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。管理信息系统重视事务（业务）处理，管理科学/运筹学借助模型来辅助决策，而决策支持系统将多个模型组合起来，并利用大量的数据形成方案，通过人机交互达到支持决策的目的。

1970-1990期间兴起了以知识推理辅助决策的专家系统(Expert System, ES)，这是一种依靠专家知识的计算机化（形式化）、以定性方式辅助决策的智能系统，完全不同于以模型和数据组合的DSS。可以说ES是定性的DSS，而传统DSS是定量的DSS。

20世纪90年代初，开始了将DSS和ES结合起来的智能决策支持系统IDSS，即IDSS=DSS+ES，这种决策支持系统采用了定性和定量结合的方法辅助决策，以模型、知识和数据结合的方式构建决策支持系统。这种决策支持系统区别于后来发展起来的以数据仓库为基础的决策支持系统，被称为传统决策支持系统。

20世纪90年代中期，兴起了以数据仓库(DW)、联机分析处理(OLAP)和数据挖掘(DM)3项新技术为支撑的决策支持系统，开启了数据辅助决策的新途径，这种新的决策支持系统被称为基于数据仓库的决策支持系统或新决策支持系统(NDSS)。

新决策支持系统发展迅速，一度有替代传统决策支持系统的趋势。但是新决策支持系统与传统决策支持系统不是覆盖关系，而是互补关系。这样，就出现了综合决策支持系统(S-DSS)，它是新旧两种决策支持系统的结合,即S-DSS=IDSS+NDSS。

由于Internet的迅速发展，S-DSS中的数据库、模型库、知识库、数据仓库、联机分析处理、数据挖掘等均以服务器的形式向多用户同时提供服务，出现了集数据库服务器(DBS)、模型服务器(MS)、知识服务器(KS)、数据仓库服务器(DWS)、联机分析与数据挖掘服务器(ODS)于一体的网络环境的综合决策支持系统(NS-DSS).

众所周知，大数据时代已经来临。在这种背景下，未来的决策支持系统将需要一颗“大数据处理”的心，数据、模型、知识、工具可能在云中，对它们的管理将是重点，相关的计算需要通过集群或云计算来完成。大数据处理有三种场景：复杂的批量数据处理（batch data processing）, 基于历史数据的交互式查询（interactive query）, 基于实时数据流的数据处理（streaming data processing），显然这三种场景都是新的决策支持系统所需要的，尤其是决策所需的交互性和实时性，因此同时提供三种场景的大数据框架将是下一代决策支持系统的基石。

参考文献：陈文伟，陈晟.知识工程与知识管理[M].北京：清华大学出版社，2010.