Abstrak

Komentar ini meneliti pentingnya sejarah dukungan keputusan untuk

sistem informasi (IS) lapangan dari sudut pandang empat peneliti yang
karyanya meliputi beberapa dekade sistem pendukung keputusan (DSS)
penelitian. Mengingat unik "generasi" sudut pandang ini, kami menyajikan
perubahan dan dampak DSS penelitian serta pertimbangan masa depan
untuk mendukung keputusan di bidang IS. Kami berpendapat bahwa
wilayah DSS tetap penting sebagai teknologi telah berkembang dan
pemahaman kita tentang proses pengambilan keputusan telah
diperdalam. pekerjaan DSS selama beberapa tahun terakhir telah
memberikan kontribusi baik luas dan mendalam untuk penelitian
pengambilan keputusan; tantangan sekarang adalah untuk memahami itu
semua dengan menempatkannya dalam konteks dimengerti dan dengan
menerapkan analisis kami terhadap isu-isu yang relevan menjulang di
masa depan. Salah satu hasil utama dari komentar ini adalah identifikasi
tren masa depan dalam penelitian DSS dan apa yang pengguna dari
outlet DSS baru bisa belajar dari masa lalu. Tren termasuk dampak
meningkatnya komputasi sosial dan mobile pada penelitian DSS, serta
pengetahuan manajemen DSS dan dukungan negosiasi sistem yang
mengalihkan fokus untuk memberikan yang lebih customer-centric dan
pasar dukungan.
Pendahuluan
Selama empat dekade terakhir, sistem pendukung keputusan (DSS) telah
dikembangkan untuk memfasilitasi keputusan yang lebih baik untuk
keputusan terstruktur, semi-terstruktur, dan tidak terstruktur sulit dan
kompleks. Menggunakan DSS dalam tugas pengambilan keputusan
terstruktur memungkinkan pengguna untuk memahami sejumlah besar
parameter dan hubungan yang stabil namun demikian membatasi
kemampuan pembuat keputusan untuk memproses semua aspek
keputusan. Dalam tugas keputusan semi-terstruktur dan tidak terstruktur,
DSS masih menangani sejumlah besar parameter dan hubungan tetapi
juga berusaha untuk mengurangi efek dari beberapa parameter yang
tidak diketahui atau pergeseran dan hubungan pada keputusan. Karena
umur panjang DSS sebagai topik penelitian, kita dapat melihat DSS
sebagai bidang yang matang di mana banyak pertanyaan penelitian yang
signifikan telah dijawab. Dengan demikian, hal itu telah menjadi daerah di
mana sulit untuk menerbitkan. Memang, Arnott dan Pervan (2008)
mempertanyakan vitalitas penelitian DSS. Kami, penulis analisis ini,
berpendapat bahwa penelitian DSS masih hidup dan baik di sistem
informasi (IS) domain penelitian. Kami percaya bahwa DSS adalah sebagai
relevan sekarang, jika tidak lebih, dari sebelumnya. Komentar ini akan
memeriksa pentingnya sejarah dukungan keputusan untuk bidang IS dari
sudut pandang empat peneliti yang karyanya mencakup dekade
penelitian DSS. Mengingat unik "generasi" sudut pandang ini, kami

menyajikan evolusi dan dampak dari penelitian DSS serta pertimbangan

masa depan untuk penelitian pendukung keputusan di bidang IS.
DSS telah paradigma dalam penelitian IS hampir sejak konsepsi bidang IS
(Power, 2002). Banyak masalah belajar di hari-hari awal DSS, seperti
penataan informasi (misalnya, Gorry & Scott-Morton, 1971) dan
antarmuka pengguna (misalnya, Mason & Mitroff, 1973; Newell & Simon,
1972), masih bersama kita hari ini sebagai kami memperluas DSS dengan
peramalan data-driven, analisis real-time, dan alat-alat manajemen
kinerja yang disediakan oleh intelijen bisnis dan analisis sistem (Watson,
2005). Memberikan pandangan yang dapat digunakan apa data berisi
(Gopal, Marsden, & Vanthienen, 2011; Pracht, 1986) dan memastikan
bahwa para pengambil keputusan dapat memperoleh wawasan dari hoc
pertanyaan iklan mereka (Bousquet, Fomin, & Drillion, 2011; Paradice &
Courtney, 1987) adalah contoh dari pendukung keputusan fokus yang
tetap penting dan relevan di bidang IS selama bertahun-tahun. Bahkan,
sifat mana-mana pendukung keputusan - dari membantu penyewa film
online memutuskan apa yang harus menonton atau mengarahkan
konsumen online untuk mengevaluasi produk yang sesuai dengan
preferensi pribadi mereka - memberikan kekayaan ruang masalah matang
untuk penelitian. Tujuan dari makalah ini adalah untuk menempatkan ini
penggunaan baru dari DSS dalam konteks penelitian DSS masa lalu dan
mengidentifikasi tren untuk penelitian DSS baru berdasarkan analisis ini
Hari ini penelitian DSS telah melebar fokus untuk melayani lebih banyak
dan lebih disiplin referensi. Hal ini dapat dilihat dalam kutipan ke kertas
mani oleh Shim et al. (2002) dalam Sistem Pendukung jurnal Keputusan
dan Electronic Commerce yang membahas evolusi dan masa depan
teknologi pendukung keputusan. Makalah ini telah dirujuk lebih dari 500
kali menurut Google Scholar. kutipan ini telah terjadi di berbagai jurnal
termasuk Fisika dan Kimia Bumi, Modeling Lingkungan dan Software,
Lingkungan dan Perencanaan, Journal Eropa Riset Operasional,
International Journal of Mobile Communications, Transaksi IEEE pada
Manajemen Rekayasa, Komunikasi Monograf, Pasar elektronik, otomatisasi
dalam Konstruksi, Matematika dan Modeling Komputer, Informatika untuk
Perawatan Kesehatan dan Sosial, MIS Quarterly, dan banyak lainnya. DSS
& EC jurnal telah diterbitkan sejak tahun 1985 dan saat ini memproduksi
empat jilid satu tahun yang terdiri sekitar 50 atau lebih kertas. Dalam
analisis kutipan mereka dari DSS artikel jurnal 1985-1993, Holsapple,
Johnson, Manakyan, dan Tanner (1995) menjelaskan Sistem Pendukung
Keputusan (judul asli dari DSS & EC) sebagai jurnal yang mapan (pada
waktu itu di tahun ke-10 publikasi), antara lima jurnal di bidang komputasi
bisnis, tempat terkemuka penelitian DSS, dan satu dengan kebijakan
editorial difokuskan pada penelitian DSS (Holsapple et al, 1995;. Chen,
2011). Sebuah pencarian cepat di Google Scholar menunjukkan bahwa
DSS jangka, atau sistem pendukung keputusan, muncul dalam literatur
akademik 284 kali pada tahun 1970, 5190 kali pada tahun 1980, 17.600

kali dalam dekade terakhir abad sebelumnya, dan 34.500 kali dalam
dekade pertama abad ini. Ini jelas menunjukkan meningkatnya minat
dalam konsep. Sementara beberapa jenis kertas ini mungkin
mempertanyakan relevansi yang sedang berlangsung dari konsep DSS,
kami menduga (tanpa membaca mereka semua) bahwa kebanyakan dari
mereka tidak mengajukan pertanyaan ini. Mengingat luas dan kedalaman
kerja DSS yang telah terjadi, tantangannya adalah untuk memahami itu
semua dengan menempatkannya dalam konteks dipahami, dan kemudian
menerapkan hasil analisis kami terhadap isu-isu yang relevan menjulang
untuk masa depan. Untuk menjawab tantangan terbaik ini, kita
membahas konteks sejarah penelitian DSS di bagian kedua tulisan ini.
Pada bagian ketiga, kami meninjau keadaan saat DSS dan
mengidentifikasi tren penelitian DSS baru. Akhirnya, kita membahas arah
penelitian masa depan untuk DSS dalam konteks dari apa yang dapat
dipelajari dari masa lalu.
Sebuah Prespektif Sejarah pada DSS
Peran penting yang membuat keputusan bermain di manajemen kembali
setidaknya untuk buku klasik Perilaku Administrasi Herbert Simon (Simon,
1947). Pentingnya bahwa Simon dikaitkan dengan pengambilan
keputusan diilustrasikan dalam pengenalan The New Science of Keputusan
Manajemen, di mana ia menulis: "Saya akan merasa nyaman untuk
mengambil kebebasan ringan dengan bahasa Inggris dengan
menggunakan 'pengambilan keputusan' seolah-olah identik dengan
mengelola "(1960, p. 1).
Model kecerdasan-desain-pilihan Simon dari proses pengambilan
keputusan telah banyak digunakan dalam literatur DSS (misalnya,
Abdolmohammadi, 1987; Courtney, 2001; Gorry & Scott-Morton, 1971;
Hall & Paradice, 2005; Pomerol & Adam, 2005). Dia menciptakan istilah
"rasionalitas dibatasi" (bahwa pembuat keputusan mungkin rasional
namun terbatas dalam kemampuan pengolahan kognitif ketika
dihadapkan dengan masalah yang kompleks) dan "satisficing" (bahwa
bahkan jika keputusan yang optimal dicari, dibatasi rasionalitas dan
informasi yang terbatas dapat mengakibatkan menerima solusi yang
"cukup baik). banyak penelitian DSS telah dirancang untuk mengatasi
keterbatasan ini dari pemecah masalah manusia.
Tahun 1960-an melihat meluasnya penggunaan komputasi mainframe;
aplikasi utama dalam bisnis adalah untuk mengotomatisasi proses
transaksi rutin. Komputer-komputer ini yang besar, mahal, dan memiliki
banyak kebutuhan khusus sehubungan dengan pemeliharaan mereka.
Salah satu penulis kami ingat ruangan yang penuh dengan peralatan
berjalan susah payah untuk tabulasi data dan menyajikan laporan
sederhana komputasi. Kapasitas komputer yang jauh lebih sedikit dari
kapasitas perangkat mobile umum hari ini. Ini adalah usia

ditandai dengan pengambilan keputusan terpusat dan pengolahan batch.

model komputer yang sulit untuk berkembang. Orang membutuhkan
keterampilan pemrograman komputer khusus untuk menulis program
yang akan mengambil input data, yang itu sendiri harus cermat dikodekan
pada kartu kertas atau pita kertas, proses data dengan cara tetap, dan
menghasilkan satu set tetap laporan. Perubahan untuk setiap bagian dari
proses ini, apakah itu penambahan item baru data, perhitungan baru,
atau item baru untuk melaporkan, diperlukan intervensi dari ahli
pemrograman. Perubahan tersebut mengambil waktu yang cukup untuk
melaksanakan sehingga kebutuhan untuk perubahan tidak mungkin
diwujudkan dalam perubahan yang sebenarnya ke sistem sebanyak satu
bulan. Setelah proses-proses rutin dilaksanakan, efisiensi yang besar bisa
diperoleh, tapi ada frustrasi sekitar ketidakmampuan untuk melakukan
analysis -scenario secara tepat waktu dalam lingkungan bisnis
everincreasingly dinamis.
Minicomputer muncul pada awal hingga pertengahan 1970-an. Mereka
lebih kecil, lebih murah daripada mainframe, dan memiliki kebutuhan
pemeliharaan lebih sedikit khusus. Dengan demikian, mereka bisa dibeli
oleh masing-masing departemen dalam organisasi, yang mengarah ke
lingkungan komputasi terdistribusi dan akhirnya ke desentralisasi proses
pengambilan keputusan. Pada awalnya, teknik dan analisis-jenis area
fungsional (misalnya, pemeliharaan, penelitian dan pengembangan, dan
perencanaan) membeli komputer ini karena insinyur dan spesialis lain
memiliki keahlian untuk membangun model khusus mereka sendiri untuk
mendukung kebutuhan pengambilan keputusan mereka. Relatif cepat,
bagaimanapun, bisnis fungsional lainnya daerah dalam organisasi yang
membeli sumber daya komputasi mereka sendiri dan mulai
mengembangkan sistem mereka sendiri untuk mendukung operasi
mereka - dan operasi ini tidak selalu dilayani dengan baik oleh
pengolahan berorientasi sistem transaksi yang lebih tua mengeksekusi
pada mainframe perusahaan.
Sebagai perusahaan mulai memanfaatkan sumber daya tersebut
didistribusikan komputasi, daerah baru dibantu komputer penelitian
pengambilan keputusan mulai berkembang di akademisi. Sistem yang
lebih fleksibel dan lebih murah memungkinkan peneliti untuk mengatasi
(1960) konsep Simon dari (Novel) keputusan non-diprogram sebagai
lawan diprogram masalah (rutin). Ini membentuk dasar utama untuk
Gorry dan Scott Morton (1971) kertas dalam Sloan Management Review
yang adalah orang pertama yang menggunakan istilah "sistem pendukung
keputusan" dan dibedakan DSS dari sistem informasi manajemen. Oleh
definisi mereka, DSS berurusan dengan masalah semi-terstruktur dan
tidak terstruktur, sementara IS prihatin dengan kurang kritis, masalah
terstruktur seperti yang didukung oleh sistem pemrosesan transaksi. Tapi
seperti sejarah telah dimainkan, DSSS dapat dilihat keputusan tetap

mendukung yang mungkin pernah terstruktur dan sekarang, karena

peningkatan pemahaman, telah menjadi lebih terstruktur.
Pada 1970-an, penekanan pada DSS muncul dari kebutuhan untuk
dukungan pengambilan keputusan yang lebih baik keputusan semiterstruktur dan tidak terstruktur sebagai sulit dan kompleks menjadi area
utama penelitian di bidang IS (Power, 2003). Gorry dan Scott-Morton
menunjukkan bahwa, sampai waktu di mana mereka menulis, IS
penelitian telah sebagian besar telah berurusan dengan keputusan
terstruktur: "The SDS [sistem keputusan terstruktur] daerah meliputi
hampir semua apa yang disebut Sistem Informasi Manajemen (IS ) dalam
literatur-daerah yang memiliki hampir tidak ada hubungannya dengan
manajer nyata atau informasi "(1971, p. 61). Ide belum pernah terjadi
sebelumnya mereka menggunakan teknologi untuk secara interaktif
membantu memecahkan masalah dan membantu dalam pengambilan
keputusan menarik peneliti dari tradisional IS penelitian dan bidang
lainnya untuk bekerja pada paradigma baru ini, membutuhkan pergeseran
pemikiran tentang bagaimana IS yang dilihat dan digunakan.
Penelitian di DSS di akhir 1970-an itu cukup bervariasi. Salah satu penulis
ingat bekerja dengan seorang profesor di bidang teknik industri untuk
mengembangkan DSS untuk mendukung "Scrabble melalui surat" (ditulis
dalam APL) sementara juga bekerja dengan seorang profesor di sekolah
bisnis pada sistem yang mahasiswa bisnis bisa digunakan untuk membuat
strategi yang lebih baik keputusan sementara berpartisipasi dalam kelas
yang digunakan simulasi bisnis game (ditulis dalam FORTRAN).
Secara garis besar, peneliti rekayasa, riset operasi, dan ilmu komputer
yang berfokus pada masalah teknis dan komputasi terkait untuk model
bangunan dan manipulasi data, sedangkan IS peneliti di sekolah bisnis
difokuskan pada pemodelan keputusan dan khasiat pembuat keputusan.
Pada 1970-an, DSS muncul sebagai ide, tapi pekerjaan lebih lanjut perlu
dilakukan untuk mengembangkan definisi dan kerangka kerja untuk apa
Gorry dan Scott-Morton (1971) dijelaskan. Sebuah Tujuan dasar dari awal
pekerjaan DSS adalah untuk mengintegrasikan kemajuan yang dibuat
dalam manajemen database dengan orang-orang yang dibuat dalam ilmu
manajemen dan analisis keputusan untuk membantu manajer
menganalisis masalah keputusan yang sebenarnya. Awal kerja konseptual
dari paradigma yang muncul dapat dilihat dalam karya sintesis Alter
(1977) dan Sage (1981), studi oleh Bonczek, Holsapple, dan Whinston
(1980), dan kerangka yang dikembangkan oleh Sprague (1980). Selain itu,
dalam pekerjaan tambahan, Bonczek et al. (1981) memberikan landasan
teoritis ketat untuk penelitian DSS berdasarkan logika formal dan
menetapkan teori. Ketika dikombinasikan, pekerjaan yang dilakukan oleh
para peneliti tersebut membentuk kerangka umum dan landasan teoritis
yang ditetapkan DSS dan memberi peneliti masa depan paradigma umum
yang akan digunakan untuk mempelajari sistem pendukung keputusan. Ini

adalah waktu yang IS penelitian industri benar-benar memimpin. produk

populer seperti IFPS (sistem perencanaan keuangan interaktif), digunakan
dalam banyak program MBA dari era itu, dan SIMPLAN dikembangkan oleh
akademisi atau dalam kerjasama erat dengan mereka. Karya oleh Bonczek
et al. (1981) yang disediakan cetak biru untuk pembangunan sistem nyata
dan digunakan oleh tim pengembangan salah satu alat pendukung
keputusan interaktif awal dalam industri utilitas listrik (Taylor et al., 1981).
Namun, terlepas dari ini keberhasilan praktis, Sprague mengakui krisis di
DSS pada saat itu dengan menunjukkan sulitnya mendefinisikan DSS. Dia
menulis: "Masalah definisi serius adalah bahwa kata-kata memiliki
'validitas intuitif' tertentu; sistem apapun yang mendukung keputusan,
dengan cara apapun, adalah 'sistem pendukung keputusan'" (1980, p 2.).
itu saat ini bahwa Sprague dan Carlson (1982) memberikan definisi
populer DSS sebagai -Interactive sistem berbasis komputer untuk
membantu pengambil keputusan menggunakan data dan model untuk
memecahkan problems tidak terstruktur (penekanan dalam aslinya).
Kata-kata kunci ditekankan di sini adalah penting untuk alasan berikut.
Kebanyakan sistem komputer sebelum tahun 1970-an berlari hanya dalam
modus batch, yang berarti bahwa pengguna harus menyerahkan program
untuk komputer mainframe yang berlari sampai selesai tanpa campur
tangan pengguna dan interaksi. Namun, sifat DSS telah bergeser untuk
menggabungkan lebih dari data tradisional dan model, termasuk aturan
bisnis, gambar, dokumen, video, dan banyak lagi (Power, 2002).
Interaktivitas adalah penting dalam DSS muka karena analis dan manajer
kini bisa menjalankan model dan "bagaimana jika" analisis dan
menganalisis data secara real time. Pendekatan ini ternyata jauh lebih
unggul dalam pemecahan masalah karena pembuat keputusan bisa
berkonsentrasi pada masalah dan mengeksplorasi secara interaktif.
Pembuat keputusan tidak lagi terpaksa menunggu berjam-jam atau hari
untuk mendapatkan kembali hasil dari analisis berbasis komputer,
menginterpretasikan hasil tersebut, dan kemudian menyerahkan analisis
lain dan menunggu jam atau hari lagi. Interaksi dekat manajer dan
software diminta Keen dan Wagner (1979) untuk menyebut alat-alat
seperti IFPS sebagai "sistem pendukung pikiran eksekutif".
Kata kunci "bantuan" ini penting karena peneliti DSS hanya berusaha
untuk
membantu
manajer
dalam
membuat
keputusan,
tidak
menggantikan mereka, seperti yang terjadi dari sistem pakar dalam ilmu
komputer. Sistem ini mencoba untuk meniru para ahli dan membuat
keputusan serta atau lebih baik daripada yang mereka lakukan.
Ide mengintegrasikan data dan model penting karena sebelum gerakan
DSS, mereka yang bekerja dalam ilmu manajemen yang mengembangkan
model untuk menganalisis masalah organisasi, tetapi mereka jarang
benar-benar memiliki data menggunakan model pada masalah nyata.
Namun, teknologi di arena basis data itu berkembang, dan peneliti ilmu

komputer yang mengembangkan teknik untuk lebih mengatur dan

memanipulasi data dalam jumlah besar. peneliti DSS berfokus pada
mengintegrasikan penelitian database yang telah terjadi dalam ilmu
komputer sehingga pengambil keputusan manajerial bisa membuat
keputusan yang lebih baik.
Dalam karyanya pada DSS pada akhir tahun 1970, Alter (1980)
membahas apa yang dia ditemukan efek tak terduga dari DSS dipelajari:
komunikasi interpersonal. Studinya menunjukkan bahwa pengguna
disesuaikan DSS baik sebagai alat persuasi atau negosiasi. Dari perspektif
persuasi, DSS digunakan untuk kuantitatif menunjukkan bahwa aktivitas
yang diinginkan adalah menguntungkan (ofensif) untuk sebuah organisasi
atau bahwa suatu kegiatan yang tidak diinginkan tidak menguntungkan
(defensif). Dari perspektif negosiasi, DSS memungkinkan organisasi untuk
membakukan kosakata dan mekanik di area fungsional. Cukup
mengurangi
inkonsistensi
atau
kesalahpahaman
diperbolehkan
komunikasi dan negosiasi untuk mengambil tempat yang lebih efektif di
seluruh organisasi. Sementara penggunaan ini tampaknya cukup normal
hari ini, kita harus menyadari bahwa DSS bawah analisis pada saat itu
untuk pengambilan keputusan, tidak analisis data, tujuan. Para pengguna
yang melakukan tugas-tugas ini menyadari bahwa data yang tersedia
melalui DSS memiliki karakteristik dan kegunaan lain dan mampu
beradaptasi dengan DSS dengan kebutuhan mereka.
Dengan demikian, konsep asli dalam penelitian dan praktek DSS diikat
teknologi dalam bentuk interaktivitas dan komunikasi, dan pengambil
keputusan dihadapkan dengan apa yang akan kita sebut masalah sakitterstruktur. peneliti DSS gabungan evolusi teknologi dalam bentuk sistem
database, model, dan komputasi terdistribusi dengan fokus pada para
pengambil keputusan masalah sakit-terstruktur benar-benar menghadapi.
Dengan demikian, mereka membantu manajer menganalisis model
keputusan dalam situasi yang Simon (1960) disebut non-diprogram dan
Gorry dan Scott Morton (1971) disebut semi-terstruktur atau tidak
terstruktur. Sebagai penelitian DSS telah berkembang selama beberapa
dekade, thread ini evolusi teknologi dikombinasikan dengan pemahaman
yang berkembang dari proses pengambilan keputusan dan kebutuhan
untuk mengatasi meningkatnya ketidakpastian dalam struktur masalah
terjadi berulang kali dan masih tampaknya menjadi kasus hari ini.
The DSS penelitian dari tahun 1980-an tercermin belum evolusi teknologi
lain yang dikombinasikan dengan pemahaman yang berkembang dari
proses pengambilan keputusan. Pengenalan IBM PC pada tahun 1981
melegitimasi mikro sebagai sumber daya komputasi bisnis. Terminal
-dumb yang terhubung ke komputer mainframe atau komputer mini
digantikan dengan mikrokomputer mampu menjalankan program secara
independen dari setiap sumber daya komputasi perusahaan yang lebih
besar. Sebuah produk perangkat lunak awal adalah Lotus 1-2-3, aplikasi

spreadsheet, yang disebut-sebut sebagai bantuan pendukung keputusan

revolusioner pada awal tahun 1980. Dikombinasikan dengan IBM
Wordstar, manajer memiliki kemampuan untuk secara interaktif bekerja
dengan data dan menyiapkan laporan tanpa meninggalkan meja nya dan
tanpa intervensi dari spesialis pemrograman. Kombinasi mikrokomputer
dan spreadsheet menyebabkan perkembangan dari model keputusan
skala kecil yang digunakan untuk mendukung pengambilan keputusan
daerah terutama individu dan fungsional. Beberapa peneliti DSS fokus
pada proses pengembangan model yang mendasari (Paradice & Courtney,
1986), sementara yang lain fokus pada isu-isu manajemen Model
(Blanning, 1986; Konsynski & Dolk, 1982).
Dalam dunia usaha, ada kesadaran bahwa kemajuan teknologi yang
menciptakan masalah bagi proses pengambilan keputusan di tingkat
perusahaan. komputasi terdistribusi dan (relatif) mudah penciptaan model
yang memungkinkan area fungsional yang berbeda untuk membangun
model situasi masalah yang mencerminkan perspektif mereka dari
masalah. Dengan demikian, para pembuat keputusan yang tiba di
pertemuan dengan analisis yang bertentangan dari situasi masalah.
evolusi teknologi lain dan penelitian tambahan akan diperlukan untuk
mengatasi bagaimana cara terbaik untuk mendukung sifat berorientasi
kelompok dari banyak proses pengambilan keputusan perusahaan.
Dengan demikian, fokus dari banyak peneliti beralih ke studi tentang
pengambilan keputusan kelompok proses. Para peneliti dikejar penelitian
kelompok DSS (GDSS) dengan semangat selama ini, didukung oleh
beberapa hibah besar dari industri. Mereka juga menjelajahi pengambilan
keputusan "ruang perang" konsep dan belajar banyak tentang nuansa
kelompok proses pengambilan keputusan.
Awal bekerja di rumput berkisar terutama di sekitar mendukung manajer
co-terletak dengan memberikan dukungan komputer (misalnya,
spreadsheet, brainstorming dukungan, gagasan dukungan generasi, dan
kemampuan voting) selama pertemuan tradisional. Salah satu lingkungan
penelitian GDSS awal dikembangkan di SMU, dan Gray et al. (1981)
disajikan sebuah makalah tentang itu pada Konferensi Internasional
pertama pada Sistem Pendukung Keputusan pada tahun 1981. Sebagai
teknologi berkembang, co-lokasi menjadi tidak perlu, dan berbasis video
conference GDSS dikembangkan (Gray, 2008). Selama ini, beberapa
disertasi Ph.D berfokus pada IT terkait efek dari GDSS menggunakan
seperti kualitas pengambilan keputusan (misalnya, Gallupe, 1985; Lewis,
2006), serta pada proses kelompok itu sendiri, efek seperti kepuasan
memeriksa (misalnya, Applegate, 1986), pemimpin perilaku (misalnya,
Zigurs, 1987), dan konflik kelompok (misalnya, Gallupe, 1985). peneliti
didirikan mulai kerangka kerajinan untuk penelitian GDSSs (misalnya,
Dennis, George, Jessup, Nunamaker, & Vogel, 1988; DeSanctis & Gallupe,
1987; Huber, 1984), dan menganalisis proses (misalnya, Briggs, De
Vreede, & Nunamaker 2003; Nunamaker, Briggs, Mittleman, Vogel, &

George, 1996; Nunamaker, Dennis, Valacich, Vogel, & George, 1991;

Siegel, Dubrovsky, Kiesler, & McGuire, 1986).
Bersamaan dengan perkembangan perangkat mikro-komputasi dalam
organisasi adalah pengembangan jaringan area lokal. Dengan demikian,
satu lagi evolusi teknologi dilipat di tangan-tangan dengan pemahaman
yang lebih dalam proses pengambilan keputusan kelompok. Kali ini,
konsep GDSS berkembang menjadi didukung komputer kerja koperasi
(CSCW). Dengan cara ini, para peneliti mengakui bahwa pengambil
keputusan tidak hanya datang bersama-sama untuk membuat keputusan
(karena didukung dalam keputusan konteks ruang perang), tetapi juga
sering bekerja sama dari waktu ke waktu pada proyek-proyek dan
masalah.
Ada beberapa diskusi dalam literatur mengenai apakah sistem pendukung
keputusan kelompok (GDSS), sistem pendukung kelompok (GSSS), dan
komputer didukung kerja kolaboratif (CSCW) adalah sama. Coleman
(1997) digambarkan GSSS dari CSCW dengan menyatakan bahwa tujuan
GDSSs adalah untuk membuat keputusan, sedangkan tujuan CSCW adalah
untuk bekerja menuju solusi masalah. Perbedaan antara GDSSs dan GSSS
lebih sulit; misalnya, Dennis, Wixom, & Vandenberg (2001) menggunakan
istilah dalam pekerjaan dan referensi pekerjaan lain sebagai GSSS yang
sebelumnya disebut GDSS. Salah satu alasan yang disarankan oleh
Turban, Sharda, dan Delen (2011) untuk istilah GSSS adalah bahwa GSSS
melampaui pendukung keputusan untuk menyertakan dukungan tidak
langsung seperti komunikasi, kegiatan perencanaan, generasi ide, diskusi,
negosiasi, dan tugas-tugas lain yang diperlukan untuk kelompok untuk
bekerja sama untuk secara efektif membuat keputusan atau memecahkan
masalah.
Terlepas dari perbedaan tersebut dalam konsep dan terminologi,
kebanyakan dari kegiatan penelitian pada periode ini memunculkan
kebutuhan untuk jurnal khusus. Pada tahun 1985, DSS menambahkan
karakteristik lain menjadi diterima sebagai arus utama penelitian IS
dengan pengenalan jurnal sendiri yang spesifik, awalnya berjudul Sistem
Pendukung Keputusan, tapi diberi judul pada tahun 1999 sebagai Sistem
Pendukung Keputusan dan Electronic Commerce. jurnal ini masih
dianggap di antara bagian atas IS jurnal penelitian (Holsapple & O'Leary,
2009; Hu & Chen, 2011). Pada tahun 1992, penelitian CSCW adalah
daerah penelitian lintas disiplin dengan jurnal sendiri, Computer
Supported Cooperative Work. Dengan pengakuan yang lebih besar bahwa
keputusan eksekutif memiliki karakter strategis yang berbeda dari
keputusan manajemen menengah yang lebih taktis, jenis baru dari DSS
dikembangkan untuk keputusan eksekutif yang kompleks, yang disebut
sistem informasi eksekutif (EIS). EIS yang terutama dikembangkan untuk
mendukung individu pengambilan keputusan tingkat eksekutif (Watson,
Rainer, & Houdeshel, 1992) tetapi diikuti oleh teknologi diarahkan

strategis kemampuan analitik perusahaan-lebar. Pada awal 1990-an, data

warehouse menjadi area baru penelitian dalam studi DSS (misalnya, Codd,
1993; Inmon, 1992). Menurut Gray dan Watson (1996), data warehouse
yang daerah lain di mana paradigma DSS dapat diterapkan dan
dikembangkan. Internet dan Web ledakan akhir 1990-an dan awal 2000-an
lebih diperluas kebutuhan untuk mendukung keputusan yang layak dan
fleksibel. evolusi teknologi ini menyebabkan harapan bahwa layanan
bisnis akan tersedia sepanjang hari, setiap hari. Sekarang, konsumen dan
karyawan tingkat yang lebih rendah memiliki lebih banyak data yang
tersedia untuk menganalisis ketika membuat keputusan dan, dengan
demikian, banyak tanggung jawab pengambilan keputusan sering
didorong ke bawah dalam hirarki organisasi atau bahkan ke luar untuk
konsumen dan pemangku kepentingan lainnya.
Dalam dekade terakhir, Shim et al. (2002) ditetapkan agenda untuk
pengembangan lanjutan dari paradigma DSS, membangun tradisi
Blanning (1983) dan Keen (1987) karya memprediksi arah penelitian DSS.
makalah tersebut menunjukkan terus terbuka endedness lapangan
sebagai teknologi maju dan lapangan terus berkembang. Courtney (2001)
menunjukkan bahwa "cara yang lebih efektif harus ditemukan untuk
mendukung array yang luas pengetahuan yang akan diperlukan dalam
situasi-situasi yang sangat saling berhubungan dan jahat dari masa
depan" (hal. 36). seruannya untuk penggabungan DSS dan sistem
manajemen pengetahuan menciptakan teka-teki baru yang akan
diselesaikan dalam paradigma DSS yang mungkin memerlukan penelitian
dan pengembangan terus. Pengakuan lain dari aliran ini penelitian terlihat
dalam karya-karya Benyon, Rasmequan, dan Russ (2002) dan Bolloju,
Khalifa, dan Turban (2002).
Arnott dan Pervan (2005, 2008) melacak evolusi DSS pribadi untuk
kelompok DSS, yang menyebabkan sistem berbasis negosiasi-. Menurut
analisis mereka, sistem informasi eksekutif muncul dari GDSSs dan
menyebabkan data pergudangan dan pengolahan analisis online, data
mining, dan alat-alat intelijen bisnis. Cerdas DSS dan sistem berbasis
pengetahuan tumbuh dari upaya untuk menerapkan konsep-konsep dari
intelijen dan ahli sistem buatan untuk masalah DSS. Listrik (2003)
menambahkan sistem dokumen-didorong untuk arena ini, tepat
menunjukkan bahwa teknologi informasi saat ini dapat memanipulasi
teks, grafik, audio, dan data video hampir sama tangkas karena dapat
menangani data numerik dan melakukan penghitungan. Pada
DSSResources.com, Tenaga mendefinisikan DSS sebagai "... sebuah
sistem berbasis komputer interaktif atau subsistem dimaksudkan untuk
membantu pengambil keputusan menggunakan teknologi komunikasi,
data, dokumen, pengetahuan dan / atau model untuk mengidentifikasi
dan memecahkan masalah, tugas proses pengambilan keputusan yang
lengkap, dan membuat keputusan".

Meskipun DSS telah terutama konsep sukses yang telah dilaksanakan

dalam beberapa bentuk selama empat dekade terakhir, itu tidak selalu
memiliki hasil yang sukses. Banyak kegagalan adalah karena desain yang
buruk, kurangnya keterlibatan pemegang saham, atau pelaksanaan
miskin (Arnott & Dodson, 2008). Jika kegagalan terutama dari kurangnya
penggunaan, penerapan yang tidak tepat, atau miskin (atau tidak) hasil,
ini, sementara menjengkelkan, mungkin tidak ada konsekuensi tertentu.
Dalam sebuah penelitian di arena pertanian, peneliti menemukan bahwa
DSS tidak digunakan secara luas di kalangan petani dan produsen
terutama karena baik kurangnya pendidikan atau kesalahpahaman
tentang DSS itu sendiri (Newman, Lynch, & Plummer, 2000). Oleh karena
itu, petani yang telah mengadopsi DSS melihat manfaat, dan mereka yang
tidak, atau melakukan tetapi tidak menggunakannya dengan tepat, tidak
melihat manfaat tetapi menderita sedikit dirasakan membahayakan. Di
Sebaliknya, ketika anggota organisasi menjadi tergantung pada sistem
informasi, terutama salah satu yang harus menyediakan akurat, data
tepat waktu yang menjadi dasar keputusan, hasil yang buruk mungkin
memiliki jauh menjangkau, konsekuensi kadang-kadang bencana.
Selain itu, DSS terbaik tidak bisa mengatasi pengambilan keputusan
manajerial yang buruk. Pesawat ulang-alik Challenger bencana adalah
salah satu acara tersebut. Pada tahun 1986, Challenger meledak sesaat
setelah diluncurkan, menewaskan semua penumpangnya. Kegagalan
GDSS digunakan antara NASA dan Thiokol (SRB "O" produsen cincin), dan
keputusan yang dihasilkan untuk memulai yang didasarkan pada
informasi yang buruk, sebagian besar dipersalahkan karena bencana
(Laporan Komisi Presiden, 1986). Namun, Richard Feynman, Nobel
pemenang penghargaan fisikawan di Komisi, menunjukkan bahwa
pengelolaan NASA berlebihan "keandalan produk, ke titik fantasi"
(Feynman, 1999, hal. 155). Tidak ada sistem dapat mengatasi hambatan
tersebut. Seperti Feynman menyatakan dalam kalimat terakhir dari
laporannya, "Untuk teknologi yang sukses, kenyataannya harus lebih
diutamakan daripada hubungan masyarakat, alam tidak bisa tertipu".
DSS juga dipersalahkan karena kegagalan keuangan. Black Monday, yang
terjadi pada 19 Oktober 1987, disalahkan pada asuransi portofolio dan
perdagangan pemrograman, baik alat otomatis yang menggunakan
indeks saham berjangka sebagai dasar untuk perdagangan (Young 1989).
mengkambinghitamkan
ini
mengabaikan
fakta
bahwa
manusia
memungkinkan alat-alat otomatis untuk mendominasi lantai bursa dan
tidak menempatkan pembatasan pada penggunaannya dalam situasi
kritis atau menyediakan untuk kemampuan menimpa manusia.
Kita dapat menyimpulkan dari sejarah singkat ini bahwa DSS penelitian
dan praktek telah berevolusi bersama dengan teknologi informasi.
Sebagai Orlikowski (1992) menunjukkan, teknologi memainkan peran
ganda di kedua memungkinkan dan membatasi aktivitas manusia.

Manusia hanya bisa melakukan apa yang layak dengan sumber daya
teknologi.
Dengan
demikian,
konsep
DSS
untuk
mendukung
terkonsentrasi pemecahan masalah manusia tidak benar-benar layak
sampai kita bisa berinteraksi dengan komputer. IT tidak bisa mendukung
kelompok-kelompok hingga infrastruktur jaringan adalah tersedia.
Berbasis pengetahuan DSSS tidak layak sampai konsep AI dan ahli sistem
dikembangkan. Sebagai teknologi informasi tampaknya berkembang
pesat dan menjadi mana-mana, kami percaya peluang untuk DSS akan
menjadi lebih luas. Untuk memberikan contoh singkat, berikut adalah
beberapa kutipan dari siaran pers bersama dari IBM dan WellPoint, sebuah
lisensi independen dari Blue Cross dan Blue Shield Association dan
penyedia manfaat kesehatan utama, yang berkaitan dengan teknologi
Watson IBM awalnya dikembangkan untuk memainkan permainan televisi
populer Jeopardy.
INDIANAPOLIS dan Armonk, N.Y., - 12 Sep 2011: WellPoint, Inc (NYSE:
WLP), dan IBM (NYSE: IBM) mengumumkan perjanjian hari ini untuk
menciptakan aplikasi komersial pertama dari teknologi IBM Watson.
Berdasarkan perjanjian tersebut, WellPoint akan mengembangkan dan
meluncurkan solusi berbasis Watson untuk membantu meningkatkan
perawatan pasien melalui pengiriman up-to-date, pelayanan kesehatan
berbasis bukti untuk jutaan orang Amerika. IBM akan mengembangkan
teknologi kesehatan Watson dasar yang solusi WellPoint ini akan berjalan.
Kemampuan Watson untuk menganalisis makna dan konteks bahasa
manusia, dan dengan cepat memproses sejumlah besar informasi untuk
menyarankan opsi yang ditargetkan dengan keadaan pasien, dapat
membantu pengambil keputusan, seperti dokter dan perawat, dalam
mengidentifikasi kemungkinan diagnosis dan pengobatan pilihan untuk
mereka pasien, "IBM dan WellPoint mengatakan (" WellPoint dan IBM
"2011, penekanan ditambahkan).

Current State and Future Directions of DSS Research

Selama evolusinya, daerah DSS telah bermigrasi dari perspektif murni
teknologi untuk salah satu yang menggabungkan berbagai informasi dan
pengetahuan (Courtney, 2001). Sebagai Courtney menyatakan, hanya
memahami bahwa informasi dan pengetahuan harus diakui dalam sistem
adalah tidak sama dengan memahami bagaimana untuk melakukannya.
Karena pekerjaan ini, orang lain telah mengusulkan sistem yang
menggabungkan pendukung keputusan dalam berbagai arena di luar
disiplin ilmu teknologi berbasis. Daftar ini luas dan hanya beberapa
tercantum di sini untuk tujuan ilustrasi: pengelolaan sumber daya air
(Kolkman, Kok, & van der Veen, 2005; Mysiak, Guipponi, & Rosato, 2005),
ilmu lingkungan (Mcintosh, Jeffrey, Lemon, . & Winder, 2005), manajemen
darurat (Vaught et al, 2006; Wickramasinghe, Bali, & Naguib, 2006;
Wickramasinghe & Bali, 2008), dan obat-obatan (Richardson, Courtney, &

Haynes, 2006). Sulit untuk bahkan mulai melacak semua daerah di mana
penelitian DSS sekarang telah menyebar, sehingga niat kami adalah untuk
menunjukkan contoh beberapa disiplin ilmu referensi yang sekarang aktif
meneliti DSS dan menggambarkan bagaimana masa depan tren penelitian
bisa menarik tentang sejarah DSS penelitian di bidang IS.
DSS, misalnya, telah paling sering berfokus pada keputusan sakitterstruktur, dan tren ini terus berlanjut hari ini. Sementara kita memiliki
teknologi yang lebih baik dan lebih cepat, jumlah data dan informasi yang
akan diproses telah meningkat pada tingkat yang setidaknya
mempertahankan tingkat -unstructuredness yang setara dengan
keputusan sejarah. Pengambilan keputusan dalam konteks ini lebih kacau
dengan kecepatan yang keputusan harus dibuat; daripada harus minggu
atau hari, bisnis dan organisasi mungkin memiliki menit atau detik.
Arnott dan Pervan (2005) memberikan titik awal yang solid untuk
menganalisis penelitian DSS dalam konteks ini dalam analisis
komprehensif mereka dari keadaan saat ini penelitian DSS melalui titik
tengah dekade terakhir. Mereka membangun sejarah dasar-dasar teoritis
dari DSS, mengidentifikasi tujuh subbidang, tiga di antaranya yang paling
aktif dalam dekade terakhir (Gambar 1). Kami sekarang mengintegrasikan
tren saat ini dan kemungkinan masa depan studi DSS menjadi permadani
mereka penelitian DSS (Gambar 1).

Current Research Example

Sebagai Gambar 1 catatan, tiga bidang utama berasal dari tahun 1990-an:
sistem manajemen berbasis pengetahuan DSSS, data pergudangan, dan
dukungan negosiasi. Pada bagian bawah, kami menyediakan contoh
pekerjaan sejak tahun 2005 untuk menunjukkan bahwa DSS adalah,
memang, hidup dan sehat sampai saat ini.
manajemen berbasis pengetahuan DSSS (KM DSS) adalah sistem yang
memfasilitasi pengambilan keputusan di seluruh dan antara organisasi
dengan komponen tambahan fungsi manajemen pengetahuan. fungsi
tersebut termasuk penyimpanan, manipulasi, pengambilan, transfer, dan
penggunaan pengetahuan sehingga individu dan organisasi manfaat
memori (Arnott & Pervan, 2008). Mengingat bahwa salah satu penekanan
pada didistribusikan dukungan pembuat keputusan, sistem ini juga dapat
mencakup dukungan kelompok dan atau fungsi kolaboratif. Namun,
penekanan penelitian tidak pada kelompok, tetapi lebih pada fungsi
pengetahuan sistem ini (Arnott & Pervan, 2005).
Sekitar waktu Arnott dan (2005) kerangka Pervan ini, Nemati, Steiger,
Iyer, & Herschel (2002) mengembangkan konsep gudang pengetahuan.
Menyadari bahwa pendukung keputusan kebutuhan operasional penting
bagi suatu organisasi, dan bahwa pengetahuan pekerja perlu data yang
mendukung untuk membuat keputusan, mereka mengembangkan sebuah
arsitektur yang dikombinasikan aspek manajemen pengetahuan,
dukungan keputusan, kecerdasan buatan, dan data pergudangan. Erat
setelahnya, Cil, Alpturk, dan Yazgan (2005) mengusulkan kerangka kerja
berdasarkan (2001) ekstensi Courtney diusulkan dari DSS dengan
pengetahuan ditingkatkan dan kemampuan bertanya. sistem mereka
berbeda dari yang Nemati et al. (2002) bahwa fokusnya adalah pada
proses keputusan mengembangkan pengetahuan melalui beberapa
interpretasi perspektif daripada memfasilitasi akses ke pengetahuan.
Pada tahun 2006, konsep DSS berbasis pengetahuan yang bergerak di
luar yayasan akademik dan menuju aplikasi praktis. OR / MS Hari ini
menyarankan bahwa praktisi harus mempertimbangkan bergerak
menjauh dari DSS tradisional menuju DSS berbasis pengetahuan yang
memungkinkan menangkap pengetahuan aktif yang tidak hanya
meningkatkan kemampuan pengambilan keputusan tetapi memungkinkan
ke depan views untuk keputusan strategis (Lewis, 2006). Clark, Jones, dan
Armstrong (2007) mengajukan model konseptual untuk sistem dukungan
manajemen (MSS) dirancang untuk secara luas mendukung pengambilan
keputusan dan sistem pendukung manajerial. Model ini berusaha untuk
memaksimalkan potensi berkembang teknologi oleh manajemen
menggabungkan pengetahuan, pendukung keputusan, sistem informasi
eksekutif, dan intelijen bisnis. Baru-baru ini, penelitian tersebut telah
dilanjutkan dengan penekanan dalam konteks yang berbeda. Misalnya,
Zavadskas, Kaklauskas, Raslanas, dan Galiniene (2008) menangkap dan
berbagi baik pengetahuan tacit dan eksplisit dalam DSS cerdas berbasis

web yang dirancang untuk industri real estate. Saad dan Chakhar (2009)
mengembangkan DSS berbasis pengetahuan untuk mendukung proses
pengambilan keputusan Simon untuk masalah sakit-terstruktur dalam
industri otomotif. database pengetahuan penemuan (KDD) telah
digunakan dengan DSSS untuk menggambarkan pentingnya kedua
pengembang
berbasis
dan
pengembangan
berbasis
pengguna
pendekatan dalam konteks industri kesehatan (Ayed, Ltifi, Kolski, & Alimi,
2010). Baru-baru ini, aplikasi penggunaan narasi terstruktur dalam
penalaran berbasis narasi untuk organisasi pelayanan sosial (Wang &
Cheung, 2011) dan kemajuan dalam transfer pengetahuan dan
benchmarking dalam industri pertanian (van Leeuwen et al., 2011) telah
diterbitkan.
Batang berikutnya pada Gambar 1 adalah data pergudangan. Perhatikan
bahwa salah satu item penelitian dari atas, bahwa dari Nemati et al.
(2002), secara khusus berdasarkan data warehouse. Bahkan, banyak dari
database / menyimpan data / basis pengetahuan yang terlibat dalam
penelitian KMDSSs berputar di sekitar toko-toko besar data yang berada,
atau setidaknya pendekatan, gudang data. Seperti yang didefinisikan oleh
Arnott dan Pervan (2005, 2008), data warehouse adalah sistem yang
menyediakan infrastruktur untuk menyediakan data untuk pembuat
keputusan. Karena penelitian data warehouse agak tua, saat ini banyak
penelitian yang berorientasi pada aplikasi praktis. Misalnya, DSS
berdasarkan data warehouse untuk pemilihan lokasi bangunan
dikembangkan oleh Ahmad, Azhar, dan Lukauskis (2004), dan sistem
untuk keputusan perencanaan kesehatan diuntungkan dari alat data
warehouse tambahan (OLAP) (Tremblay, Fuller, Berndt, & Studnicki, 2007).
Para peneliti telah meneliti pengawasan bioterorisme dan modern dan
tradisional metode penyembuhan Data gudang (Lin, Lin, Lin, & Yang,
2009.; Zhou et al, 2010) (Berndt et al, 2007.), Serta keputusan dana
pengiriman (Wang & Kuo, 2010) dan logistik (Ehmke, Grosshans, Mattfeld,
& Smith, 2011). Namun, beberapa penelitian dasar tetap dilakukan. Mazon
dan Trujillo (2008) menyelidiki kerangka arsitektur model-driven untuk
pengembangan data warehouse, sementara Ariyachandra dan Watson
(2010) menyelidiki faktor-faktor organisasi mendorong keputusan
pemilihan
arsitektur
data
warehouse.
Isu
bahwa
organisasi
dipertimbangkan ketika membuat keputusan data warehouse dianalisis
dengan Ramamurthy, Sen, dan Sinha (2008), dan pertanyaan tentang
bagaimana peringkat fakta diambil dari gudang dianggap oleh Perez,
Berlanga, dan Aramburu (2009).
Batang ketiga model Arnott dan Pervan (2005) adalah sistem pendukung
negosiasi (NSSS). NSSS adalah sistem kelompok mana fokus utama
adalah fasilitasi negosiasi (Arnott & Pervan, 2005, 2008). NSSS, yang
dibangun pada penelitian sistem pakar, memiliki puluhan tahun sejarah
yang dapat dilihat dalam karya penulis seperti Kersten (Kersten & Lo,
2003; Kersten & Noronha, 1993; Matwin, Szpakowicz, Koperczak, Kersten,

& Michalowski 1989) atau Bui (Bui & Gachet, 2005; Bui & Shakun, 1996)
dan rekan-penulis. Penelitian di bidang ini berasal dari penelitian yang
lebih tua daripada baik KMDSS atau penelitian data warehouse. Penelitian
saat ini terutama berorientasi pada perbaikan proses atau aplikasi, atau
mengembangkan penggunaannya dalam konteks baru, dan banyak dari
itu terletak di teknologi agen. Kuula dan Stam (2008) mengembangkan
NSS menggunakan algoritma yang berbeda dari algoritma perbatasan
tradisional Pareto biasanya digunakan dalam sistem ini. Rios dan Insua
(2009) menyarankan penggunaan pengaruh diagram untuk struktur
masalah keputusan (meskipun kedua belah pihak tidak harus setuju pada
preferensi dan keyakinan). Li dan Sheng (2011) mengembangkan sebuah
model untuk agen perangkat lunak pelatihan untuk alasan di bawah
ketidakpastian selama negosiasi harga dalam sistem pakar. Cabang lain
dari penelitian ini meneliti bukan teknologi, tapi sisi manusia dari
negosiasi dan / atau interaksi. Misalnya, Lee dan Kwon (2010) melihat apa
yang menyebabkan pengguna untuk menerima sistem negosiasi.
Ulasan singkat ini penelitian dari tahun 2005 menunjukkan bahwa garisgaris antara batang yang kabur. Ada tumpang tindih yang jelas dari
GMDSS dan data warehouse penelitian; dukungan negosiasi, sementara
penelitian agak fokus di ranah kecerdasan buatan, juga perlu untuk
menarik data dan pengetahuan dalam sebuah organisasi untuk
kemanjurannya. Pindah ke masa depan, ini batang berubah.
Back to the Future
Arnott dan Pervan (2005) Model memberikan dasar untuk memahami
penelitian DSS seperti berdiri saat ini. Namun, kami percaya bahwa
melihat ke depan tanpa tersisa menyadari masa lalu dapat menyebabkan
kita kehilangan poin penting dan menarik. Kami membuat titik awal
bahwa banyak isu-isu kunci dalam penelitian DSS awal (misalnya,
informasi representasi, tantangan pengguna) masih bersama kita hari ini.
Melihat ke belakang untuk mendapatkan perspektif, kami memilih untuk
menarik pada pekerjaan Alter sebagai dasar isu-isu kunci yang muncul
dari dekade pertama penelitian DSS. Sebuah bagian yang ditulis oleh seri
editor Peter Keen dan Charles Stabell, dari kata pengantar buku Alter,
sistem pendukung keputusan: praktek sekarang dan tantangan terus
(1980), adalah kepentingan tertentu. Berbicara tentang label seri
pendukung keputusan, mereka mengatakan: jangka -The berfungsi untuk
menyoroti
kebutuhan
untuk
konsep
dan
metodologi
untuk
mengeksploitasi setiap technology tersedia (Alter, 1980, p ix, penekanan
ditambahkan.).
Apa yang taat masalah di DSS? Selama beberapa tahun terakhir,
penelitian telah wax dan menyusut antara aspek perilaku pendukung
keputusan dan sisi teknis. Penekanan pada simulasi, pemodelan,
pengolahan keputusan otomatis, dan sejenisnya sering menghapus
anggota organisasi dari pertimbangan dalam proses dan mendukung

gagasan bahwa sistem pendukung keputusan adalah teknologi, daripada

organisasi, konsep. mengubah penekanan ini mungkin bagian dari alasan
di balik inkonsistensi dalam penggunaan istilah dalam pers populer,
dengan istilah-istilah seperti intelijen bisnis, sistem pendukung keputusan,
dan analisis bisnis yang digunakan. Alter (2004) membahas titik ini ketika
ia menyatakan: "pendukung keputusan bukan tentang alat per se,
melainkan, tentang membuat keputusan yang lebih baik dalam sistem
kerja dalam organisasi" (p 320.). Dia menunjukkan bahwa sebagian besar
sistem kerja mencakup unsur dukungan untuk pengambilan keputusan
dan, oleh karena itu, mengadopsi istilah "pendukung keputusan dalam
sistem kerja"(P. 326) mungkin lebih berguna.
Pada akhirnya, untuk penelitian untuk terus menghasilkan ide-ide yang
bermakna untuk organisasi, peneliti dari masa depan harus berusaha
untuk mengintegrasikan evolusi teknologi ke dalam konsep pendukung
keputusan organisasi sambil memahami bahwa teknologi, pengambilan
keputusan proses, dan dukungan organisasi yang fokus yang berbeda dari
penelitian. Ketika kami pindah ke dekade berikutnya penelitian DSS,
kategori ditarik dari penelitian Alter (1980) masih relevan. Masih ada data
dan sistem model yang berorientasi; file sistem laci (mekanik-file
cabinets) masih penyimpanan data dan pengambilan primer berarti.
Apakah data disimpan dalam database, data warehouse, basis
pengetahuan, atau jenis penyimpanan belum didefinisikan, itu adalah
fasilitasi interaksi dengan data yang telah, sekarang, dan akan menjadi
sangat penting. Dalam hal ini isu-isu masa lalu masih mengemudi masa
depan DSS, tetapi masing-masing zaman baru penelitian DSS
berhubungan dengan teknologi yang lebih baru dan pemahaman yang
lebih besar dari proses pengambilan keputusan. Alter (2004) kemudian
menyarankan sembilan kategori penelitian potensi masa depan di bawah
nya sistem kerja dukungan saran. Ini termasuk proses bisnis, peserta,
informasi, teknologi, produk dan jasa, pelanggan, infrastruktur,
lingkungan, dan strategi. Kategori ini telah diselidiki, dan akan terus
diselidiki penelitian DSS berkembang. Daripada menyelidiki pelanggan
lokal, teknologi sekarang memungkinkan kita untuk menyelidiki
pelanggan global. pengambil keputusan yang terletak di ruangan yang
sama sekarang dapat ditemukan di mana saja di dunia. Mainframe dan
terminal infrastruktur telah memberikan cara untuk komputasi awan.
Dalam setiap kasus, setiap teknologi yang tersedia yang digunakan;
fasilitasi proses pendukung keputusan adalah apa yang menarik bergerak
ke masa depan.
Dalam bukunya, Alter (1980) berbicara tentang tren masa depan. Bisa
ditebak, antara tren adalah pengembangan perangkat keras dan
perangkat lunak. Seperti Alter pada tahun 1980, sulit bagi kita untuk
memprediksi di mana pertemuan hardware dan software akan berada di
dekade mendatang. Di ambang revolusi komputer pribadi pada saat
bukunya, Alter mencatat bahwa pembangunan tersebut mungkin berubah

DSS. Hal itu, tentu saja, membawa konsep DSS lebih dekat ke pengguna,
dengan informasi lebih lanjut, analisis lebih kuat, grafis yang lebih baik,
interface lebih bermanfaat, dan respon yang lebih cepat. Sekarang kita
berada di tepi revolusi berikutnya, langkah penuh untuk komputasi mobile
dan cloud. Berbeda dengan pindah ke komputer pribadi, bagaimanapun,
teknologi baru dan paket perangkat lunak yang terkait berubah di mana
kita berinteraksi dengan data. Seorang penjual sekarang dapat
menjalankan analisis penjualan duduk di gudang klien, namun data yang
muncul tidak berbeda dari ketika berjalan pada PC di kantor tenaga
penjual. Ini mungkin berasal dari berbagai sumber di cloud -the dan
menjadi
-mashed-up
menggunakan
berbagai
teknologi
untuk
mengakomodasi berbagai baru jenis data, seperti berita, blog, entri wiki,
dan / atau video. Bahkan, kecepatan bisa agak kurang karena sifat dari
teknologi mobile, tapi mungkin masih cukup cepat untuk mendukung
proses pengambilan keputusan. Teknologi telah memungkinkan model
bisnis untuk mengubah, dan diratakan beberapa bidang bermain, tapi
akhirnya kompleksitas keputusan dan apa yang dibutuhkan untuk
mendukung mereka telah meningkat, tidak menurun, oleh mereka
kemajuan.
Pada tahun 1980, Alter juga mencatat beberapa tren masa depan
sehubungan dengan anggota organisasi. Salah satu adalah bahwa
individu-individu (pada waktu itu) menjadi lebih nyaman dengan
komputer, sehingga mengurangi ketidakpastian yang datang dengan DSS
dalam organisasi. Yang kedua adalah bahwa siswa datang (pada waktu
itu) menjadi organisasi yang telah memiliki pendidikan yang termasuk
komputasi pada tingkat tertentu, sehingga membawa tidak hanya
kenyamanan dan pemahaman tentang komputer dengan mereka, tapi
kadang-kadang keterampilan ditetapkan dalam komputasi. Kebanyakan
individu memasuki dunia kerja saat ini tidak ingat era di mana komputer
bukan bagian dari rutinitas sehari-hari; banyak yang fasih dalam seni
ponsel pintar dan media sosial. Meskipun hal ini tidak lantas membuat
konsep DSS lebih sulit, hal ini membuat desain dan implementasi sistem
untuk mendukung pengambilan keputusan yang lebih sulit, karena
beberapa tempat untuk pengiriman harus dipertimbangkan. Memang,
banyak karyawan kini membawa teknologi pribadi mereka ke tempat kerja
(yaitu, iPads) untuk mendukung proses pengambilan keputusan mereka.
Penelitian DSS masa depan harus menggabungkan alat pendukung
keputusan pribadi maupun kelembagaan.
(1980) studi Alter terutama ditemukan efisiensi melalui otomatisasi tugastugas administrasi (sehingga membebaskan waktu untuk individu) dan
melalui ekspedisi pemecahan masalah. Terutama, turnaround lebih cepat
dari tugas diaktifkan, akurasi dan konsistensi meningkat, dan DSS
memberikan keuntungan dalam masalah penataan. Dalam perekonomian
saat ini masalah yang penuh dengan ketidakpastian. Bahkan masalah
rutin dari tahun lalu, seperti apa persediaan untuk persediaan untuk masa

liburan, memiliki ketidakpastian ketika kepercayaan konsumen naik dan

turun dalam lingkungan ekonomi yang tidak menentu. Mengembangkan
struktur masalah akan terus menjadi masalah bagi peneliti DSS masa
depan. Pada hari-hari DSS awal, data yang DSS menarik terutama
organisasi. Sekarang, bagaimanapun, DSS dan rekan-rekan mereka harus
menarik data dari kolam yang jauh lebih besar dari informasi. Tidak hanya
ada aspek teknis bagaimana menemukan, ekstrak, transform, bersih, dan
memuat data ke dalam sistem, tetapi ada hal-hal yang lebih praktis data
apa yang harus mencari dan mengumpulkan, seberapa sering untuk
mendapatkan itu, bagaimana mengukur akurasi dan relevansi, dan
bagaimana melindungi sistem organisasi selama proses ini.
Sementara banyak penelitian menunjukkan bahwa baik luas dan
kedalaman informasi yang diperlukan untuk hasil keputusan yang baik
(misalnya, Kim, Hahn, & Hahn, 2000), ada juga kebutuhan untuk struktur
informasi yang tersedia kepada pengambil keputusan dengan cara yang
mendukung proses tanpa mengakibatkan informasi yang berlebihan. Hall
dan Davis (2005) mengusulkan pengambilan keputusan model berbasis
perspektif-yang mengembangkan dan mensintesis perspektif. model tidak
hanya mempengaruhi konteks keputusan saat ini, tetapi tumbuh memori
organisasi, dan memperluas model mental bersama organisasi. Ini feed
menjadi pengetahuan dan database, menyediakan informasi yang
diperlukan untuk mendukung data warehouse keputusan dan negosiasi.
Jelas, DSS masih hidup dan baik dan masa depan cerah. Masih ada
banyak yang harus dilakukan, dan, seperti yang telah di masa lalu,
lapangan akan terus surut dan mengalir dengan evolusi teknologi. Tugas
dalam waktu dekat adalah untuk memahami besarnya kegunaan
teknologi dalam kehidupan anggota organisasi dan memahami cara
terbaik untuk desain proses yang menggunakan kemampuan teknologi
untuk mempromosikan hasil organisasi ditingkatkan. Kami percaya bahwa
masa depan sejumlah potensi, tema yang kita menguraikan berikutnya.
Future Trends
Taylor, Dillon, dan Van Wingen (2010) menunjukkan bahwa IS penelitian
dari tahun 1985 hingga 2005 menunjukkan evolusi yang bergerak maju
dalam enam cara: penelitian sistem antar-bisnis, IS strategi, aplikasi
Internet, IS penelitian tematik, metode penelitian kualitatif, dan, yang
paling penting dari penelitian perspektif, kerja kelompok dan dukungan
keputusan kami. Mereka mencatat bahwa kelangsungan penelitian selama
30 tahun Ulasan menunjukkan bahwa tempatnya kuat sebagai subfield
khusus dari disiplin IS. Kami berpendapat bahwa hal ini benar karena sulit,
jika bukan tidak mungkin, untuk memisahkan proses pengambilan
keputusan dari proses pengelolaan. Memang, kita melihat DSS saat ini
masih mendukung Mintzberg (1971, 1973) empat peran putusan
manajemen: pengusaha, gangguan handler, allocator sumber daya, dan
negosiator.

Holsapple dan Whinston (1996) menegaskan bahwa pandangan klasik

fungsional manajemen (misalnya, Fayol, 1949; Urwick, 1943) tidak
mencolok fitur pengambilan keputusan atau penanganan pengetahuan
yang diperlukan. Meskipun demikian, fungsi (misalnya, koordinasi,
pengorganisasian, memimpin, perencanaan, dll) tentu kegiatan berbasis
pengetahuan yang membutuhkan bukan hanya satu tapi serangkaian
keputusan seringkali saling berhubungan. Meskipun fungsi manajerial
mungkin tidak berubah sejak penelitian manajemen awal (penelitian Fayol
pertama kali muncul pada tahun 1916), teknologi yang tersedia untuk
mendukung itu. software manajemen proyek, perangkat lunak pelaporan
pengecualian, sistem kolaborasi / koordinasi, dan lain-lain telah
membebaskan manajer dari aspek teknis fungsi-fungsi ini, yang
memungkinkan mereka untuk fokus pada lebih menantang akuisisi
pengetahuan, analisis, dan pengambilan keputusan fungsi yang melekat
pada masing-masing.
Pada bagian akhir ini kita membahas tren masa depan dengan
memperluas Arnott dan Pervan (2005) Model dan dengan memasukkan
gerakan dan tren saat ini dalam teknologi. Ada pergeseran lanjutan dari
sistem bangunan untuk mengkonfigurasi solusi disampaikan keluar dari
kotak atau mash-up layanan dan aliran data ditarik bersama-sama untuk
mengatasi kebutuhan yang mendesak, pribadi atau organisasi, di semua
tren.

KMDSS and Data Warehousing

Kami memprediksi bahwa aliran penelitian KMDSSs dan data pergudangan
akan bergabung, dan fokus akan menggabungkan cara yang lebih baik
untuk memungkinkan anggota organisasi untuk berinteraksi dengan
informasi yang tersedia, dimanapun dan kapanpun itu tersedia. Hal ini
mungkin menjadi daerah yang paling aktif dari penelitian, karena
merupakan yang paling komprehensif. Hal ini terbukti dalam penelitian
saat ini dibahas di atas bahwa kecenderungan itu sudah berlangsung.
Sebagai kompleksitas pengambilan keputusan kenaikan dan ketersediaan
informasi meningkat, akan ada kebutuhan untuk lebih besar dan lebih
analitis infrastruktur data berbasis menjadi
selaras dengan pengetahuan dan teknologi pendukung keputusan.
pertentangan kami adalah bahwa penggabungan seperti tren sudah
terjadi dan didukung oleh penggunaan alat oleh perusahaan-perusahaan
seperti Netflix, Amazon, dan Google (peringkat, cocok algoritma terbaik),
semuanya berharap untuk meningkatkan pendapatan melalui penyediaan
pengalaman pelanggan yang memanfaatkan data untuk membantu
pelanggan membuat informasi, keputusan berpengetahuan.
Banyak data bahwa organisasi ini mengelola, seperti film, gambar satelit,
informasi spasial, dan data di media sosial, tidak cocok dengan baik ke
dalam persyaratan yang sangat terstruktur dari database relasional.

Penelitian tentang "NoSQL" (tidak hanya SQL) database dapat

memberikan cara yang lebih fleksibel untuk menyimpan dan mengakses
data dari telah tersedia di masa lalu. Memang, Amazon dan Google telah
memiliki database seperti di tempat (Leavitt, 2010), dan Oracle baru-baru
ini mengumumkan peluncuran paket NoSQL (Jackson, 2011). Infrastruktur
ini akan memungkinkan integrasi jenis sangat bervariasi dari informasi
dalam sistem manajemen pengetahuan dibangun di gudang data.
Penggabungan data pergudangan dengan manajemen pengetahuan DSS
menunjukkan sintesis dari upaya yang customer centric (Alter, 2007) dan
dirancang untuk memberikan informasi yang tepat waktu untuk
keputusan real-time berdasarkan kecepatan yang teknologi yang
berkembang sekarang permintaan. Di masa lalu mengembangkan solusi
intelijen bisnis / data warehouse bisa mengambil tahun, tetapi dengan
bundel alat hari ini, seluruh organisasi dapat memiliki kekayaan
pengetahuan di ujung jari di detik. Pandangan customer centric
pengambilan keputusan terkait erat dengan penggunaan jejaring sosial
dan bagaimana faktor dalam pengambilan keputusan seseorang.
Konsumen sekarang mempertimbangkan berapa banyak Facebook -likes
produk atau layanan mungkin memiliki atau tweets saat ini tentang acara
atau restoran sebelum membuat keputusan tentang produk atau layanan.
pengambilan keputusan pelanggan lebih didorong oleh kemampuan
teknologi mobile untuk memberikan informasi cepat pada berbagai topik
hampir di mana saja, seketika. Bahkan, salah satu organisasi lokal yang
salah satu penulis telah mengalami menawarkan iPads sebagai bagian
dari pengalaman berbelanja di toko sehingga pelanggan dapat
membandingkan harga pesaing. Gambar 2 merangkum ekstensi untuk
Arnott dan Pervan (2005), menambahkan konteks komputasi sosial dan
mobile yang sekarang harus diperhatikan di seluruh penelitian DSS.

Meningkatkan informasi yang tersedia untuk KMDSSs melalui kemampuan

data warehouse mungkin berguna untuk industri keamanan. Sementara
sistem informasi secara umum dapat digunakan untuk mendeteksi intrusi,
DSS telah dikembangkan untuk tujuan perencanaan keamanan informasi.
El-Gayar dan Fritz (2010) telah mengembangkan sebuah sistem yang
mendekati
masalah
perencanaan
keamanan
informasi
dengan
menggunakan metodologi beberapa kriteria pengambilan keputusan,
pendekatan yang membutuhkan sejumlah besar informasi yang bersifat
faktual dan kontekstual. Sistem mereka menggunakan filosofi berbagai
perspektif untuk mendukung keputusan yang pertama kali dikembangkan
oleh rohaniawan (1971) dan diperpanjang oleh Courtney (2001) dan Hall
dan Paradice (2005). DSS juga telah dikembangkan yang membantu
menghitung yang penanggulangan yang paling efektif selama serangan.
DSS ini membantu pengguna dengan menganalisis langkah-langkah yang
mengurangi
kadar
tingkat
ketidakpastian
ancaman,
biaya
penanggulangan, dan kehilangan aset (Rees, Deane, Rake, & Baker,
2011). DSS lain membantu bisnis menentukan apakah memperoleh
informasi pelanggan adalah investasi berharga mengingat sifat volatile

aset (Lee, Kauffman, & Sougstaf, 2011). pemrograman genetik dapat

digunakan untuk meningkatkan deteksi intrusi (Hansen, Lowry, Meservy,
& McDonald, 2007). Dengan demikian, meningkatnya perhatian dengan
semua aspek keamanan data terletak untuk penelitian DSS baru.
Satu bisa terus hampir tanpa batas dengan penggunaan baru untuk data
dan pengetahuan-ditingkatkan DSSS. Seperti yang telah terjadi selama
empat dekade, DSS telah di garis depan tidak hanya teknologi baru, tapi
cara-cara baru untuk mengatasi masalah bisnis yang ada dan proses.
Misalnya, DSS baru-baru ini dikembangkan untuk arsitek perumahan
pedesaan di Iran (Habib, Sartippour, Garakani, & Rahimbakhsh, 2011).
DSS juga telah dikembangkan dan digunakan untuk beberapa waktu
untuk membantu investor mengembangkan dan
mempertahankan portofolio investasi yang menguntungkan, dimulai
dengan sistem perencanaan keuangan interaktif diluncurkan pada tahun
1978 (Weber, 2008). Umumnya, DSS memoderasi tradeoff antara risiko
dan imbalan dalam transaksi portofolio (misalnya, Dong, Du, Lai, & Wang,
2004) dengan memeriksa data dan melakukan perhitungan atau simulasi
cepat dan akurat. Baru-baru ini, terutama dengan munculnya investor
individu membutuhkan dukungan, konseptualisasi aplikasi keuangan
mobile telah dimulai. Burstein dan Holsapple (2008) meninjau pendekatan
yang tersedia untuk aplikasi seperti itu, mengembangkan account
manager ponsel prototipe yang disebut iAccountsMgr. Konsep ini
memadukan kebutuhan investor keuangan cerdas (seperti real-time data
dan kualitas informasi keputusan) dengan kebutuhan mobile eksekutif
yang sibuk hari ini. Sebuah scan cepat dari layanan berita pada bulan
Oktober 2011 menunjukkan pengembangan DSS untuk seleksi
pengeboran rig (www.worldoil.com), sistem pendukung yang dirancang
bagi
pemasar
untuk
lebih
memahami
pengguna
Facebook
(www.microstrategy.com),
dan
manajemen
halaman
rel
sistem
(www.ubisense.net). Sifat DSS adalah untuk terus meningkatkan proses
pengambilan keputusan yang, pada gilirannya, meningkatkan efisiensi
organisasi.
Data dan pengetahuan-ditingkatkan DSSS akan terus menjadi arus utama
penelitian baik ke masa depan. kesempatan penelitian masa depan
mencakup lebih memahami kompleksitas pengambilan keputusan dalam
lingkungan yang sangat tidak pasti saat ini, cara terbaik untuk
menyeimbangkan kecepatan dan luasnya informasi yang tersedia
terhadap keterbatasan kognitif dari prosesor manusia, penerapan DSS
dalam konteks baru, dan perbaikan yang ada kerangka kerja dan
algoritma. Mengingat bahwa banyak penelitian di data warehousing yang
berorientasi teknis, ada ruang untuk mengeksplorasi algoritma
ditingkatkan untuk pengambilan data / menyortir / manipulasi, peringkat,
ekstraksi / transformasi / load (ETL) proses, dan inovasi teknis lainnya

untuk meningkatkan efisiensi dalam gudang, serta interaksi dari gudang

dengan fasilitas lain seperti DSS, KM, dan sistem kolaboratif.
Social Media Decision Support
Tren masa depan kedua adalah bahwa media sosial sebagai sarana
pendukung keputusan. Kami memisahkan domain ini karena unik, -cutting
edge, dan, karena itu, kemungkinan akan mendominasi dekade
berikutnya. Selain itu, itu adalah terutama perilaku, bukan domain teknis.
jejaring sosial masuk akal meluas sistem pendukung kelompok, tapi
daripada curah pendapat persyaratan organisasi, pengguna dapat
bertukar pikiran entitas yang lebih berorientasi sosial seperti film atau
restoran popularitas. Hal ini sering dilakukan melalui proses voting atau
proses menyukai halaman di Facebook atau komentar diposting publik.
Negosiasi dapat berlangsung di, atau didukung oleh, media sosial, seperti
di sejumlah permainan dalam Facebook di mana pemain harus barter
untuk produk dan jasa.
Namun, media sosial tidak hanya hobi. Media sosial dapat dan digunakan
di arena organisasi untuk membantu konsumen membuat keputusan
produk atau layanan informasi; ini adalah sebuah model bisnis yang relatif
baru yang belum dieksplorasi secara memadai. Media sosial juga
menyediakan
dasar
untuk
pengambilan
keputusan
organisasi
menggunakan generasi ide dan alat-alat seperti yang disediakan oleh
keran (www.spigot.com) Peringkat. Khususnya, aplikasi jejaring sosial
mulai terlihat di bidang pengambilan keputusan penting. Misalnya,
jaringan sosial telah dibahas sebagai alat untuk mendukung pengambilan
keputusan percontohan (Scott, 2011) atau pengambilan keputusan dalam
perawatan kesehatan (Griffin & de Leastar, 2009). Salah satu penulis saat
ini memiliki seorang mahasiswa pascasarjana bekerja pada sebuah sistem
untuk mengintegrasikan live feed dari Twitter dan Facebook untuk
memberikan informasi saat ini untuk tim tanggap darurat. Sistem ini
menggunakan kombinasi dari algoritma dan data terstruktur yang secara
tradisional membuat DSS tetapi menambahkan teknologi berkembang
Sistem Informasi Geografis dan media sosial untuk model dan informasi
bahwa pengambilan keputusan bantu.
The Weather Channel (www.weather.com) menangkap media sosial feed
online sehingga orang dapat dengan cepat melihat apa yang tren cuaca di
seluruh negeri. Penelitian terbaru telah menyelidiki hubungan antara jenis
kelamin, usia, dan kecenderungan anggota situs jejaring sosial ini akan
terpengaruh oleh iklan melalui tempat itu (Taylor, Lewin, & Strutton,
2011). Masing-masing contoh menunjukkan bahwa media sosial adalah
teknologi meresap yang telah diterima oleh organisasi sebagai platform
yang layak; apa potensi dan keterbatasan yang adalah sesuatu yang
penelitian masa depan dapat menjelajahi.

Salah satu bidang penelitian yang telah menjadi tema berlanjut sepanjang
DSS (dan organisasi) penelitian yang akan memiliki kepentingan tertentu
untuk media sosial adalah bahwa kepercayaan. Para peneliti telah lama
meneliti hubungan antara kepercayaan dan sistem informasi. Penting
untuk media sosial merupakan pengembangan dari langkah-langkah
kepercayaan untuk e-commerce yang dilakukan oleh McKnight,
Choudhury, dan Kacmar (2002). Namun, penelitian terbaru menunjukkan
bahwa apa yang kita pikir kita tahu tentang kepercayaan dalam sistem
informasi artefak mungkin tidak berlaku untuk media sosial. Orang
cenderung untuk melampirkan karakteristik sosial untuk IS artefak (AlNatour, Benbasat, & Cenfetelli, 2011). Karena banyak pengguna media
sosial berkomunikasi terutama dengan individu melalui jaringan orangorang yang mereka kenal secara pribadi (misalnya, Ellison, Steinfield, &
Lampe, 2007), ide mempercayai media sosial itu sendiri (yaitu, artifact)
mungkin tidak sama pentingnya ke anggota seperti kepercayaan temanteman anggota ini. Kolek dan Saunders (2008) menemukan bahwa sangat
sedikit pengguna Facebook (11 persen) membatasi akses ke profil
mereka, dan Tow, Dell, dan Venable (2010) menemukan bahwa sebagian
besar pengguna Facebook Australia membeberkan informasi pribadi. Hal
ini menunjukkan bahwa peneliti masa depan harus menyelidiki apa jenis
kepercayaan akan mempengaruhi pengambil keputusan di arena media
sosial, dan, sebagai aliran sisi yang diberikan penelitian Tow ini,
bagaimana meningkatkan privasi dan keamanan dalam menghadapi
pengguna yang tampaknya acuh tak acuh.
daerah lain media sosial adalah bahwa virtual dunia / masyarakat. Second
Life dan komunitas lain seperti yang digunakan tidak hanya oleh individu
sebagai permainan hobi, tetapi juga oleh perusahaan sebagai tempat
tidur uji dan sebagai alat pelatihan (misalnya, Condic, 2009). Pihak militer
telah menganggap baik untuk pelatihan dan perekrutan (Cacas, 2010).
Popularitas situs ini tidak diragukan lagi, tetapi apakah mereka
menciptakan nilai bisnis sejati kurang jelas. Peran identitas dalam
pengambilan keputusan dalam lingkungan ini datang ke dalam bermain,
seperti halnya pertanyaan apakah orang membuat keputusan yang
berbeda (dan memerlukan berbagai jenis pendukung keputusan) sebagai
avatar yang tidak representasi akurat dari diri mereka sendiri. Bidang lain
yang menjadi perhatian adalah bagaimana membuat orang untuk terlibat
dalam komunitas ini. Porter, Donthu, MacElroy, dan Wydra (2011)
menunjukkan bahwa kedua embeddedness dan pemberdayaan yang
diperlukan untuk memperoleh koperasi, terlibat perilaku dari anggota
masyarakat. Menariknya, kepercayaan memainkan peranan besar dalam
temuan ini.
Mobile Computing
daerah ketiga kami yang kita lihat sebagai tren masa depan komputasi
mobile. Ini adalah daerah yang lebih teknis dan menggabungkan semua

bentuk sebelumnya penelitian DSS. komputasi mobile adalah fasilitator

yang menyediakan sarana bagi pengguna untuk berinteraksi dengan
sistem yang ada, terlepas dari lokasi baik pengguna atau sistem. Seperti
media sosial, komputasi mobile menjadi meluas sebagai teknologi dan
sering tertanam dalam lingkungan pengguna. Misalnya, unit GPS
ditempatkan di kendaraan transportasi terus memantau posisi kendaraan
dan sering disiarkan posisi ke stasiun pemantauan sehingga perusahaan
dapat melacak armada mereka, atau kendaraan sehingga hilang atau
dicuri dapat ditemukan. Unit ini tidak hanya menyampaikan informasi
seperti lokasi, tetapi dapat merekam informasi sebagai kendaraan
perjalanan, seperti jarak, kecepatan, menghentikan waktu, dan
sebagainya. Seiring waktu, organisasi dapat mengembangkan rata-rata
untuk rute yang dapat digunakan untuk memprediksi kebutuhan dan
standardisasi pengiriman.
ponsel menyediakan platform baru untuk DSS yang menantang
pendekatan tradisional untuk DSS. Ukuran, kecepatan, dan jangkauan
data dikombinasikan dengan dukungan terus menerus tersedia
memperkenalkan keunggulan teknologi besar untuk pengambilan
keputusan.
Ponsel
perangkat
pengambilan
gambar
data
dan
memungkinkan untuk real-time monitoring atau pemutakhiran data dari
lapangan, yang, pada gilirannya, dapat dimasukkan kembali ke dalam
lingkaran keputusan.
komputasi mobile memiliki kompleksitas yang akan membutuhkan
beberapa pekerjaan dasar, namun. Meskipun teknologi yang ada,
membangun jembatan yang akan menghubungkan pengguna ke sumber
daya bisa sulit. Dengan demikian, akan ada beberapa kepentingan dalam
berkembang baik teknologi dan penggunaan teknologi. Neyem, Ochoa,
dan Pino (2011) mengembangkan sistem untuk mengkoordinasikan sistem
kolaboratif yang dirancang khusus untuk aplikasi mobile. desain mereka
mengatasi kesulitan bahwa sistem terpusat yang digunakan oleh aplikasi
non-mobile menyediakan untuk aplikasi mobile.
Lainnya mencari cara untuk menggunakan teknologi mobile untuk
membuat konsumen atau anggota organisasi hidup lebih ditingkatkan.
Rasa Networks (www.sensenetworks.com) adalah sebuah perusahaan
yang menggunakan pertambangan realitas (subset dari data mining)
untuk menggunakan indikator lokasi seperti yang dipancarkan oleh GPS
untuk aktivitas agregat. Bisnis dapat melacak aktivitas pelanggan
(macrosense), atau perorangan dapat bergabung dengan kelompok yang
sering lokasi yang sama (Citysense). Dalam nada yang sama, Jalur
Intelligence (www.path intelligence.com) menciptakan database pejalan
kaki.
Negotiation Support System

Kami melihat dukungan negosiasi sebagai semakin penting. Holsapple dan

Whinston (1996) juga didefinisikan NSSS sebagai orang-orang yang,
terlepas dari fitur lainnya, dirancang dengan tujuan utama fasilitasi
negosiasi. Jauh dari hanya menyediakan dan informasi pemesanan, atau
memfasilitasi komunikasi atau koordinasi, negosiasi adalah konteks yang
kompleks dengan banyak masalah. Diantaranya adalah isu-isu negosiasi,
peserta, kelompok atau organisasi, strategi negosiasi, aturan, apakah
negosiasi diharapkan akan sumbang atau harmonis, dan sebagainya.
NSSS ini, kemudian, campuran karakteristik teknis dan psikologis. aspek
teknis seperti analisis risiko dapat digunakan untuk mengatasi aspek
psikologis seperti ketidakpastian aversion.
Dengan demikian, bangunan di Holsapple dan Whinston (1996) definisi
NSS, kami mengusulkan tren penggabungan data warehousing dengan
NSSS seperti saat ini terlihat di Ebay untuk negosiasi pribadi atau pekerja
line menggunakan intelijen bisnis dalam transaksi sehari-hari (yaitu,
panggilan asuransi pusat menyediakan tanda kutip). daerah baru
penelitian DSSS dapat mengembangkan sekitar teknologi jaringan sosial
dan meningkatnya penggunaan teknologi mobile untuk mengakses data
untuk bisnis dan penggunaan pribadi.
Historical Realization
Perluasan ini ke daerah-daerah baru konsumen dan pasar pendukung
keputusan serta dukungan keputusan pribadi juga mungkin realisasi
sistem pendukung keputusan -human diusulkan oleh Holsapple dan
Whinston (1996), yang membandingkan apa DSS harus mampu
melakukan dengan apa yang orang yang mendukung pembuat keputusan
dapat dilakukan. Disebut pada satu waktu sebagai sistem pendukung
keputusan manusia (HDSS) (Huber, 1980), orang ini mendukung pembuat
keputusan dengan menanggapi permintaan, pengolahan informasi,
meringkas
laporan,
menyimpan,
mengambil,
dan
mentransfer
pengetahuan, dan sebagainya. Sistem ini membuat titik bahwa mesin dan
manusia berbeda pada dua tingkat primer. Pertama, manusia mampu
belajar, baik melalui pelatihan dan pengalaman, sedangkan mesin di era
yang belajar melalui pemrograman. Kedua, manusia mampu berbicara,
yang disertai dengan bernuansa, infleksi, dan semantik tidak tersedia
untuk mesin dari umur itu. Sistem ini juga membuat titik bahwa teknologi
dapat menutup kesenjangan melalui, antara lain, penggunaan kecerdasan
buatan untuk meniru perilaku manusia. Evolusi teknologi ke titik Watson,
dibahas sebelumnya, menunjukkan bahwa pengembangan "HDSS
elektronik" bisa jadi dalam waktu untuk penelitian DSS. Seperti kita
menanggapi permintaan pertemuan di software kalender kami atau bunyi
pengingat untuk ini atau itu, tampaknya bahwa kita menggabungkan lebih
"manusia-pembantu" elemen ke dalam kehidupan kita sehari-hari,
terutama sebagai perangkat lunak pengenalan suara naik digunakan

(misalnya, Apple ' s iPhone 4S), tren ini dukungan hanya akan terus
tumbuh.
Trending Summary
Holsapple dan Whinston (1996) membahas bagaimana keputusan konteks
pengaruh pengambilan keputusan. Contohnya termasuk tingkat
manajemen pembuat keputusan, apakah pengaturan didirikan atau
muncul, dan desain organisasi. Mereka menyimpulkan bahwa jenis
dukungan bahwa pembuat keputusan telah tersedia (yaitu, DSS) itu
sendiri konteks. Mengingat anggapan kita bahwa teknologi telah
berkembang untuk memasukkan orang-orang yang memungkinkan
anggota organisasi untuk berinteraksi dengan data organisasi dari mana
saja (mobile computing) dan melampaui batas-batas tradisional organisasi
(media sosial), poin terakhir ini sama pentingnya hari ini seperti ketika
ditulis pada tahun 1996. Selain itu, mendukung pendapat kami bahwa
penelitian DSS akan berkembang kurang sepanjang garis teknologi, tetapi
lebih sepanjang garis ofhow teknologi yang ada, dalam semua bentuknya,
terbaik dapat diposisikan dalam mendukung manajemen pengetahuan
dan dukungan keputusan.
Gambar 2 adumbrates ekstensi untuk timeline DSS, tetapi juga
menambahkan pergeseran konteks bahwa komputasi mobile dan sosial
telah diperkenalkan di semua aspek DSS. Pindah penelitian DSS ke depan
akan mengharuskan peneliti mulai bekerja ke arah mengintegrasikan
proses kompleks pemikiran manusia dan perilaku manusia dengan
kebutuhan bisnis dan dukungan teknologi. Sementara sederhana untuk
negara, belajar untuk "unthink" dalam rangka untuk bergerak maju itu
sendiri merupakan tugas yang sulit. Ketika kita bergerak maju dalam
penelitian DSS, adopsi teknologi baru hanyalah bagian kecil dari proses.
Penggunaan metodologi baru dan kreatif, meminjam kerangka dari disiplin
lain, dan melangkah cukup jauh kembali untuk melihat seluruh gambar
diperlukan. Mengutip kata-kata Churchman (1971), kita harus menantang
pengetahuan yang ada tentang apa DSS adalah dan tempatnya dalam
pengambilan keputusan, dan bekerja untuk memperbaiki langkah-langkah
yang kita telah mendefinisikan DSS.
Conclusion
komentar sejarah ini kurang preskriptif dari karya-karya lain; menyoroti
kebanyakan DSS penelitian dan kolaborasi peluang yang saat ini ada atau
berada dalam jangkauan kita dalam waktu dekat mengingat tren
diidentifikasi dan ditunjukkan pada Gambar 2.
Sementara kita setuju dengan penilaian Arnott dan Pervan (2005, 2008)
bahwa telah terjadi penurunan jumlah publikasi di lapangan, analisis kami
menunjukkan bahwa DSS mempertahankan vitalitas yang mudah terlihat
dalam kutipan penelitian DSS dan pertumbuhan terus digunakan dalam
industri. Hal ini juga bisa dikatakan bahwa penurunan publikasi penelitian

DSS dapat dikaitkan dengan sifat percabangan bidang DSS. Sebagai

latihan penelitian topik khusus, seperti pergudangan data atau
manajemen pengetahuan, pengambilan keputusan dan mendukung
keputusan mungkin tidak secara eksplisit disebutkan akan. Namun,
penelitian di topik ini khusus, setelah diperiksa lebih lanjut, dapat disuling
untuk sistem yang mendukung beberapa bentuk pengambilan keputusan.
Jadi, kami sarankan bahwa model yang diajukan oleh Arnott dan Pervan
(2005, 2008) dapat diperluas untuk mencakup media sosial, aplikasi web
yang membantu konsumen membuat keputusan, dan layanan mobile
yang menyediakan data real-time, antara daerah lain. Cabang-cabang
baru dari DSS menunjukkan ubiquity peningkatan pendukung keputusan
di outlet pribadi dan organisasi di luar IS. Penurunan dirasakan dalam
kepentingan penelitian DSS dalam hasil IS dari fokus sempit pada DSS
tertanam sebagai konseptualisasi yang lebih tua dari berkembang
tradisional "dari awal" sistem untuk mendukung pengambilan keputusan,
daripada menangkap lebih luas penelitian DSS yang telah menyebar ke
referensi bidang sebagai "bolt-on" layanan, fungsi, atau widget yang
sekarang mendukung pengambilan keputusan.
Berdasarkan penilaian ini keadaan saat ini penelitian DSS, IS peneliti
dapat menggunakan ini fokus pada bidang tertentu dari dukungan untuk
merancang dan menguji sistem holistik yang menggabungkan semua
kategori. Mengingat berbagai keputusan yang dihadapi pengguna setiap
hari, peluang penelitian untuk memahami interaksi manusia-teknis yang
digariskan dalam tren di atas adalah hampir tak terbatas. Ditambah
dengan kebutuhan untuk meningkatkan fleksibilitas dalam sistem untuk
menangani cepat berubah preferensi pengguna dan faktor lingkungan,
berbagai penelitian DSSS dapat menutupi sosial-perilaku untuk sangat
teknis
pervasiveness research.The kebutuhan pengambilan keputusan di seluruh
disiplin ilmu penelitian terbukti, juga. Kebutuhan terus memasangkan
tradisional IS pendekatan DSS dengan bidang baru yang memerlukan
dukungan keputusan penting. pasangan ini lebih lanjut menetapkan
bidang IS sebagai disiplin referensi dan menggambarkan kebutuhan untuk
IS kerjasama penelitian di luar lapangan.
Namun, model ini tidak hanya sesuai untuk peneliti DSS. Siapapun yang
tertarik dalam mendukung proses pengambilan keputusan dapat
menggunakan kategori yang sama untuk fokus pada kompleksitas tidak
hanya dari dukungan teknologi, tetapi juga dukungan perilaku dan
prosedural. Mereka dalam bisnis dapat menggunakannya untuk
memperluas pemahaman mereka tentang sifat kompleks pengambilan
keputusan dalam organisasi dan untuk mengalokasikan sumber daya
secara tepat untuk memberikan dukungan untuk pengambilan keputusan
yang kreatif dan inovatif.

Penelitian DSS harus terus berkembang dan tidak diragukan lagi layak
selama bertahun-tahun yang akan datang; Namun, kita tidak harus
melupakan masa lalu dan pentingnya penelitian masa lalu yang dapat
menginformasikan inovasi DSS masa depan. sejarah singkat ini
memberikan perspektif multi-generasi unik yang dirancang untuk
merangsang baru IS penelitian dan pertumbuhan dan berfungsi untuk
mengingatkan kita untuk sesekali melihat masa lalu untuk berpotensi
melihat beberapa manfaat untuk masa depan.