1、DDS和IDDS的组成。
答：
Dss决策支持系统：
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。
iDss智能决策支持系统：
较完整与典型智能决策支持系统的DSS结构是在传统三库DSS的基础上增设知识库与推理机，在人机对话子系统加入自然语言处理系统 (LS)，与四库之间插人问题处理系统(PSS)而构成的四库系统结构。
2、电子商务系统的结构。
答：电子商务整体结构分为电子商务应用层结构（简称应用层）和支持应用实现的基础结构（三层），基础结构一般包括三个层次和两个支柱。三个层次自下而上分别为网络层、传输层和服务层，两个支柱分别是安全协议与技术标准、公共政策与法律规范。前三个层次为基础层次，其上就是各种特定的电子商务应用，可见三个基础层次和两个支柱是电子商务应用的条件。为不失一般性，在此仅对电子商务的基础结构作概括说明。
3、电子政务系统的类型与应用。
答：分类：业务处理系统TPS 管理信息系统MIS 决策支持系统DDs
在国家的大力支持和推动下，我国电子政务取得了较大进展，市场规模持续扩大，据《中国电子政务行业发展前景与投资战略规划分析报告前瞻》数据显示，2006年，我国的电子政务市场规模为550亿元，同比增长16.4%，2010年，其市场规模突破1000亿元，2012年，其市场规模达到1390亿元，同比增长17.3%。电子政务软件与服务市场的规模有望突破1080亿元。
在现代计算机、网络通信等技术支撑下，政府机构日常办公、信息收集与发布、公共管理等事务在数字化、网络化的环境下进行的国家行政管理形式。它包含多方面的内容，如政府办公自动化、政府部门间的信息共建共享、政府实时信息发布、各级政府间的远程视频会议、公民网上查询政府信息、电子化民意调查和社会经济统计等。
在政府内部，各级领导可以在网上及时了解、指导和监督各部门的工作，并向各部门做出各项指示。这将带来办公模式与行政观念上的一次革命。在政府内部，各部门之间可以通过网络实现信息资源的共建共享联系，既提高办事效率、质量和标准，又节省政府开支、起到反腐倡廉作用。
政府作为国家管理部门，其本身上网开展电子政务，有助于政府管理的现代化，实现政府办公电子化、自动化、网络化。通过互联网这种快捷、廉价的通信手段，政府可以让公众迅速了解政府机构的组成、职能和办事章程，以及各项政策法规，增加办事执法的透明度，并自觉接受公众的监督。
在电子政务中，政府机关的各种数据、文件、档案、社会经济数据都以数字形式存贮于网络服务器中，可通过计算机检索机制快速查询、即用即调。
4、电子健康系统应用的影响。
答：电子健康档案系统记录个人从出生到死亡的所有生命体征的变化，包括个人的生活习惯、以往病史、诊治情况、家族病史、现病史及历次诊疗经过、历次体检结果等信息。环球软件电子健康档案系统以"六位一体"为中心，通过标准数据接口实现与医院HIS、PACS、LIS、电子病历、社区卫生、新农合等系统的数据共享与交换，可实现健康档案动态更新，实现真正意义上的"活档"。
电子健康档案是进行健康信息的搜集、存储、查询和传递的最好助手。电子健康档案融合当今最新IT软硬件技术于一身。电子健康档案可以为个人建立始自出生、终其一生的健康档案，从而为健康保健、疾病治疗和急救提供及时、准确的信息，使人们的医疗保健有了科学、准确、完整的信息基础，为人们的医疗保健提供了新工具、新方法和新思路。
电子健康档案可以将人们分散在不同医院电脑系统中的体检报告、门诊和住院治疗中的治疗方案和检查结果搜集在一起。
当发生意外时，可以立即通过电脑查阅其中的急救信息，了解危重病人的血型、过敏药品、当前的慢性病以及个人保健医生的联系方式，从而采取及时、正确的急救措施，挽救病人的生命。
5、供应链管理的概念。
答：供应链管理(Supply Chain Management ,简称SCM)：就是指在满足一定的客户服务水平的条件下，为了使整个供应链系统成本达到最小而把供应商、制造商、仓库、配送中心和渠道商等有效地组织在一起来进行的产品制造、转运、分销及销售的管理方法。供应链管理包括计划、采购、制造、配送、退货五大基本内容。
6、数据挖掘的主要功能。
答：数据挖掘通常有以下六类主要功能:(1) 数据特征化（Data Characterization） ；（2）关联分析；（3）分类与预测；（4）聚类分析；（5）离群点（Outlier）分析；（6）演化分析。
数据特征总结与区分。数据特征总结是对目标类数据的一般特征进行汇总，可以以直方图、饼状图、多维数据方、交叉表等多种形式进行输出，如对某一类顾客的特征汇总。数据区分是将目标类对象的一般特性与一个或多个对比类对象的一般特性比较，如对不同年龄段顾客购买行为的比较等。
关联分析。关联分析用来寻找数据库中值的相关性。两种常用的技术是关联规则和序列模式。关联规则是寻找在同一个事件中出现的不同项的相关性，如哪些商品经常一块儿被购买;序列模式与此类似，寻找的是事件之间时间上的相关性，如银行利率调整与随后股市的变化。
分类。分类技术在很多领域都有应用，例如可以通过客户分类构造一个分类模型来对银行贷款进行风险评估;采用数据挖掘中的分类技术，可以将客户分成不同的类别，比如呼叫中心设计时可以分为：呼叫频繁的客户、偶然大量呼叫的客户、稳定呼叫的客户、其他，帮助呼叫中心寻找出这些不同种类客户之间的特征，这样的分类模型可以让用户了解不同行为类别客户的分布特征
预测。预测是把握分析对象发展的规律，对未来的趋势做出预见。如对销售活动效果的预测。
聚类。聚类是在不考虑已知分类的情况下对数据类或概念进行区分。它是在未知分类的前提下，将数据分成不同的群组，使群与群之间差别最大化，同时使同一个群之间的数据相似性最大化。如在不知道要把客户分成几类的情况下进行客户细分，在此基础上可以制定一些针对不同客户群体的营销方案。