词语释义
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。
发展历史
20世纪80年代中期和末期，执行信息系统（EIS）、小组决策支持系统（GDSS）和组织决策支持系统（ODSS）由单用户和模型导向的DSS发展而来。
根据Sol（1987）在他的书中所述，DSS的定义和范围多年来一直在发生着变化：在20世纪70年代，DSS被描述为“一个基于计算机的帮助决策系统”;在20世纪70年代后期，DSS开始关注“基于计算机的交互式系统，用来帮助决策者利用数据库和模型解决不良结构的问题”;在20世纪80年代，DSS提供“使用合适可用的技术来提高管理和专业工作效率”的系统。在20世纪80年代末DSS面对智能工作站的出现，面临了一个全新的挑战。
1987年，半导体制造商Texas Instruments完成了美国联合航空的门分配显示系统（GADS）的开发。该决策支持系统通过协助各个机场的地面操作管理大大减少了航班延误，从1990年开始芝加哥的奥黑尔国际机场和科罗拉多州丹佛的斯台普顿机场应用了数据库和在线分析处理（OLAP）扩大了DSS的应用领域。随着新世纪的到来，新的基于网络的分析应用程序逐渐被开发出来，DSS也在不断地发展完善。
分类
按性质分类
分为结构化、非结构化、半结构化三类。
(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，是指决策过程比较复杂，不可能用确定的模型和语言来描述其决策过程，更无所谓最优解的决策；
(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。
按协助模式分类
由丹尼尔·马克（Daniel Power）创建的，分为通信驱动、数据驱动、文档驱动、知识驱动、模型驱动共五类DSS。
(1)通信驱动的决策：支持合作，支持多个人共同完成任务;示例包括集成工具，如Google文档或MicrosoftGroove。
(2)数据驱动的决策：（或面向数据的决策）：强调访问和操纵内部公司数据的时间序列，有时是外部数据。
(3)文档驱动的决策：以各种电子格式管理、检索和操纵非结构化信息。
(4)知识驱动的决策：提供存储为事实，规则，程序或类似结构的专业解决问题的专业知识。
(5)模型驱动的决策：强调访问和操纵统计，金融，优化或模拟模型。模型驱动的DSS使用用户提供的数据和参数来帮助决策者分析情况;它们不一定是数据密集型的。
按适用范围分类
使用范围作为标准，分为企业范围的决策和桌面式决策两类。
(1)企业级决策系统与大型数据库相连，为公司的许多管理者提供决策服务。
(2)桌面单用户决策支持系统是在个人使用的PC上运行的小型系统。
进程步骤
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。
基本结构
决策支持系统基本结构主要由四个部分组成，即数据部分、模型部分、推理部分和人机交互部分：
数据部分是一个数据库系统;
模型部分包括模型库(MB)及其管理系统(MBMS);
推理部分由知识库(KB)、知识库管理系统(KBMS)和推理机组成；
人机交互部分是决策支持系统的人机交互界面，用以接收和检验用户请求，调用系统内部功能软件为决策服务，使模型运行、数据调用和知识推理达到有机地统一，有效地解决决策问题。
结构框架
与其他系统类似，决策支持系统系统需要结构化方法。这种框架包括人，技术和发展方法。
早期框架
决策支持系统的早期框架包括四个阶段：
智力-搜索需要决策的条件;
设计-开发和分析解决问题的可能备选方案;
选择-在其中选择行动方案;
实施-在决策情况中采用选定的实施方案。
技术支持
实际应用程序：将由用户使用，允许决策者在特定问题区域做出决策，用户可以对该特定问题进行操作。
引擎：包含硬件/软件环境，允许人们轻松开发特定的DSS应用程序。使用案例工具或系统，如Crystal，Analytica和iThink。
工具：包括低级硬件/软件。DSS生成器包括特殊语言，函数库和链接模块。
迭代开发方法：允许以不同的方法重新设计DSS。一旦系统设计完成，就需要对所需结果进行必要的测试和修正。
组件
输入：要分析的因素，数据和特征
用户设定：需要用户手动分析的输入
输出：生成DSS“决策”的转换数据
决策：由DSS根据用户标准生成的结果
（另：执行选定的认知决策功能并且基于人工智能或智能代理技术的DSS被称为智能决策支持系统（IDSS））
应用
理论上DSS可以建立在任何知识领域，主要实际应用如下：
(1)用于医学诊断的临床决策支持系统。临床决策支持系统（CDSS）的发展有四个阶段：原始版本是独立的，不支持集成;第二代支持与其他医疗系统的集成;第三个是基于标准的，第四个是基于服务模型的。
(2)DSS广泛用于商业和管理。软件允许更快的决策，确定负面趋势，以及更好地分配业务资源。组织的所有信息以图表、图形的形式总结，有助于管理层进行战略决策。例如，DSS的一个应用是复杂的反恐怖主义体系的管理和发展。
(3)应用于农业生产，可持续发展的营销。例如，在80年代和90年代通过美国国际开发署的资金支持开发已经允许对世界各地的几个农业生产系统进行快速评估，以促进农场和政策层面的决策。精确农业旨在为农场的特定部分定制决策。然而，在农业领域DSS的成功采用有许多限制。
(4)应用于森林管理中，其中长期规划问题需要特定的要求。森林管理的所有方面，从原木运输，砍伐调度到可持续性和生态系统保护已经由现代DSS解决。在这方面，考虑与提供贸易或非贸易的商品和服务有关的单个或多个管理目标，并且经常受到资源限制和决策问题的影响。
(5)应用于铁路监管，其中一个具体的例子涉及加拿大国家铁路系统，该系统使用决策支持系统定期测试铁路设备。任何铁路所面临的问题（磨损或有缺陷的轨道），可能导致列车每年数百次脱轨。使用DSS后，加拿大国家铁路系统设法减少了脱轨的发生率。
(5)应用于融雪洪水预警。通过DSS系统辅助监测及分析，对融雪洪水的可能灾情进行预警。
