统计学决策分析篇1
关键词：小学数学;苏教版;统计
统计是指对某一现象有关的数据的搜集、整理、计算、分析、解释、表述等的活动。随着社会信息化的发展，我们对外界的信息和数据愈加依赖，统计这一能力就显得越来越重要。2001年数学课程改革首次将统计内容加入并贯穿小学数学课程的始终，这不仅体现了素质教育的要求，也是对教师的全新的挑战。
一、当前统计教学中存在的问题
统计学加入小学阶段的数学教学，使得一些学校和教师感到措手不及，不知从何下手。具体表现为：
1、教学目标的定位存在偏差。例如，再讲“平均数”的时候，很多教师仍旧是“数与代数”部分中平均数的概念来讲什么是平均数、平均数怎样计算等。但作为统计学部分的“平均数”教学，应侧重学生对“平均数”代表一组数据的“整体情况”或“一般水平”这个统计量的认识、体验与理解。
2、教学活动的设计没有体现统计思想方法的递进。统计内容贯穿小学数学教学的始终，每学期都有。观察发现，很多老师的课讲的十分精彩，但上下两个学期的课却表现出明显的“异课同构”，教学设计固然好，但对两个学段的教学对学生统计能力的引导和提升效果却不显著。
3、教学活动的组织不完整、脱离生活。统计包括对数据的收集、整理、分析和决策，这些都需要学生亲身经历、体验，只有这样学生才能认识到统计的意义和价值。但很多教师在教学活动的组织上没有关注这一点，只重视“整理”，将统计过程“掐头去尾”，学生没有完整的统计体验，虽然在“整理”环节学生的表现很不错，但课后问学生“统计”学来有什么用，学生茫然不知。而教学情境的设计也明显地脱离生活，例如，二年级的统计教学，有的教师设计了动物运动会的情境，情境生动有趣，容易激发学生的兴趣，但是脱离生活实际，很难让学生体会统计的意义和价值。
二、统计教学的相关策略
1、教师的专业提升策略
上述种种问题的出现，归根结底是教师的原因。一方面，对统计价值的认识不足，同时面对“统计”这个新加入教材中的内容，教师自身的专业知识也显得有些薄弱。因此，为解决统计教学中暴露的种种问题，先要从教师的专业提升开始。
首先，教师的教学观必须转变。生活的信息时代，每时每刻都可能会面对扑面而来的各种信息，权衡各种信息并作出合理的决策是一个现代人必备的生存技能。也许我们从纯数学的角度看，小学部分的统计知识，并不是十分的重要，但从数学教育的目标和对学生全面成长的角度看，学习统计不仅能帮助学生掌握处理和分析数据的方法，统计更作为一种解决问题的工具渗透到学生生活的各个方面。正如统计学家C.R.劳在他的《统计与真理――怎样运用偶然性》一书中指出的“在终极的分析中，一切知识都是历史;在抽象的意义下，一切科学都是数学;在理性的基础上，所有的判断都是统计学。”只有教师深刻地理解教材内容的文化价值，才能把握恰当而清晰的教学目标。
其次，社会在飞速发展，教师的专业知识也要与时俱进的更新。受学习经历的限制，很多教师的统计学知识储备并不充足。可日常繁重的教学工作以及家庭生活的占用，教师的自主学习明显不足。这就要求学校以教研组为单位组织教师学习，将日常教学中教师感到头疼的统计教学案例作为研究中心，集思广益提出解决策略。还可以进行远程教育培训，搭建网络交流平台。
2、各学段教学的结构化策略
数学学习贯穿了学生小学、初中、高中教育的始终，各阶段的数学学习要有连续性。而小学阶段，各学段的统计教学也要结构化，不能仅重视课例的精心设计，却忽视知识结构的整体与长程。澳大利亚mathsquest教材以专题的形式按照实际问题混编代数、几何、统计内容，各应用专题既相对独立又相互关联，知识生成自然。我国的小学统计课时较少，组织活动时间稍显不足，那么就不妨将统计课与其他课程进行整合。例如，社会课上要求学生养成良好的生活习惯，不挑食、不偏食。现在社会拼命“减肥”，到底怎样才是“美”，不止学生迷惑，就连我们成人都开始迷失了。笔者组织了“谁是小胖墩”的班会活动。先让各组轮流到事先准备好量体秤上测量身高和体重，并作好记录。然后让学生们讨论谁的体重标准，谁胖了，谁瘦了，也做好记录。最后，给大家出示《国家学生体质健康标准》，让学生对照标准表，很多学生感到惊讶，自己原以为自己的体重很标准，却原来是“营养不良”，原本以为是小胖墩的同学却原来体重很标准。这节课，不仅让学生认识到了统计工具的重要价值，也帮助学生纠正了社会上“以瘦为美”的审美观，告诉学生健康就是美。
3、教学设计的探究性策略
统计是一门与生活联系密切的内容，亲历统计活动的全程，有助于学生从整体上理解和运用所学的统计知识。因此，学生必须作为问题的解决者去了解问题、思考并自己拿出策略。这就要求，问题必须真实，脱离学生经验的问题，很难调动他们的学习积极性。而教材编写要兼顾统计性和普遍性，尽管其中的选材贴近生活，却不一定贴近学生的生活。如苏教版第十册选的就是我国1999年耕地的分布状况，江南某市城镇居民和农民收入的增加情况等真实的数据。数据虽然反映了我国经济建设发展，人民生活提高的情况，有助于对学生热爱祖国的教育，但教学内容的亲切感很低，若将数据加工改成改革开放以来本市居民收入、住房面积、消费水平等数据，就相对亲切一些，再增加一项“我和父母比童年”的活动，就更能激发学生的学习兴趣了。而过程的亲历对探究学习而言是非常重要的，亲历统计的全过程，更能培养学生的统计能力和数学思维。如低年级可以列举《熊出没》《喜羊羊与灰太狼》《新大头儿子和小头爸爸》三部动画片，让学生投票选出自己最喜欢的。这是一个学生普遍感兴趣的话题，然后就投票结果让学生亲身体验收集数据的方法，允许学生使用自己喜欢的方式描述数据。到了中年级可以组织学生思考“我怎样选出班上最受欢迎的一部影片，对这个结果，用怎样的方式表达更合理呢？”进而引导学生用统计表、条形统计图、折线统计图等方式来展现数据的分布并作出合理的结论等。
总之，统计学教学既是课程改革的新举措，也是社会发展对人才培养的要求。面对统计教学中暴露问题，我们要深刻反思其中的原因，努力地思考解决策略。上诉所言，仍旧有很多不尽如人意的地方，但是相信只要我们不断地思考、钻研和实践，一定能发挥出“唯一不确定数学”的独特价值。
参考文献：
统计学决策分析篇2
关键词：体育领域；决策支持系统；专家系统；数据仓库；联机处理系统
前言
决策支持系统(decisionsupportsystem，简称dss)是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统(mis)向更高一级发展而产生的信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。
决策按其性质可分为如下3类：
1.结构化决策，是指对某一决策过程的环境及规则，能用确定的模型或语言描述，以适当的算法产生决策方案，并能从多种方案中选择最优解的决策；
2.非结构化决策，是指决策过程复杂，不可能用确定的模型和语言来描述其决策过程，无最优解的决策；
3.半结构化决策，是介于以上二者之间的决策，这类决策可以建立适当的算法产生决策方案，使决策方案中得到较优的解。
非结构化和半结构化决策一般用于一个组织的中、高管理层，其决策者一方面需要根据经验进行分析判断，另一方面也需要借助计算机为决策提供各种辅助信息，及时做出正确有效的决策。
决策的进程一般分为4个步骤：
1.发现问题并形成决策目标，包括建立决策模型、拟定方案和确定效果度量，这是决策活动的起点；
2.用概率定量地描述每个方案所产生的各种结局的可能性；
3.决策人员对各种结局进行定量评价，一般用效用值来定量表示。效用值是有关决策人员根据个人才能、经验、风格以及所处环境条件等因素，对各种结局的价值所作的定量估计；
4.综合分析各方面信息，以最后决定方案的取舍，有时还要对方案作灵敏度分析，研究原始数据发生变化时对最优解的影响，决定对方案有较大影响的参量范围。
决策往往不可能一次完成，而是一个迭代过程。决策可以借助于计算机决策支持系统来完成，即用计算机来辅助确定目标、拟定方案、分析评价以及模拟验证等工作。在此过程中，可用人机交互方式，由决策人员提供各种不同方案的参量并选择方案。
决策支持系统的基本结构
决策支持系统(DSS)是一个交互式的、灵活的和自适应的基于计算机的系统，它综合应用数据、信息、知识和模型，并结合决策人的判断，支持决策过程的各阶段，支持决策人进行半结构化和非结构化决策问题的分析求解。DSS由数据库、模型库、方法库、人机交互4个部件组成，它是以日常业务处理系统的数据为基础，利用数学的或智能的方法，对数据进行分析、综合，预测未来业务的变化趋势，辅助各级决策者解决半结构化决策问题的人机交互系统。
DSS由下列子系统组成：
1.数据库子系统。包括数据库，其中包含关于决策问题的有关数据，并由数据库管理系统（databasemanagementsystem－DBmS）进行管理。
2.模型库子系统。包括模型库，其中包含财务、统计、管理科学或其他定量模型，可提供系统的分析功能，由模型库管理系统（modelbasemanagementsystem－mBmS）为用户提供建模语言和功能以及模型库管理功能。
3.用户接口子系统。通过该子系统，用户与DSS通信并使用DSS，协调和控制数据库子系统和模型库子系统的管理和运行。
4.用户也是系统的一部分，研究人员认为决策人与计算机的频繁对话可以产生DSS某些特殊的作用。
DSS的结构如下图所示：
自从20世纪70年代决策支持系统概念被提出以来，决策支持系统已经得到很大的发展。
1980年Sprague提出了决策支持系统三部件结构（对话部件、数据部件、模型部件），明确了决策支持系统的基本组成，极大地推动了决策支持系统的发展。
20世纪80年代末90年代初，决策支持系统开始与专家系统（expertSystem，eS）相结合，形成智能决策支持系统（intelligentDecisionSupportSystem，iDSS）。智能决策支持系统充分发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了决策支持系统以模型计算为核心的解决定量分析问题的特点，充分做到了定性分析和定量分析的有机结合，使得解决问题的能力和范围得到了一个大的发展。智能决策支持系统是决策支持系统发展的一个新阶段。20世纪90年代中期出现了数据仓库（Datawarehouse，Dw）、联机分析处理（on-Lineanalysisprocessing，oLap）和数据挖掘（Datamining，Dm）新技术，Dw+oLap+Dm逐渐形成新决策支持系统的概念，为此，将智能决策支持系统称为传统决策支持系统。新决策支持系统的特点是从数据中获取辅助决策信息和知识，完全不同于传统决策支持系统用模型和知识辅助决策。传统决策支持系统和新决策支持系统是两种不同的辅助决策方式，两者不能相互代替，更应该是互相结合。
把数据仓库、联机分析处理、数据挖掘、模型库、数据库、知识库结合起来形成的决策支持系统，即将传统决策支持系统和新决策支持系统结合起来的决策支持系统是更高级形式的决策支持系统，成为综合决策支持系统（SyntheticDecisionSupportSystem，SDSS）。综合决策支持系统发挥了传统决策支持系统和新决策支持系统的辅助决策优势，实现更有效的辅助决策。综合决策支持系统是今后的发展方向。
由于internet的普及，网络环境的决策支持系统将以新的结构形式出现。决策支持系统的决策资源，如数据资源、模型资源、知识资源，将作为共享资源，以服务器的形式在网络上提供并发共享服务，为决策支持系统开辟一条新路。网络环境的决策支持系统是决策支持系统的发展方向。
知识经济时代的管理——知识管理（Knowledgemanagement，Km）与新一代internet技术——网格计算，都与决策支持系统有一定的关系。知识管理系统强调知识共享，网格计算强调资源共享。决策支持系统是利用共享的决策资源（数据、模型、知识）辅助解决各类决策问题，基于数据仓库的新决策支持系统是知识管理的应用技术基础。在网络环境下的综合决策支持系统将建立在网格计算的基础上，充分利用网格上的共享决策资源，达到随需应变的决策支持。
决策的本质是决策者根据所掌握的信息为决策对象选择行为的思维过程。该决策提供的信息称为决策支持信息。由计算科学和决策科学相结合而形成的计算机决策支持系统(以下简称DSS)，把计算机在数据处理中的应用推向一个支持决策的新阶段。这种新技术越来越受人们的重视，并成为国内外计算机应用领域内的热门研究课题。
随着体育运动的飞速发展，决策支持系统在体育领域应用也逐步扩大。近几年，国内外的体育软件公司或体育科研机构相继开发了一些球类比赛统计分析软件，如著名的SimiRealitymotionSystems公司的SimioScout、CCCCampus-Computer-Center公司的topscourt、DigitalScout公司的系列掌上计算机球类比赛统计分析软件以及Dartfish软件等。这些软件的开发已非常成熟、功能齐全、界面友好，能用于多种球类比赛的临场统计与分析，并已经用于商业化。
在我国，决策支持系统为我国体育健儿的训练、比赛提供了良好的辅助作用，主要有如下几个方面应用：
1.运动训练领域:我国学者针对运动训练中的心理训练，研制了运动心理咨询与心理训练智能决策支持系统。该系统具有心理障碍类型诊断、心理障碍程度诊断、竞技心理能力诊断和心理训练方法选择4个功能，实现了运动心理咨询在训练中定性与定量的有机结合，为运动员身心发展的全过程实施系统心理咨询与训练提供了参考。
2.体育评价领域:我国学者对体育评价的方法与基本模式进行了系统分析，针对不同类型的体育评价研制出体育评价决策支持系统，该系统的集成结构形式体现了以定性分析为基础的定量分析，体现了系统解决体育评价间题的基本思路。
3.体育管理领域:我国学者建立了体育领域高层次决策智能化支持环境，为高层决策者进行国家宏观的体育发展战略决策以及地区部门中带有全局性的发展战略决策提供了有力的辅助决策工具。
统计学决策分析篇3
DSS(DecisionSupportSystem，决策支持系统)是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统(miS)向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。是给某个特定的行业的领导层提供辅助决策的软件系统，主要是以管理学、运筹学、控制论和行为科学为基础，以计算机技术模拟技术和信息技术为手段，面对半结构化和非机构化的决策问题，支持决策活动的具有智能作用的人机系统。它能为决策者提供决策所需要的数据、信息和背景资料。帮助决策者明确决策的目标和进行问题的识别，建立或修改决策模型，提供各种备选方案，并对各种方案进行评价和选优，通过人机对话进行分析、比较和判断，为正确决策提供有益的帮助。
2、系统分析
1.海口房地产投资系统目标
房地产投资决策支持系统的作用主要在于为投资者提供项目内部和市场现状与变化预测的信息及其应采取的策略、方案和措施等。因此，海口房地产投资决策支持系统的目标，即系统要解决的问题主要在于:(1)借助过去和现时海口房地产业经营状况及其它相关资料和数据，通过科学方法，对项目目标市场的未来发展趋势进行分析和预测。(2)以过去和现时海口房地产开发投资资料和数据，采用有效方法，对项目开发投资的资金需求情况和开发周期等进行预测。(3)通过测算模型库，将海口房地产投资管理的成熟经验和方法融入系统，为项目开发投资的成本费用、运营能力、盈利能力和风险等提供固定和半固定的预测和分析。(4)充分利用计算机的强大数据处理能力，为某一目的开发投资决策提供多个预选方案，并分析、预测和模拟每一个方案的执行效果。(5)建立决策模型库，将房地产投资决策成熟经验和方法及专家的知识融入系统，为投资提供固定和半固定的决策方法。(6)对房地产投资项目及方案测算和决策结果等，进行汇总、查询和输出。
2.系统功能要求
为实现上述目标，海口房地产投资决策支持系统应该由海口市场分析、项目(或方案)开发经营测算分析及其优劣评价、比较和决策分析等三大业务功能以及系统维护、初始化和结果输出两大辅助功能组成。遵循目标明确，体现系统总体功能;结构先进合理,考虑各方面主客观因素的限制；数据流程简单、明了、快捷;独立性、内聚性强,尽量减少不同功能间的耦合性和关联性等原则。
31.系统总体结构
本系统采用结构化程序设计方法，其基本思想结构化、模块化、自顶向下、逐级细化、逐级抽象，切断每一层次与较低层次的联系，由这种方法设计出来的系统，既可作为单独的子系统存在，也可受上级模块调用和控制。
根据上述设计思想和系统分析的要求，可以将海口房地产投资决策支持系统总体结构设计图设计为：
海口房地产投资决策支持系统总体结构图，很清晰的反应了四库的耦合以及之间的联系，可以看出海口房地产投资决策支持系统由海口房地产投资信息模型、海口市场分析模型、方案测算和分析模型、方案决策分析模型和结果输出模型五部分组成，如上图所示。
2.人机对话系统设计
人机界面，就要从用户着手，满足基本的一些要求：
(1)在与决策者交互的过程中，起辅助作用。(2)作为数据库、模型库、知识库以及方法库的中枢。(3)提供友好的，便于理解的对话过程。(4)协调用户和系统各模块的控制操作，随时能提供使用帮助。
人机界面主要作用有3个:①接受处理决策者提出的请求;②与四库系统交互得到决策信息;③返回辅助信息给用户
3.模型及模型库设计
(1)海口房地产投资信息模型。包括数据编辑、信息浏览、索引查询。数据编辑模块用以实现所有市场信息的数据追加、修改和删除；信息浏览模块用以浏览指定的市场信息内容，市场信息包括土地供给、建筑材料、施工队伍、基础设施等；索引查询模块可以根据用户的需求，检索出特定的市场信息供使用者参考。
(2)海口市场分析模型。包括市场供给分析模块，市场需求分析模块，市场供需平衡分析模块，方案规划设计和分析模块四个模块。其中，市场供给分析模块用以按时序、地域、工程进度、物业类型等对海口房地产市场供给进行分析、统计和预测。市场需求分析模块用以按时序、地域、人群、物业类型等对海口房地产市场供给进行分析、统计和预测。市场供需平衡分析模块用以在供给和需求分析基础上，按不同组合进行供需平衡分析。方案规划设计和分析模块用以根据海口本地和投资者等的有关规定和要求，对投资开发地块进行规划和设计；然后采用多种模型，以项目(方案)收益最大化为准则，对项目(方案)物业类型和档次比例等进行初步分析和决策。
(3)方案测算和分析模型。方案测算和分析模型主要对海口房地产投资进行方案测算和投资分析。包括土地投资测算和分析模块，建设投资测算和分析模块，经营销售估算和分析模块，财务估算、评价和分析模块，风险不确定性测算和分析模块五个模块。土地投资测算和分析模块用以采用成本法、比较法和剩余法等多模型对项目(方案)土地获取成本、开发成本和总成本等进行测算与分析。建设投资测算和分析模块用以首先对项目(方案)建设项目、子项目及其建设计划等进行分割和确定；然后采用价格指数法、比较法和简化工程概预算法对项目(方案)建设成本进行测算和分析。经营销售估算和分析模块用以采用比较法、回归分析预测法等对项目(方案)各物业销售价格、进度进行分析和预测；项目经营方案和策略的效果模拟、比较和决策。财务估算、评价和分析模块用以项目财务及主要报表的生成，投资评价指标的测算和分析。风险不确定性测算和分析模块包括项目(方案)单变量和三项预测值灵敏度分析；损益分歧点分析；蒙特卡洛风险模拟分析。
(4)方案决策分析模型。方案决策分析模型主要返回给决策者简要的结果报告。它包括单项目(方案)决策分析模块和多项目(方案)比选和决策分析模块。其中单项目(方案)决策分析模块是根据在决策人员人工干预下确定海口房地产投资决策评价的标准，对项目(方案)投资可行性进行决策和分析，并生成简要的结果报告。多项目(方案)比选和决策分析模块则首先对决策人员所定决策的定性准则进行数值量化，然后对各项目(方案)优劣状况进行分析和决策，并生成简要的结果报告。
(5)结果输出模型。分析结果的输出，结果(包括文字和图表)查询和打印。
(6)以上模型都以数据的形式存放在数据库中。结构如下：
4.数据库设计
本系统处理的项数多，为保证以最优的方式组织数据，提高完整性、一致性和可修改性，形成合理流程，可设计多种数据库。通过对数据库的调实现数据的传递和存贮，同时设置少量内存变量对系统过程进行控制。按照规范化数据库设计原理，结合本系统的需要，共设置项目概况、建筑类型、成本费用、财务指标、敏感分析等五类，共9种数据库。其中：项目概况数据库作为系统维护时对旧有项目查询的一种标识；建筑类型数据库用于各种类型的选择及各类建筑参数的输入与输出；成本费用数据库作为投资估算的基础；财务指标的数据库是各种类型数据库的核心，它将成本分析与盈亏分析的各阶段成果加以汇总、传递、反馈，在此基础上进行敏感性分析，起到一种枢纽作用；敏感分析数据库的作用是便于用各种表格形式将各类敏感性分析结果打印输出。
5.知识库设计
随着时间的变化，投资都会有不同的经验和技巧知识，可以把积累的知识以库存储，并按照简单的表示格式，可以将知识保存在知识库中，积累多了知识库获取的知识也越多，一些问题可直接进行推理求解。
知识库的结构如下：
6.方法库设计
首先将海口房地产投资数据输入到内部数据库中，然后方法库管理系统中的数据处理程序从内部数据库中提取数据并从方法字典中选择要用的方法，再把数据放入方法体进行加工处理，最后将数据送出到数据库，最终输出数据。
4、系统实现
1.开发环境
系统主要采用VC为开发工具，在windows平台下，以ms-sql2005为数据库支撑数据和模型都保存在数据库中。
2.开发计划
本系统开发期计划在6个月之内完成，前1个月进行系统整体框架构建，中期需要3个月时间设计和开发数据库。程序块和模型库要1个月左右，最后一个月主要目的就是进行测试和一般的维护阶段。
5、结束语
总之，本决策支持系统将按照需求分析、常规的软件开发程序，预计将达到以下功能：
1.能较精确地完成海口房地产开发项目的投资评估、成本分析、现金流计算、财务指标计算、敏感性分析。
2.系统既可用于单项工程投资评估，也可用于多项工程的比较。
3.系统操作方便，并具有良好的扩充和维护功能。
参考文献：
[1]张春元:《决策支持系统讲义》
[2]陈文伟:《决策支持系统教程》.清华大学出版社,2005-8-1
统计学决策分析篇4
【关键词】决策支持系统财务分析五力模型
企业管理思想进步到当下的阶段，很难想象一家没有上马企业资源计划eRp（enterpriseResourceplanning）或Sap（SystemsapplicationsandproductsinDataprocessing）的公司是如何将物资资源管理（物流）、人力资源管理（人流）、财务资源管理（现金流）、信息资源管理（信息流）等集成一体化，进而推进生产、营销、供应、人力、资金等业务互相融合而顺畅运转的。当今企业在信息化方面面临的问题不是争论eRp的必要性，也不是讨论eRp的可行性，而是纠结于对eRp产生的海量数据如何进行进一步的收集、加工、处理。因为收集的数据多到无法甄别哪些是对决策有效的。
企业建立一套旨在全方位提升管理广度和深度的管理信息系统是必需的：利用统一规划的数据集成，以全面预算为主导，以产品生命周期管理为核心，以资金为主线，整合财务、人事、营销、科研、生产等管理职能，重组优化业务流程，连接信息孤岛，建立关键内部控制点，极大改善组织内部的信息不对称，大幅降低管理成本，有效地防范和控制风险。但是，国内应用现状是大部分企业正在运行的管理信息系统主要功能仍旧停留在处理大量的日常业务流程上，仅实现了中层管理的功能，并未上升到支持决策的高度。本文尝试通过对决策支持系统（DecisionSupportSystem，以下简称“DSS”）运行原理、特点和功能的阐述，结合企业实际，充分利用已成熟运行的通用eRp并以此为基础，模拟建立DSS的实施方案。
一、DSS的原理、特点和功能
20世纪70年代中期，美国麻省理工学院的米切尔・S・斯科特（michaelS.Scott）和彼德・G・w・基恩（peterG.w.Keen）首次提出了“DSS”一词。DSS通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统，为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析辅助决策工具，帮助决策者提高决策水平和质量（张茜，2006）。DSS是管理信息系统（managementinformationSystem，miS）向更高一级的发展，标志着利用计算机与信息支持决策的研究与应用进入了崭新的阶段，并形成了决策支持系统新学科（王剑东，2003；万林，2008）。
DSS的特点体现在：（1）DSS的交互性表现在通过管理者同系统之间的多次对话，使决策得以完成；（2）DSS解决的问题属于半结构化或非结构化问题；（3）系统具有专门的结构存储和研究备用的模型及方法，提供模型的比较、联结和合成的功能；（4）DSS只是起辅助决策的作用，并不完全取代管理者的判断，应当让管理者处于主动地位；（5）DSS应当便于学习、使用和修改，因而要对用户的需求进行动态性的分析，做到及时完善DSS的各种功能（迟殿委，2008；徐强，2008）。DSS的应用原理体现了决策支持系统本质的演变：DSS初期是利用数据资料（数据库DB）和模型资源（模型库mB）支持决策，发展到iDSS利用知识资源（方法库meB）和模型资源（模型库mB）结合支持决策，再到利用数据资源（数据仓库Dw）支持决策。这样，决策支持系统概念就更明确为：针对决策问题，利用决策资源（数据、模型、知识等）（侯少然，2010）进行组合和集成，建立解决方案；通过方案的模型计算、知识推理、多维数据分析以及方案的修改，逐步逼近解决决策问题的系统。
数据资源（数据库与数据仓库）、模型资源和知识资源在网络上都是共享资源。决策支持系统就在于如何有效地利用这些决策资源，针对决策问题，把决策资源有机地组合成解决方案，既可以建立多个方案，又可以修改方案，再通过大量的计算或推理，最终达到支持决策的效果（张胤杰，2009）。DSS所实现的功能主要表现在：（1）管理并随时提供与决策问题有关的组织内部和外部消息；（2）收集、管理并提供各项决策方案执行情况的反馈信息，例如订货单、合同执行进程、物料供应计划的落实情况、生产计划的完成情况等；（3）能以一定的方式存储和管理与决策问题有关的各种数学模型，例如定价模型、库存控制模型与生产调度模型等；（4）能够存储并提供常用的数学方法（张世芳，2006），例如回归分析方法、线性规划、最短路径法等；（5）数据、模型与方法能容易地修改和添加，例如数据模式的变更、模型的连接或修改、算法的修改等（王剑东，2003；孙艳胜，2007）；（6）具有方便的人机对话和图像输出功能，能满足随机的数据查询要求，回答“if…what…”之类的问题（冯罡，2003；孙艳胜，2007）。
二、DSS的总体框架和表现方式
DSS的总体框架是：将来源于不同子系统、不同管理软件的数据收集于数据集成平台或数据仓库，选取各项决策分析主题的关键指标，注入事先建立的数学模型，最终生成可进行人机对话、不断修改决策变量的结果。其系统规划包含以下几个方面：
1.数据来源：可读取多种格式（如excel、access、以tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库（对应oDBC）中的数据。使用报表管理平台进行所需数据报表的上传收集，财务数据来源于财务核算软件，经营和项目数据来源于合同管理、pDm产品设计、生产作业管理软件等，人力资源数据来源于人员信息、薪酬统计软件等，其他未能进入系统的数据可考虑通过平面文件的形式进行采集。通过数据整合平台建立数据仓库，装载来源于各个系统的数据，包括历史数据的一次性装入、日常发生数据的定时抽取。
2.分析主题：构成决策支持系统的重要分析内容，按照管理者的思维逻辑建立跨流程、跨职能的主题和分析路径，对重要经营管理问题和要素进行深入分析，及时发现影响企业经营和管理的问题所在。考虑初步建立财务主题、营销主题、项目主题、关键指标等几部分。
3.决策模型：决策模型是决策支持系统的重要分析基础，为企业管理者提供辅助决策的科学管理工具，包括成本预算模拟、现金流模拟预测、盈利模拟预测等。
4.门户表示：是专门为企业管理者和决策者设计的观察企业的窗口，提供整个决策支持系统的展示界面，包括智能分析、模拟预测、绩效管理等多种展现形式与门户集成。所需要的输出被显示出来时，进行定型登录，自动将所要的列表、视图和图表显示出来。
三、DSS的财务实施方案
DSS的财务主题部分是本文讨论的重点，其实施方案立足于从时间跨度（年度、季度、月度）、项目类型（研究、开发、制造）、决策深度（作业层、战术层、战略层）等不同维度进行趋势分析、结构分析、因素分析，通过这样一个路径完成由低端财务分析向高端辅助决策支持的过渡。实施方案的对象包括：收入成本分析（收入构成、趋势、预算执行、费用趋势、费用构成等）、利润分析（利润因素、敏感性）、资金分析（资金协调性、贷款、融资成本）和综合评价（经营指标考核、五能力综合评价）。
实施方案必须注入以下因子：分析范围（集团内部关联方、集团外部竞争对手、国外竞争对手等）；分析角度（全周期项目预算、年度财务预算、市场经营预测、人力资源投入等）；分析指标（绝对数、相对数，横向比较、纵向比较）；数据来源；分析周期；分析内容。
四、财务决策模型的导入
决策支持系统财务应用的最终目的聚焦在综合评价，无论是讨论重大项目的取舍还是辅助企业的整体决策，主要包括两部分内容：经营指标考核和五能力综合评价。
目前大部分企业对财务管理软件的使用，依旧停留在账务处理阶段，软件本身对收集的数据不加工、不处理、不分析。如果从最基础的财务指标分析入手进行适当改进，那么对于决策层而言可增强财务数据的可理解性和拓展性，对于财务人员而言可提高操作的可行性，都是受益匪浅的。财务分析包括盈利能力（收益力，总资产报酬率、净资产收益率、主营业务利润率、销售净利润率、成本费用利润率）、偿债能力（安定力，流动比率、速动比率、资产负债率、利息保障倍数、所有者（股东）权益比率）、运营能力（活动力，总资产周转率、固定资产周转率、流动资产周转率、应收账款周转率、存货周转率）、发展能力（成长力，主营业务收入增长率、资本积累率、总资产增长率）和生产能力（生产力，人均主营业务收入、人均净利润、人均资产总额）五部分（即五力），通常以完整、真实、及时的财务数据为起点，借助不同的财务指标进行诠释。大部分企业通过对正在运行的财务管理信息系统进行适当的改进，就足以在完成指标计算的基础上提供简单的财务分析报告。
计算完成后，进一步引入由哈佛大学商学院迈克尔・波特（michaelporter）于1979年提出的，现今被广泛应用于全球企业竞争战略决策的五力模型，该五力模型对决策层更加清晰、透彻地了解企业的经营业绩和发展前景的帮助是显著的。
综上所述，决策支持系统作为新兴的信息技术，能够为企业提供各类决策信息以及许多商业问题的解决方案，从而减轻了管理者从事低层次信息处理和分析的负担，使得他们专注于更需要决策智慧和行业积累的工作，实现了决策质量和效率的提升（侯少然，2010）。虽然DSS在国内大部分企业的开发与应用依然处于初级阶段，决策本身是复杂的、变化的、综合的，但以eRp为基础对DSS的设计和实现是可行的，成功是可以预见的。
（作者为Cpa、会计师、上海财经大学硕士研究生）
参考文献
[1]高洪深.决策支持系统（DSS）理论与方法（第4版）[m].北京：清华大学出版社，2009.
[2]潘飞，文东华.实证管理会计研究现状及中国未来的研究方向――基于价值管理视角[J].北京：会计研究，2006（2）.
[3]陈文伟.决策支持系统及其开发[m].北京：清华大学出版社，2004.
[4]徐强.企业绿色管理决策影响因素研究[D].大连海事大学硕士论文，2008-03-01.
[5]冯罡.企业整合管理能力评价和提升[D].北京：沈阳工业大学硕士论文，2003-03-07.
[6]孙艳胜.基于B超数据心脏病辅助诊断系统[D].长春：吉林大学硕士论文，2007-04-01.
[7]侯少然.企业物流资源协调优化决策支持系统研究[D].天津大学硕士论文，2010-06-01.
[8]张茜.公共危机管理系统研究[D].武汉理工大学硕士论文，2006-10-01.
[9]王剑东.基于C/S结构的备品配件管理系统研究与应用[D].保定：华北电力大学（河北）硕士论文，2003-12-26.
[10]迟殿委.基于数据挖掘的决策支持系统的研究与实现[D].南昌大学硕士论文，2008-06-30.
[11]万林.可视化运行决策支持系统在pDa现场校表中的应用研究[D].杭州：浙江大学硕士论文，2008-05-01.
统计学决策分析篇5
论文摘要：在信息技术高度发达的今天，医院统计工作在医院的生存和发展中起着越来越关键的作用。医院要在竞争中立于不败之地，管理者不能停留在以往的经验管理，而应实现科学管理，随时掌握医疗市场的变化。医院所拥有人力、物力、财力资源及其产出的效益与效率，医院经营中每一环节的质量及目前存在问题等等，都离不开对各种综合统计数据信息的运用侧。综合统计工作是为上级卫生部门、医院领导决策、科室工作需要服务的。
1综合统计的优势
它是医院宏观管理和科学决策的依据;是检查监督医院各项计划实施进展的依据;是医院合理开发和有效利用人力、物力、财力资源的依据。
1. 1医院综合统计为医院管理提供医疗、预防、诊疗、保健卫生资源利用情况等方面的信息，为医院管理科学决策提供依据，以便医院行政部门及时了解医院工作情况，对医院的规模和医疗质量进行监控、规划、合理分配卫生资源服务。
1.2医院综合统计拥有大量的资料数据，能保证统计数据及时、准确、完整、科学地反馈于医院的决策机构，它是医院合理开发和有效利用人力、物力、财力资源的依据，具有统计的监督和服务作用。
1.3医院综合统计设计一套科学合理的经济效益型和管理型的医院统计指标体系[ls1，全面反映和监督医院经济运行的状况，提升医院管理质量，提高医院经济效益。
1, 4医院综合统计在评价医院在社会、医院和患者三者利益之间所发挥的作用，决定着医院把社会效益放在首位，保证患者的利益，使患者在现有医疗条件下得到最佳服务，同时医院获得社会效益，提升了医院的信誉度和知名度。
1.5医院综合统计可以反映医院的过去、现在和预测未来。它反映了医院在过去各个时期的工作情况和工作水平以及医院发展过程中的每项成果。
1.6医院综合统计参与了医院管理决策，对医院管理工作起着“智能团”的作用。一是及时准确地提供领导做出决策目标的统计信息;二是在决策目标确定后能够提供辅助论证决策方案的统计信息;三是在决策付诸实施后提供有助于决策得到全面贯彻落实的借鉴性统计信息;另外善于抓住医疗服务、管理和经营中的“热点”、“重点”、“难点”问题进行分析研究。
2 亟待解决的问题
2. 1建立、健全完善的统计工作制度良好的制度带来良好的工作效果。医院应完善相关统计工作制度，做到制度留人，管理留人，工作留人。通过加强对统计工作的考核，评估季度、年度统计分析报告，促使统计工作人员不断提高统计业务水平。
2. 2统计人员开展综合统计工作，需要全院各部门的信.息支持、管理层高度重视综合统计工作包括了人力资源、医疗设备调查表，并将统计业务扩展为统管全院医疗业务、医务人员、卫生经费、医疗费用、医疗设备等的综合统计。统计人员开展综合统计工作，需要全院各部门的信息支持、管理层高度重视，必须建立科学完整的统计指标体系，建立全院有效的信息反馈制度。
2. 3建立、健全医院统计信.息网络在新形势下医院统计工作中，经常会遇到各种应急性的统计任务。这就需要建立健全医院统计信息网络，不断拓展和累积医院的信息量，增加统计信息的利用率，不断深化统计内涵，拓展新的统计项目，充分发挥统计预测、评价、咨询、监督的职能。
2. 4统计人员的综合素质培养医院综合统计需要培养一支具有良好的职业素质、扎实的统计专业知识、娴熟的现代化信息技术和较强科研能力的统计专业队伍，只有具备了这些素质和能力才能发挥统计信息的咨询、监督功能，才能发挥统计分析和统计预测的作用，为管理者决策提供服务。这就对统计人员政治、业务素质的要求越来越高。医院统计工作者要达到专业化、科学化和现代化川，只有通过自身的在岗培训，自我加压，自学充电，才能不断的更新知识，来提高自身的统计综合分析与文字处理能力。医院要把培养一批具有认真负责的工作精神、良好的数理统计技术和基本的医学知识、熟练掌握微机操作的统计专业人才列人议事日程。
3不断加强并发展医院综合统计工作
3.1综合管理统计就是要强化统计管理职能，将统计与医院的管理相结合，把统计工作渗透到经营管理中去，充分发挥统计在医院经营管理中的作用，使统计工作直接参与医院管理，为经营管理提供可靠的数据，为医院的经营管理起到保驾护航的作用;主动跟踪医院管理，进行全方位、多层次的综合信息的收集，力求以统计数字、图表、报告相结合的形式，反映医院医疗活动和经营情况，使统计更广泛地应用于医院管理决策、医疗质量和医学研究各个领域;准确把握领导决策对信息需求的特点，发挥出医院管理者的“参谋”作用。
3. 2综合分析统计医院要在竞争中获得发展，必须加强医院管理。现代化的医院管理离不开科学的决策，科学的决策离不开及时、准确的统计数据和医院信息。综合统计利用一套科学合理的统计指标体系，把医疗质量统计、医疗效率统计、社会效率统计等资料有机地结合起来分析。主要从以下几方面来分析:①人员的构成对医院工作所产生影响的分析与评价;②对业务技术质量和数量的分析与评价;③对病床使用程度和仪器、设备利用程度的分析与评价;④对各部门工作协调性的分析与评价;⑤对收人与费用支出等经济活动的分析与评价;⑥对经济指标与业务工作指标联系的分析与评价。采用定期、不定期、专题和综合分析的方法向医院各级领导提供信息数据，参与医院经营管理。
统计学决策分析篇6
一百多年前，基于实效的医疗（eBm，evidence-Basedmedicine），也称为循证医学，极大地改变了医学界。之前的个人经验摸索，师傅带徒弟，独门秘籍，一下子被统计分析所取代。这种起源于流行病学的统计技术，进而迅速应用到经济和经营领域，对政府、机构和工商企业的科学决策，起到了革命性的推动作用。
那么，数据和统计分析究竟有什么价值呢？做出最佳判断的思考方式。统计分析的结果，只是指导你做出最佳决策并坚定行动，但它并不代表决策的结果。叶敦明认为：执行的过程，会出现一些事情，不符合事前的统计分析，这需要随机应变与果断决策。当然，这些“意外”的数据，也会进入下一轮“收集数据、进行分析”环节，从而得出更好或更适用的新答案。
数据统计的基本逻辑：假设和验证，这与商业决策完全一致。大胆假设，考验你的创想力，对一个行业或产业，有没有自己独特的观察与领会，进而差异化的选择。小心求证，则是在可能的选择方案中，找到最可行的那一个。
有选择，才有决策，而选择，也有自己的支撑技术：数理知识和计算机技术。技术的进步，推动了验证的正确率，可假设的创想力与洞察力，却无法用技术来替代。假设，属于商业智能，与一个国家的人才综合素质密不可分。这里面，阅读能力与统计分析，最为重要，它们构成了通才的最坚实根基。
阅读能力，每个人的必备能力，它决定了你的理解、分析和反思水平。职场人士，容易沉浸在自己的天地里，慢慢忽略了大环境的变化，对其他关联学科也关心不多。这就造成了决策的近视症（凭经验和直觉），以及自负症（觉得自己什么都看懂了、看透了）。这么说吧，统计思维，也是当今社会人的必不可少的能力，对于炒股、买房或买车这样的民生大事，以及企业战略制定、政府重大决策，都能派上大用场。
统计分析离不开数据，数据越多，分析的结果越准确。可是，大数据靠积累或购买，时间、管理水平和资金要求高，一般人玩不起。而从现有数据（企业的，社会的，行业的）进行挖掘，也能解决大多数预测或判断的大问题。
第一招，通过数据深度挖掘，展开有意义的假设，找到有价值的信息。用假设之长，克服数据量之短，再用扎实的验证功夫，迅速检验和判断假设的正确性。很多预测未来的大决策，比如战略兼并、海外扩张，或者是高铁大建设。
第二招，在非数据领域开辟战场，比如文本挖掘，利用语素分析，找出当下或未来的关键词，辅助决策的制定。像时装、奢侈品等行业，会从推特（twitter）、脸书（facebook），或者新浪微博、微信等社交媒体，挖掘到核心词汇、关联以及内在的含义，进而预测下一波时尚风潮的走向与表现。
第三招，利用企业内外部的非结构化数据，去形成构造化的表，然后呢，找到表与表之间的联系，进行有效的判断。图、表格、文档，都是非结构化数据，一个企业的营销部门，很多时间里，都在与之打交道，要么从中找到规律性，要么进行结构化再造，便于统计分析。
统计分析时，若是现有的数据不够用，或者无法信服地得出验证，那就需要进行相关的调查，有全面调查与抽样调查这两个方式。要在准确率、成本以及判断依据足够程度上，找到适合一件事情、一个项目、一个重大决策的平衡。一句话，少花钱，办对事。
随机抽样，正是抽样调查中最常用的一种。先找到为了正确的判断所必需的最少数据，控制误差，明确因果关系。有几个注意事项。首先，抽样对象的典型性或代表性要够强；其次，设定一个误差上限，一旦超过，就必须重新抽样；最后，打破人先见为主和惯性思维，避免盲目的、强行的因果联系。
宝洁公司，在推广一个新产品之前，倾向于使用对照测试。此时，提出a和B两个不同的方案，选择两个相近的市场（市场空间、消费人群、竞争格局等），进行比较分析。胜出的方案，再用于下一轮的几个市场的测试，若证明可行，最后才会全面推向市场。小心行得万年船，大公司的竞争优势，有时候在于事前准备工作的精细，以及决策的科学性。
有两个现象，值得我们警醒：临时抓数据，或拼命凑齐数据。数据的现抓先用，产生的误差会很大，不知不觉把你对到错误的方向上。用数据统计指导决策时，必须始终关注误差，坚信不正确的分析不如没有分析（靠直觉或经验）。叶敦明建议：可使用卡方检验，观察值与理论推断值之间的偏差。若为零，表示理论值完全符合，可以用于指导今后的实际决策。偏差值越大，则越不相符，这样的统计数据，小心使用。
拼命凑齐数据，才敢于决策，这又会走入决策死胡同。不求数据大而全，只求数据正确、沟通，最关键的是，要与预期利益相关联。一些公司的it或市场管理部门，喜欢高大上的软硬件，拿出厚重而博大的数据分析。高层决策者往往觉得两难，投入太大，而又难以利用，为了统计分析而统计分析的做法，不符合务实决策者的商业思维。
说到这，你可能明白了这么一个理：统计分析的结果，要服务于商业实践。那么，如何将统计分析与具体决策或行动联系起来呢？正如《看穿一切数字的统计学》作者西内启所言，你要问自己以下三个问题。
第一，做出何种改变能够增加利益？未来产出的不确定性，需要我们拿起统计分析的武器，提供富有建设性的决策建议，帮助我们更好或更快地实现预期利益。也就是说，统计分析属于投资行为，不是一个简单的技术投入或成本。
第二，是否能够做出这种改变？有些正确而又美好的改变，实在有心无力，强行去做，只会空耗组织的资源和心力。都头来，想跑的没跑起来，该走的却寸步未行。知道理想与现实之间的距离，在不美好的现实中，依然保持激情和勇气，去一步步行出美好，这才是有谋略的、有智慧的勇敢者。
第三，如果能够做出这种改变，那么带来的利益是否大于所消耗的成本？这个账，肯定要算清楚的。统计分析，不为装点门面，不为驳倒对方，只是一笔合算的投入罢了。有点像我们买汽车保险，花一笔小钱，防止自己赔大钱。一些大型企业，在重大决策出台前，都会花钱请人做调查和统计分析，来校正自己决策。
统计学决策分析篇7
关键词：企业；财务决策系统；构建；智能
中图分类号：F275文献标识码：a文章编号：1001-828X（2013）09-0-02
全球化的市场竞争日趋激烈，企业每天产生和存储的数据越来越多，这也就意味着企业传统的财务管理系统并不能满足要求，需要提升目前的财务管理水平。复杂的会计模型和方法在目前计算机技术的发展下变得简单易行。数据仓库、数据挖掘和人工智能技术为财务分析和会计信息系统的创新提供了有力的支持，利用现代信息技术来建立智能财务决策支持系统，可以更好地让会计信息系统由核算型向经营决策型转变。
一、对企业智能财务决策支持系统的认识
智能决策支持系统以信息技术为手段，根据计算机、管理学及其他有关学科的知识和方法，来解决结构化和非结构化的决策问题。在企业财务领域中，智能决策支持系统具体应用为智能财务决策系统，它是财务系统往信息化发展的必然趋势。传统的财务系统并不能解决企业当下面临的复杂的财务问题。而数据库系统、决策分析系统等计算机领域的新技术可以为企业财务管理和决策提供更多的便利方法。研究和构建智能化财务决策支持系统，来辅助决策者管理财务并能进行战略和战术上的决策，也能实现财务决策的智能化和高效化。
目前设定的智能财务决策支持系统一共有三个特点。一是，系统要有通用性，能够满足较多的服务领域，也能适应不同环境和决策方式。二是，它可以让决策者自由介入系统，了解并参与决策过程。系统要有学习能力，能够与决策者在实际操作过程共同提高。三是，能够结合知识推理和数值运算的过程，提供更快更强的决策支持能力。
二、认识引导下的工作模式定位
（一）系统构建的目标
企业智能财务决策支持系统的构建有以下几个目标：
1.全面支持各种非结构化、半结构化和结构化决策问题。
2.支持企业各管理层次管理问题：（1）高层管理中筹资、投资、利润分配等宏观管理决策问题；（2）中层管理中的成本控制、生产控制和销售方案等控制决策问题；（3）基层管理的生产目标、库存清理等作业控制决策等问题。
3.满足用户之间便捷沟通、方便的人机对话和数据输送功能。
（二）智能财务决策支持系统工作模式
1.财务分析。能够实现财务分析中的基本功能，如：资产分析、现金流量分析、费用分析和盈利状况分析等。
2.财务控制与计划。能够根据现有的财务分析编制各种财务计划并能实现一定的经济指标控制和预算。
3.财务决策。能够帮助决策者完成成本、投资、筹资等决策。
三、定位驱动下的系统构建路径
（一）系统架构和系统处理
整体的系统架构分为三个层次：数据获取层、数据存储层和数据分析展示层。
数据获取层信息来源于内部财务系统。内部会计管理系统、本地外部财务系统、远程外部财务系统和其他相关系统等。数据获取后，经过筛选、转换、加工等操作综合反映到数据存储层。数据存储层将部分数据直接放置在数据仓库中进行管理，另一部分数据分别放到方法库、模型库和知识库中，并将需要的数据建立起多维数据模型。数据分析展示层提取数据存储层的数据，利用多维报表工具、多维分析工具和数据挖掘工具将数据放在服务器中供人浏览。
（二）系统使用和维护
实现智能财务决策支持系统需要企业人士和it界人士进行沟通和配合。整个系统构建好后，还需要进一步追踪、反馈。先说服用户管理层，再对相关人员进行必要的培训。
财务智能决策系统不止是一个简单的软硬件集成，也考验了一个企业的信息架构能力，并对企业管理人员和财务管理人员、分析人员都提出了较高的要求。开发人员需要深入了解客户要求，并能熟练掌握财务系统构建需求以及软硬件知识，采取适当的措施，来提供更好的服务。
企业智能财务决策支持系统的维护有两个方面：一是管理和维护系统的日常运作。日常运作维护包括各个模块的正常运行，如数据获取模块、数据存储模块和数据分析展示模块；另一方面，需要根据实际情况调整完善系统的运行。数据流动在财务决策系统中也会伴随着一系列的插入、删除和更新等操作，这也就需要对系统进行更好地调整和完善。
（三）企业智能财务决策支持系统的评估
评估可以反映系统对企业的效果，包括是否满足企业现阶段需求和潜在需求、是否提高了企业财务决策的准确性、是否实现了企业财务智能化处理等。
评估包括两大方面：一是运行环境评价。对运行环境的评价主要体现在前端工具的适用性，能否达到使用人员的需要，能否与企业已有资源很好地进行整合等。二是绩效评估。绩效评估有包括模糊评估和用户满意度评估。模糊评估即从宏观角度对整个系统本身进行定性评价，侧重于考察系统对企业带来的无形收益。用户满意度评估即对使用该系统的各个用户进行满意度调查。
四、结论
数据仓库、数据挖掘和人工智能技术为财务分析和会计信息系统的创新提供了有力的支持，可以更好地让会计信息系统由核算型向经营决策型转变。在系统构建中应围绕着：系统架构和系统处理、系统使用和维护，以及企业智能财务决策支持系统的评估等三个环节展开构建。具体而言，整体的系统架构分为三个层次：数据获取层、数据存储层和数据分析展示层；实现智能财务决策支持系统需要企业人士和it界人士进行沟通和配合；评估可以反映系统对企业的效果。
参考文献：
统计学决策分析篇8
摘要面对当前企事业单位普遍存在各类数据庞大，但快速提取有效信息却十分困难的现状，如何在海量数据中发现有用的数据，即所谓的数据挖掘技术便应运而生。针对财务决策中数据海洋的现状，本文提出了如何采用数据挖掘技术，来提高财务决策的效率。
关键词数据挖掘财务决策应用
随着计算机、网络技术的发展，获得有关资料非常简单易行。但对于数量大、涉及面宽的数据，传统统计方法无法完成这类数据的分析，特别是公司财务数据之类。因此，一种智能化的、综合应用各种统计分析、数据库、智能语言来分析庞大数据资料的“数据挖掘”技术应运而生。数据挖掘技术的产生和发展使得人们可以利用这些数据挖掘出有用的、隐藏的商业和科学信息。
一、数据挖掘含义
1．数据挖掘的定义
目前普遍认同的一个数据挖掘（Dm-Datamining）定义是：从数据库中抽取隐含的、以前未知的、具有潜在应用价值的模型或规则等有用知识的复杂过程，是一种深层次的数据分析方法。
数据挖掘可以根据企事业单位的既定业务目标和存在的问题，对大量的业务数据进行探索，揭示隐藏其中的规律，并将其模型化，指导并应用于实际的企事业单位经营管理中。是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以对财务信息做出预测。
2．数据挖掘的主要功能
数据挖掘的目标是从数据库中发现隐含的、有意义的信息，它主要有以下功能：
（1）估计与预测：估计是根据已有积累的资料来推测某一属性未知的值，预测是根据对象属性的过去观察来估计该属性未来之值。数据挖掘技术能够自动在大型数据库中寻找预测性信息。
（2）关联和序列发现：关联是要找出在某一事件或是资料中会同时出现的东西；序列发现与关联关系很密切，所不同的是序列发现中相关的对象是以时间来区分的。
（3）聚类：数据库中的记录可被化分为一系列有意义的子集，即聚类。聚类技术的要点是在划分对象时不仅考虑对象之间的距离，还要划分出类具有某种内涵描述，从而避免了传统技术的某些片面性。
（4）偏差检测：数据库中的数据常有一些异常记录，从数据库中检测这些偏差很有意义。偏差包括很多潜在的信息，如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差、量值随时间的变化等①。
二、数据挖掘在财务决策支持系统的应用
1．财务决策支持系统
财务决策支持系统是在传统电算化会计信息系统的基础上建立和发展起来的，传统会计信息系统输出的企事业单位财务数据及非财务数据都存在数据过剩而信息不足的情形，而财务决策的精确程度又取决于所用信息的正确程度。随着竞争的增加，财务决策的时效性也变得越来越重要了，面对这些结构化或半结构化的海量数据，将数据挖掘技术应用到系统中充分有效的预测企事业单位未来的发展趋势，有利于输出财务决策信息供高层管理者使用，提高企事业单位的竞争②。
（1）会计信息系统结构
会计信息系统可分为三个层次：会计核算层、财务管理层和财务决策层，分别属于事后核算、事中控制和事前预测与决策过程。财务决策支持系统是最高层，也是会计信息系统发展的最终目标。会计核算层和财务管理层输出的企事业单位财务数据及非财务数据都存在数据过剩而信息不足的情况，这严重影响了财务决策层发挥有效作用。
（2）财务决策支持系统的概念
财务决策支持系统（FDSS―FinancialDecisionSupportSystem）是以现代管理科学和信息技术为基础，以电子计算机为工具，运用经济学、模糊数学、控制论和模型技术，对财务管理中的结构化、半结构化以及非结构化问题进行决策分析的人机交互系统。
在财务决策支持系统中，为了支持管理决策，首先必须建立各种数据库以备决策之需。其次要建立各种数学模型，组成模型库对数据库中的数据进行深加工以便探索其内部规律，对数据的运算结果进行比较、分析和评价。同时，为了充分利用管理者的经验、知识和智慧，系统还设置人机交互接口和专家知识库，采用人工智能技术判断环境生成方案、评价决策。
（3）财务决策系统国内外发展现状
在国内，会计核算系统和财务管理系统已发展良好，逐步地为用户理解和接受，但财务决策支持系统的发展尚处初级阶段。
在国外，财务决策支持系统已较为完善，以财务管理为核心构造财务决策支持系统，做到了账务系统与管理系统的有机融合，做到了事前预测与决策、事中控制、事后分析为一体的网络化、科学化的决策管理，数据挖掘在财务决策支持系统中的运用也较为成熟。
2．数据挖掘在财务决策支持系统的应用
数据挖掘技术在财务决策支持系统中的应用研究始于1995年，研究内容包括将DSS的结构体系引入过来，从二库、三库结构到四库、五库结构的研究，也就是从传统的FDSS研究到智能的或高级的FDSS的研究。随着信息技术的不断完善，把数据仓库（Dw）、联机分析处理（oLap）、数据挖掘（Dm）也引入到财务决策支持系统中，出现了基于数据仓库和数据挖掘技术的财务决策支持系统结构，数据挖掘技术在财务决策支持系统中的应用主要包括：
（1）财务状况分析
财务状况分析是财务管理的重要组成部分，包括企事业单位偿债能力分析、企事业单位营运能力分析、企事业单位获利能力分析、企事业单位发展能力分析。它是利用已有的财务数据对企事业单位的财务状况、经营成果进行分析与评价。财务分析系统可以运用数据挖掘分类、预测等技术，根据企事业单位过去和现在的财务数据做进一步的加工、整理、分析和评价，在预测未来的财务状况的同时从中取得有用的信息供决策者使用。
（2）财务预测
财务预测系统是FDSS的重要组成部分，其功能分为两个方面：一是利用已有的财务数据对企事业单位未来的财务状况和经营成果进行预测。二是利用专家经验和专门知识对某项财务专题进行预测。财务预测的主要内容包括销售预测、利润预测、成本预测、资金预测、财务指标预测等。利用回归，神经网络等技术根据已有的财务数据预测企事业单位未来的财务状况，进而判断企事业单位未来发生财务危机的可能性。
（3）筹资决策
筹资是指企事业单位何时、采用何种方式、获得何种规模资金的过程。企事业单位筹资决策主要包括筹资数量决策、筹资方式决策和债务偿还决策。一般地说，企事业单位筹资首先应考虑自有资本，即所有者权益筹资；其次再考虑债务筹资，其目的是使财务风险最小化。利用数据挖掘中的分类、聚类等技术可根据单位经营管理的需要进行决策信息输出，确定一个合理的筹资方案。
（4）投资决策
企事业单位的投资决策主要包括企事业单位内部长期投资决策、联营投资决策和证券投资决策。投资决策问题是决策问题中较为复杂的问题，其决策问题一般分为半结构化或非结构化问题。我们可利用预测、关联等技术对投资时机、投资规模、投资方式等方面来确定投资方案。通过在众多可投资项目中选择出最具价值的项目决策信息，实现投资资金效率最大化。
（5）成本决策
成本决策涉及企事业单位销、生产经营和资本运作等各个领域，可以说凡是发生成本费用支出的各项经济活动，都存在成本决策问题。企事业单位成本决策包括：存货成本决策、生产成本决策、资金成本决策、销售成本决策、服务成本决策等，其中销售成本决策和服务成本决策，其非结构化因素较多，包括促销费用、广告费用、销货服务费等，从而使其决策方案的确定更加复杂化。这就需要利用数据挖掘技术中的时间序列分析，关联分析等技术对历史数据进行分析预测，以确定最优方案。
（6）股利分配决策
股利分配是指公司向股东分派股利。股利分配决策的合理与否，将会对公司的持续发展和股东利益产生重大影响。股利分配决策包括股利发放决策、股利支付比率决策和股利发放形式决策等。由于股利分配决策要受到法律、经济、公司政策、股东利益、以及股票市场等诸多因素的影响，其决策问题大多为半结构化和非结构化问题，我们可利用数据挖掘技术中的分类技术来提供支持。
（7）存货决策
存货决策主要是指原材料和产成品的决策，即确定合理的经济订货量以及何时订货才是最佳时机，力求使存货上耗费的成本最低。销售的不确定性使得存货决策成为一种风险性决策，它需要根据以往的经验储存、历史统计资料的分析以及输入用户的调研数据，运用数据挖掘技术中的决策树方法帮助决策者确定需求变量的范围及发生概率，并提供最优方案的参考数据。随着数据库技术和网络技术的迅速发展，传统会计核算层及财务管理层的不断完善，人们获取数据的能力越来越强，将海量的数据存储在数据库和数据仓库中。将数据仓库（Dw）、数据挖掘（Dm）和联机分析（oLap）等信息技术应用于财务决策支持系统，更能将数据仓库里的海量数据从执行系统中筛选出来，减少冗余，完成一系列转换处理，便于决策者从宏大的信息系统中分辨、析取、整理、挖掘出对财务决策有用的信息，极大提高企事业单位管理信息系统的工作效率③。
三、数据挖掘技术在财务决策支持系统中应用的难点与展望
数据挖掘技术在财务决策支持系统中的应用还是一门崭新的技术或方法，接受数据挖掘的概念容易，但将其落在实处却比较困难。其中最重要的就是成本问题。数据挖掘功能对企事业单位财务数据进行分析虽然存有优势，但前提条件是具备完整、正确的数据，即在建立数据仓库系统基础后，与此功能结合运用以达到事半功倍的效果。但目前单位财务部门提供的数据本身就可能存在水分，因此需要数据信息使用者在经过会计信息质量分析等前提下调整或重新估计，然后再利用数据挖掘等技术应用到财务决策支持系统中。数据挖掘仅依靠计算机或者软件是无法完成任务的，更多的是需要依靠专业人士的职业判断。
虽然在单位财务决策支持系统中利用数据挖掘技术还不十分成熟，但是伴随着科学技术的迅猛发展，以及数据挖掘技术在财务决策支持系统中的广阔市场前景，相信基于数据挖掘的财务决策支持系统必将更加成熟！
但是，数据挖掘作为一门新兴的科学和技术，它的发展还处于幼年期，要想基于数据挖掘的财务决策支持系统模型得到更为广泛的应用，面临的挑战为：
1．建立基础的数据挖掘理论体系；
2．提高数据挖掘算法的效率和处理能力；
3．良好的人机交互界面；
4．挖掘各种数据类型，包括半结构和无结构数据。
注释：
①何京舟.浅议数据挖掘技术与财务分析.中国集体经济.2009(6):155-156.
②汤九斌.基于数据挖掘技术的决策支持系统及其关键技术研究.中国优秀博士论文全文数据库.南京理工大学.2009.
③周喜,王加阳.数据挖掘技术在财务决策支持系统中的应用研究.湖南商学院学报.2009(4):99-101.
参考文献：
[1]何京舟.浅议数据挖掘技术与财务分析.中国集体经济.2009(6).
[2]郑日军.数据挖掘综述.科协论坛(下半月).2008(10).
[3]洪沙,向芳.数据挖掘与决策支持系统.科学咨询(决策管理).2008(4).
统计学决策分析篇9
（济南大学，山东济南250022）
摘 要：在多目标决策中，层次分析法（aHp）是使用频率较多的研究方法，网络层次分析法（anp）是对层次分析法的拓展和延伸。本文在论述层次分析法（aHp）与网络层次分析法（anp）概念模型的基础上，对比了两种方法在系统模型和判断矩阵构建方面的异同点，为更好地利用这两种决策方法提供理论基础。
关键词：层次分析法；网络层次分析法；系统构建；判断矩阵；方法对比
中图分类号：C931文献标志码：a文章编号：1000-8772（2014）10-0067-02
著名的经济学家赫伯特·西蒙提出“管理即是决策”，因此，无论是在企业中还是在我们的日常生活中都会遇到大大小小的决策问题[1]。从宏观层次来看，我们的国家领导人面临着政治、经济、文化和军事等方面的决策，决策的科学与否直接关系到国家的安危和兴旺，关系到整个地区的长治久安；从中观层次来讲，企业的管理者时时刻刻面临着决策问题，大到战略决策、小到生产计划决策，每一个决策都关系到企业的可持续发展；从微观层次来说，每个人也都面临着诸如学习、就业、旅行等日常决策问题，它们会影响到家庭的和谐和个人的发展。由此可见，正确的决策是各个实体发展的基础。就决策的方法而言，同一个问题按照不同的方法分析可以得出不同的结论，一方面是因为不同方法在数据处理时的侧重点不同，另一方面是因为选取了不适用的决策方法，得出了具有误导性的结论。因此，选择适当的决策方法是进行恰当决策的关键所在。简单的决策方法虽然容易实施，但会因考虑不周等原因导致非常可怕的后果，比如经验主义，拍脑袋决策等，相反，科学的决策方法则能够为我们提供合理的结果，帮助我们做出正确的决策。对于单目标决策，依靠模型就能够精确地描述问题，其结果也能够通过统计、运筹、计算机等技术得出。而对于多目标决策，其复杂性明显上升，我们通常会利用层次分析法及网络层次分析法等进行决策分析。层次分析法是一种结构化、层次化的决策方法，其力图将定量分析与定性判断进行结合，从而将社会生活中所存在的各种复杂关系分析转化为定量分析。由于其操作简单易于理解，因此一经提出便在管理科学界引起了巨大的反响，并得到了全世界学者的广泛关注，其应用领域更是扩展到了企业管理、经济调控、教学评价、资源配置、方案选择等各个方面。当然，层次分析法并非完美，因为其仅针对内部独立的递阶式层次结构有效。如果层次内的因素之间存在着相互依存关系，层次分析法将不再适用，取而代之的是另一种决策方法，即网络层次分析法[2]。网络层次分析法是在层次分析法的基础上发展而来的，其继承了层次分析法的分析步骤、排序方法和标度选择方法等，与此同时，其又结合实际情况，考虑了元素间的依赖性和反馈性，从而对层次分析法进行了拓展和改进[3]。本文在论述网络层次分析法与层次分析法的概念模型的基础上，分析了两种方法的异同点，对两者适用的情形进行全面的总结，为更好地利用这两种决策方法提供了理论基础。
一、概述
层次分析法（analyticHierarchyprocess，简称aHp）是美国学者托马斯·塞蒂于20世纪70年代提出的一种多目标评价决策方法。该方法旨在模拟人处理复杂决策问题时的判断过程和思维方式，并将其通过数学化的方式表达出来，从而用量化的方法来解决决策问题。在运用层次分析法解决问题时，第一是要对问题进行分析，凝练出与问题相关的若干因素，并将它们划分为目标层、准则层和方案层；第二是要剖析各层级之间的相互关系，通过专家等对各因素的重要程度的比较判断，计算出在不同准则及总准则下各个方案的相对重要程度；第三是对决策方案的优劣进行总排序，并做出恰当的选择[3]。总体而言，整个流程都体现了人的决策思维过程，在很大程度上提高了决策效率。
网络层次分析法（analyticnetworkprocess，简称anp）是塞蒂于20世纪90年代提出的一种适用于复杂结构的决策方法，它是在层次分析法的基础上逐步发展而形成的一种决策方法[4]。网络层次分析法的网络结构要比aHp的递阶式层次结构复杂得多，它不仅存在递阶式层次结构，还存在具有内部依赖性和反馈性的层次结构。
二、层次分析法与网络层次分析法的比较
网络层次分析法是对层次分析法的改进和拓展，两种方法的不同之处主要体现在以下两个方面，一是系统模型的构建，二是判断矩阵的构建。
（一）系统模型的构建
层次分析法的系统模型是递阶式层次结构。在运用层次分析法时，首先将问题分解成多个组成因素，通过对分解的因素进行聚类，从而构建起有序的递阶式层次结构，即目标层、准则层和方案层。其次邀请专家依据1-9的标度对因素进行两两比较，判断并归纳各因素相对于上一层次中各要素的相对重要性，即单排序。最后进行综合判断，确定各个方案相对于总目标的重要性排序，即总排序。层次分析法处理的是元素内部相互独立的递阶式层次结构，每一个元素隶属于一个层次，即同一层次中任意两个元素之间不存在从属和支配的关系，且层次内部独立；不相邻的两个层次中的任意两个元素也不存在支配关系[5]。
网络层次分析法的系统模型结构要比层次分析法的系统模型结构复杂得多。层次分析法构建的是递阶式层次结构，而网络分析法构建的是既存在递阶式层次又存在内部循环和相互支配的网络结构[6]。这是因为在实际的决策问题当中，系统中的各个元素往往相互影响相互依赖，从而出现了复杂交错的网络结构。在网络中，节点代表着一个元素或元素集，这些元素之间彼此相互影响，每一个元素都有可能受到其他元素的支配和影响[7]。
网络层次分析法的系统模型可以称为网络控制层次，其由两部分组成，即控制层和网络层[8]。控制层是由决策准则及问题目标所组成的，这里的假设前提是决策准则仅接受问题目标的支配，准则之间保持相互的独立性。在特殊情况下，控制层中可能不存在决策准则，此时只存在一个问题目标。网络层是由所有受控制层支配的元素组组成的。之所以称之为网络层，是因为该层中的元素集之间相互依赖相互影响，呈现出错综复杂的网络式结构。因此在运用网络层次分析法时，不仅要对元素进行收集和归类，还要分析其网络结构和相互影响关系。总体而言，元素之间的网络关系可以分为以下类型：一种是内部独立，即元素集之间存在着循环的网络层次结构；另一种是内部依存，即元素集内部存在循环的网络层次结构。
综上所述，在系统模型的构建过程中，层次分析法和网络层次分析法存在着显著的不同。层次分析法构建的较为理想化的有序化的递阶式结构，而网络层次分析法构建的是较为现实的复杂的网络结构。层次分析法的内部结构过于理想化，其假设因素间彼此独立完全分离，而网络层次分析法则考虑到因素间会相互影响的可能，从而将递阶式层次改进为网络式结构。
（二）判断矩阵的构造
层次分析法在构建判断矩阵时，通常以上一层次元素为准则，邀请专家对下层被支配的元素进行两两比较，从而得到判断矩阵，然后求出特征根，得到各个元素的权重[9]。
网络层次分析法则是通过构建超矩阵来计算权重[10]。通过两两比较得到排序向量来作为超矩阵的每一列，超矩阵w是通过元素两两比较而导出，矩阵中的每一列都是以某个元素为准侧[11]。另外，为了使计算更加的简便，需要将超矩阵的每一列进行归一化处理，用加权矩阵乘以超矩阵得到归一化的超矩阵[12]。
综上所述，在构建判断矩阵的过程中，层次分析法和网络层次分析法的不同之处在于层次分析法所构建的判断矩阵较简单且易计算，而网络层次分析法构建的超矩阵复杂且计算量大。
（三）层次分析法与网络层次分析法的相似之处
理论方面，网络层次分析法是层次分析法的改进和拓展。两者都采用1~9标度法衡量元素重要程度，都需要构造判断矩阵，经过一致性检验后求解特征向量，最终确定方案排序。
应用方面，两者的相同之处在于他们的使用都存在一定的局限性。层次分析法模型太过理想，与实际不符，而网络层次分析法的应用条件则相对苛刻。
三、总结
经过上述的讨论与研究，我们可以清晰地判别出层次分析法（aHp）与网络层次分析法（anp）在系统模型的构建过程中以及在判断矩阵的构造过程中存在的不同之处。层次分析法下的系统模型呈现出理想化有序化的递阶式结构，而网络层次分析法下的系统模型则融合了递阶式结构与网络结构。层次分析法下的判断矩阵较容易构建，在维数不多的情况下特征值的计算也较为方便，而网络层次分析法下的超矩阵则更为复杂，计算量也较大。尽管两种方法在模型与矩阵构建方面存在着明显的不同，但由于网络层次分析法是在层次分析法的基础上改进而来的，因此两者也存在着很多相似之处。例如两种方法都利用了1~9标度法对元素间的相对重要程度进行衡量，两种方法都构造了判断矩阵，经过一致性检验后求解特征向量，并最终确定方案排序，从而做出恰当的决策[13]。
参考文献：
[1]黄柏.管理就是决策——赫伯特·a·西蒙《管理行为》评介[J].管理世界，1990，（1）.
[2]吴殿延，李东方.层次分析法的不足及其改进的途径[J].北京师范大学学报，2004，40（2），264-268.
[3]樊为刚，侯丽红.层次分析法的改进[J].科技情报开发与经济，2005，15（4），153-154.
[4]庄锁法.基于层次分析法的综合评价模型[J].合肥工业大学学报，2000，23（4），582-587.
[5]郭凤鸣.层次分析法模型选择的思考[J].系统工程理论与实践，1997，9，54-59.
[6]李彦，朱吉胜.层次分析法的一种改进及其应用[J].电子设计工程，2011，19（15），29-33.
[7]梁樑，盛昭瀚，徐南荣.一种改进的层次分析法[J].系统工程，1989，7（3），5-9.
[8]孙宏才，田平.网络层次分析法（anp）与科学决策[C].决策科学理论与方法——中国系统工程学会决策科学专业委员会第四届学术年会论文集，2001.
[9]常建娥，蒋太立.层次分析法确定权重的研究[J].武汉理工大学学报，2007，29（1），154-158.
[10]朱茵，孟志勇.用层次分析法计算权重[J].北方交通大学学报，1999，23（5），119-122.
[11]李学平.用层次分析法求指标权重的标度方法的探讨[J].北京邮电大学，2001，3（1），25-28.
[12]储敏.层次分析法中判断矩阵的构造问题.南京理工大学硕士论文，2005.
统计学决策分析篇10
在20世纪初，随着泰罗科学管理理论的广泛推行和应用，在实际工作中会计如何为提高企业的劳动生产率，降低成本，增加生产效率和资本收益被提到议事日程上来。此时作为现代管理会计雏形的成本会计，开始引进与泰罗的科学管理方法直接联系的某些技术方法，如“标准成本”、“差异分析”、“预算控制”等。这些方法的引入和应用，大大丰富和扩展了成本会计的内容，在一定程度上，改变了原有会计体系的基本结构和主体内容，开辟了会计直接服务于企业管理的新途径，直接推进了成本会计向现代管理会计发展的进程。但是，限于当时科学技术水平，企业生产经营过程的复杂程度，管理会计本身的成长状况，以及相邻学科的发展情况，尤其是泰罗科学管理理论和方法的某些弊病和缺陷，管理会计赖以形成的理论（包括方法）和实践的基础与条件尚不成熟，所以，在较长时期，上述技术方法只被看作是会计配合推行泰罗的科学管理所作的一些尝试，只是作为原有会计体系中的一个附带部分而存在，并没有形成一个相对独立的科学的理论与方法体系。
从20世纪30年代起到40年代中期，随着第二次科学技术革命的开始，系统论、控制论、信息论（简称“三论”）的产生，现代管理成为一个集方法、手段、技术、理论为一体的整体，形成为管理科学。而包括“三论”在内的现代管理科学的形成和发展，对现代管理会计在理论上起着奠基和指导的作用，充实了成本会计的内容。特别是现代管理科学方法论工具的广泛引入和运用，赋予它现代化的管理方法，成为现代管理会计方法的新的生长点，大大丰富了管理会计的方法体系。在现代管理科学的直接推动下，最终从传统会计中催生了管理会计，并使其成为在现代条件下主要致力于加强企业内部生产经营与管理，尤其是对企业的未来进行科学预测与决策，对生产经营活动进行事中、事前规划的新的相对独立的理论与方法体系。
（二）
所谓现代管理方法，是指能够有效保证管理活动正常进行，促进管理职能和管理目标顺利实现的各种专门方法和技术，它是管理的主体作用于客体的桥梁。现代管理方法以定量分析、系统性和择优性为其基本特征。它所包括的一整套管理技术，在现代管理会计中应用较多的有预测技术、决策技术、控制技术、规划技术、协调技术等。
在管理会计中具体应用的预测技术主要有：有资金、成本、销售、利润预测中采用的经验推断法，如：特尔菲法、基本因素分析法、相互影响矩阵法；时间序列预测法中的趋势预测法、趋势平均法、指数平滑法、直线趋势法、二次曲线法、指数曲线法；因果预测法中的简单线性回归预测法、多元线性回归预测法、非线性回归预测法，以及投入产出分析预测法、经济计量法、马尔科夫预测法等。
具体应用的决策技术主要有：确定型问题的决策模型、非确定型问题的决策模型、风险型问题的决策模型和博弈型问题的决策模型等，如，在多种产品生产数量决策中应用的逐次测试法、矩阵法、单纯形法；在定价决策中应用的微分极值法、边际分析法、0.6指数定价法、保利基础定价法、临界成本定价法以及最优价格一数量组合决策方法等；在存货决策中对于享有数量折扣时、因素不确定时、成本资料不完备时等条件下应用的经济订货量法以及挂签制度法、aBC分析法等；在投资决策中应用的净现值法、现值指数法、内含报酬率法、等年值比较法、投资回收期法和投资报酬率法等。
规划技术中应用较多的有线性规划、目标规划和动态规划等，如在存货规划确定经济订货量的逐次测试表法、图示法和数学模型求解法等。
具体应用的控制技术主要有：成本控制技术，如，在产品成本控制中采用价值分析方法控制产品设计成本（这是产品成本控制中最重要的一环），采用差异分析法等控制产品制造成本，采用标准成本制度控制产品成本（直接人工、直接材料、制造费用以及成本差异），采用定量订货控制法、双堆控制法、aBC分类控制法和定期订货控制法等控制存货成本；利润控制技术，如，采用本量利分析法控制利润，在确定情况下的本量利分析、在不确定情况下的本量利分析、非线性情况下的本量利分析以及本量利关系中的敏感性分析；预算控制技术，如，在生产经营全面预算控制中采用的弹性预算控制、概率预算控制、零基预算控制和滚动预算控制以及把总预算中确定的指标按照企业内部生产经营上划分的各个责任中心进行分解的责任预算控制等。
现代管理方法尤其是精密的数量学科方法的广泛引入和应用，在较大程度上改变了一些不具现实性的假设（长期以来，人们对管理会计的研究批判性强、务实性差、理论研究与实际问题相脱离等问题颇有非议，甚至说管理会计过时了）。如，假设处理和获取信息不需付出代价，交易成本为零；信息是充分和准确的，不存在不确定性；管理者（人）的利益与企业整体利益（或委托人利益）是一致的：企业产销平衡；固定成本保持不变；变动成本与产量呈完全线性关系；销售收入与销售量呈完全线性关系；销售中各种产品的品种结构固定不变以及所使用的会计数据是真实可靠的；强调统计显著性而忽略实际政策意义等。而且突破了管理会计研究方法的局限性，使管理会计的研究更符合实际情况，并在实践中取得了显著效果。
比如，用非线性方程来描述成本、收入与产销量之间的依存关系，这意味着当销售收入、成本均表现为曲线时，可以也需要根据原始数据进行加工，分别确定其各自反映的有关因素之间依存关系的函数表达式，然后建立利润函数式，并据以进行本量利分析。又如，当产品的销售价格、变动成本和固定成本都受到多种因素的影响时，对于它们的预期的变动，往往难以在事前掌握得十分准确，而只能做大略的估计，在这种情况下，利润将相应的增加或降低到多少，就有多种可能。这时若仅通过原来一项简单计算或单因素分析已不可能得到一个定值。当通过引入和动用现代管理方法中的概率分析方法，就可以估计和分析它们将在什么样的范围内变动，有关数值在这个范围内出现的可能概率是多少，然后加以综合考虑，最终就可以确定一个最可能达到的数值。“三论”不仅为现代管理会计的研究和进一步发展提供了坚实的理论基础，而且还直接成为管理会计中的实用方法和技术。
20世纪六七十年展起来的耗散结构理论、协同学理论、突变论（简称“新三论”）、超循环理论等又使管理会计有了新的飞跃。目前，直接起源于“新老三论”的现代管理方法，已成为管理会计中最富有生命力和创新精神的方法系列，它们有系统方法、系统模拟方法、信息方法、反馈控制方法、协同学方法、系统动力学方法、黑箱方法等。
比如，系统方法中的运筹学方法，就是在给定的目标及其约束条件下，通过建立数学模型进行运算和求解，对系统进行全面规划，统筹兼顾，从备选方案中选择出较优的方案，为决策提供科学的定量依据。它包括规划论、博弈论、决策论、库存论、质量控制、网络计划法等。而系统分析方法是根据目标需要，从系统整体性的观点出发，把系统分析对象作为一个系统等待，运用系统的思想、方法、程序、组织及各种技巧，对系统对象进行定量和定性分析、评价，使其在整体上达到最优目标的科学方法。它的主要特点在于它的整体性。
美国哈佛大学会计学教授Robort.S.Kaplan博士认为，运筹学方法和系统分析方法最终渗透到管理会计领域，是在60年代后期到整个70年代。运筹学方法和系统分析方法运用于现代管理会计中的具体方法及其解决的具体问题很多，涉及生产、营销、管理等领域。诸如：
——生产和销售限制因素条件下进行最佳产品经营组合决策时采用的线性规划法，包括图解法、逐次测试法和单纯形法等。
——针对企业生产中稀缺资源的利用情况，采用了影子价格，通过线性规划来确定内部转移价格。
——在企业存货控制过程中，利用库存控制方法研究经济订货量模型及其扩展模型与采用的aBC分析法。
——利用代数分配法等数学方法进行服务部门的费用分配。
——利用博弈论的方法，建立管理会计中有关部门人契约的通用模型、分类模型和基本模型，这其中涉及到包括责任会计、资本预算制度、参与预算、成本分配与差异调查、转移价格、监控系统、收入操纵、考核指标设置、信息系统选择权的分配、以业绩计量为基础的报酬制度等内容的方法应用。
——利用网络计划法（计划协调技术）对构成计划目标的所有任务，按其相互联系与时间关系组成统一的网络形式，对网络的各项工作进行分析、预测、调整。
——在资本投资经营决策过程中，利用决策论方法根据系统状态的客观信息提出各种可能选入的策略方案，并就这些策略方案对系统状态所产生的后果进行综合分析，以便按某种评价标准选取最满意的策略方案。如在不确定型经营决策中采用的决策表法，包括小中取大法、大中取小法、大中取大法、折衷决策法。
——在估量资本投资方案经济评价中的风险程度与风险报酬时，采用的数量统计方法，如决策树法、期望损益分析法等，包括净现金流量期望值、标准差、变化系数，包含风险因素的折现率等的计算方法，在不同投资方案之间进行资本总量的合理分配时，采用的0或1技术法、线性规划法等。
——在资本投资方案（经济评价）的对比与优选中，采用的差量分析法、费用现值对比法、年费用比较法、差额静态投资回收期法、净现值法、净现值率法、内部收益率法、现值指数法等。
——在具有不同寿命期的固定资产更新分析中采用的经济寿命周期法，在固定资产租赁或购买决策中采用的现金流量分析法等。
——在投资决策方案的评价过程中对主要经济评价指标的敏感分析方法和概率分析方法等。
——在短期经营决策中采用的差量分析法、贡献毛益分析法、本量利分析法、最优生产批量法、成本、计划评审法、线性规划法、非线性规划法等。
再比如，信息方法中的信息熵的原理与方法引入管理会计后，也成为其一大特点。从某种意义上说，管理会计就是“会计”与“管理”的有机统一体。尽管它与财务会计一样也要对企业的生产经营活动进行必要的计量、确认和核算，但它主要是紧紧围绕着“管理”即“规划”和“控制”展开的，而这展开的全过程都处处体现了信息熵的原理和方法。即管理会计的解析过去、控制现在和筹划未来的整个过程是一个不断减少熵的过程。展开来说：
——解析负熵。解析的负熵作用是通过对以会计信息为主的各种信息的加工处理，提升信息的决策有用性表现出来的。因此，管理会计的解析过去，主要是对财务会计所提供的资料做进一步的加工、改制和延伸，使之更适合于经营管理的需要。这种目的明确的信息加工处理，可以大大提高信息的相关性、精确性和有效性，有利于决策质量的提高，这显然是一种负熵作用。
——控制负熵。控制行为可以说是直接的负熵。由于企业经济活动的运行和变化都存在多种可能性，为了实现预定的经营目标，就必须采用多种手段对经济活动进行控制，使之成为严格按照预定的轨道卓有成效运行和变化的行为。管理会计就是通过落实责任，考核实绩和分析计划执行过程中的问题和偏差，对企业生产经营的实际进程进行严密的监控，这种监控行为意味着熵值的减少。
——筹划负熵。计划（预算）是筹划的主要形式之一，计划是管理有序化的过程。管理会计主要职能之一就是通过确定目标，编拟计划和制订计划的手段与措施，对企业未来的生产经营活动进行全面的筹划，这种筹划行为可以大大提高人、财、物和信息资源之间的协调度，并大大降低经济活动和管理中的盲目性与不确定性因素，因而筹划具有明显的负熵作用。
现代管理方法应用到管理会计中的具体方法很多，而且还处于发展之中。仅凭本文，笔者无意也不可能穷尽所有的具体方法，只是想以例举的方式说明现代管理会计广泛地吸收和采用了现代管理方法。从整体上来说，虽然上述方法的引用并没有从实质内容上扩大管理会计的研究领域，但却使管理会计对原有内容的认识更广泛、更深入、更严密、更科学了。使之从简单的、线性的、确定性的、对称性的研究拓展到了多元的、非线性的、不确定性、非对称性等的研究；使之转向企业目标、资源约束条件的多维认识。如，企业的目标由单一的利润最大化转向多目标体系，企业资源约束条件由单一转向多元化，企业决策的影响因素也由单一向多因素综合影响等方面发展：企业信息由完全、充分、对称性、确定性转向非充分、不完全、非对称和不确定性，企业委托人与人利益由一致转为并不一定一致，等等。总而言之，现代管理方法的广泛引入和应用，使得现代管理会计方法体系中渗透着管理科学化、高效化、系统化、定量化、自动化和人本化等现代化思想，从而大大推动了现代管理会计从描述性科学向精密性科学的转变。
（三）
在现代管理理论大规模武装管理会计，使之出现前所未有的繁荣景象和五彩缤纷的丰富内容的同时，不少学者回过头来从另一角度作了思考。他们感到在这一变化的进程中管理会计似乎迷失了什么，管理会计应该是什么样，如何对其进行定义，其特质应该有哪些，其基本内容应该包括哪些，其对象是什么，等等，对这样一些基本问题，广大会计学者仿佛在“摸着石头过河”。
从几十年来的实际情况看，广大会计学者在广泛的领域内自觉的借鉴和创新，使管理会计，乃至整个会计科学的发展由继承、衍接传统为主转向以借鉴、突破为主，使得当代管理会计科学乃至整个会计科学能与其他许多科学一样，出现分化与重组并立的现象，一方面，会计科学原有的许多内容分裂、衍化，另一方面，会计科学内容及其他学科的内容重组。这一并未完成的过程，尽管现代管理会计新的完整体系尚未最终建立，尽管其内容中多多少少还有人工斧砍的粗糙痕迹，以及也偶有出现学科内部之间发生内容重叠、观念冲突的现象，但这也从另一方面充分说明它是广大会计学者关注时代、关注会计科学而虔诚投入的结果，是管理会计与时代变革同步的突出体现。笔者认为，一方面，管理会计不仅不绝缘于其他学科领域，而恰恰相反，管理会计与其他学科是相融相通、互补互进、相得益彰的；另一方面，在整个现代管理会计发展的过程中，对吸收和应用其他学科的理论和方法，应采取一种开放发展的积极态度。半个世纪以来，管理会计也就是在这样一种精神指导下逐步发展、成熟起来的。笔者相信，伴随着当代科学技术的突飞猛进和企业生产组织的重大变革，以及现代管理科学的蓬勃发展，现代管理会计也将面临新的重要突破。
「参考文献
余绪缨主编：《管理会计》，沈阳，辽宁人民出版社，1996年版。
李天民编著：《现代管理会计学》，上海，立信会计出版社，1998年版。
朱海芳编著：《管理会计学》，北京，中国财政经济出版社，1990年版。