在没有计算机的时代，决策信息主要由人手工收集、整理和分析。随着计算机的诞生及广泛应用，社会、经济和科技的信息高速增长，决策过程中面临的问题变得更加多样性和复杂化，这就增加了决策者们信息分析的难度，导致他们不能准确高效地对这些海量而复杂的信息进行分析和决策处理，因此为保证决策的正确性，迫切需要借助于一定的手段和工具进行定量分析，实现决策的数字化。

决策支持系统（decision support system，DSS）是在管理信息系统和管理科学/运筹学的基础上发展起来的。20世纪70年代初期，Scott Morton首次提出了DSS的概念。DSS的产生是学术界对于应用系统分析、传统运筹学、管理信息系统（management information system，MIS）进行认真反思后提出的。人们在应用系统分析、传统运筹学解决现实世界问题时遇到了不少障碍，发现其中的许多模型、方法往往不能进行实际应用。其原因主要是系统分析人员与决策者之间缺乏必要的沟通，而传统系统分析方法对系统中人的因素和作用考虑不够是造成上述现象的直接原因。此外，MIS由于技术及方法论上固有的缺陷也难以适应多变的外部及内部管理环境。这种反思催生了一个重要结论：决策系统分析人员和信息系统本身都不要企图取代决策者作出决策，支持决策者才是正确定位。正是基于这种期望产生了一种新的用于管理的信息系统：决策支持系统，标志着利用计算机与信息支持决策的研究与应用进入了一个新阶段。

DSS从20世纪70年代概念形成发展到现在，从最初的单模型辅助决策到交互建模、组合模型的DSS，再到智能的DSS，已在理论探讨、系统开发和实际应用多方面取得了令人瞩目的进步，呈现出多元化的发展态势。从系统构成原理可把DSS的发展划为三个阶段。

数据库阶段是DSS发展的初始阶段，它以数据库为基础，构成了传统DSS。这种形式的DSS在20世纪80年代初期形成，并在80年代中、后期得到发展，产生了智能化决策支持系统（intelligent decision support system，IDSS）、群体决策支持系统（group decision support system，GDSS）。人工神经元网络及机器学习等技术为应用知识的学习与获取开辟了新的途径。充分利用专家系统定性分析与DSS定量分析的优点，结合专家系统与DSS就形成了智能决策支持系统。

数据仓库阶段是DSS发展的中期阶段，它的特点是以数据仓库为基础构成DSS，在20世纪90年代初形成，并在90年代得到发展与成长。数据仓库的多维特征满足了DSS对数据的分析要求，并克服了数据库的数据组织性差、利用率低的缺点。基于数据仓库的DSS决策技术包括联机分析处理（on-line analytical processing，OLAP）和数据挖掘（data mining，DM）。

商务智能阶段自20世纪90年代末期形成至今已构成一个成熟的体系与学科，它是以智能DSS的结构为基础所形成的系统。它集成了现代计算机技术多个领域的最新成果，能为管理决策提供有力支持。

DSS用于半结构化或者非结构化的决策领域，主要用于解决上层管理人员经常面临的结构化程度不高、说明不够充分的问题。其目的是支持而不是代替决策者，仅是一个辅助性工具，力求扩展决策者的能力。DSS通过交互式、友好的用户界面为决策者提高辅助功能，着重于决策制定过程的效果而非效率。DSS由模型和决策者共同驱动，强调决策过程的动态性，因而能有效支持不同层次、不同类型以及不同水平决策者的决策活动，具有对环境及用户决策方法改变的灵活性及适应性。

DSS的主要任务有：①分析和识别问题；②描述和表达决策问题以及决策知识；③形成候选的决策方案，即目标、规则、方法和途径等；④构造决策问题的求解模型，如数学模型、运筹学模型、程序模型、经验模型等；⑤建立评价决策问题的各种准则，如价值准则、科学准则、效益准则等；⑥多方案、多目标、多准则情况下的比较和优化；⑦综合分析，包括把决策结果或方案放到特定的环境中所做的“情景分析”，决策结果或方案对实际问题可能产生的作用和影响的分析等。

DSS具有如下功能：①管理并随时提供与决策问题有关的组织内部信息；②管理并提供与决策问题有关的组织外部信息；③数据挖掘和数据分析；④在DSS的各模块数据基础上组织分析数据，通过抽样、探索、修改、建模、评估等步骤，结合标准的运筹学、数理统计分析算法等，帮助决策者制定重大决策；⑤收集、管理并提供各项决策方案执行情况的反馈信息；⑥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；⑦能灵活地运用模型与方法对数据进行加工、汇总、分析、预测，得出所需的综合信息与预测信息；⑧提供DSS数据分析图表；⑨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“如果…则…”之类的问题。

决策支持系统按其不同的侧重有多种分类方式，不同分类之间存在相互交叉。

Alter根据各个组成部件对决策的直接影响程度，以及系统的功能、运行方式和决策内容及系统规模等将DSS分为7大类，该分类假定各类组件都是独立的系统，包括文件抽屉系统、数据分析系统、信息分析系统、财务模型系统、表达性模型系统、最佳模型系统和建议模型系统。

该系统是最简单的DSS，只是把文件存起来备查，决策者可从中检索想要得到的信息以帮助作出决策。如库存信息查询系统等。

该系统的功能是分解和汇总，用于分析当前数据和历史数据。

这类系统提供可存取的一系列数据库和小模型，可以从多个文件中合并信息。

这类系统包含许多财务模型，财务模型指的是不带任何不确定性的模型，其中每一个时段的计算仅取决于该时期的其他数据。如每月的预算、短期经费开支计划。

表达性模型被广泛地应用于预测决策的未来影响，如用模拟模型进行风险分析，经常在个人或集体的行为中反映不确定因素。

该系统可根据目标和约束条件提出最佳解，对决策行动提供指导，可用于有数学描述并且有特定目标的重复性决策。

这类系统以决策规则、优化计算公式或其他数学方法为基础产生一种建议性的方案，可用于完全结构化的重复决策。

Holsapple和Whinston将DSS分为6类。

信息常以文本形式存储，信息量的指数增长使得高效率地表示和处理文本文件成为必要。面向文本的DSS通过跟踪决策需要的文本形式的信息，为决策者提供支持，允许根据需要创建、修改和阅读文件。

面向数据库的DSS将数据组织成高度结构化的形式（关系的或面向对象的），其特点是具有很强的报告生成和查询功能。

表格软件是一种建模语言，它允许用户编写模型和执行DSS的分析，不仅可以创建、观察和修改过程知识，而且可指导系统执行自带的指令。

求解器是一个可描述为计算机程序的算法或过程，可用于进行特定类型问题的求解。面向求解器的DSS可灵活地根据需要改变、增加和删除求解器。

DSS的知识部件通常包含在专家系统的过程和推理规则中，这些规则可以是定性的或定量的。

组合DSS是一个混合系统，它包含了上述5种系统的两种或两种以上的功能。

根据DSS所支持决策情况的性质，可将DSS分为日常DSS和特殊DSS两类。

它主要处理运筹操作和管理控制问题中具有循环特性的决策。

它用来处理那些通常不能预见或非循环的特殊情况。

根据DSS所提供的支持不同，可以将其分为3个类型：

其重点集中在单个用户（或一组用户），他们在独立的任务或决策中完成同一活动。

其重点集中在一组人，其中的每个人致力于单独的任务，但所有的任务又是紧密相连的。

其重点集中在整个组织的任务或活动上，它涉及一系列顺序操作、不同职能领域和需要的资源。

它是目前大多数DSS的使用模式，往往是在决策辅助时使用，使用人员只限于一人。

它支持一个群体制定同一个决策，其基本方式是群体决策会议。

它是专门为最高层管理者提供实时信息支持的系统，其使用者是企业的最高层管理者。

它是由多个逻辑上联系而物理上分离的信息处理节点组成的计算机应用系统网络，其中的每一个节点至少含有一个DSS或具有若干独立辅助决策的功能。

按DSS是否具有智能特征即有无知识库，将DSS分为传统DSS和智能DSS。

传统DSS是由数据库系统、模型库系统、方法库系统与人机对话系统4部分组成，是一种具有模型功能的常规DSS。

智能DSS又称为广义专家系统，是DSS与专家系统技术的集成与结合。智能DSS中包含知识库，用来存放各种规则、专家的经验以及有关的知识及因果关系等。