目前，在商业和经济等其他领域，决策已经越来越依赖于数据和分析，而非经验与直觉。传统的决策模式里，企业或组织所运用的数据大部分来自于内部的历史数据，而内部的数据并不能满足企业或组织决策的全部要求。例如在出现外部的突发性事件时，内部数据不能完全反应外部变化，更好地支持企业或组织的决策。大数据中包含着大量的用户评论，统计数据，定位信息等。尤其是在社会上发生突发事件时，大数据中更是存在大量的即时信息，可以为决策提供参考。随着大数据的数量飞速增长，以及大数据技术越来越先进的发展，大数据无疑会对企业或组织的决策过程产生深远的影响，同时也为其决策过程提出了新的挑战。　　为了研究这一问题，本文列举了两个具体的关于汽车预测的案例。第一个案例中不仅运用了大数据中的数据来补充企业历史数据，同时用大数据中挖掘出的新的产品内在因素来增加神经网络模型中输入层，验证了加入这些因素后能够得出更加精确的销量预估效果。第二个案例通过搜集和挖掘微博评论中对钓鱼岛事件的意见比率，来探讨这一比率如何对日系车的生产厂家提供关于其销量变化的参考信息。　　本文通过再思考完全依赖历史数据的决策过程，并且研究两个与汽车销量预测方面的案例，最终得出了大数据如何对决策支持过程各个阶段产生影响的结论，同时设计了大数据时代的决策支持系统框架。