一如既往，我们关注了很多关于支撑决策的数据报表、数据分析和商务智能。事实上，早期支持高级管理报表等BI应用的数据仓库和数据集市，都叫做决策支持系统。

所谓的“决策支持”到底意味着什么呢？系统是否真正支持了决策，我们有没有在自欺欺人？谈到支持决策，我们至少需要在两方面衡量，即决策之前的指导和决策之后的强化。

组织可能尝试过很多模型，搭建商业决策支撑流程，需要注意一点，就是没有任何一个模型是万能的。同时，即便是简单的决策支持模型也能弥补某一方面的知识不足，优化决策流程。要想了解优化流程的各种变量，或者流化信息、优化变量，都需要了解信息的类型。

所谓决策支持模型，是对决策支持场景的一些关键方面的抽象。我们先来了解一下什么是决策。决策就是考量过一些变量之后做出的选择或决定。选择的好坏可以从一下维度来衡量。

• 知情性。即决策者对做决策需要的信息了解多少。
• 时间性。即决策者是否有充分的时间考虑。
• 完整性。即决策者是否相信决策是完整的，可以付诸实践。
• 精准性。即决策行为是否精准，以及得到的结果能否满足需求。
• 优化性。即决策是否是最优的。这是衡量决策的终极标准。

同样，对于决策方案，也有一些类型需要区分：

• 业务应用案例。这是对流程的步骤和不同参与者之间互动的一种描述。应用案例为决策点提供场景。比如要选择一款手机和相应的语音与数据计划，会有很多应用案例，包括店内应用案例、基于网页的应用案例和呼叫中心案例。
• 参与者。决策制定场景中，可能有多个参与者，可能是人，也可能是系统。每一个参与者都是面向多个用户的。在上面手机的例子中，参与者包括店员和潜在客户。
• 业务问题。具体的业务问题是决策的基础。在上面手机的例子中，问题就是“我该选择哪种移动手机和相应的语音数据计划?”
• 考虑点。它包含了决策制定者在制定决策时能够接触的所有信息。比如选择移动电话，考虑点包括手机的操作系统、手机处理速度、可用软件和是否支持存储扩展。
• 决策点。整个决策流程中，业务问题何时提出、备选项何时产生、决策者何时做出决策都是不同的决策点。
• 选择。在制定决策时，备选项有很多。在我们的例子中，数据计划就有两种方案，一种是1GB40美元每月，另一种是2GB60美元每月。其他问题也会有对应的多个备选项。
• 预期成果。一项决策的预期成果有很多，比如对业务会产生什么成果，对客户会产生什么成果，对所属厂商会产生什么成果等。不同角色希望得到的成果当然不同。比如移动设备供应商希望用户选择数据量最大的数据计划，因为它知道客户不会每月都用完这些数据量。
• 性能。这是用来衡量决策好坏的，比如收益率、风险和客户体验提升。