2002a) menjelaskan analisis Web, sebuah pendekatan untuk menggunakan alat analisis bisnis
informasi Web realtime untuk membantu dalam pengambilan keputusan. Kebanyakan
aplikasi ini terkait dengan e-commerce, sementara yang lain sedang dimulai dalam
pengembangan produk dan manajemen rantai pasokan.
Karakteristik DSS kunci dan kemampuan (Gambar 3.2) adalah:
GAMBAR 3.2

CHAPTER 3 DECISION SUPPORT SYSTEMS: AN OVERVIEW

115

KEY CHARACTERISTICS AND CAPABILITIES OF DSS

DSS IN FOCUS 3.3

WHAT IS BUSINESS INTELLIGENCE?

Business intelligence (BI) is a collection of technical and process innovations across the data warehousing and business intelligence space.
Proactive BI focuses on decision-making acceleration by leveraging existing BI infrastructure to identify, calculate, and distribute up-to- the-moment, missioncritical information. Through the application of these techniques and technologies, the reach and value of data warehouse and BI systems can be increased by one
or more orders of magnitude. Business success today requires intelligent data use.
Proactive BI has five components: real-time warehousing, automated anomaly and exception detection,
proactive alerting with automatic recipient determination, seamless follow-through workflow, and automatic learning and refinement. Wireless technologies have
a key role to play in increasing the value and efficiency of several of these Components.

Business analytics implies the use of models in business intelligence. These models may be manual, as in OLAP, or automatic, as in data
mining.
Sources: Some material adapted from Langseth and Vivatrat, 2002;;;also see Ocken, 2002; Rataock (2002).

PART II DECISION SUPPORT SYSTEMS

1.

Support for decision-makers, mainly in semistructured and unstructured situations, by bringing together human judgment and
computerized iilfdrinatidft* Stieh problems cannot be solved (or cannot be solved conveniently) by Other computerized systems or by
standard quantitative methods or tools.

2.

Support for all managerial levels, ranging from top executives to line managers.

3.

Support for individuals as well as to groups. Less-structured problems often require the involvement of individuals from different
departments and organizational levels or even from different organizations. DSS support virtual teams through collaborative Web
tools.

4.

Support for interdependent and/or sequential decisions. The decisions may be made once, several times, or repeatedly.

5.

Support in all phases of the decision-making process: intelligence* design, choice, and implementation.

6.

Support in a variety of decision-making processes and styles.

7.

Adaptivity over time. The decision-maker should be reactive, able to confront changing conditions quickly, and able to adapt the DSS
to meet these changes. DSS are flexible, and so users can add, delete, combine, change, or rearrange basic elements. They are also
flexible in that they can be readily modified to solve other, similar problems.

8.

User feeling of at-homeness. User-friendliness, strong graphical capabilities, and a natural language interactive human-machine
interface can greatly increase the effectiveness of DSS. Most new DSS applications use Web-based interfaces.

9.

Improvement of the effectiveness of decision-making (accuracy, timeliness, quality) rather than its efficiency (the cost of making
decisions). When DSS are deployed, decision-making often takes longer, but the decisions are better.

10.

Complete control by the decision-maker over all steps of the decision-making process in solving a problem. A DSS specifically aims to
support and not to replace the decision-maker.

11.

End-users are able to develop and modify simple systems by themselves. Larger systems can be built with assistance from information
system (IS) specialists. OLAP (online analytical processing) software in conjunction with data warehouses allows users to build fairly
large, complex DSS.

12.

Models are generally utilized to analyze decision-making situations. The modeling capability enables experimenting with different
strategies under different configurations. In fact, the models make a DSS different from most MIS.

13.

Access is provided to a variety of data sources, formats, and types, ranging from geographic information systems (GIS) to objectoriented ones.

14.

Can be employed as a standalone tool used by an individual decision-maker in one location or distributed throughout an organization
and in several organizations along the supply chain. It can be integrated with other DSS and/or applications, and can be distributed
internally and externally, using networking and Web technologies.
These key DSS characteristics and capabilities allow decision-makers to make better, more consistent decisions in a timely manner, and

they are provided by the major DSS components, which we describe next.

3.5 KOMPONEN DSS

Sebuah aplikasi DSS dapat terdiri dari subsistem yang ditunjukkan pada Gambar 3.3.
Data-subsistem manajemen. Subsistem manajemen data termasuk database yang gQjjtains
data yang relevan untuk situasi dan dikelola oleh perangkat lunak yang disebut th sistem
manajemen database (DBMS) 0,2 subsistem manajemen data dapat saling berhubungan
dengan data warehouse perusahaan, repositori untuk corporate relevan pengambilan
keputusan data. Biasanya data disimpan atau diakses melalui server database Web.
model pengelolaan subsistem. Ini adalah paket perangkat lunak yang mencakup keuangan,
statistik, ilmu manajemen, atau model kuantitatif lainnya yang memberikan kemampuan
analitis yang system dan manajemen perangkat lunak yang sesuai. Bahasa modeling untuk
membangun model kustom juga disertakan. Perangkat lunak ini sering disebut sistem
manajemen basis model yang (MBMS). Komponen ini dapat connected ke penyimpanan
perusahaan atau eksternal dari model. Model metode solusi dan sistem manajemen yang
diterapkan dalam sistem pengembangan Web (seperti Java) untuk berjalan pada server
aplikasi.
User interface subsistem. Pengguna berkomunikasi dengan dan perintah DSS melalui
subsistem ini. Pengguna dianggap bagian dari sistem. Para peneliti menegaskan bahwa
beberapa kontribusi yang unik dari DSS berasal dari interaksi intensive antara komputer dan
pembuat keputusan. Browser Web menyediakan akrab, struktur antarmuka pengguna grafis
yang konsisten bagi kebanyakan DSS.
Berbasis pengetahuan manajemen subsistem. subsistem ini dapat mendukung salah satu
subsistem lain atau bertindak sebagai komponen yang independen. Ini menyediakan intelijen
untuk
GAMBAR 3.3 A VIEW SCHEMATIC OF DSS

Data: eksternal dan internal

Luar
Model

Data

pengelolaan

KB organisasi
manajemen Model

Berbasis pengetahuan
subsistem
pemakai
antarmuka
Manager (pengguna)
'DBMS adalah baik tunggal dan jamak (sistem dan sistem), seperti banyak akronim dalam
teks ini.
menambah pembuat keputusan sendiri. Hal ini dapat saling berhubungan dengan repositori
pengetahuan organization (bagian dari sistem manajemen pengetahuan), yang kadangkadang disebut basis pengetahuan organisasi. Pengetahuan dapat provided melalui server
Web. Banyak metode kecerdasan buatan telah implemented dalam sistem pengembangan
Web seperti Java, dan mudah untuk mengintegrasikan ke dalam komponen DSS lainnya.
Menurut definisi, DSS harus mencakup tiga komponen utama dari DBMS, MBMS, dan user
interface. The berbasis pengetahuan subsistem manajemen adalah opsional, tetapi dapat
memberikan banyak manfaat dengan menyediakan intelijen dan tiga components utama.
Seperti dalam setiap sistem informasi manajemen, pengguna dapat dianggap sebagai
komponen dari DSS.
komponen ini membentuk sistem aplikasi DSS, yang dapat dihubungkan ke intranet
perusahaan, untuk extranet, atau ke Internet. Biasanya komponen berkomunikasi melalui
teknologi internet. Web browser biasanya menyediakan interface pengguna. Skema
pandangan dari DSS dan komponen di atas ditunjukkan pada Gambar 3.2 provides
pemahaman dasar tentang struktur umum DSS. Pada Tabel 3.3, kami menyediakan contoh
dari dampak Web pada komponen DSS, dan sebaliknya. Dampak tersebut telah substansial,
karena perbaikan dalam apa yang dimulai sebagai Internet telah memiliki pengaruh besar
pada bagaimana kita mengakses, menggunakan, dan berpikir tentang DSS. Selanjutnya, kami

menyajikan tampilan yang lebih rinci pada masing-masing komponen; kami memberikan
rincian dalam Bab 4-9.
3.6 PENGELOLAAN DATA SUBSYSTEM
Subsistem manajemen data terdiri dari unsur-unsur berikut:
Database DSS
sistem manajemen database
Data direktori
fasilitas Query.
Unsur-unsur ini ditunjukkan secara skematis pada Gambar 3.4 (di daerah yang diarsir)
figure an juga menunjukkan interaksi subsistem manajemen data dengan bagian lain dari
DSS, serta interaksinya dengan sumber beberapa data. Sebuah diskusi singkat tentang unsurunsur dan fungsi mereka berikut; diskusi lebih lanjut dalam Bab 5. Dalam DSS dalam Aksi
3.4, fokus utama dari DSS adalah pada database.
DATABASE
Database adalah kumpulan data yang saling berhubungan yang disusun untuk memenuhi
kebutuhan dan structure dari suatu organisasi dan dapat digunakan oleh lebih dari satu orang
selama lebih dari satu aplikasi. Ada beberapa kemungkinan konfigurasi untuk database.
Dalam banyak kasus DSS, data porting dari gudang data atau sistem database warisan
mainframe melalui database server Web (lihat DSS dalam Aksi 3.2 dan 3.4). Untuk aplikasi
DSS lain, database khusus dibangun sesuai kebutuhan. Beberapa database dapat digunakan
dalam satu aplikasi DSS, tergantung pada sumber data. pengguna umumnya mengharapkan
untuk utilize browser Web untuk akses, dan server database Web memberikan data terlepas
dari sumbernya. Untuk contoh, lihat DSS dalam Aksi 3.2 dan 3.4.
Data dalam database DSS, seperti yang ditunjukkan pada Gambar 3.4, yang diambil dari
sumber data internal dan eksternal, serta dari data pribadi milik satu atau lebih pengguna.
Hasil ekstraksi pergi ke database aplikasi tertentu atau ke korporasi
Sakit
TA 3 LE 3.3 Komponen DSS dan Dampaknya Web
Database Management System (DBMS)
Sistem Manajemen Basis Model (MBMS)
User Interface Dialog (UI) Sistem
Dasar pengetahuan
Management System (KBMS)

Peningkatan desain infrastruktur dan update

Model dan solusi dari masalah infrastruktur Web
Model pesan Web routing yang meningkatkan kinerja
model peramalan memprediksi kelangsungan hidup hardware dan software pilihan awal
antarmuka pengguna grafis dan mouse komputer membantu menentukan bagaimana browser
Web harus bekerja Speech recognition dan generasi dikerahkan lebih dari metode Web Al
mudah menangani masalah desain jaringan dan pesan routing Sistem pakar mendiagnosa
masalah dan penanganannya untuk kegagalan dalam sistem Expert Internet mendiagnosa
hardware prob-masalah-dan merekomendasikan perbaikan khusus mesin pencari Cerdas
belajar pola pengguna
Sebuah cara untuk melakukan e-commerce
(Transaksi harus disimpan dan ditindaklanjuti)
Web database server Menyimpan data tentang Web untuk analisis menggunakan model untuk
menentukan efektivitas dan efisiensi
Konsisten, ramah, antarmuka pengguna grafis
Menyediakan mekanisme langsung untuk query database
Menyediakan saluran komunikasi yang konsisten untuk data, informasi, dan pengetahuan
akses data melalui perangkat m-commerce Intranet dan extranet berbasis web alat
pengembangan bahasa pemrograman baru dan sistem Proliferasi database menggunakan
seluruh organisasi buatan sistem enterprise-wide layak
Akses ke informasi tentang database akses ke model dan metode solusi diimplementasikan
sebagai applet Java dan pengembangan sistem Web lain Penggunaan model oleh manajer
terlatih karena mereka begitu mudah untuk digunakan akses ke berbasis web Al alat untuk
menunjukkan model dan metode solusi dalam DSS akses ke informasi tentang model Web
browser menyediakan fleksibel, Konsisten, dan akrab DSS grafis Access antarmuka
pengguna dengan informasi tentang pengguna antarmuka antarmuka pengguna eksperimental
yang diuji dan didistribusikan melalui Web Access untuk Al metode akses ke informasi
tentang Al metode Akses ke Al berbasis Web-pengetahuan alat-alat yang digunakan sebagai
applet Java atau sebagai alat pengembangan sistem Web lainnya
Tahap Dampak Web Dampak di Web
data rate gudang (Bab 5), jika ada. Dalam kasus terakhir, dapat digunakan untuk aplikasi lain.
data internal datang terutama dari sistem pemrosesan transaksi organisasi. Sebuah contoh
khas dari data tersebut adalah gaji setiap bulan. Tergantung pada kebutuhan DSS, data
operasional dari bidang fungsional, seperti pemasaran (misalnya, Web transaksi dari ecommerce), mungkin disertakan. Contoh lain dari data internal yang mesin pemeliharaan

penjadwalan dan anggaran alokasi, perkiraan penjualan di masa depan, biaya out of-stock
item, dan masa depan mempekerjakan rencana. data internal dapat dibuat tersedia melalui
browser Web melalui intranet, sistem berbasis Web internal.
Data eksternal meliputi data industri, data penelitian pemasaran, data sensus, data tenaga
kerja daerah, peraturan pemerintah, jadwal tarif pajak, dan data ekonomi nasional. Data ini
dapat berasal dari instansi pemerintah, asosiasi perdagangan, perusahaan riset pasar,
perusahaan peramalan ekonometrik, dan upaya organisasi sendiri untuk kumpulkan

GAMBAR 3.4 STRUKTUR PENGELOLAAN DATA SUBSYSTEM

DSS BERAKSI 3.4
ROADWAY DRIVE APLIKASI LEGACY KE WEB
Sudah waktunya untuk Jalan Ekspres Inc (Akron, Ohio) untuk berpindah dari layar hijau
mainframe ke antarmuka Web browser yang lebih popular. Sistem yang ada bisa menangani
permintaan data dan update, tapi itu tampak tua dan tidak pelanggan hadir dengan kesan yang
baik dari perusahaan. Jadi Jalan, daripada menciptakan roda, dipoles permukaannya gantinya.
Kelompok desain web jalan ini dikembangkan server Web front-end untuk akses ke
penjadwalan mainframe and'tracking data. Janus Web Server (Sirius Software Inc,
Cambridge, Massachusetts) front-berakhir mainframe, yang memungkinkan Jalan untuk
menggunakan kembali yang ada transportasi-manajemen dan sistem administrasi. Hubungan
antara dua systems begitu mulus pengguna tidak menyadari bahwa mereka menggunakan
teknologi 14-tahun. Pelanggan dapat mengakses sistem dan menghasilkan laporan tentang

pengiriman mereka sendiri. Situs Web jalan adalah salah satu yang paling canggih dan
mampu di pasar.
Sumber: Diadaptasi dari Linda Rosencrance, "Jalan Drives Legacy Apps ke Web,"
Computerworld, April 9,2002, p. 48.
lek data eksternal. Seperti data internal, data eksternal dapat dipertahankan dalam database
DSS atau diakses langsung ketika DSS digunakan. data eksternal yang disediakan, dalam
banyak kasus, melalui Internet (misalnya, dari layanan online komputerisasi atau dijemput
oleh mesin pencari). Seperti yang telah disebutkan dalam Bab 2, Hansen (2002) memberikan
daftar banyak situs web dengan data makro ekonomi dan bisnis global.
Data pribadi dapat mencakup pedoman yang digunakan oleh pengambil keputusan dan
assessments data dan / atau situasi tertentu yang spesifik.
DATA ORGANISASI
Haruskah DSS memiliki database mandiri? Itu tergantung. Dalam kecil, ad hoc DSS, data
dapat dimasukkan langsung ke dalam model, kadang-kadang diambil langsung dari database
yang lebih besar. Dalam organisasi besar yang menggunakan jumlah luas data, seperti WalMart, AT & T, dan American Air Lines, data yang diselenggarakan di sebuah gudang data dan
digunakan bila diperlukan (Agosta, 2002; Inmon, 2002;. Inmon et al 2000,2001 2002;
Marakas, 2003). Beberapa DSS besar memiliki terintegrasi, multiple-sumber database DSS
mereka sendiri. Sebuah database DSS yang terpisah tidak perlu secara fisik terpisah dari
database perusahaan. Mereka dapat disimpan bersama-sama secara fisik karena alasan
ekonomi. Beberapa sistem OLAP mengambil data, sedangkan yang lain memanipulasi data
dalam database eksternal langsung. Kemudian, di DSS dalam Aksi 3.8, kita menggambarkan
DSS spreadsheet yang berorientasi untuk perencanaan produksi dan penjadwalan (lihat
Respicio, Captivo, dan Rodrigues, 2002). DSS memiliki database terpisah, pada dasarnya
dalam spreadsheet Excel, yang dihuni dengan data yang diambil dari database warisan.
Update ke database warisan berdasarkan solusi DSS-upload kembali.
Database DSS juga dapat berbagi DBMS dengan sistem lain. Database DSS dapat mencakup
objek multimedia (misalnya, gambar, peta, suara) (Castelli dan Bergman, 2002). database
berorientasi objek dalam XML telah dikembangkan dan digunakan dalam DSS. Ini menjadi
lebih penting sebagai aplikasi m-commerce dikerahkan, karena XML menjadi standar,
metode terjemahan data yang konsisten untuk perangkat m-commerce (misalnya, PDA,
telepon seluler, komputer notebook, komputer tablet). Format XML juga digunakan untuk
standar akses Web browser untuk data.
EKSTRAKSI
Untuk membuat database DSS atau data warehouse, itu sering perlu untuk menangkap data
dari beberapa sumber. Operasi ini disebut ekstraksi. Hal ini pada dasarnya terdiri dari
mengimpor file, summarization, filtrasi standardisasi, dan kondensasi data. Ekstraksi juga
terjadi ketika pengguna menghasilkan laporan dari data dalam database DSS. Seperti yang
akan ditunjukkan dalam Bab 5, data untuk gudang yang diambil dari sumber internal dan

eksternal. Proses ekstraksi sering dikelola oleh-DBMS. ini proses ekstraksi tidak sepele! MIS
profesional umumnya struktur proses ini sehingga pengguna tidak perlu berurusan dengan
rincian rumit. Banyak usaha diperlukan untuk struktur proses ekstraksi dengan benar. Untuk
mengambil data, query yang tepat harus dilakukan untuk beberapa tabel data terkait yang
dapat span beberapa database independen. Potongan-potongan yang akan diekstrak harus
"menghubungkan kembali" sehingga berguna hasil DSS database. software OLAP seperti
Temtec Eksekutif Viewer membutuhkan tindakan ini sebelum OLAP dapat digunakan.
SISTEM MANAJEMEN DATABASE
Database dibuat, diakses, dan diperbarui oleh DBMS. Kebanyakan DSS dibangun dengan
DBMS relasional komersial standar yang menyediakan kemampuan (lihat DSS di Focus 3.5).
THE KEMAMPUAN DARI RELASIONAL DBMS IN A DSS C L
Captures atau ekstrak data untuk dimasukkan dalam database DSS
Pembaruan (menambah, menghapus, mengedit, perubahan) catatan data dan file
Data interrelates dari berbagai sumber
Mengambil data dari database untuk query dan laporan (misalnya, menggunakan SQL
melalui Web)
Menyediakan keamanan data yang komprehensif (misalnya, protection dari akses yang
tidak sah dan pemulihan capabilities)
Menangani data pribadi dan tidak resmi sehingga pengguna dapat melakukan percobaan
dengan solusi alternatif berdasarkan penilaian mereka sendiri
Melakukan tugas manipulasi data yang kompleks berdasarkan permintaan
Tracks penggunaan data di dalam DSS
Mengelola data melalui kamus data
Database yang efektif dan manajemen dapat mendukung banyak activities manajerial;
navigasi umum di kalangan catatan, dukungan untuk menciptakan dan memelihara satu set
beragam hubungan data, dan pembuatan laporan adalah contoh yang khas. Namun, kekuatan
sebenarnya dari DSS terjadi ketika data yang terintegrasi dengan model-nya. (Lihat DSS di
Actions 3.2 dan 3.8.)
THE QUERY FASILITAS
Dalam membangun dan menggunakan DSS, itu sering perlu untuk mengakses, memanipulasi,
dan query data. Fasilitas permintaan melakukan tugas-tugas ini. Ia menerima permintaan data
dari komponen DSS lainnya (Gambar 3.4), menentukan bagaimana permintaan bisa diisi
(konsultasi direktori data jika diperlukan), merumuskan permintaan rinci, dan
mengembalikan hasilnya ke penerbit permintaan. Fasilitas permintaan meliputi bahasa query

khusus (misalnya, SQL). fungsi penting dari sistem DSS permintaan adalah seleksi dan
manipulasi operasi (misalnya, kemampuan untuk mengikuti, instruksi komputer, seperti "Cari
untuk semua penjualan di Wilayah Tenggara selama Juni 2004 dan meringkas penjualan oleh
penjual"). Meskipun transparan kepada pengguna, ini adalah aktivitas yang sangat penting.
Semua pengguna dapat melihat adalah layar dengan permintaan yang sederhana untuk data,
dan mengikuti klik tombol, pengguna mendapatkan hasil rapi diformat dalam sebuah tabel
dalam HTML dinamis (atau Web-terstruktur lainnya) halaman yang ditampilkan di layar.
dIREKTORI THE
Direktori data adalah katalog semua data dalam database. Ini berisi definitions data, dan
fungsi utamanya adalah untuk menjawab pertanyaan tentang ketersediaan item data, sumber
mereka, dan makna yang tepat mereka. direktori terutama cocok untuk supporting tahap
kecerdasan proses pengambilan keputusan dengan membantu untuk memindai data dan
mengidentifikasi masalah atau peluang. direktori, seperti katalog lainnya, supports
penambahan entri baru, penghapusan entri, dan pengambilan informasi tentang objek
tertentu.
Semua elemen database telah diimplementasikan pada database server Web yang menanggapi
layar browser Web. Web telah secara dramatis mengubah cara kita mengakses, menggunakan,
dan menyimpan data.
3.7 PENGELOLAAN MODEL SUBSYSTEM
Subsistem manajemen model DSS terdiri dari unsur-unsur berikut:
dasar Model
sistem manajemen basis Model
Bahasa Modeling
direktori Model
eksekusi Model, integrasi, dan prosesor perintah.
Unsur-unsur ini dan antarmuka dengan komponen DSS lainnya ditunjukkan pada Gambar
3.5. Definisi dan fungsi dari masing-masing elemen ini dijelaskan berikutnya.
MODEL BASIS
Sebuah model base berisi statistik rutin dan khusus, keuangan, peramalan, ilmu
management, dan model kuantitatif lainnya yang memberikan kemampuan analisis dalam
DSS. Kemampuan untuk memanggil, menjalankan, perubahan, menggabungkan, dan
memeriksa model adalah capability DSS kunci yang membedakan dari CBIS lainnya.
Model dalam model base dapat dibagi menjadi empat kategori utama: strategis, taktis,
operasional, dan analitis. Selain itu, ada blok model bangunan dan rutinitas.

model strategis digunakan untuk mendukung responsibilities perencanaan strategis

manajemen puncak. Potensi aplikasi termasuk merancang sebuah usaha e-commerce,
mengembangkan tujuan perusahaan, perencanaan untuk merger dan akuisisi, pemilihan lokasi
pabrik,
GAMBAR 3.5 STRUKTUR MANAJEMEN MODEL SUBSYSTEM

analisis dampak lingkungan, dan penganggaran modal yang sifatnya tidak rutin. Salah satu
contoh dari model strategis DSS adalah bahwa dari Southwest Airlines di Vignette terbuka.
Daya yang digunakan sistem untuk membuat perkiraan keuangan yang akurat sehingga dapat
mengidentifikasi peluang strategis. Lain dijelaskan dalam Aplikasi IMERYS Kasus pada
akhir Bab 2, 4, dan 6. model pemrograman linear skala besar adalah jantung dari POP DSS
yang memungkinkan eksekutif perusahaan untuk merencanakan besar, peralatan mahal
kebutuhan sebanyak tahun ke depan yang diperlukan.
model taktis yang digunakan terutama oleh manajemen menengah untuk membantu dalam
mengalokasikan dan mengontrol sumber daya organisasi. Contoh model taktis termasuk
memilih server Web, perencanaan kebutuhan tenaga kerja, perencanaan promosi penjualan,
pabrik-layout tekad, dan penganggaran modal rutin. model taktis biasanya hanya berlaku
untuk subsistem organisasi, seperti departemen akuntansi. Waktu cakrawala mereka
bervariasi dari satu bulan sampai kurang dari dua tahun. Beberapa data eksternal yang
diperlukan, tetapi persyaratan terbesar adalah untuk data internal. Ketika IMERYS POP DSS
digunakan oleh manajer dalam tiga bulan ke satu tahun waktu cakrawala, digunakan sebagai
alat tactical yang menentukan berapa banyak tanah liat mereka dapat menghasilkan untuk
memenuhi permintaan pasar diprediksi.
model operasional yang digunakan untuk mendukung hari-hari kegiatan kerja organisasi.
keputusan khas melibatkan e-commerce penerimaan transaksi (pembelian, dll), persetujuan
pinjaman pribadi oleh bank, penjadwalan produksi, pengendalian persediaan, perencanaan

pemeliharaan dan penjadwalan, dan kontrol kualitas. model operasional terutama mendukung
lini pertama manajer pengambilan keputusan dengan setiap hari untuk horizon waktu
bulanan. Model ini biasanya menggunakan data hanya internal. Sebuah contoh yang sangat
baik dari model operasional yang dikembangkan oleh sebuah bank besar nasional AS dengan
ratusan cabang (petugas bank ingin untuk tetap anonim). bank mengembangkan model
network syaraf tiruan untuk menentukan apakah atau tidak pemohon pinjaman tertentu
harus diberikan pinjaman. Prediksi akurat dari sistem memungkinkan bank untuk menahan
kembali mempekerjakan petugas tambahan pinjaman, tabungan bank sekitar $ 200.000 dalam
tahun .first operasinya untuk biaya development sekitar $ 300.000. POP DSS di IMERYS
digunakan secara operasional untuk determine persis yang tanah liat untuk menghasilkan
ketika lebih dari dua minggu horizon waktu, di mana permintaan diketahui dari yang
sebenarnya dikontrak penjualan.
Model analisis yang digunakan untuk melakukan beberapa analisis pada data. Mereka
termasuk model statistical, model ilmu manajemen, algoritma data mining (lihat Bab 4, dan
tangan, Mannila, dan Smyth, 2001; Han dan Kamber, 2000) model keuangan, dan banyak
lagi. Kadang-kadang mereka terintegrasi dengan model lain, seperti model perencanaan
strategis. Dasar analisis bisnis (istilah ini diciptakan di awal 2000-an) mencakup semua
model analisis ini. Biasanya, alat analisis bisnis yang berbasis Web, dan itulah sebabnya Web
analytics Istilah ini diciptakan. Alat-alat ini dapat dengan mudah diterapkan untuk sistem
Web; salah satu contoh penggunaannya adalah untuk mengelola dan memantau e-commerce.
software business analytics umumnya mudah digunakan. Ini termasuk OLAP, yang dirancang
untuk digunakan oleh manajer atau eksekutif, sebagai lawan analis, dan data mining (lihat
Hall, 2002a, 2002b; Langseth dan Vivatrat, 2002).
Model dalam model base juga dapat diklasifikasikan berdasarkan area fungsional (misalnya,
model financial, model pengendalian produksi) atau dengan disiplin (misalnya, model
statistik, management model alokasi ilmu). Jumlah model dalam DSS dapat bervariasi dari
beberapa untuk beberapa ratus. Contoh DSS dengan beberapa model terintegrasi dijelaskan
dalam DSS di Actions 3.2,3.8, dan Web Bab di Procter & Gamble desain ulang sistem
distribusinya. Model dalam DSS pada dasarnya matematika; yaitu, mereka dinyatakan oleh
formula. formula ini dapat diprogram dalam alat pengembangan DSS seperti Excel. Mereka
dapat ditulis dalam spreadsheet dan disimpan untuk digunakan di masa depan, atau mereka
dapat diprogram untuk hanya satu digunakan.
BLOK MODEL BANGUNAN DAN RUTINITAS
Selain model strategis, taktis, dan operasional, base model dapat berisi blok model bangunan
dan rutinitas. Contohnya termasuk sejumlah rutin acak, curve- atau garis-pas rutin, hadiahnilai rutin komputasi, dan analisis regresi. blok bangunan tersebut dapat digunakan dalam
beberapa cara. Mereka dapat digunakan sendiri untuk aplikasi seperti analisis data. Mereka
juga dapat digunakan sebagai komponen dari model yang lebih besar. Misalnya, komponen
ini-nilai dapat menjadi bagian dari model make-atau-beli. Beberapa blok bangunan ini
digunakan untuk menentukan nilai dari variabel dan parameter dalam model, seperti dalam
penggunaan analisis regresi untuk membuat garis trend dalam model peramalan. blok

bangunan tersebut tersedia dalam DSS pengembangan perangkat lunak komersial, seperti
fungsi dan add-in Excel, dan dalam struktur pemodelan umum perangkat lunak pertambangan
OLAP dan data. Karena metode solusi model yang telah dilaksanakan langsung di Jawa dan
sistem pengembangan Web lainnya, akses dan integrasi model telah disederhanakan.
ALAT MO DELI F G
Karena DSS menangani masalah semiterstruktur atau tidak terstruktur, itu sering perlu untuk
menyesuaikan model menggunakan tool pemrograman dan bahasa. Beberapa contoh ini C ++
dan Java. software OLAP juga dapat digunakan untuk bekerja dengan model dalam analisis
data. Sebuah sistem berbasis web yang menggunakan model analisis kluster untuk film
merekomendasikan dijelaskan dalam DSS dalam Aksi 3.6. Untuk DSS kecil dan menengah
atau kurang yang kompleks, spreadsheet (misalnya, Excel) biasanya digunakan. Kami akan
menggunakan Excel untuk banyak contoh kunci.
MODEL MANAJEMEN BERBASIS SISTEM
Fungsi sistem manajemen basis model yang (MBMS) software yang creation model
menggunakan bahasa pemrograman, alat DSS dan / atau subrutin, dan blok bangunan
lainnya; generasi rutinitas baru dan laporan; Model memperbarui dan changing-, dan
DSS BERAKSI 3.6
Perilaku situs web untuk memberikan halaman web dikonfigurasi secara khusus sebelum
pelanggan dapat klik lagi. The analytics realtime juga dapat memberitahu manajer
pemasaran apa halaman web desain bekerja terbaik untuk promotion diberikan. Mereka
kemudian dapat mengubah desain halaman Web immediately, berdasarkan umpan balik
yang dinamis. analysis Cluster adalah alat pemodelan yang sangat efektif yang digunakan
dalam sistem manajemen hubungan pelanggan (CRM) ketika mencoba untuk menentukan
produk yang menarik bagi yang pelanggan.
Sumber: Diadaptasi dari Mark Hall, "Web Analytics: Get Real,"
ComputerWorld, Vol 36, No 14, April 1,2002, pp. 42-43.
NetFlix.com (Los Gatos, California) memberikan rekomendasi film untuk 500.000
pelanggan. The recommendations disediakan oleh themselves pelanggan. Tapi bagaimana
Anda pergi tentang mengidentifikasi yang film serupa, sehingga Anda dapat membuat
recommendations ( "Pelanggan yang menyukai film X film juga menyukai Y")? software
kaleng tidak dapat mengevaluasi banyak subjektif, ulasan yang on-the-fly disediakan oleh
puluhan ribu kritikus. NetFlix diperlukan untuk melakukan hal ini untuk tetap kompetitif.
Masukkan analisis cluster. Mathematicians dikodekan perangkat lunak analisis cluster untuk
menentukan cluster film, berhubungan pendapat kepada kelompok, mengevaluasi ribuan
peringkat per detik, dan faktor dalam saat
METODE CLUSTER ANALISIS BERBASIS WEB DSS PERTANDINGAN UP MOVIES
DAN teater-penonton -

DSS IN FOKUS 3,7

Katalog dan menampilkan direktori model untuk digunakan oleh beberapa individu dalam
organisasi Lintasan model data dan penggunaan aplikasi interrelates model dengan hubungan
yang sesuai dengan database dan mengintegrasikan mereka dalam DSS Mengelola dan
memelihara basis model dengan fungsi management analog dengan manajemen database :
toko, akses, menjalankan, pembaruan, Link, katalog, dan permintaan Menggunakan beberapa
model untuk mendukung pemecahan masalah
Menciptakan model dengan mudah dan cepat, baik dari awal atau dari model yang sudah ada
atau dari blok building
Memungkinkan pengguna untuk memanipulasi model sehingga mereka dapat melakukan
percobaan dan analisis sensitivitas ranging dari apa-olah untuk tujuan-mencari Toko,
mengambil, dan mengelola berbagai jenis different model secara logis dan terintegrasi
Mengakses dan mengintegrasikan blok bangunan model
FUNGSI UTAMA DARI MBMS
Model manipulasi data. The MBMS mampu interrelating model dengan hubungan yang tepat
melalui database (lihat DSS dalam Focus 3.7.)
MODEL DIREKTORI
Peran direktori model yang mirip dengan sebuah direktori database. Ini adalah katalog dari
semua model dan perangkat lunak lain di model base. Ini berisi definisi model, dan fungsi
utamanya adalah untuk menjawab pertanyaan tentang ketersediaan dan kemampuan model.
MODEL PELAKSANAAN, INTEGRASI, DAN COMMAND
Kegiatan berikut biasanya dikendalikan oleh manajemen Model. eksekusi Model adalah
proses mengendalikan menjalankan sebenarnya dari model. model integrasi melibatkan
menggabungkan operasi dari beberapa model saat diperlukan (misalnya, mengarahkan output
dari satu model, mengatakan peramalan, untuk diproses oleh satu sama lain, mengatakan
model perencanaan pemrograman linear; melihat Aplikasi IMERYS Kasus 2.2 dan 4.1, dan
DSS di tindakan
3.2 dan 3.8) atau mengintegrasikan DSS dengan aplikasi lain. Portucel Industri (produsen
kertas Portugis utama) menggunakan DSS yang berisi enam model terpadu: tiga perencanaan
kapasitas dan penjadwalan model, dua model rencana pemotongan, dan satu model
peramalan permintaan. (Respicio, Captivo, dan Rodrigues, 2002; lihat DSS dalam Aksi 3.8).
Sebuah perintah prosesor model digunakan untuk menerima dan menafsirkan petunjuk
pemodelan dari komponen antarmuka pengguna dan rute mereka untuk MBMS, eksekusi
Model, atau fungsi integrasi.

Sebuah pertanyaan yang menarik untuk DSS mungkin: model mana yang harus digunakan
untuk situasi apa? pemilihan model tersebut tidak dapat dilakukan oleh MBMS karena
memerlukan keahlian dan karena dilakukan secara manual. Ini adalah wilayah otomatisasi
potensial untuk komponen pengetahuan untuk membantu MBMS.
menarik, pertanyaan yang lebih halus lain adalah: metode apa yang harus digunakan untuk
memecahkan suatu masalah tertentu dalam kelas model tertentu? Misalnya, masalah tugas
(mengatakan menugaskan 10 pekerjaan untuk 10 orang) adalah jenis masalah transportasi,
yang merupakan jenis masalah aliran bersih-kerja, yang merupakan jenis masalah
pemrograman linear, yang merupakan jenis masalah optimasi matematika . metode solusi
khusus umumnya lebih efficient ketika berhadapan dengan struktur yang lebih khusus.
Dengan kata lain, metode khusus untuk
DSS BERAKSI 3.8
pengguna dapat melakukan apa-jika analisis. Model ini terintegrasi dalam DSS berbasis PC
yang pertukaran data dengan sistem informasi perusahaan. Data yang diambil setiap hari dari
IS ke file bahwa sistem berbasis spreadsheet dapat mengimpor. DSS menghasilkan file lokal
untuk memotong rencana, tugas saham untuk pesanan klien, dan perubahan atas perintah aktif
atau perintah yang diusulkan. DSS ekspor file ke IS, yang update database utama sesuai.
Informasi tentang pemotongan secara otomatis dikirim ke mesin pemotong di lantai toko.
DSS memberikan banyak manfaat. Ini adalah alat yang mudah digunakan-to-yang cepat
menghasilkan dan mengevaluasi solusi alternative. Pembuat keputusan dapat mencocokkan
solutions ini terhadap pengetahuan dan keahlian nya. keputusan produksi yang lebih
rasional dan karena itu lebih baik dibuat Secara keseluruhan, biaya turun dan informasi lebih
terorganisir. Perencanaan produksi lebih baik terkoordinasi, yang mengarah ke lead time
berkurang dan peningkatan layanan pelanggan.
Sumber: Diadaptasi dari Respicio, Captivo, dan Rodrigues
(2002).
perencanaan produksi kertas dan penjadwalan pada tingkat global adalah masalah yang sulit.
Alat yang diperlukan untuk solving itu biasanya cukup sulit untuk memahami dan handle,
dan jarang terintegrasi dalam praktek. Portucel Industri (Portugal) mengembangkan berbasis
PC, DSS spreadsheet yang memanfaatkan enam model terintegrasi untuk produksi kertas
dan penjadwalan. sistem berinteraksi dengan pembuat keputusan manusia yang memberikan
penilaian mengenai kelayakan rencana. Model smoothing forecasting eksponensial (1)
memprediksi permintaan produk. Charts diproduksi untuk interpretasi manusia. Tiga model
perform perencanaan kapasitas dan penjadwalan. Salah satu model (2) memberikan saham
kepada perintah klien; kedua (3) menentukan penerimaan pesanan melalui analisis rasio
capac- ity / agregat permintaan efektif; sementara yang ketiga (4) terurai masalah menjadi
dua subproblem untuk perform perencanaan kapasitas dan penjadwalan yang sebenarnya.
Kedua model berikutnya digunakan untuk menentukan bagaimana untuk memotong gulungan
kertas. Pertama (5) memecahkan problem saham pemotongan untuk menentukan lebar

sebenarnya dari gulungan untuk memotong untuk memenuhi semua pesanan. Model kedua
(6) memberikan item untuk pesanan klien dalam upaya untuk meminimalkan agar spread
(membatasi sampah). Seperti masalah ini diselesaikan,
PORTUCEL INDUSTRI S S P BACA S HEET-BA SED DSS UNTUK PERENCANAAN
PRODUKSI DAN PENJADWALAN PADA INDUSTRI KERTAS
pemecahan masalah tugas harus bekerja lebih baik daripada menerapkan algoritma masalah
transportasi untuk itu, dan sebagainya. Tapi ini tidak selalu benar. Dan untuk memperumit
masalah, mungkin ada banyak cara untuk memecahkan suatu masalah tertentu tergantung
pada karakteristiknya. Sekali lagi, ada potensi untuk komponen pengetahuan untuk
membantu dalam memilih metode solution yang tepat. Pada akhir 1990-an, unsur-unsur
sistem manajemen basis model yang bermigrasi ke sistem berbasis Web, digunakan sebagai
applet Java atau modul dari sistem pengembangan Web lainnya (lihat Fourer dan Goux, 2002;
Geoffrion dan Krishnan, 2001).
3,8 INTERFACE (DIALOG) Subsystem
Antarmuka jangka pengguna mencakup semua aspek komunikasi antara pengguna dan DSS
atau MSS. Ini mencakup tidak hanya perangkat keras dan perangkat lunak, tetapi juga faktorfaktor yang berhubungan dengan kemudahan interaksi penggunaan, aksesibilitas, dan
manusia-mesin. Beberapa ahli MSS merasa bahwa antarmuka pengguna merupakan
komponen yang paling penting karena merupakan sumber dari banyak kekuatan, fleksibilitas,
dan kemudahan penggunaan karakteristik MSS (Sprague dan Watson, 1996a). Lain
menyatakan bahwa user interface adalah sistem dari sudut pandang pengguna karena
merupakan satu-satunya bagian dari sistem yang pengguna melihat (Whitten, Bentley, dan
Dittman 2001). Seorang user interface sulit adalah salah satu rea utama
anak mengapa manajer tidak menggunakan komputer dan kuantitatif analisis sebanyak yang
mereka bisa, mengingat ketersediaan teknologi tersebut. Web browser telah recognized
sebagai DSS efektif antarmuka pengguna grafis karena fleksibel, user friendly, dan pintu
gerbang ke hampir semua sumber informasi yang diperlukan dan data (lihat Meredith,
2002). Untuk perspektif sejarah dan galeri antarmuka pengguna grafis, melihat Nathan
Lineback ini Toasty Teknologi Web Page (toastytech.com/guis/). Untuk kemajuan dalam
penelitian antarmuka, lihat PARC Inc. User Interface @PARC Halaman Web (www2.parc
.com / istl / proyek / UIR /).
PENGELOLAAN INTERFACE SUBSYSTEM
User interface subsistem dikelola oleh perangkat lunak yang disebut sistem antarmuka
pengguna management (UIMS). UIMS terdiri dari beberapa program yang menyediakan
kemampuan yang tercantum dalam DSS di Focus 3.10. UIMS juga dikenal sebagai dialog
generation dan manajemen sistem.
PENGGUNA PROSES INTERFACE

Proses antarmuka pengguna untuk MSS secara skematis diperlihatkan pada Gambar 3.6.
pengguna berinteraksi dengan komputer melalui bahasa tindakan diproses oleh UIMS. Di
GAMBAR 3.6 VIEW SCHEMATIC DARI INTERFACE SYSTEM

DSS IN FOKUS 3,9

Memiliki jendela yang memungkinkan beberapa fungsi yang harus ditampilkan secara
bersamaan
Dapat mendukung komunikasi antar dan antara pengguna dan pembangun MSS
Memberikan pelatihan dengan contoh (memandu pengguna melalui proses input dan
modeling)
Memberikan fleksibilitas dan kemampuan beradaptasi sehingga MSS dapat menampung
masalah yang berbeda dan technologies
Berinteraksi dalam beberapa, gaya dialog yang berbeda Captures, toko, dan menganalisa
penggunaan dialog (tracking) untuk memperbaiki sistem dialog; pelacakan pengguna juga
tersedia
Menyediakan antarmuka pengguna grafis, sering menggunakan browser Web
Mengakomodasi pengguna dengan berbagai perangkat input
Menyajikan data dengan berbagai format dan perangkat output

 Memberikan pengguna membantu kemampuan, mendorong, diagnostic, dan rutinitas

saran, atau dukungan fleksibel lainnya
Menyediakan interaksi dengan database dan model base
8 Toko input dan output data
Menyediakan grafis berwarna, graphics tiga dimensi, dan data plotting
KEMAMPUAN UTAMA DARI UIMS
sistem canggih, komponen antarmuka pengguna termasuk prosesor bahasa alami atau dapat
menggunakan benda-benda standar (misalnya, menu, tombol, browser Internet pull-down)
melalui antarmuka pengguna grafis (GUI). UIMS memberikan kemampuan yang tercantum
dalam DSS di Focus 3.9 dan memungkinkan pengguna untuk berinteraksi dengan modelmanajemen dan data management subsistem. Sebuah antarmuka pengguna DSS dapat
diakses dari telepon seluler baik melalui suara atau panel display. Baru, DSS ponsel sedang
digunakan langsung pada asisten digital personal (PDA) yang memiliki memori yang besar,
tampilan grafis berkualitas, dan link nirkabel melalui built-in telepon seluler atau koneksi
Internet langsung. PDA dapat mudah mengenali bentuk modifikasi dari tulisan tangan
(misalnya, Graffiti untuk Palm Pilot, palm.com). Kemajuan teknologi pengenalan suara
membuat DSS peluang antarmuka (lihat DSS dalam Aksi 3.10). Misalnya, Adomo
menyediakan Communication Server Mobile yang mengakses aplikasi Microsoft langsung
oleh suara melalui telepon. jenis sistem memungkinkan karyawan mengakses aplikasi
korporat langsung melalui telepon apapun (Cohn, 2002). Lihat Friley (2002) dan Waters
(2002) untuk lebih lanjut tentang pengenalan suara dan teknologi yang terkait.
DSS BERAKSI 3.10
relatif mudah, tetapi memahami makna ini cukup sulit. metode kecerdasan buatan yang sering
digunakan. Kabar baiknya adalah bahwa pengenalan suara technologies telah datang jauh
dalam dekade terakhir (misalnya, menonton captioning di CNN ketika cerita hidup
disiarkan). Kabar buruk, bagaimanapun, adalah bahwa mereka masih memiliki jalan panjang
untuk pergi sebelum mereka dapat digunakan seamlessly dalam aplikasi.
Ada banyak alasan untuk membangun pengenalan suara dan generasi suara ke dalam DSS.
Salah, tentu saja, adalah untuk akses dari DSS melalui telepon. Lain adalah bahasa akurat
terjemahan-baik verbal dan tekstual. Sebuah sepertiga dan yang paling penting adalah bahwa
pidato adalah cara yang sangat alami bagi manusia untuk berinteraksi dengan yang lain.
Namun, sebagian besar computers tidak memahami nuansa kabur dari suara manusia. Untuk
komputer untuk menafsirkan kata-kata dari pidato
PEMBERIAN SUARA UNTUK DSS APLIKASI
PERKEMBANGAN INTERFACE BARU
Kami telah menyebutkan suara / pidato dan pengenalan tulisan tangan untuk digunakan untuk
masukan, serta terjemahan langsung dari teks ke suara (yang bahkan dapat termasuk isyarat

dengan wajah di layar-lihat annanova.com untuk penyiar buatan). Ada sejumlah

perkembangan user interface baru, terutama di laboratorium, yang mungkin memiliki efek
pada bagaimana kita menggunakan komputer dalam pengambilan keputusan dan tugas-tugas
lainnya. Misalnya, scientists sedang mengembangkan otomatis, real-time, terjemahan
bahasa alami (ini memerlukan pengenalan suara dan generasi), sesuatu yang telah menantang
para ilmuwan dan linguists selama beberapa dekade. Sebagai buku ini naik cetak, Sphinx
(speech recognizer) dan Carnival (speech synthesizer), dikembangkan di Carnegie Mellon
Bahasa Teknologi Institute, membuat seperti terjemahan bahasa kenyataan. Kualitas dan
ukuran display keluaran visual secara fisik dibatasi oleh ukuran molekul. Meski begitu,
menampilkan menjadi lebih baik dan lebih baik. Bahkan PDA dan telepon seluler gambar
memiliki gambar yang tajam. menampilkan hologram yang membutuhkan baik hardware
khusus atau gelas hanya meninggalkan laboratorium. LCD panel dikembangkan di Phillips
Penelitian memiliki kemampuan ini. Para ilmuwan telah bereksperimen dengan helm yang
mendeteksi gelombang otak. alat tersebut dapat memungkinkan lumpuh kemampuan untuk
antarmuka dengan komputer. antarmuka taktil menjadi sedikit masalah. Perendaman Corp
Cyberforce Sistem termasuk sarung tangan spandex yang mensimulasikan arti sentuhan yang
dokter dapatkan ketika melakukan operasi. antarmuka haptic ini memungkinkan ahli bedah
untuk mensimulasikan pekerjaan mereka sebelum benar-benar melakukan operasi nyata.
Dengan cara ini, mahasiswa kedokteran dapat mengalami operasi virtual yang merasa begitu
nyata bahwa mereka telah dasarnya melakukan hal yang nyata. Untuk videoconference,
Microsoft telah mengembangkan RingCam, sebuah kamera video omnidirectional yang
memungkinkan penonton pertemuan offsite untuk melihat seluruh ruangan seolah-olah
mereka benar-benar pada pertemuan tersebut. Ini utilizes delapan mikrofon dan lima kamera
kecil. Akhirnya, melihat DSS dalam Aksi 3.11 untuk penjelasan dari antarmuka gesture yang
memanfaatkan menampilkan holografik. Lihat PC Magazine (2002) dan Rhey (2002) untuk
informasi tentang beberapa perkembangan ini.
PERKEMBANGAN BARU DALAM SISTEM PENDUKUNG KEPUTUSAN
Kami menyimpulkan bagian dari tiga komponen DSS utama dengan beberapa perkembangan
technology dan metodologi terbaru yang mempengaruhi DSS dan pengambilan keputusan.
Dalam
DSS BERAKSI 3.11
interface puter pada umumnya. Generasi berikutnya dari interface PC mungkin menjadi
hologram di alam (lihat "Perkembangan Baru di DSS" ayat) atau hanya diproyeksikan, dan
akan diprogram. Gestures dapat dideteksi, daripada menggunakan hardware seperti mouse
atau keyboard. Tidak akan ada bagian yang bergerak, dan pengguna akan dapat menggunakan
satu set gerakan preprogrammed atau bisa menyesuaikan sistem yang sesuai. Dalam
pengaturan virtual reality, yang "sarung tangan" yang mendeteksi gerakan mungkin menjadi
peninggalan. Selain DSS, video game harus mendapatkan keuntungan dari teknologi gesture
interface.
Spice (2002) laporan pada antarmuka manusia-mobil yang dikembangkan di Carnegie Mellon
University (Pittsburgh). gerakan tangan (menunjuk, melambai, dll) ke ikon diproyeksikan ke

kaca depan yang captured oleh kamera di dalam mobil dan langsung diterjemahkan ke
dalam instruksi untuk menyesuaikan radio, menempatkan seseorang ditahan pada ponsel
Anda, atau pemrograman onboard yang sistem navigasi. antarmuka gerakan ini dapat
membantu driver dalam mendapatkan masa lalu gangguan yang disebabkan oleh banyak
perangkat elektronik, apakah bagian dari mobil atau dibawa di atas kapal. Tujuannya adalah
untuk meningkatkan keamanan. Namun, antarmuka baru ini memiliki implikasi untuk comGestures DI UDARA UNTUK INPUT
sebelumnya ayat, kita dijelaskan teknologi baru untuk antarmuka. Banyak developments
dalam komponen DSS adalah hasil dari perkembangan baru dalam data warehousing, data
mining, pengolahan analisis online (OLAP), dan World Wide Web teknologi. Kebanyakan
DSS akses hari ini data dari data warehouse, dan penggunaan model dari OLAP atau alat data
mining. data warehouse dapat memberikan petabyte data penjualan untuk sebuah organisasi
ritel. sistem data mining dan OLAP menyediakan integrasi dengan warehouse data, model,
dan sering antarmuka pengguna yang sangat ramah untuk DSS. teknologi web
communication (Internet, intranet, extranet) menyediakan link antara komponen, terutama
untuk mengakses sumber data dan pengetahuan. Web browser atau user interface web-seperti
menghubungkan pengguna untuk DSS. teknologi web memungkinkan tim virtual untuk
berkolaborasi, dan menyediakan akses ke data yang terintegrasi, model, dan komponen
pengetahuan. Untuk example, lihat DSS dalam Aksi 3.12 dan lingkungan virtual dari
Andrienko, Andrienko, dan Jankowski (2002). Web telah menjadi pusat kegiatan dalam
mengembangkan DSS. DSS berbasis web telah mengurangi hambatan teknologi dan
membuatnya lebih mudah dan lebih murah untuk membuat informasi yang relevan keputusan
dan model-driven DSS tersedia untuk manajer dan pengguna staf di lokasi yang tersebar
secara geografis, terutama melalui perangkat mobile. Lihat Andrienko, Andrienko, dan
Jankowski (2002), Dong, Sundaram, dan Srinivasan (2002), Eom (2002), Cachet (2002),
Gregg (2002), Shim et al. (2002). Kami membahas beberapa perkembangan di Bab 5.
Ada juga hubungan yang jelas antara kemampuan hardware dan software dan perbaikan
dalam DSS. Hardware terus menyusut dalam ukuran sambil meningkatkan kecepatan dan
kemampuan lainnya. Namun, kami mencapai beberapa keterbatasan fisik untuk ukuran dan
kecepatan. komputasi kuantum (berdasarkan gerak partikel subatomik dan biaya) berjanji
untuk memecahkan hambatan ini. Pada akhir tahun 2002, sistem kuantum mampu anjak
jumlah 15. Meskipun ini tampaknya menjadi masalah yang sederhana, hal ini menunjukkan
kemungkinan bahwa komputasi kuantum menawarkan-sangat kecil, komputer kuat.
Kecerdasan buatan (lihat bagian berikutnya) adalah membuat terobosan dalam meningkatkan
DSS. Lebih cepat, mesin pencari yang cerdas adalah hasil yang jelas. Ada banyak orang lain.
Misalnya, Desouza (2001) survei aplikasi dari agen cerdas untuk intelijen kompetitif.
Sebuah segar melihat evaluasi DSS diusulkan oleh Phillips-Wren dan Forgionne (2002).
Mereka mengembangkan pendekatan Analytical Hierarchy Process (lihat Bab 2) ke arah
mengevaluasi real-time sistem pendukung keputusan berbasis web dalam hal kriteria
berdasarkan data, waktu, dan efektivitas.
DSS BERAKSI 3.12

data, software, dll) dan tentu saja alat (pelaporan Buku Nilai / kelas, e-mail, dll), dan
sebagainya. Pada dasarnya, Blackboard adalah DSS untuk kursus instruktur dan siswa.
Blackboard adalah portal saja dalam arti yang sama sebagai portal informasi perusahaan.
Sumber: Blackboard, Web Site Inc., www.blackboard.com, papan, Inc., Washington, DC, dan
pengalaman personal Jay E. Aronson menggunakan Blackboard untuk manajemen kursus
dan pengiriman.
Blackboard Inc. (www.blackboard.com) menawarkan complete Suite berbasis Web dari
produk dan jasa perusahaan perangkat lunak yang daya total "e-Pendidikan Infra-struktur"
untuk sekolah-sekolah, perguruan tinggi, universitas, dan penyelenggara pendidikan lainnya.
solusi Blackboard memberikan janji Internet untuk mengajar online dan learning, komunitas
kampus, layanan tambahan, dan integration layanan mahasiswa Web-enabled dan sistem
back office. Blackboard menyediakan sarana communication, kolaborasi, akses ke materi
kursus (teks,
Blackboard: Sebuah DSS UNTUK E-LEARNING
Beberapa DSS di masa depan mungkin termasuk emosi, suasana hati, nilai-nilai diam-diam,
dan faktor-faktor lunak lainnya. Hal ini mungkin sangat penting dalam menangani pilihan
perawatan kesehatan, ketika DSS digunakan oleh dokter, perawat, pengasuh lainnya, dan
pasien. Meskipun beberapa faktor tersebut dimasukkan ke dalam generasi kedua dari
systems informasi eksekutif, pentingnya mereka sering diabaikan.
Meredith (2002) mengusulkan pengembangan multimedia, DSS berbasis internet semacam
ini.
Lihat Mora, Forgionne, dan Gupta (2002) untuk melihat masa depan DSS, dan PC Magazine
(2002) dan Rhey (2002) untuk informasi tentang beberapa perkembangan teknologi.
Google Terjemahan untuk Bisnis:Perangkat PenerjemahPenerjemah Situs WebPeluang Pasar
3.9 PENGETAHUAN-mereda MANAGEMENT SUBSYSTEM
Banyak masalah yang tidak terstruktur dan bahkan semiterstruktur begitu kompleks sehingga
solutions mereka membutuhkan keahlian. Hal ini dapat disediakan oleh sistem pakar atau
sistem cerdas lainnya. Oleh karena itu, DSS yang lebih canggih dilengkapi dengan komponen
yang disebut berbasis pengetahuan manajemen subsistem. komponen ini dapat menyediakan
keahlian yang diperlukan untuk memecahkan beberapa aspek dari masalah dan memberikan
pengetahuan yang dapat meningkatkan operasi komponen DSS lainnya.
Silverman (1995) menyarankan tiga cara untuk mengintegrasikan sistem pakar berbasis
pengetahuan (ES) dengan pemodelan matematika: berbasis pengetahuan bantu keputusan
yang mendukung langkah-langkah dari proses pengambilan keputusan tidak ditangani oleh
matematika (misalnya, memilih kelas model atau metodologi solusi) ; sistem pemodelan
keputusan cerdas yang membantu pengguna build, menerapkan, dan mengelola perpustakaan

model; dan keputusan analitik sistem pakar yang integrate metode teoritis ketat
ketidakpastian dalam basis sistem pengetahuan ahli.
Komponen pengetahuan terdiri dari satu atau lebih cerdas sistem. Seperti database dan
manajemen model perangkat lunak, perangkat lunak manajemen pengetahuan dasar
memberikan eksekusi yang diperlukan dan integrasi sistem cerdas. Perhatian: sistem
manajemen pengetahuan biasanya DSS teks berorientasi; bukan sistem manajemen berbasis
pengetahuan.
Sebuah sistem pendukung keputusan yang mencakup komponen seperti disebut DSS yang
cerdas, DSS / ES, sistem pakar-dukungan, DSS aktif, atau pengetahuan berbasis DSS (lihat
DSS dalam Aksi 3.13 untuk contoh yang meliputi sistem pakar dan jaringan saraf tiruan
dalam satu paket berbasis web yang ditulis di Jawa). Kebanyakan applications data mining
meliputi sistem cerdas, seperti jaringan saraf tiruan dan metode induksi aturan untuk sistem
pakar, untuk mencari pola berpotensi menguntungkan dalam data. Banyak sistem OLAP
termasuk jaringan saraf tiruan dan alat data induksi yang mengekstrak aturan untuk sistem
pakar.
3.10 PENGGUNA
Orang dihadapkan dengan keputusan bahwa MSS dirancang untuk mendukung disebut
pengguna, manajer, atau pengambil keputusan. Namun, hal ini gagal untuk mencerminkan
heterogeneity yang ada di antara pengguna dan pola penggunaan MSS (Alter, 1980). Ada
perbedaan dalam posisi yang pengguna menempati, preferensi mereka kognitif dan abilities,
dan cara-cara mereka tiba di keputusan (gaya keputusan). Pengguna dapat menjadi
individual atau kelompok, tergantung pada siapa yang bertanggung jawab atas keputusan
tersebut. pengguna, meskipun tidak tercantum sebagai komponen utama dari DSS, menurut
definisi memberikan intellect.The manusia
Pengurangan yang signifikan dalam tugas dikompromikan
tugas yang gagal
IAP ditulis dalam EXSYS corvid, berbasis Web sistem pakar shell (www.exsys.com). Melalui
feedback dari tugas terakhir, jaringan saraf tiruan belajar muncul pola. IAP menggunakan
teknologi modern dan kecerdasan buatan untuk membantu perusahaan dalam membuat lebih
akurat, penempatan asing kurang stres dan relokasi internasional. Karyawan dan suami atau
istrinya menyelesaikan proses wawancara IAP di Web atau pada komputer mereka. Sistem ini
menganalisis informasi, mendeteksi dan mengisolasi pola penting yang mungkin
membahayakan tujuan bisnis relocation, dan menghasilkan laporan untuk perencanaan dan
pencegahan masalah.
IAP menghasilkan daftar rinci apa masalah perlu diselesaikan dan apa perencanaan yang
perlu dilakukan untuk memastikan keberhasilan. Ketika seluruh keluarga senang, tugas
berhasil. Untuk perusahaan besar, menggunakan IAP mudah dapat menghemat jutaan dolar
per tahun.

Sumber: Diadaptasi dari International Assignment Profil Systems, Inc., Houston, TX situs
Web iapsystems.com, November 2002.
tugas di luar negeri bagi manajer dan eksekutif dapat menjadi petualangan yang
menyenangkan untuk seluruh keluarga; atau disaster a. Jika tugas adalah kegagalan, biaya
penggantian manajer, dan dampak pada keluarga nya, dapat biaya lebih dari seperempat juta
dolar. Banyak companies (misalnya, Coca-Cola) membutuhkan karyawan untuk memiliki
tugas di luar negeri sebelum mereka dapat pindah ke posisi eksekutif tinggi. Isu penting
adalah untuk dapat memprediksi apakah suatu tugas tertentu akan menjadi pengalaman yang
baik atau buruk bagi manajer dan keluarganya.
Masukkan Cerdas DSS. The International Assignment Profil (IAP) adalah baru, state-of-theart metode untuk digunakan dalam persiapan mantan-tepuk (atau pilihan) yang
mengumpulkan kunci, informasi yang komprehensif tentang keluarga dan membandingkan
jawaban mereka dengan kondisi yang dikenal di diantisipasi lokasi internasional.
IAP meningkatkan manusia dan bisnis keberhasilan tugas internasional dengan bercak isu-isu
kunci dan penentuan link lemah atau masalah yang bisa compromise suatu relokasi
internasional atau tugas sementara masih ada waktu untuk merencanakan dan mencegah
masalah.
tujuan IAP meliputi:
Persiapan yang lebih baik untuk transfer
penyesuaian cepat untuk lokasi internasional
DSS CERDAS IA P SISTEM'S MENENTUKAN KEBERHASILAN TUGAS LUAR
NEGERI DAN belajar dari PENGALAMAN
pengguna, sebagai orang atau orang-orang terutama bertanggung jawab untuk membuat
keputusan, memberikan keahlian dalam membimbing pengembangan dan penggunaan DSS.
Kemampuan intelektual ini sangat penting untuk keberhasilan sistem dan penggunaan yang
tepat. Jika pengguna utama DSS digantikan oleh yang lain, kurang berpengetahuan user
(dalam hal masalah pengambilan keputusan dan environment), DSS umumnya kurang
efektif.
Sebuah MSS memiliki dua kelas yang luas dari pengguna: manajer dan staf spesialis.
specialists staf, seperti analis keuangan, perencana produksi, dan peneliti pemasaran,
manajer outnumber sekitar 3-2, dan menggunakan komputer dengan rasio yang jauh lebih
besar. Ketika merancang sebuah MSS, penting untuk mengetahui siapa yang sebenarnya
memiliki tangan-on penggunaan itu. Secara umum, manajer mengharapkan sistem menjadi
lebih user-friendly daripada specialists staf. spesialis staf cenderung lebih detail-oriented,
lebih bersedia untuk menggunakan sistem yang kompleks dalam pekerjaan sehari-hari
mereka, dan tertarik pada kemampuan komputasi dari MSS. Itulah mengapa pengguna
pertama OLAP adalah spesialis staf. Seringkali, staf analysts adalah perantara antara
manajemen dan MSS.

Perantara memungkinkan manajer untuk mendapatkan keuntungan dari sistem pendukung

keputusan tanpa benar-benar harus menggunakan keyboard. Beberapa jenis perantara
mencerminkan dukungan different untuk manajer:
1. asisten Staf memiliki pengetahuan khusus tentang pruhlcniv manajemen dan pengalaman
sonik dengan teknologi pendukung keputusan
2. pengguna alat Ahli busur terampil dalam aplikasi dia dari satu atau lebih jenis specialized
lools pemecahan masalah. Pengguna alat ahli melakukan tugas-tugas bahwa masalah docs
solver tidak memiliki keterampilan atau saya hujan untuk perforin.
3. Bisnis (sistem) analis memiliki pengetahuan umum dari wilayah aplikasi, pendidikan
administrasi bisnis formal (tidak dalam ilmu komputer), dan keterampilan dalam
menggunakan alat-alat konstruksi DSS.
4. Fasilitator dalam kontrol sistem pendukung kelompok dan mengkoordinasikan penggunaan
software untuk mendukung orang-orang bekerja ol bekerja dalam kelompok, fasilitator LHE
juga bertanggung jawab untuk melakukan sesi kerja kelompok.
Dalam kategori manajer dan spesialis staf, ada subcategories penting yang mempengaruhi
MSS desain. Sebagai contoh, manajer berbeda dengan tingkat organizational, area
fungsional, latar belakang pendidikan, dan kebutuhan untuk dukungan analitis. spesialis staf
berbeda terhadap pendidikan, area fungsional, dan hubungan dengan manajemen. saya
pengguna saat ini biasanya sangat tangan berorientasi baik dalam menciptakan dan
menggunakan DSS (mengatakan melalui OLAP), meskipun mereka mungkin membutuhkan
bantuan dari para analis di awalnya mendirikan akses ke data yang diperlukan.
3.11 DSS HARDWARE
sistem pendukung keputusan telah berevolusi secara bersamaan dengan kemajuan perangkat
keras komputer dan perangkat lunak teknologi. Hardware mempengaruhi fungsi dan
usability dari MSS. Pilihan perangkat keras dapat dilakukan sebelum, selama, atau setelah
desain software MSS, tetapi sering ditentukan oleh apa yang sudah tersedia dalam organisasi.
Biasanya, MSS berjalan di hardware standar. Pilihan perangkat keras utama adalah server
organisasi, komputer mainframe dengan sistem warisan databasemanagement, workstation,
komputer pribadi, atau sistem client / server. Didistribusikan DSS berjalan pada berbagai
jenis jaringan, termasuk Internet, intranet, dan extranet (lihat Gachet, 2002; Gregg et al,
2002.). Akses dapat diberikan untuk sejumlah perangkat mobile, termasuk PC notebook,
tablet PC, PDA, dan telepon seluler. portabilitas ini telah menjadi penting untuk menyebarkan
pengambilan keputusan kemampuan (intelijen bisnis) di lapangan, terutama untuk penjual
(lihat Rothrock, 2002). Sebuah standar de facto hardware adalah bahwa dari server Web
melalui mana sistem manajemen database memberikan data yang diakses dari databases
yang ada di server, gudang data, atau database warisan. Pengguna mengakses DSS dengan
PC client (atau perangkat mobile lainnya) yang Web browser berjalan. Model yang tersedia
langsung melalui paket berjalan di kedua server, mainframe, atau sistem eksternal lainnya,

atau bahkan pada PC client. Lihat Gambar 3.1 untuk arsitektur apa yang telah menjadi DSS /
bisnis konfigurasi hardware intelijen khas. saya
3.12 KLASIFIKASI DSS
Ada beberapa cara untuk mengklasifikasikan aplikasi DSS. Proses desain, serta operasi dan
pelaksanaan DSS, tergantung pada banyak kasus pada jenis DSS yang terlibat. Namun, ingat
bahwa tidak setiap DSS cocok rapi ke dalam satu kategori. Kami menyajikan skema
klasifikasi perwakilan berikutnya.
ALTER S KLASIFIKASI OUTPUT
(1980) klasifikasi Alter didasarkan pada "tingkat tindakan implikasi outputs sistem" atau
sejauh mana sistem output dapat langsung mendukung (atau menentukan) keputusan.
Menurut klasifikasi ini, ada tujuh kategori DSS (Tabel 3.4). Dua jenis pertama adalah dataoriented, melakukan pengambilan data atau analisis; tawaran ketiga baik dengan data dan
model. Empat yang tersisa Model berorientasi, menyediakan kemampuan simulasi, optimasi,
atau perhitungan yang menunjukkan jawaban.
Holsapple DAN Whinston'S KLASIFIKASI
Holsapple dan Whinston (1996) mengklasifikasikan DSS ke dalam enam kerangka berikut:
text berorientasi DSS, database yang berorientasi DSS, spreadsheet berorientasi DSS, solver
berorientasi DSS, aturan-berorientasi DSS, dan senyawa DSS.
J TEXT-BERORIENTASI DSS
Informasi (termasuk data dan pengetahuan) sering disimpan dalam format tekstual dan harus
diakses oleh pengambil keputusan. Oleh karena itu, perlu untuk mewakili dan proses
dokumen teks dan fragmen efektif dan efisien. Sebuah DSS teks berorientasi mendukung
pembuat keputusan dengan melacak informasi tekstual mewakili yang bisa memiliki bantalan
pada keputusan secara elektronik. Hal ini memungkinkan dokumen yang akan electronically
dibuat, direvisi, dan dipandang sebagai diperlukan. teknologi informasi seperti pencitraan
berbasis Web dokumen, hypertext, dan agen cerdas dapat dimasukkan ke dalam aplikasi DSS
text-oriented. Ada banyak aplikasi DSS teks-oriented. Diantaranya adalah sistem dokumen
elektronik manajemen, knowledge management, manajemen konten, dan sistem aturan
bisnis. sistem manajemen konten (CMS) yang digunakan untuk mengelola materi yang
diposting di situs Web. Konsistensi, versi control, akurasi, dan navigasi yang tepat ditangani
langsung oleh sistem. Lihat DSS dalam Aksi 3.14. Banyak barang dan pengiriman
perusahaan (misalnya, FedEx dan UPS) menggunakan text DSS berdasarkan
mengkoordinasikan pengiriman, membantu pelanggan menentukan cara terbaik untuk kapal,
dan membantu pelanggan dan perusahaan untuk melacak paket (lihat DSS dalam Aksi 3.4).
Bahkan, FedEx telah dikerahkan versi PC genggam nirkabel dari sistemnya dari mana ia
mengharapkan untuk menghemat $ 20 juta pada biaya tahunan (lihat Brewin, 2002).
J DATABASE BERORIENTASI DSS

Dalam jenis DSS, organisasi basis data memainkan peran utama dalam struktur DSS.
generasi awal dari DSS database berorientasi terutama digunakan dalam configuration
database relasional. Informasi yang ditangani oleh database relasional cenderung tebal,
deskriptif, dan kaku terstruktur. DSS database berorientasi fitur laporan generasi dan
permintaan yang kuat kemampuan. Hendricks (2002) menjelaskan bagaimana pemerintah
Belanda memberikan manajemen properti berbasis Web untuk decisionmaking cerdas.
Sistem ini terutama berorientasi data dan membantu lembaga pemerintah melalui standar dan
GIS database dalam penggunaan efektif dari portofolio yang besar dari propTA B L E 3.4 Karakteristik Kelas Berbeda dari Sistem Pendukung Keputusan
Orientation

Category

Type of Operation

Data

File drawer
systems

Access data items

Data analysis
systems

Data or
Models

Models

Type of Task

User

Usage Pattern

Time

Operational

Nonmanagerial line
personnel

Simple inquiries

Irregular

Ad hoc
analysis of data files

Operational
Analysis

Staff analyst or
Manipulation
managerial line personnel and display of data

Irregular or
periodic

Analysis information
systems

Ad hoc
analysis involving
multiple databases
and small models

Analysis,
Planning

Staff analyst

Programming
special reports, developing small models

Irregular, on
request

Accounting
models

Standard calPlanning,
culations that estimate budgeting
future results on the
basis of accounting
definitions

Staff analyst or
manager

Input estimates
of activity; receive estimated monetary results
as output

Periodic
(e.g.>
weekly,
monthly,
yearly)

Planning,
budgeting

Staff analyst

Planning,
resource
allocation

Staff analyst

Periodic or irregular
(ad hoc
analysis)
Input possible decision;
receive estimated
results as output
Input constraints and
Periodic or irregular
objectives; receive
(ad hoc)
answer
analysis

Operational

Nonmanagerial line
personnel

Representational
models

Optimization
models

Suggestion
models

Estimating consequences of
particular
actions
Calculating an
optimal
solution to a
combinatorial
problem
Performing calculations that
generate a
suggested
decision

Input a structured
Daily or periodic
description of the
decision situation;
receive a
suggested decision
as output

Sumber: Publikasi dari Alter (1980), hlm 90-91..

erti. (Juga lihat Gedung Pemerintahan Badan Manajemen Properti situs Web:.
Www.rijksgebouwendienst.nl) DSS dalam Aksi 3,15 berisi contoh lain.

DSS SPREADSHEET-BERORIENTASI
Sebuah spreadsheet adalah sistem pemodelan yang memungkinkan pengguna untuk
mengembangkan model untuk mengeksekusi analisis DSS. Model-model ini tidak hanya
membuat, melihat, dan memodifikasi knowledge3 prosedural
DSS BERAKSI 3.14
TeamSite perusahaan CMS. Sejak itu, department IT telah berubah ke salah satu yang
mengelola informasi corporate daripada mempertahankan halaman individual.
Sumber: Diadaptasi dari John Clymon, "Dari Chaos Control," PC Magazine, September
17,2002, pp 125-133..
Pada Novarit Kesehatan (NC), sebuah system perawatan kesehatan nirlaba, 13.000
karyawan yang menghasilkan dan accumulating ton dokumen kebijakan dan prosedur
manual, materi pendidikan pasien, dan dokumen administrative dan peraturan yang harus
diposting ke situs Web organisasi dengan alat buatan sendiri. Pada akhirnya, mereka
menerapkan Jalinan
NOVANT KESEHATAN
DOKUMEN SEHAT

SISTEM

MANAJEMEN

KONTEN

MENCIPTAKAN

tetapi juga memerintahkan sistem untuk mengeksekusi mereka petunjuk mandiri (macro).
Spreadsheet yang banyak digunakan dalam end-user dikembangkan DSS. (Untuk contoh,
lihat Buehlmann, Ragsdale, dan Gfeller, 2000;. LeBlanc Randalls, dan Swann, 2000;.
Respicio, Captivo, dan Rodrigues, 2002 [diringkas dalam DSS dalam Aksi 3.8]) Yang paling
populer alat pengguna akhir untuk mengembangkan DSS adalah Microsoft Excel. Excel
termasuk puluhan paket statistik, paket pemrograman linear (solver), dan banyak model ilmu
keuangan dan manajemen,
Karena paket seperti Excel dapat mencakup DBMS yang belum sempurna atau mudah dapat
antarmuka dengan satu, mereka dapat menangani beberapa sifat dari DSS database
berorientasi, especially manipulasi pengetahuan deskriptif. Beberapa alat pengembangan
spreadsheet mencakup apa-jika analisis dan kemampuan tujuan-mencari, dan ini ditinjau
dalam Bab 4. DSS spreadsheet berorientasi adalah kasus khusus dari DSS solver berorientasi.
DSS BERAKSI 3.15
DATABASE BERORIENTASI DSS: Glaxo
sistem, mengintegrasikan data internal dengan data dari sumber external,
Aplikasi ini diluncurkan pada bulan Juni 1996-150 karyawan di departemen analisis
pemasaran Glaxo Wellcome ini. Pengguna dapat analyzeAales, persediaan, dan data
prescription untuk obat dengan cepat, membantu Glaxo Wellcome merampingkan proses
distribusi dan memotong biaya operasional. Manfaat IS tambahan adalah bahwa pengguna
dapat mengakses informasi dari berbagai database dan komputer. Mereka tidak lagi membuat

database lokal pada PC mereka yang akhirnya mengganggu integritas data atau memerlukan
dukungan TI. GWIS membantu desain organisasi TI dan mengelola sumber data yang
berbeda.
Sumber: Publikasi dari B. Fryer, "Data Cepat Pertolongan," InformationWeek, Desember
2,1996, pp 133-136;. dan www.mlcrostrategy.com/customersuccesses, Januari 2000.
Ketika Glaxo Wellcome mengungkapkan bahwa kombinasi dari dua obat yang, Epivir dan
AZT, efektif dalam mengobati AIDS, dokter mulai menulis resep secara massal hampir
semalam. Seperti gelombang pasang permintaan bisa mengakibatkan persediaan yang lebih
rendah untuk pharmaceutical grosir dan kekurangan.
Berkat aplikasi data warehouse, however, analis pasar di Glaxo Wellcome mampu melacak
ukuran dan sumber permintaan dan menghasilkan laporan dalam beberapa jam, bahkan
menit. Hasilnya: Pedagang di seluruh dunia tidak pernah Rati keluar pf Epjv | r dan Retrovir,
Disebut GWIS (Glaxo Wellcome Sistem Informasi), aplikasi data warehouse dibangun
dengan DSS pengolahan analisis (ROLAP) teknologi MicroStrategy Ine. Ini relasional online.
GWIS bekerja secara langsung dengan data yang tersimpan dalam database-manajemen
relasional
WELLCOME akses LIFE-SAVING DATA
DSS SOLVER-BERORIENTASI
Sebuah pemecah adalah sebuah algoritma atau prosedur tertulis sebagai program komputer
untuk melakukan perhitungan tertentu untuk memecahkan jenis masalah tertentu. Contoh
solver dapat menjadi prosedur kuantitas pesanan ekonomi untuk menghitung kuantitas
pemesanan optimal atau rutinitas regresi linear untuk menghitung tren. Sebuah solver dapat
secara komersial programmed dalam perangkat lunak pembangunan. Misalnya, Excel,
termasuk beberapa kuat pemecah-fungsi dan prosedur-yang memecahkan sejumlah
problems bisnis standar. DSS builder dapat menggabungkan pemecah dalam menciptakan
aplikasi DSS. Pemecah dapat ditulis dalam bahasa pemrograman seperti C ++; mereka dapat
ditulis secara langsung atau dapat menjadi alat add-in di spreadsheet, atau mereka dapat
tertanam dalam bahasa pemodelan specialized, seperti Lingo. pemecah lebih rumit, seperti
pemrograman linear, digunakan untuk optimasi, yang tersedia secara komersial dan dapat
incorporated dalam DSS. Untuk contoh, lihat Aplikasi Kasus dan contoh dalam Bab 4.
DSS ATURAN-BERORIENTASI
Komponen pengetahuan dari DSS dijelaskan sebelumnya meliputi (penalaran) aturan
prosedural dan inferential, sering dalam format sistem pakar. Aturan-aturan ini dapat
bersifat kualitatif atau kuantitatif, dan komponen tersebut dapat menggantikan model
kuantitatif atau dapat inte-parut dengan mereka. Misalnya, Bishop (1991) menggambarkan
integrasi implementasi algoritma tugas (suatu bentuk pemrograman linear) (Bab 4) dengan
yang dari sistem pakar untuk mengarahkan dalam penerbangan pesawat, kru penerbangan,

dan penumpang dalam hal utama Bandara hub tersingkir dari komisi. Juga lihat DSS dalam
Aksi 3.17.
COMPOUND DSS
Sebuah DSS senyawa adalah sistem hibrida yang mencakup dua atau lebih dari lima
structures dasar dijelaskan sebelumnya. Lihat DSS dalam Aksi 3.16 untuk contoh dari DSS
senyawa.
DSS BERAKSI 3.16
COMPOUND DSS: PELAPORAN KEUANGAN, KEPUTUSAN
kerugian, analisis pengeluaran, arus kas, dan neraca.
T & N juga menyimpan teks penjelasan dalam database. DSS dipasang di semua titik
konsolidasi utama dalam kelompok, sehingga koleksi cepat dan agregasi data. Data tidak
dilihat hanya sebagai informasi sejarah, namun. Mereka semakin sering digunakan untuk
membantu memprediksi masa depan. T & N menggunakan model keuangan dan teknik
seperti simulasi, forecasting stochastic, dan analisis statistik varians berdasarkan informasi
accurate. Hal ini memungkinkan perusahaan untuk melacak sumber lebih langsung.
Keberhasilan DSS menyebabkan pelaksanaan menyelesaikan suatu sistem perusahaan
information.
Sumber: Berdasarkan materi di situs Web Comshare ini, comshare.com.
T & N adalah pemasok terkemuka dunia dari komponen automotive berkualitas tinggi, serta
teknik dan industrial bahan. Perusahaan ini memiliki omset tahunan lebih dari $
4100000000 dan mempekerjakan 43.000 orang di seluruh dunia. Perusahaan membentuk
divisi penasehat keuangan independent untuk meningkatkan kinerja perusahaan.
unit operasi ingin informasi rinci pada tingkat produk; kelompok produk ingin rinci lebih
luas; manajemen ingin ringkasan tingkat tinggi yang strategis dan informasi pengecualian
(membutuhkan tiga sistem: pelaporan financial, dukungan keputusan, dan information
eksekutif), tapi semua data harus konsisten.
Sebuah MSS komprehensif dimulai pada pertengahan 1990-an. Data ditransmisikan melalui
e-mail ke markas Manchester (Inggris) untuk produksi rekening kelompok. Ini mencakup
semua data akuntansi, keuntungan dan
DUKUNGAN, DAN EIS BANTUAN T & N MEMPREDIKSI MASA DEPAN
DSS CERDAS
Yang disebut DSS cerdas atau pengetahuan berbasis telah menarik banyak perhatian. DSS
aturan berorientasi bahwa kita dijelaskan di atas dapat dibagi menjadi enam jenis: deskriptif,
prosedural, penalaran, bahasa, penyajian, dan asimilatif. Tiga pertama disebut "primer" jenis,
dan sisanya berasal dari mereka. DSS cerdas dibahas dalam Bagian IV dan V dari buku ini.

KLASIFIKASI LAIN DSS

Ada beberapa klasifikasi lain dari DSS, seperti berikut ini.
KELEMBAGAAN DAN AD HOC DSS
Kelembagaan DSS (Donovan dan Madnick. 1977) kesepakatan dengan keputusan yang
bersifat berulang. Sebuah contoh khas adalah sistem manajemen portofolio (PMS), yang telah
digunakan oleh beberapa bank besar untuk mendukung keputusan investasi. Sebuah DSS
dilembagakan dapat dikembangkan dan disempurnakan seperti yang berkembang selama
beberapa tahun karena DSS digunakan berulang kali untuk memecahkan masalah yang sama
atau serupa. Ini penting untuk
DSS BERAKSI 3.17
r - Cj
KELEMBAGAAN DSS: THE UNIVERSITY
Manfaat utama dari CAPA adalah sebagai berikut:
CAPA menghemat waktu dan biaya yang efektif, terutama untuk pengguna.
CAPA cukup fleksibel untuk mendukung berbagai aplikasi yang terkait dan extensible,
untuk mendukung persyaratan tambahan.
CAPA memerlukan sedikit atau tidak ada pelatihan pengguna dan tidak ada perangkat keras
atau perangkat lunak baru.
CAPA membahas perawatan jangka panjang, management, dan masalah upgrade.
informasi yang sesuai pada program dapat diakses dari database untuk membantu para
pengambil keputusan di tingkat departemen, perguruan tinggi, dan universitas. Informasi
adalah saat ini, dan keputusan pada program yang didasarkan pada informasi saat ini. Sejak
conversion semester, sistem CAPA adalah proses persetujuan hanya saja di The University;
tidak ada kertas yang digunakan. Dan, kursus dan program studi yang diakui secara resmi
adalah mereka di CAPA, tidak dalam buletin setiap tahunnya dicetak. sejak University telah
pindah sejumlah lembaga "sistem nasional lainnya ke Web, termasuk pendaftaran dan midsemester saja penarikan.
Ketika University of Georgia pindah dari quarter ke sistem semester pada tahun 1998, ada
kebutuhan untuk merubah seluruh kurikulum. Setiap tentu saja harus melalui proses saja
persetujuan seluruh, melibatkan jejak kertas panjang dengan menyetujui / memodifikasi /
reject decisions dibuat pada setiap langkah. alur kerja jelas perlu otomatis, dan pengambilan
keputusan tertanam dalam proses. Proses Persetujuan Course Automatic (CAPA) sistem
dikembangkan untuk mendukung masalah konversi semester dengan koordinasi kerja dan
'solusi otomatisasi yang menggunakan teknologi tertentu. Sasarannya adalah untuk

mengkoordinasikan proses pengambilan keputusan yang melibatkan beberapa komite, kantor

dekan, kantor departemen, sekolah pascasarjana, dan wakil presiden urusan akademik.
CAPA adalah (intranet) sistem berbasis Web. Menggunakan arsitektur dua tingkat. Web
server menyediakan information kepada pengguna, dan database SQL berjalan pada sistem
lain di latar belakang. Komentar, persetujuan, penolakan, atau keputusan kerja yang lebih
dibuat setiap langkah dari jalan, dan hasilnya dicatat dalam database.
Alasan untuk menggunakan server Web adalah supaya universitas bebas bisa memberikan
browser Web untuk klien (software akses untuk PC pada berbagai networks daerah setempat
di kampus). Tidak ada perangkat keras atau perangkat lunak tambahan biaya akan
dikeluarkan oleh perguruan tinggi dan masing-masing departemen.
OF GEORGIA PENGGUNAAN DSS BERBASIS WEB UNTUK KURSUS PROSES
PERSETUJUAN
ingat bahwa DSS institusional tidak dapat digunakan oleh semua orang dalam suatu
organisasi;
itu js sifat berulang dari masalah pengambilan keputusan yang menentukan apakah DSS
adalah institusional terhadap ad hoc. Lihat DSS dalam Aksi 3.17 untuk penjelasan qf sebuah
DSS institutional.
Ad hoc kesepakatan DSS dengan masalah tertentu yang biasanya tidak diantisipasi atau
berulang. keputusan ad hoc sering melibatkan isu-isu perencanaan strategis dan kadangkadang masalah kontrol manajemen. Membenarkan 3 DSS yang akan digunakan hanya sekali
atau dua kali merupakan masalah besar dalam pengembangan DSS. Tak terhitung ad hoc
aplikasi DSS telah berevolusi menjadi DSS institusional. Entah masalah berulang dan sistem
digunakan kembali, atau qthers dalam organisasi memiliki kebutuhan yang sama yang dapat
ditangani oleh mantan DSS ad hoc. Lihat I) SS di Action 318 untuk penjelasan dari DSS ad
hoc yang berkembang menjadi DSS institutional.
PERSONAL, GROUP, DAN DUKUNGAN ORGANISASI
Dukungan yang diberikan oleh DSS dapat separatee) menjadi tiga yang berbeda, kategori
saling (Hackathom dan 1981) Keen.:
Dukungan Pribadi Berikut fokusnya adalah pada pengguna individu melakukan suatu
kegiatan dalam tugas diskrit atau keputusan. Tugas ini cukup independen dari tugas-tugas
lainnya. The situation dijelaskan dalam DSS dalam Aksi 3.18 dimulai dengan
pengembangan dukungan DSS pribadi.
DSS BERAKSI 3.18
AD HOC VISUAL BASIC DSS MEMBANTU TUTUP DEAL DAN MENJADI AN
KELEMBAGAAN DSS

Tidak ada yang perlu untuk meyakinkan agen real estate Jim Rauschkolb tentang nilai
technology informasi. Sebuah kesalahan matematika yang buruk pada tahun 1980
mengubahnya menjadi seorang programmer computer dan selamanya mengubah cara dia
menjual properti. Pada tahun 1980 dia menjual rumah keluarga dan calculated, dengan
pensil dan kertas di meja ruang makan mereka, apa yang mereka akan menjaring. Pada
penutupan, ia menemukan bahwa perhitungannya adalah off oleh $ 1.800, yang keluar pf
sakunya. Ketika ini terjadi, Rauschkolb berangkat untuk mengembangkan sebuah sistem
komputer yang akan mengingat setiap item baris yang harus calculated, melakukan
matematika, dan mengelola saling ketergantungan yang semakin kompleks antara rincian,
seperti keuntungan bersih dari penjualan fhe dari rumah dan bawah payment pada properti
baru. Dia belajar bagaimana program dan biiilt tp ap ad hoc DSS. menggunakan perangkat
lunak, ia menemukan bahwa itu jauh lebih mudah untuk mendapatkan orang untuk mendaftar
cpntract a. Dia cpuld menunjukkan pelanggan semua rincian keuangan di depan dalam
fashipn mudah tp dipahami, termasuk apakah mereka memenuhi syarat fpr mprtgage a. Selain
itu, perhitungan yang dilakukan dengan cepat dan akurat. Rauschkolb, sekarang menjadi
wakil presiden di
Century 21 kantor di Orinda, California, terus menggunakan DSS dan komputer. Pada akhir
1990-an ia butuhkan untuk mengintegrasikan aplikasi dan port mereka untuk lingkungan
develepment client / server. Rauschkplh telah porting tiga aplikasi untuk Visual Basic (VB),
dengan lebih di jalan. Salah satu aplikasi eppyrighted calculates biaya yang akurat dari
membeli rumah dengan menganalisis harga jual, ekuitas, muka, mprtgage bulanan, bunga,
inepme, dan faktor pther. Proses ini memakan waktu beberapa agen jam untuk
menyelesaikan; Program Rauschkolb ini memberikan hasil yang akurat di menit. Setelah
porting nya VB applicatipns tp, Rauschkplh sekarang membuat langkah logis berikutnya:
mendistribusikan program untuk agen lainnya untuk PC mereka. Dia telah dikemas beberapa
pf applicatipns dengan WGH Kemampuan, Apa yang dimulai sebagai balas dendam terhadap
matematika errpr berakhir sebagai Web DSS beredar aplikasi-dan aplikasi HPC iklan menjadi
DSS institutipnal. Dan sekarang dapat porting tp Net dan ke Web.
Sumber: Publikasi dari R. Levin, "Visual Basic Membantu Tutup Deal," InformationWeek,
November 4,1996, pp 16A-J7A..
Kelompok Dukungan Fokus di sini adalah minyak sekelompok orang, yang semuanya terlibat
dalam tugas-tugas terpisah tapi sangat saling terkait. Contohnya adalah departemen keuangan
khas sakit yang Satu DSS dapat melayani beberapa karyawan semua bekerja pada
penyusunan anggaran. Jika penggunaan ad hoc DSS menyebar, itu menjadi kelompok
pendukung DSS. Catatan bahwa ini tidak sama dengan dukungan sistem kelompok yang
menyediakan collaboration dan komunikasi kemampuan untuk kelompok kerja bersamasama.
Dukungan Organisasi Mere fokusnya adalah pada tugas-tugas organisasi atau kegiatan yang
melibatkan serangkaian operasi, area fungsional yang berbeda, lokasi mungkin berbeda, dan
sumber daya besar. Sistem CAPA berbasis web dijelaskan dalam DSS dalam Aksi 3.17 di The
University of Georgia memberikan dukungan organisasi untuk fakultas, staf, dan mahasiswa.

INDIVIDU DSS VERSUS SISTEM GROUP SUPPORT (GSS)

Beberapa peneliti DSS dan praktisi (seperti Keen, 1980) menunjukkan bahwa model
fundamental dari DSS-kesepian pembuat keputusan melangkah menyusuri lorong di tengah
hari untuk membuat keputusan-benar hanya untuk keputusan kecil. Di kebanyakan
organisasi, baik itu publik, swasta, Jepang, Eropa, atau Amerika, kebanyakan keputusan besar
yang dibuat secara kolektif. Bekerja dalam kelompok dapat menjadi proses yang rumit, dan
dapat didukung oleh komputer dalam apa yang disebut sistem pendukung kelompok (GSS).
Sistem pembelajaran jarak jauh-Blackboard (DSS dalam Aksi 3.12; blackboard.com)
memberikan dukungan kepada semua individu dan kelompok yang terlibat dalam suatu
kursus. Sebagai sistem manajemen konten itu provides dukungan untuk kelompok
mahasiswa yang mengambil kursus: menyimpan dan mendistribusikan materi kursus. Ini
mendukung instruktur individu melalui buku nilai secara online dan sejumlah alat lainnya
yang fakultas butuhkan dalam manajemen saja. Dan, berfungsi sebagai GSS melalui diskusi
daftar nya, fitur e-mail, dan kelas virtual.
Catatan: Dukungan kelompok istilah yang diperkenalkan sebelumnya tidak harus bingung
dengan konsep sistem pendukung kelompok (GSS). Untuk mendukung kelompok, keputusan
yang dibuat oleh individu yang tugasnya saling terkait. Oleh karena itu, mereka memeriksa
dampak decision mereka pada orang lain tapi tidak selalu membuat keputusan sebagai
sebuah kelompok. Di GSS, setiap keputusan (kadang-kadang hanya satu keputusan) yang
dibuat oleh kelompok. Blackboard, hanya disebutkan, adalah luar biasa dalam bahwa hal itu
baik.
SISTEM CUSTOM BUATAN VERSUS SISTEM SIAP PAKAI
Banyak DSS yang custom-made untuk pengguna individu dan organisasi (misalnya, Vignette
Membuka dan aplikasi DSS real estate di DSS dalam Aksi 3.18). Namun, masalah
comparable mungkin ada dalam organisasi serupa. Misalnya, rumah sakit, bank, dan
universitas berbagi banyak masalah yang sama. Demikian pula, masalah tidak rutin tertentu
di daerah fungsional (misalnya, keuangan atau akuntansi) dapat berulang di daerah
functional sama organisasi yang berbeda. Oleh karena itu, masuk akal untuk membangun
DSS generik yang dapat digunakan (kadang-kadang dengan modifikasi) di beberapa
organisasi. DSS seperti ini disebut siap pakai dan dijual oleh berbagai vendor (misalnya,
Cognos, Temtec, Teradata). Pada dasarnya, database, model, antarmuka, dan fitur pendukung
lainnya yang dibangun di: hanya menambahkan data dan logo organisasi. Sebagai contoh,
application IAP Sistem dijelaskan dalam DSS dalam Aksi 3.13 adalah DSS siap pakai. The
applications real estate dijelaskan dalam DSS dalam Aksi 3.18 juga dapat dilihat sebagai
DSS siap pakai, seperti dapat Blackboard. Baru-baru ini, jumlah siap pakai DSS telah
meningkat karena fleksibilitas mereka dan biaya rendah untuk mengembangkan mereka
menggunakan teknologi Internet untuk akses database dan komunikasi, dan Web browser
untuk antarmuka (lihat DSS dalam Aksi 3.13).
Salah satu komplikasi dalam terminologi terjadi ketika suatu organisasi mengembangkan
sistem institutional tetapi, karena strukturnya, menggunakannya secara ad hoc. Sebuah
organisasi dapat membangun sebuah gudang data yang besar tapi kemudian menggunakan

alat OLAP untuk query dan melakukan analisis ad hoc untuk memecahkan masalah tidak
berulang. DSS menunjukkan ciri-ciri ad hoc dan sistem kelembagaan, dan juga adat dan
sistem siap pakai. Kami menggambarkan suatu sistem berbasis web seperti dalam Kasus
Aplikasi 3.2. Beberapa ERP, CRM, KM, dan SCM companies menawarkan aplikasi DSS
online. jenis-jenis sistem dapat dilihat sebagai readymade, meskipun biasanya mereka
memerlukan modifikasi (kadang-kadang besar) sebelum mereka dapat digunakan secara
efektif. Lihat Bab 8.
DSS DAN WEB
Dua perkembangan terbaru dalam teknologi komputer memberikan lahan subur bagi aplikasi
DSS yang baru atau ditingkatkan. Yang pertama adalah teknologi Web (Internet, intranet, dan
extranet), dan yang kedua adalah perangkat lunak perusahaan, seperti KM, ERP, CRM, dan
SCM (lihat Bab 8). Kekuatan dan kemampuan dari World Wide Web memiliki dampak
dramatic pada pengembangan DSS, aplikasi, dan pola penggunaan. Hubungan antara Web
dan DSS dapat dianggap dalam dua kategori utama: DSS pembangunan (Chapter 6) dan
penggunaan DSS.
PENGEMBANGAN DSS
Web ini dapat digunakan untuk mengumpulkan kedua (intranet) data eksternal dan internal
database DSS. Web dapat digunakan untuk komunikasi dan kolaborasi di antara pembangun
DSS, pengguna, dan manajemen. Selain itu, Web dapat digunakan untuk men-download
software DSS, menggunakan aplikasi DSS yang disediakan oleh perusahaan, atau membeli
secara online dari penyedia layanan application (ASP). Sebagai contoh, lihat Fourer dan
Goux (2002) dan Geoffrion dan Krishnan (2001).
Semua vendor database utama (misalnya, IBM, Microsoft, Oracle, Sybase) memberikan
kemampuan Web dengan menjalankan langsung pada server Web. gudang data, dan bahkan
systems warisan berjalan pada mainframe atau porting ke workstation RISC kecil dapat
diakses melalui teknologi Web. Biasanya model diselesaikan pada mesin cepat, tapi akhirakhir ini mereka telah porting ke server Web, baik berjalan di latar belakang atau diakses dari
sistem lain, seperti mainframe. Optimasi, simulasi, sistem statistik, dan ahli sistem telah
diprogram untuk menjalankan di Jawa (lihat Fourer dan Goux, 2002). Perkembangan ini
menyederhanakan akses ke data, model, dan pengetahuan, dan menyederhanakan integrasi
mereka. Perusahaan sistem informasi / portal dan sistem OLAP menyediakan alat powerful
yang dapat digunakan untuk mengembangkan aplikasi DSS, umumnya melalui alat Web.
alat pengembangan perangkat lunak baru, seperti Java, PHP, dan Net, memberikan kuat di
layar obyek (tombol, teks, dll) untuk berinteraksi dengan database dan model. Ini mudah
membuka akses langsung ke Web untuk pengembang DSS. Dalam banyak hal ini
menyederhanakan tugas pengembang, terutama dengan menyediakan alat pengembangan
umum dan struktur antarmuka umum melalui teknologi Web browser.
PENGGUNAAN DSS

Antarmuka DSS standar sekarang browser Web, atau setidaknya layar terlihat serupa.
teknologi browser web telah mengubah harapan kita tentang bagaimana perangkat lunak
harus melihat dan merasa. Banyak DSS memberikan kemampuan drill-down (untuk melihat
ke dalam data untuk / sumber masalah) dan layar lampu lalu lintas (hijau = OK, merah =
masalah,
/ Kuning = masalah pembuatan bir; melihat software Viewer Executive TemTec ini). DSS
digunakan pada
GAMBAR 3.7 IKHTISAR KEMAMPUAN DSS
Keseluruhan Kemampuan
Buat berbagai Aplikasi DSS [DSS spesifik) dengan cepat dan mudah Memfasilitasi proses
desain iteratif
Kemampuan Umum
Easy to use

Access to a variety
of data sources,

Access to a
variety of analysis

For routine use,

modification,
and construction
of DSS

types, and formats

for a variety of
problems and
contexts

capabilities with
some suggestion
or guidance
available

User Interface

Data

Models

1. Variety of

1. Variety of data

1. Library of

output formats

forms and types

models to

and devices

constitute a
2. Extraction, capture,

2. Variety of user

and integration

input devices

3. Variety of

model base

a. many types
3. Data access

b. maintain,

function

catalog,

Dialog

integrate

styles and

a. retrieval/query

c. canned

ability to

b. report/display

(preprogrammed)

Shift

c. user/efficient

library

4. Support

data handling

2. Model-building facility

Communication

4. Database

among users

management

3. Model-manipulation

and with

function

and use facility

Builder

5. Variety of logical

4. Model base

5. Support

data views

management

Knowledge

available

functions

of users (documentation)

B. Data documentation

5. Model

B. Capture, store,

7. Tracking of

documentation

analyze dialogs

data usage

6. Tracking of

(tracking of
dialogs]

7. Flexible and

model usage
8. Flexible and
adaptive data

7. Flexible and

support

adaptive model

adaptive dialog

support

Support

Sumber: Berdasarkan Ralph Sprague dan Eric Carlson, Sistem Pendukung Keputusan Efektif
Bangunan, 1982, hal. 313. Dicetak ulang dengan izin dari Prentice-Hall, Inc.
Web dalam beberapa cara. Pertama, pengguna dapat terus intranet dan mengaktifkan aplikasi
siap pakai DSS. Semua yang mereka lakukan adalah untuk memasukkan beberapa data, atau
menentukan tanggal dan informasi lainnya. DSS kemudian menjalankan dan mereka dapat
melihat hasilnya. Sebagai contoh, lihat Rantai Stihl ini Saw Assistant (www.stihlusa.com),
yang membantu Anda memilih gergaji (ada banyak pilihan produk panduan online). Kedua,
mereka bisa mendapatkan saran secara online dan bantuan tentang cara menggunakan
aplikasi DSS. Ketiga, mereka berkomunikasi dengan orang lain mengenai interpretasi hasil
DSS. Akhirnya, mereka dapat berkolaborasi dalam melaksanakan solutions dihasilkan oleh
model DSS. alat web menyediakan kemampuan komunikasi dan collaboration untuk GSS
dan KMS, serta untuk sistem manajemen konten, EIS, CRM, dan SCM.
3.13 RINGKASAN
Kami telah memperkenalkan dasar-dasar DSS. Kami mulai bab dengan pembahasan sketsa
Southwest Airlines. Kami kemudian ditutup karakteristik DSS kunci dan kemampuan. Kami
merangkum kemampuan utama komponen DSS (tidak termasuk komponen pengetahuan)
pada Gambar 3.7. Untuk keterangan lebih lanjut, lihat tur Web DSS Daniel Power di
dss.cba.uni.edu/tour/dsstour.html.
UTAMA BAB
Ada beberapa definisi dari DSS.
DSS, juga dikenal sebagai sistem intelijen bisnis, dirancang untuk mendukung masalah
manajerial kompleks yang teknik komputerisasi lain tidak bisa. DSS adalah userberorientasi, menggunakan data, dan model.
DSS dapat memberikan dukungan dalam semua tahapan proses decisionmaking dan untuk
semua tingkatan manajerial untuk individu, kelompok, dan organisasi.
DSS adalah alat berorientasi pengguna. Banyak aplikasi dapat dibangun oleh pengguna
akhir.
DSS dapat meningkatkan efektivitas pengambilan keputusan, mengurangi kebutuhan untuk
pelatihan, meningkatkan kontrol manajemen, memfasilitasi komunikasi, menyimpan upaya

oleh pengguna, mengurangi biaya, dan memungkinkan untuk lebih obyektif pengambilan
keputusan.
Komponen utama dari DSS adalah database dan manajemen, base model dan manajemen,
dan antarmuka yang user-friendly. Cerdas (knowledge based) komponen juga dapat
dimasukkan. Pengguna juga dianggap komponen.
Komponen DSS biasanya saling berhubungan melalui teknologi internet. Web browser
biasanya digunakan sebagai antarmuka pengguna.
Data warehouse, data mining, dan pengolahan analisis online (OLAP) telah memungkinkan
untuk mengembangkan DSS dengan cepat dan mudah.
Subsistem manajemen data biasanya mencakup database DSS, DBMS, direktori data, dan
pusat query.
Data diambil dari beberapa sumber, internal dan eksternal.
DBMS menyediakan banyak kemampuan untuk DSS, mulai dari penyimpanan dan
pengambilan melaporkan generasi.
Model dasar meliputi model standar dan model khusus ditulis untuk DSS.
model Custom-made dapat ditulis dalam ketiga dan generasi keempat bahasa, dalam bahasa
pemodelan khusus, dan dalam pengembangan sistem berbasis web (Java, dll).
Antarmuka pengguna (atau dialog) adalah sangat penting.
Hal ini dikelola oleh perangkat lunak yang memberikan kemampuan yang dibutuhkan. Web
browser sering memberikan DSS antarmuka user friendly, konsisten, dan umum grafis.
DSS ini dilengkapi dengan kemampuan intelektual pengguna. Pengguna memiliki
pengetahuan tentang masalah yang dipecahkan.
DSS dapat digunakan secara langsung oleh manajer (dan analis), atau dapat digunakan
melalui perantara.
aplikasi DSS dapat disampaikan dan dijalankan di Web. Hal ini mudah untuk
mendistribusikannya ke lokasi terpencil.
KATA KUNCI
ad hoc DSS
bisnis (sistem) Analis

analisis bisnis

intelijen bisnis

gudang data

 Database
sistem manajemen database (DBMS)

direktori

aplikasi DSS
pengguna alat ahli
ekstraksi
Fasilitator (di GSS)
antarmuka pengguna grafis (GUI)
sistem pendukung kelompok (GSS)
DSS dilembagakan

perantara

Internet
intranet
model base
Model sistem manajemen basis (MBMS)
blok bangunan model
objek
model operasional
basis pengetahuan organisasi
Fasilitas permintaan
Asisten Staf
model strategis
model taktis

antarmuka pengguna

sistem manajemen antarmuka pengguna (UIMS)

PERTANYAAN UNTUK REVIEW

1. Sediakan dua definisi DSS. Apa yang mereka memiliki kesamaan? Fitur apa membedakan
mereka?
2. Mengapa orang berusaha untuk mempersempit definisi DSS?
3. Berikan definisi Anda sendiri DSS. Bandingkan dengan definisi dalam Pertanyaan 1.
4. Daftar komponen utama dari DSS dan secara singkat mendefinisikan masing-masing dari
mereka.
5. Apa fungsi utama (kemampuan) dari DBMS?
6. Apa ekstraksi?
7. Apa fungsi dari fasilitas permintaan?
8. Apa fungsi dari direktori?
9. Model diklasifikasikan sebagai strategis, taktis, atau operational. Apa tujuan dari
klasifikasi seperti itu? Berikan contoh masing-masing.
PERTANYAAN UNTUK DISKUSI
1. Tinjau karakteristik utama dan kemampuan DSS. Berhubungan masing-masing ke
components utama DSS.
2. Daftar beberapa data internal dan data eksternal yang dapat ditemukan di DSS untuk
memilih portofolio saham untuk investor.
3. Daftar beberapa data internal dan eksternal dalam DSS yang akan dibangun untuk
keputusan mengenai ekspansi hospital.
4. Memberikan daftar kemungkinan model strategis, taktis, dan operational untuk sebuah
universitas, restoran, dan pabrik kimia.
5. Tampilkan kesamaan antara DBMS dan MBMS. Apa yang umum untuk kedua dan
mengapa? Apa differences dan mengapa?
6. Jelaskan mengapa DSS adalah MIS pertama didefinisikan sebagai membutuhkan
komputer.
10. Daftar beberapa fungsi utama dari MBMS.
11. Bandingkan fitur dan struktur MBMS untuk orang-orang dari DBMS.
12. Mengapa pilihan model untuk DSS sulit?
13. Tentukan DSS teks-oriented.
14. Apa tujuan utama dari sistem antarmuka pengguna?

15. Apa fungsi utama dari dialog (interface) sistem manajemen?

16. Daftar dan menggambarkan kelas utama pengguna DSS.
17. Apa jenis dukungan yang diberikan oleh DSS?
18. Tentukan jangka siap pakai DSS.
19. Bandingkan dengan DSS custom-made dengan DSS siap pakai. Daftar keuntungan dan
kerugian dari masing-masing.
20. Cari untuk DSS siap pakai. Apa jenis industri pasar? Mengapa DSS siap pakai?
7. Jelaskan mengapa DSS membutuhkan system manajemen database, sistem model
manajemen, dan interface pengguna, tapi bukan sistem manajemen pengetahuan-base.
6. Bandingkan suatu DSS individu untuk kelompok DSS.
7. Apa manfaat dan keterbatasan dari pendekatan klasifikasi Holsapple dan Whinston ini?
8. Mengapa manajer menggunakan perantara? Apakah mereka continue untuk
menggunakannya di masa depan? Mengapa atau mengapa tidak?
9. Jelaskan mengapa pengguna dapat dianggap sebagai component DSS.
10. Diskusikan manfaat potensial bahwa application DSS dapat berasal dari Web baik dari
segi developers dan pengguna.
11. Jelaskan bagaimana Web telah berdampak komponen DSS, dan sebaliknya.
LATIHAN
1. Susan Lopez telah dibuat direktur departemen transportation di sebuah universitas
menengah. Dia mengontrol kendaraan berikut: 17 sedan, 15 van, dan 3 truk. Direktur
sebelumnya dipecat karena terlalu banyak keluhan tentang vehicles tidak menjadi tersedia
bila diperlukan. Susan telah diberitahu untuk tidak mengharapkan peningkatan anggaran
untuk dua tahun ke depan (yang berarti tidak ada penggantian atau additional Kendaraan).
Pekerjaan utama Susan adalah untuk menjadwalkan vehicles bagi karyawan dan untuk
jadwal pemeliharaan dan perbaikan kendaraan ini. Semua ini dilakukan manually oleh
pendahulunya. Tugas Anda adalah untuk berkonsultasi dengan Susan mengenai kemungkinan
menggunakan DSS untuk memperbaiki situasi. Susan memiliki PC top-end dan versi terbaru
dari Microsoft Office, tapi dia menggunakan komputer hanya sebagai pengolah kata. Dia
memiliki akses ke intranet universitas dan ke Internet. Jawab pertanyaan berikut:
Sebuah. Dapat pengembangan dan penggunaan DSS akan justified? (Artinya, apa yang bisa
DSS lakukan untuk mendukung pekerjaan Susan?)
b. Apa yang akan dimasukkan dalam manajemen data, manajemen model, dan antarmuka?
c. Apa jenis dukungan yang Anda harapkan DSS ini untuk membuat?

d. Bagaimana Anda akan mengklasifikasikan DSS ini?

e. Apakah masuk akal untuk memiliki component pengetahuan?
f. Harus DSS dibangun, atau harus satu disewa secara online? Mengapa?
g. Harus Susan menyebarkan DSS kepada orang lain di intranet? Mengapa atau mengapa
tidak?
2. Pertimbangkan dua situasi perbankan berikut. Staf marketing A bank menyadari bahwa
data check-processing yang bank terlalu sering membersihkan setelah periode singkat (60-90
hari) dapat menghasilkan informasi berharga tentang pola pembayaran pinjaman nasabah dan
preferensi.
PROYEK GROUP
1. Desain dan menerapkan-DSS baik untuk masalah yang dijelaskan di Latihan 1 atau setara
problem dunia nyata. Jelas mengidentifikasi sumber data dan jenis Model,
bank mulai menyimpan data ini menggunakan alat information penemuan yang berjalan
pada sistem parallelprocessing canggih untuk memilah-milah pengecekan data aktivitas
akun untuk mengidentifikasi pelanggan pemilik rumah yang membayar hipotek dengan cek
pada kelima, keenam, atau hari ketujuh bulan. perseroan menargetkan pelanggan ini dengan
pinjaman ekuitas rumah khusus untuk mengkonsolidasi utang, dengan pembayaran otomatis
untuk pinjaman dan mortgage pada pertama bulan. bank menggunakan alat data mining
untuk mempelajari tingkat aktivitas oleh pengguna makmur dari waktu ke waktu di beberapa
saluran: cabang, automated mesin teller (ATM), pusat-pusat telepon, dan point-of-sale
sistem di seluruh wilayah bank berfungsi. Ia kemudian mengambil analisis ke tingkat kedua:
menentukan profitabilitas per transaksi di setiap saluran. Berdasarkan inisiatif ini, bank
melakukan upaya rekayasa ulang yang komprehensif. Menemukan bahwa ATM dan
perbankan telepon yang semakin aktif dan menguntungkan, manajemen memutuskan untuk
memfokuskan sumber daya dan upaya pemasaran dalam memperluas saluran ini. Ia
memutuskan untuk menutup cabang fullservice dengan aktivitas rendah tetapi
menggantikan beberapa dengan mesin ATM mandiri untuk melanjutkan providing layanan
pelanggan. Karena beberapa cabang masih sangat menguntungkan dan banyak digunakan,
manajemen memutuskan untuk memperluas layanan yang ditawarkan di locations ini.
Dalam kedua situasi, mengidentifikasi aplikasi DSS yang digunakan. Mengklasifikasikan
mereka sesuai dengan skema Alter dan sesuai dengan skema Holsapple dan Whinston.
3. Cari literatur tentang aplikasi DSS yang sebenarnya (menggunakan jurnal profesional, ABI
Inform, kisah sukses pelanggan di situs DSS vendor ', atau Internet untuk pencarian Anda).
Dalam aplikasi ini, mengidentifikasi alasan untuk DSS, komponen utama, klasifikasi (jenis)
dari DSS, isi model, dan proses pembangunan dan biaya.
dan mendokumentasikan masalah kelompok Anda temui saat mengembangkan DSS.

3. Pada World Wide Web, menemukan vendor perangkat lunak analisis intelijen / bisnis
DSS / bisnis dengan software demo download. Men-download perangkat lunak,
menginstalnya, dan mengujinya. Melaporkan temuan Anda ke kelas dan menunjukkan
capabilities perangkat lunak.
4. Pada World Wide Web, mengidentifikasi silabus kursus dan bahan untuk analisis intelijen /
bisnis saja DSS / bisnis di perguruan tinggi lain atau uni-keanekaragaman. Bandingkan
deskripsi kursus kursus Anda sendiri. Ulangi tugas ini menggunakan DSS / bisnis analisis
intelijen / bisnis saja syl-labus dari sebuah universitas di negara lain. Gunakan
www.isworld.org.
5. Di Web, mengidentifikasi beberapa panduan pemilihan produk yang merekomendasikan
produk khusus untuk Anda. Gunakan 09:55 ini, memeriksa poin positif dan negatif, dan
menjelaskan fitur dan menggunakan dalam sebuah laporan.
6. Jelajahi situs teradatauniversity.com. Dalam laporannya, menjelaskan setidaknya tiga
aplikasi DSS menarik dan tiga bidang DSS menarik (CRM, SCM, dll) yang telah ditemukan
di sana.
KASUS APLIKASI 3.1 0
KEUNGGULAN DARI PETROVANTAGE:
MENCIPTAKAN AN E-PASAR

BISNIS

1NTELLIGENCE

DSS

LATAR BELAKANG
Aspen Tek memasok perangkat lunak untuk industri proses, dan telah mengukir sebuah ceruk
penting yang pada tahun 2001 menyebabkan pendapatan tahunan sekitar $ 380.000.000.
Dengan rilis PetroVantage, perusahaan 21 tahun berencana untuk streamline proses untuk
petroleum industri yang berpotensi menguntungkan. "Kesempatan bagi perusahaan untuk
mengambil nilai menggunakan PetroVantage, dari kepala sumur ke pompa bensin, adalah
substantial," kata David McQuillin, petugas operating kepala Aspen Tech dan kepala
eksekutif terpilih. "Bagian utama dari aplikasi ini adalah perdagangan dan logistik
kemampuan." PetroVantage dapat menghemat perusahaan ratusan ribu dolar per hari.
analis industri mengatakan logistik memberikan petroleum dari kepala sumur ke konsumen
adalah yang paling rumit dari setiap industri. Ada 500 jenis minyak mentah, masing-masing
dengan karakteristik yang berbeda; masing-masing kilang unik, berkonsentrasi pada
campuran yang berbeda dan penggunaan akhir-product. Memutuskan minyak apa yang
harus membeli dan bagaimana untuk mengangkut melibatkan proses misterius di mana 20
sampai 25 pedagang di seluruh dunia membuat keputusan yang mempengaruhi proses
distribution internasional. pedagang ini harus mengintegrasikan informasi jenis, massal,
docking, penyulingan, dan pengiriman. Mereka harus tahu berapa banyak minyak yang keluar
dari bumi, di mana kapal-kapal yang mengangkutnya, apa kilang dapat memproses produk,
dan port apa yang dapat menerima kargo. Kemudian decisions harus dibuat tentang
bagaimana untuk mengangkut product disempurnakan untuk distributor. analisis kritis
terhadap sistem di seluruh dunia dapat cacat, mengakibatkan penundaan dan kerugian.

pejabat PetroVantage melihat kesempatan untuk meluncurkan solusi berbasis Web untuk
memodernisasi proses besar ini. "Dunia tidak lebih dengan minyak daripada substance lain
kecuali air," kata Chuck Moore, wakil presiden kelompok usaha perminyakan di Aspen Tek.
"Kami pikir ada kesempatan besar di sini, terutama karena kita akan memanfaatkan beberapa
kekuatan dari Aspen Tek."
DSS THE
PetroVantage adalah suite aplikasi yang memungkinkan company untuk menentukan tempat
terbaik untuk membeli minyak mentah atau elemen yang membentuk campuran bahan bakar
yang berbeda, di mana untuk memperbaiki itu, bagaimana kapal itu, dan bagaimana
mendistribusikannya ke situs ritel . Insinyur menggunakan bagian dari aplikasi untuk setiap
aspek dari kilang atau pabrik operasi, termasuk desain, bangunan, biaya, pelatihan,
infrastruktur dan equipment, dan pemeliharaan fasilitas. IBM menyediakan perangkat keras,
perangkat lunak, Web-hosting, dan infrastruktur implementasi.
PetroVantage telah mengembangkan model online yang incorporate atribut dari sekitar 600
dari 700 kilang minyak dunia. Atribut ini mencakup kapasitas produksi dan produk yang
dihasilkan. pasar menyediakan platform online untuk bernegosiasi mentah penjualan minyak
dan produk minyak, penawaran mengevaluasi, mengelola logistik, dan menghubungkan
participants kunci dalam perdagangan minyak mentah yang kompleks. Pedagang
menggunakan sistem untuk membeli, menjual, dan menukar barel fisik minyak mentah dan
minyak mentah produk, seperti bensin atau bahan bakar jet. Keuntungan situs terletak pada
kemampuannya untuk mengelola begitu banyak fungsi.
fungsi pendukung keputusan adalah apa yang membedakan PetroVantage dari industri
minyak e-pasar lain, seperti HoustonStreet.com dan Altra Energi Technologies. Platform ini
unik karena jenis-jenis alat pendukung decision perlu didasarkan pada beberapa model yang
sangat kompleks yang dapat Anda lakukan dengan minyak mentah.
Suite aplikasi jatuh ke dalam empat categories utama: end-to-end perencanaan pasokan,
solusi penyulingan, pemasaran bahan bakar, dan, baru-baru ini menambahkan, eksplorasi dan
production. Mungkin keuntungan terbesar akan dilihat oleh orang-orang yang paling akrab
dengan pengadaan, perdagangan, transportasi, dan minyak menyimpan dan bahan bakar.
Moore mengatakan bahwa 70 persen dari bahan bakar dan distribusi minyak mentah di
Amerika Serikat ditangani oleh sistem Aspen Tech.
Dikembangkan dari Anonymous, "PetroVantage Luncurkan Software Komersial," Petroleum
Berita Nasional 2002 Jan, Vol 94, No 1, p 54;.. William Copeland, "Accurate Inventory
Tracking Berarti Peluang Raih," Dunia Refining, Vol. 11, No. 9 November 2001, hal. 48;
Matthew Prancis, "Aspen Tek Bahan Bakar Up Produk Its PetroVantage di Citgo," Mass High
Tech, Vol. 20, No. 35, September 2,2002, p. 8; Dyke Hendrickson, '' online Oil Efek
Hangatkan Up, "Mass High Tech, Vol. 18, No. 39, September 25,2000, p. 1; Lewis, David,
"Minyak Efek Lassos Big User-Occidental Bergabung Sembilan Pelanggan lainnya di Pilot
Uji E-pasar," INTERNETWEEK, Edisi Khusus 872, Agustus 6,2001, p. 42.

PENGEMBANGAN PETROVANTAGE DAN PILOT PENGUJIAN

PetroVantage itu diuji-coba oleh Citgo dari awal sampai pertengahan 2002. Tulsa, Oklahoma,
perusahaan mengumumkan pada bulan September 2002 yang akan menyebarkan Petro
Vantage di seluruh perusahaan untuk mencari tahu measures pemotongan biaya dan
memenuhi permintaan pelanggan di 14.000 locations ritel di 47 negara. Sementara aplikasi
tidak benar-benar digunakan di tingkat ritel, semua pengambilan keputusan yang terjadi di
rantai komando sebelum itu bisa mengandalkan PetroVantage.
Williams R & M mendaftar dengan PetroVantage pada musim semi tahun 2001, dan
kemudian bergabung dengan Program Client PetroVantage Foundation. Williams R & M
beroperasi kilang di Memphis dengan kapasitas 165.000 barel per hari. Ini diuji-coba
PetroVantage untuk mengoptimalkan keputusannya pengolahan, serta logistik minyak mentah
dan distribusi halus-products.
Occidental anak perusahaan pemasaran, Occidental Energy Marketing Inc, bergabung
sembilan minyak-perusahaan nies-termasuk $ 11600000000 Williams Cos. Dan spinoff
Williams Energy Partners, serta Midwest minyak independent refiner Premcor-dalam
pengujian PetroVantage pada tahun 2002. Occidental berpikir pasar dapat membantu peras
margin keuntungan yang lebih baik dari perdagangan minyak mentah. Occidental menjual
minyak mentah untuk grosir dan broker, serta langsung ke kilang dijalankan oleh perusahaan
seperti ExxonMobil.
Program percontohan berjalan baik sepanjang tahun 2001 dan 2002, tapi kelangsungan hidup
jangka panjang platform tergantung pada faktor-faktor lain, terutama partisipasi perusahaan
minyak terbesar. PetroVantage bekerja untuk memasukkan berjangka dan opsi, yang beberapa
perusahaan perdagangan gunakan untuk lindung nilai terhadap fluktuasi harga minyak.
HASIL
Platform ini pergi tinggal di September 2002. Its pelanggan commercial pertama yang
Citgo, Premcor, Enron, dan Williams Energy Partners. pejabat PetroVantage memprediksi
bahwa platform mereka memiliki potensi untuk mencapai $ 20 miliar untuk $ 30 miliar dalam
penghematan tahunan dari logistik industri minyak dan biaya perdagangan $ 150 miliar per
tahun melalui solusi perangkat lunak kolaboratif.
Moore mengatakan, "Jika penawaran perusahaan dalam juta barel per hari dan Anda dapat
menyimpannya bahkan beberapa sen pada setiap barrel, Anda sedang berbicara tentang
kembalinya ratusan ribu dolar per hari disimpan. Citgo berhubungan dalam satu juta barel per
hari dan 7 miliar galon bahan bakar per tahun. "
Michael Cimino digunakan untuk bekerja dalam perdagangan dan procurement ruang, dan
sekarang memastikan kegunaan dan marketability. "Seorang trader yang menggunakan
software ini memiliki keunggulan luar biasa atas orang yang tidak," kata Cimino. "Seorang
pembeli dapat menemukan, di pasar global, sejumlah penjual dan dapat menentukan dalam
hitungan menit apa yang akan menjadi investasi terbaik, berdasarkan apa yang dia sudah
memiliki dan apa yang mereka butuhkan."

Moore mengatakan bahwa bahkan anomali pasar dapat lebih baik ditangani dengan
menggunakan PetroVantage. Tes datang tak lama setelah 11 September, "Ketika pesawat di
seluruh negeri itu beralasan, perusahaan minyak dan bahan bakar berenang dalam bahan
bakar jet, dan punya tempat untuk membongkar itu." Moore menjelaskan, "Dengan
menggunakan solusi kami, [pelanggan] mampu menemukan tawaran yang tepat untuk
mencampur bahan bakar mereka dan mengubahnya menjadi diesel dan minyak pemanas
rumah, dan mendapatkan itu dari tangan mereka [A] proses yang biasanya memakan waktu
beberapa minggu berkurang sampai beberapa hari. "
Williams Cos. Menggunakan PetroVantage untuk menyederhanakan proses perdagangan.
Tanpa PetroVantage, pedagang minyak mentah hari ini mungkin membeli dan menjual pada
"beberapa platform elektronik yang berbeda, dengan telepon di telinga masing-masing untuk
beberapa broker dan faks dan e-mail akan bolak-balik." "Kami ingin bisa pergi ke satu situs
dan menarik semuanya bersama-sama: berapa biaya untuk membeli komponen yang
membuat bensin, biaya mengatur tongkang atau kapal, jenis [storage] tankerage tersedia
setelah sampai ke pelabuhan dan apa yang akan biaya, "kata Bill Copeland, manajer layanan
terminal untuk Williams Energy Partners. Williams juga mengoptimalkan penjadwalan tangki
penyimpanan untuk meningkatkan keuntungan terminal '. Occidental Pemasaran
menggunakan e-marketplace untuk mencari kilang terbaik untuk membeli minyak dengan
harga yang paling menguntungkan di waktu tertentu.
The PetroVantage solusi perangkat lunak kolaboratif menggantikan tugas pengumpulan data
memakan waktu dan beberapa perkiraan yang digunakan dalam banyak trading dan logistik
kunci hari ini keputusan dengan alat optimization cepat dan akurat terintegrasi dengan data
terus diperbarui. Hal ini memungkinkan perusahaan untuk mengidentifikasi penyimpangan
mahal di operations, logistik, dan margin kesepakatan. Pada saat yang sama, itu provides
sarana untuk lebih cepat dan lebih baik koordinasi tanggapan dari banyak individu di
beberapa companies dan lokasi yang diperlukan untuk mendorong profitabilitas yang lebih
tinggi dalam operasi kritis.
PetroVantage merupakan generasi berikutnya dari pasar digital. "Perusahaan akan
menawarkan lingkungan alur kerja kolaboratif yang memungkinkan industry minyak bumi
untuk mengintegrasikan negara-of-the-art pendukung keputusan technology dengan
platform transaksi intuitif, fitur tidak ada pasar industri petroleum lainnya saat ini
menawarkan" (PetroVantage Sastra ).
PERTANYAAN KASUS
1. Bagaimana DSS / alat intelijen bisnis provided oleh PetroVantage membuat dan
kemudian membantu decision keputusan di pasar elektronik?
2. Mengapa penting untuk melakukan uji coba-uji dengan PetroVantage selama hampir dua
tahun?
3. Bagaimana rantai pasokan pelanggan diintegrasikan ke PetroVantage?
4. Apa fitur lain harus disertakan dalam PetroVantage, dan mengapa?

5. Diskusikan jenis masalah yang dapat terjadi jika perusahaan minyak terbesar memilih
untuk tidak menjadi pelanggan dari PetroVantage.
6. Bagaimana bisa sistem seperti memberikan manfaat di industri lain? Yang cocok alami,
yang tidak?
(AS * APLIKASI l.l
FEDEX TRACKS PELANGGAN BESERTA PAKET
PENGANTAR
Federal Express Corp terkenal untuk melacak paket semalam terus bergerak. Itu salah satu
hal yang paling penting perusahaan tidak. Bahkan, hanya ada satu hal yang lebih penting bagi
FedEx untuk melacak-nya basis pelanggan. Sampai saat ini, FedEx tidak melakukan
pekerjaan yang besar dengan cepat mendapatkan manajer bisnisnya yang information
mereka butuhkan untuk bersaing dengan pelanggan cepat-moving perusahaan.
FedEx memelihara jaringan 46.000 AS poin drop-off. Tetapi perusahaan itu tidak selalu yakin
bahwa titik-titik berada di persis tepat lokasi (optimal). pelanggan baru muncul, pelanggan
lama menghilang, dan beberapa customers pindah. Sebagai bisnis bergerak dari pusat-pusat
perkotaan ke taman bisnis di pinggiran kota, dan karena semakin banyak orang telecommute,
FedEx ingin poin penurunan, dari pusat service besar untuk menjatuhkan kotak, yang akan
berlokasi untuk pelanggan. Tapi sampai saat ini manajer FedEx tidak memiliki akses mudah
ke informasi lalu lintas tentang lokasi penurunannya.
FedEx memiliki, berbasis mainframe Cosmos pelacakan dan aplikasi billing proprietary yang
mengumpulkan sejumlah besar data operasional, termasuk di mana paket dijemput. Tapi
analis FedEx tidak bisa dengan mudah mengakses data. Analis mengajukan permintaan untuk
laporan khusus (ad hoc digunakan) untuk staf delapan programmer, kemudian menunggu
sampai dua minggu untuk laporan. FedEx menggunakan versi mainframe dari FOCUS
Informasi Pembangun 'keputusan dukungan database untuk menghasilkan laporan. Sistem
lama tidak mendukung pengambilan keputusan yang cepat.
SOLUSINYA
FedEx memutuskan untuk memberikan analis akses langsung ke information. Pada bulan
Juni, perusahaan dikerahkan versi berbasis web dari database FOCUS, WebFOCUS. Sistem
baru berjalan pada intranet perusahaan dan memiliki data warehouse self-service untuk
membantu eksekutif perusahaan membuat up-to-the-keputusan menit tentang di mana harus
mencari pusat pelayanan dan drop kotak yang digunakan pelanggan setiap hari. Data didownload dari sistem mainframe Cosmos ke server WebFOCUS menjalankan Windows NT.
Analis dapat query data baik dengan menggunakan satu set laporan dikonfigurasikan
(menggunakan institusi / siap pakai DSS) atau dengan membuat sendiri ad hoc query (ad hoc
penggunaan / custom-made DSS).

FedEx dievaluasi beberapa sistem pendukung keputusan berbasis web. Ini dipilih
WebFOCUS terutama karena perusahaan sudah memiliki programmer dengan FOCUS
experience. Yang membantu FedEx mendapatkan rilis awal dari aplikasi berbasis intranet
dikerahkan hanya dalam waktu tiga minggu.
HASIL
The-layanan diri, aplikasi sistem pendukung keputusan berbasis intranet membuatnya lebih
mudah untuk mendapatkan tampilan yang lebih lengkap dari pergeseran populasi dan tren
pelanggan lain dengan menggabungkan sendiri data penggunaan penurunan titik perusahaan
dengan data demographic dibeli dari vendor. Programmer yang sebelumnya telah
mengembangkan laporan dari database mainframe FOCUS FedEx ini telah terintegrasi
eksternal
Berdasarkan materi di Builders Informasi, Inc situs Web informationbuilders.com, November
2002.
data dengan data WebFOCUS untuk memungkinkan analis untuk anticipate dan lebih akurat
melacak tren pelanggan.
Mampu mengantisipasi tren pelanggan increasingly penting tidak hanya untuk FedEx juga
tetapi untuk perusahaan lain dalam distribusi dan logistik bisnis. Sebagai perusahaan seperti
FedEx mencoba untuk menghubungkan layanan distribusi mereka langsung ke operasi rantai
pasokan customers perusahaan besar, mereka perlu memastikan mereka memiliki centers
dukungan, truk, dan orang-orang di tempat yang tepat pada waktu yang tepat .
FedEx diperluas sistem dalam beberapa cara. Pertama, database WebFOCUS diperpanjang
untuk menyimpan 25 bulan data bukannya tiga bulan asli informasi pengiriman sejarah. Yang
meningkatkan kapasitas data warehouse ini dari 21 juta catatan untuk 260 juta catatan,
membutuhkan upgrade hardware.
FedEx juga meningkatkan capabilities pelaporan sistem. Perusahaan ini meluncurkan fitur
melaporkan berhasil dari WebFOCUS untuk memungkinkan analis untuk jadwal dan
membuat laporan lebih yang telah ditetapkan. FedEx juga menyebarkan aplikasi baru di alat
development Cactus Informasi Pembangun 'untuk memungkinkan analis untuk
memperbarui dan meningkatkan data yang drop-titik dalam database WebFOCUS, bukan
hanya membacanya. Dengan gudang swalayan data baru dan perangkat tambahan
direncanakan, FedEx akan memiliki pegangan yang lebih baik pada tracking pelanggan
bergerak cepat nya.
Redeploying aplikasi pendukung keputusan pada intranet sudah lunas di akses cepat ke
information dan keputusan lebih cepat. Analis menggunakan WebFOCUS dapat
memanfaatkan langsung ke up-to-the-menit data penggunaan situs penurunan dari setiap PC
yang menjalankan browser Web dan mendapatkan laporan di layar detik mereka bukan
minggu. FedEx dapat lebih aktif mengelola lokasi pusat layanan dan kehilangan poin sebagai
populasi bergeser dan kebiasaan pelanggan berubah. Imbalannya adalah layanan pelanggan
yang lebih baik dan biaya operasi yang lebih rendah.

Selain lebih akurat melacak penggunaan titik drop, analis FedEx bisa mendapatkan informasi
segar pada profitabilitas setiap pusat layanan dan kotak drop. Melakukan pekerjaan yang
lebih baik dari menempatkan mereka akan membantu mengurangi biaya dan meningkatkan
pendapatan. Silahkan lihat di video FedEx di situs Web Informasi Pembangun
'(informationbuilders.com).
PERTANYAAN KASUS
1. Jelaskan manfaat dari sistem FedEx. Apa manfaat lain mungkin FedEx mendapatkan
dengan fitur lainnya?
2. Mengapa penting bagi perusahaan seperti FedEx untuk mengelola lokasi penurunan secara
efektif?
3. Jelaskan manfaat dari beralih dari FOCUS ke WebFOCUS. Apakah Anda pikir ini adalah
pendekatan yang tepat? Mengapa atau mengapa tidak?
4. Bagaimana pendekatan FedEx diambil dalam hal ini diterapkan untuk industri lain?