1.1研究目的及意义

目前随着计算机的普及，互联网的升级，大数据的内容和数量也发生了较大的变化，从传统的TB级别已经升级到了ZB级别，存储优势更加明显。数据的存储量更大，从全球范围来看，连接到互联网的终端设备早已超过150亿台，并且数据的增长速度非常之快，在两年内可以实现一倍以上的增长，数据的传输速度已经非常快，瞬间可以将大量的数据传送和接收。据统计，目前很多数据都是最近几年更新的。大数据时代的到来意味着目前在这种环境，企业管理决策也不能仅仅根据现有的几个典型案例来做出，要积极研究数据，保持对市场的敏感性，保证有效数据的运用才能为企业的发展带来更准确的信息，为企业的未来发展提供保障。在云计算的运用基础上，大数据环境对企业信息的搜集和处理方式都提出了新的要求，对决策方案的制定、评估和分析也有一定的影响，这样就影响了整个管理决策的内容。

目前，我国已经逐步深入的进行市场经济时代，在这种竞争激烈的环境中，只有加深对数据的使用，才能更好的推动企业各个部门的和谐发展，也才能更好的凸显企业的竞争优势。大数据中的数据具有非常好的利用价值，所包含的信息也更加全面、准确，对于企业来说发挥了重要作用。因此。在大数据环境下进行智能决策已成为企业十分重视的一个领域。智能决策可以根据各方面的有效数据，各类分析模型，利用大数据技术为企业决策者进行半结构化或非结构化决策提供更准确、更全面的科学支持。本文通过研究大数据环境下的决策支持技术，为企业决策提供新的解决方案和策略建议，对企业发展有着十分重要的意义。

1.2国内外研究现状及分析

决策系统在七十年代时为用户决策提供各种结构化或非结构化的模型数据来解决问题，后来由于企业信息化的发展，企业内部的信息系统存在大量数据，但是由于各部门管理相对独立，企业无法从分散的数据中直接得出价值信息，而往往就是这些独立的数据却蕴含着可以帮助企业发展的信息。直到二十世纪八十年代末，学者才在决策系统组成上取得了其包括对话组件、数据组件、模型组件三部分在内的一致看法，至此各学者对决策支持系统才有了实质性的研究。

刘立群在《基于数据仓库的决策支持系统研究》一文中指出了传统 DSS 的局限性，从而构建了基于现代数据仓库（DW）和数据分析工具(OLAP)的综合决策支持系统(SDSS)，并给出了它的体系结构。同时，总结了基于数据仓库技术的决策支持系统的优势是数据仓库集成了与企业经营相关所有信息，利用数据挖掘技术，发挥数据库、联机分析内在的联系性和互补性，以及它的模型表示和知识获取的过程。廖开际，叶东海在《基于加权语义网的专家知识发现及表示方法》中提出了专家知识网络的自动构建 WSNK 建模，WSNK 的建立包括两部分工作：概念型、数值型和事实型知识元的获取，利用文本挖掘技术，提取论文、专著、报告中的特征词，将这些特征词作为知识元，结合知识词库进行预处理获得规范的文本知识元集。王多宏，吕 军在《现代企业生产经营决策支持系统构架设计》中论述了企业决策支持系统具备的功能，包括现代企业决策的内容、DSS的组成结构和功能。芮建勋，祝智庭的《基于 Web GIS 的教育资源管理与决策支持系统研究》中从系统的设计到系统功能实现最后系统架构生成进行阐述。

目前国内外决策支持系统飞速发展，在 Internet 网络资源共享环境下通过分布式数据库资源共享、模型知识共享来解决复杂多变性决策问题，这些决策系统大多基于数据仓库、数据挖掘及 OLAP 技术。

2. 研究的基本内容与方案

2.1基本研究内容

本文主要研究在大数据背景下市场环境对企业决策提出的需求，及现有大数据技术和决策支持技术所能解决的问题，在此基础上，比较分析已有的智能决策支持系统模型，并提出改进的建议。主要内容包括：（1）从决策环境、决策数据、决策参与者和决策组织四个方面研究大数据对企业管理决策的影响，分析在大数据环境下的企业决策需求，建立企业决策支持系统的整体架构。（2）简述DSS的发展历程，分析DSS目前在发展上遇到的困难，同时研究数据仓库以及相关的数据准备、联机分析处理和数据挖掘等技术，进一步说明两者结合的合理性和必要性，并探索大数据技术辅助决策的方式。（3）研究企业决策支持系统数据挖掘模型、企业决策支持系统策略选择模型，分析已有模型的不足，在此基础上建立改进后的决策支持系统。并对建立的系统模型进行分析评价，根据实例分析模型所发挥的作用、影响及不足，提出进一步发展的建议。

2.2研究方法