第5章决策支持系统与商务智能14996.pptx

第5章 决策支持系统与商务智能内容提要：一、经营决策与决策支持 二、决策支持系统与专家系统 三、商务智能案例导读：联华超市企业商务智能应用（课本P87-88）信息与决策的关系：1、企业的信息系统与企业的业务管理和运作系统是相互影响的 不同的运作系统，对于信息收集、信息存放、信息分析和处理、信息检索等功能的具体要求不同，信息系统的结构必须考虑到运作系统的特点；信息系统的结构和功能又可能反过来影响运作系统。例如：当企业不考虑库存成本，以高库存来保证满足客户需要时，信息系统可以每个月甚至更长的时间提供一次进销存的数据。反过来，如果信息系统只能在每月的月底提供当月的进销存数据，企业就不可能每周对其生产和供应计划进行调整。2、信息系统是建立在一定的技术手段之上的，使用的技术手段不同，信息系统的结构和性能就会有很大的差异。例如：一家在全国各地有许多销售分支机构的企业，如果要对各个分支机构的库存进行集中管理，就必须有一个能够将各分支机构的进销存信息及时录入和整合的信息系统。而如果不采用网络技术，信息系统就不会具备这样的功能。3、在生产经营活动中，企业管理部门要不断发现问题和解决问题，在此过程中需要大量的决策行为。决策是由信息来支持的，管理工作的关键和核心在于决策。信息是决策的依据，决策实施后又得到新的信息，其中包括了成功和失败的经验教训。企业经营运作中决策的三个等级：1、战略性决策：有关整个企业的重大方向性问题的决策，如经营方针、年度计划、新产品试制等。2、战术性决策：为了保证战略决策所需要的人、财、物的准备而进行的决策，如人事调动、资金周转、资源分配等。3、作业性决策：为了提高日常工作效率和效益而做的决策，是着眼于短期和个别方面的，如确定进出口批量、解决日常业务中发生的问题等。不同的决策所使用的信息特点：1、作业性决策：具有经常性和重复性，有一定规律可循，可以事先进行设计和安排。需要比较具体和详尽的信息，数据结构严谨。通常也称为结构化问题。2、战术性决策和战略性决策：需要主观的判断能力、直觉、推理和估计来解决问题，需要的信息一般是经过分类、压缩和过滤后的，概括性、综合性强，数据形式不严格。通常也称为半结构化和非结构化问题。基于信息与决策的关系，信息可以定义为：一种已被加工为特定形式的数据，这种数据形式对于接受者来说是有意义的，而且对当前和将来的决策具有明显的或实际的价值。本章将重点介绍决策分析中的确定性问题的处理。第一节 经营决策和决策支持 经营决策是整个信息系统的核心和最高层次的处理环节，也是企业领导层（决策者）最为关心的内容。一、经营决策模型 决策：人们为了达到一定目的而进行的有意识、有选择的行动。企业经营决策的过程：决策者在一定的资源和条件制约下，为实现企业经营目标，而对经营活动进行的有选择的决断。决策的科学化是决策科学的前提，一方面决策过程需要按照一定的程序化进行；另一方面，要运用科学的方法和工具进行决策。建立一个有效的经营决策模型需要考虑的问题：1、组织决策体系的研究 2、确定适当的决策过程 3、确定收集、处理、提炼对决策有用信息的渠道、步骤和方法 4、确定适当的决策模型 对确定性的决策问题可得到具体的优化模型5、确定和选择优化解的方式 确定性问题可以得到唯一的解，但不确定性问题却可以得到若干不同的解，故必须确定选择和优化解的方式。6、系统支持决策的方式7、模拟决策执行过程8、决策评价指标体系的研究以及反馈控制决策系统的运行方式决策问题的三种类型：1、结构化的决策问题：有关的决策已经得到充分了解和表达，能够应用通用模型实现决策自动化的那类问题，也称为确定性的问题。2、半结构化的决策问题：那些因为问题过于重大或者计算过于复杂，而当中又涉及一些客观分析和判断的决策问题。3、非结构化决策问题：那些无法结构化，问题的研究还不深入或者知识还不能很好解决的决策问题。半结构化和非结构化的决策问题也称为不确定的问题。二、结构化问题的决策 结构化问题可以用明确的语言和模型来描述，决策程序可以依据一定的规则或通用的模型来实现的决策。可以借助计算机系统的模型处理能力和强大的计算与存储能力来实现。如工资额和工时的计算问题，销售统计等问题。结构化决策经营决策的主要分析包括：1、财务分析方面 损益分析、资产负债分析、经营指标分析（流动比率分析、速动资产/流动资产负债分析等）、营运能力分析。2、销售分析方面 目标分析、趋势分析3、生产制造方面 成本分析、效率分析、绩效分析确定性问题的定量数据分析工具和方法：统计学和运筹学的方法 统计学模型常常是用以反映销售状况、市场占有情况、质量指标、财务状况等方面的综合、总量变化状况。主要的统计分析内容：1、产品市场占有率和变化趋势分析 管理人员可凭销售日期、月份等来查询客户的销售资料或销售统计资料；访问的文件包括订单数据库、出货配送控制数据库、商品目录数据库、商品明细数据库、预测工具数据库、客户对商品反映数据库、入库数据库；销售分析与销售预测系统提供：商品销售量统计表、年度商品数量统计表、年度及月份商品数量统计比较分析报表、商品成本利润百分比分析报表。2、产品销售统计分析 可以按照销售产品、销售地区、销售客户等各类信息进行管理和统计；可以对销售数量、金额、利润、绩效、客户服务做出全面的统计；可以根据销售形式、产品、代理商、地区、销售人员、金额、数量来分别进行统计。销售分析可以进行产品销售额与利润变化趋势分析，还可以通过对比目标、同期比较和订货发货分析，来从数量、金额、利润、绩效等方面作相应的分析。同时，信息系统还可以辅助客户服务方面的客户投诉记录和原因分析。3、在线分析和实时控制 可以及时了解产品在生产、销售和使用中的问题，开展售后服务及质量反馈，从而强化企业的控制能力。可以将设计、制造、销售、运输等通过集成来并行地进行各种相关的作业，为企业提供对质量、适应变化、客户满意、绩效等关键问题的实时分析。4、生产统计分析 生产绩效和制造成本的统计和分析可以提供有关产品的品质、损耗统计、工时统计以及生产效率和生产负荷方面的分析。5、财务统计分析 财务部门需要及时得到资金信息用于控制成本，通过资金流动状况反映物料和经营情况，随时分析企业的经济效益，参与决策，指导和控制经营和生产活动。在信息系统中，财务管理模块的功能主要是基于会计核算的数据，并加以分析，从而进行相应的预测、管理和控制活动。重点：（1）财务计划：根据前期财务分析做出下期的财务计划、预算（2）财务分析：提供查询功能和通过用户定义的差异数据的图形显示进行财务绩效评估，账户分析（3）财务决策：做出有关资金的决策，包括资金筹集、投放及资金管理6、企业综合经济效益指标统计分析 信息系统可以为企业编制决策数据体系，提供决策数据分析方法，帮助企业进行投资管理、风险分析、跨国家、跨地区的集团型企业的信息集成、获利分析、销售分析、市场预测、决策信息分析、促销与分销、售后服务与维护、全面质量管理、运输管理、人力资源管理、项目管理以及利用互联网实现电子商务。三、简单的预测方法线性回归法 线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间的关系进行建模的一种回归分析。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。其其其中中中：是是是估估估计计计的的的回回回归归归直直直线线线在在在 yyy 轴轴轴上上上的的的截截截距距距，是是是直直直线线线的的的斜斜斜率率率，它它它表表表示示示对对对于于于一一一个个个给给给定定定的的的 xxx 的的的值值值，是是是 yyy 的的的估估估计值，也表示计值，也表示计值，也表示 xxx 每变动一个单位时，每变动一个单位时，每变动一个单位时，y y y 的平均变动值的平均变动值的平均变动值 假设我们已经得到两个具有线性相关关系的变量的一组数据（x,y）,设回归方程是：3.用最小二乘法拟合的直线来代表x与y之间的关系与实际数据的误差比其他任何直线都小使因变量的观察值与估计值之间的误差平方和达到最小来求得 和 的方法。即最小化图xxyy(x xn n,y yn n)(x x1 1,y y1 1)(x x2 2,y y2 2)(x xxi i i,y yyi ii)e ei i=y yi i-y yi i 根据最小二乘法，可得求解 和 的公式如下EXCEL操作：P95-97回归方程与EXCEL软件操作实现第二节 决策支持系统与专家系统决策例子 百事可乐的例子瓶子形状？包装？决策例子“囚徒困境”例子 以下几种情况：如果两人都不坦白，警察会以非法携带枪支罪而将二人各判刑1 年；如果其中一人招供而另一人不招，坦白者作为证人将不会被起诉，另一人将会被重判15 年；如果二人都招供，则二人都会因罪名各判10 年。这两个囚犯该怎么办呢？l 1、确定决策目标l 2、拟定各种被选方案l 3、从各种被选方案中进行选择l 4、执行方案设计方案评价方案确定目标实施方案环 境l信息的收集、加工、传输与利用贯穿着决策各阶段的工作过程。l现代管理的核心是决策。决策的基础是信息。决策过程决策的结构化程度按决策问题的的信息基础，决策可分为：在实际的企业经营活动中，特别是决策活动中，大量的问题并不是结构化的，而是半结构化的，甚至是非结构化的。决策支持系统也使用了大量的数学模型和工具来进行这类问题的决策支持。非结构化决策问题：在制定决策前很难精确识别决策问题的方方面面，决策过程不能用固定的决策规则和通用模型来描述，而需要主观判断来进行决策的问题。如：产品创新设计、市场创新、新产品开发 半结构化决策问题：决策过程部分有一定的规则和模型适用，但可能还涉及不全面或不严格的问题。如：预算安排、人力资源计划 决策支持系统和专家系统是专门针对半结构化问题和非结构化决策问题而设计的计算机信息系统。一、决策支持系统（DSS）一种以计算机为基础和工具，应用决策科学及有关的各种理论和方法的人机交互系统，主要面向组织管理的战略计划中半结构化与非结构化的决策问题，辅助决策者分析并做出正确的决策。决策支持系统应该为企业决策者提供计算机的支持，决策支持系统的目标应该是：1、帮助决策层在制定决策时解决半结构化的问题 2、对于决策者的决策提供支持，但不替代判断和决策 3、改进决策者的决策制定效率 决策支持系统的功能设计将主要体现在：问题的结构、决策支持和决策的效率。（一）数学模型 管理者使用决策支持系统，不是直接依靠数据库中的数据进行决策，而是依靠模型库中的模型进行决策。应用模型获得的输出可以是：1、直接用于制定决策 2、对决策的制定提出建议 3、用来估计决策实施后可能产生的后果（二）模型的分类1、按照模型的求解方法，可以将模型分为：模拟方法类 规划方法类 计量经济方法类 投入产出方法类 启发式方法类2、按照经济内容可以分为：预测模型（如产量预测）综合平衡模型（如投入产出模型）结构化模型（如产业结构优化模型）经济控制类模型（如物价控制模型）3、从模型库结构设计的角度，可以把模型分为：单元模型（只有单一功能的小模型）决策支持模型（由单元模型结合而生成，是处理决策支持问题的更大的模型）（三）决策支持系统模型用户人机界面数据管理模型管理决策分析信息检索数据库模型库图形库或撰写报告系统 数据库：接收企业的各种数据和信息，数据库管理子系统进行数据库管理和维护工作，并为信息检索和模型库提供各类信息。模型库：通过模型库管理子系统进行管理，提供数学模型对决策问题进行运算和模拟工作。数据库和模型库为企业决策分析提供支持，决策分析的结果通过图形库、信息检索系统以及人机界面为决策者提供较为直观的帮助。决策支持系统的核心：模型库系统模型库系统通常有三个层次：（1）应用级模型库子系统：为决策者设计的模型子系统；（2）生成级子系统：由模型库管理系统、数据库管理系统、用户接口等组成；（3）工具级子系统：由一些专用的和通用型的工具和软件组成，包括图形工具、文字报告处理等。决策支持系统的功能主要体现在以下几个方面：1、决策目标和决策问题的建模、数据检索和综合统计；2、决策方案生成；3、方案报告。二、专家系统 一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。因此，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统的基本结构如图所示，其中箭头方向为数据流动的方向。专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。专家系统应具备以下几个功能：存储问题求解所需的知识。存储具体问题求解的初始数据和推理过程中涉及的各种信息，如中间结果、目标、字母表以及假设等。根据当前输入的数据，利用已有的知识，按照一定的推理策略，去解决当前问题，并能控制和协调整个系统。能够对推理过程、结论或系统自身行为作出必要的解释，如解题步骤、处理策略、选择处理方法的理由、系统求解某种问题的能力、系统如何组织和管理其自身知识等。这样既便于用户的理解和接受，同时也便于系统的维护。提供知识获取，机器学习以及知识库的修改、扩充和完善等维护手段。只有这样才能更有效地提高系统的问题求解能力及准确性。提供一种用户接口，既便于用户使用，又便于分析和理解用户的各种要求和请求。存放知识和运用知识进行问题求解是专家系统的两个最基本的功能。专家系统的特点：专家系统是一个基于知识的系统，它利用人类专家提供的专门知识，模拟人类专家的思维过程，解决对人类专家都相当困难的问题。一般来说，一个高性能的专家系统应具备如下特征：启发性 不仅能使用逻辑知识，也能使用启发性知识，它运用规范的专门知识和直觉的评判知识进行判断、推理和联想，实现问题求解。透明性 它使用户在对专家系统结构不了解的情况下，可以进行相互交往，并了解知识的内容和推理思路，系统还能回答用户的一些有关系统自身行为的问题。灵活性 专家系统的知识与推理机构的分离，使系统不断接纳新的知识，从而确保系统内知识不断增长以满足商业和研究的需要。专家系统与决策支持系统的异同：1、二者都是针对不确定性决策问题而设计的，为决策者提供决策支持并辅助决策；2、决策支持系统有固定的程序和模式，提供综合的决策信息，决策功能主要是配合决策者决策，处于从属的、辅助的地位；专家系统涉及的问题通常是决策者能力不及的问题，需要专家系统提供专家知识，甚至是解决方案来弥补决策者知识能力的不足。3、决策支持系统主要体现的是综合信息的支持，而专家系统主要体现的是对知识库的建设、推理过程和解决方案的支持与理解。第三节 商务智能 商务智能指利用数据仓库、数据挖掘技术对客户数据进行系统地储存和管理，并通过各种数据统计分析工具对客户数据进行分析，提供各种分析报告，如客户价值评价、客户满意度评价、服务质量评价、营销效果评价、未来市场需求等，为企业的各种经营活动提供决策信息。（一）数据仓库 数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。特点：1、数据仓库是面向主题的；操作型数据库的数据组织面向事务处理任务，而数据仓库中的数据是按照一定的主题域进行组织。主题是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个操作型信息系统相关。2、数据仓库是集成的，数据仓库的数据有来自于分散的操作型数据，将所需数据从原来的数据中抽取出来，进行加工与集成，统一与综合之后才能进入数据仓库；3、数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。4、数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。5、数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。6、数据仓库是随时间而变化的，传统的关系数据库系统比较适合处理格式化的数据，能够较好的满足商业商务处理的需求。稳定的数据以只读格式保存，且不随时间改变。（二）数据挖掘技术 数据挖掘（Data Mining，DM）是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。知识发现过程由以下三个阶段组成：（1）数据准备（2）数据挖掘（3）结果表达和解释 数据挖掘可以与用户或知识库交互。数据挖掘的四个步骤：（1）资源发现：检索所需的网络文档；（2）信息选择和预处理：从检索到的网络资源中自动挑选和预先处理以得到专门的信息；（3）概括化：从单个的WEB站点以及多个站点之间发现普遍的模式；（4）分析：对挖掘出的模式进行确认或者解释。根据数据挖掘应用类型不同，分为以下几类：（1）分类模型：根据商业数据的属性将数据分派到不同的组中；（2）关联模型：描述了一组数据项目的密切程度或关系；（3）顺序模型：主要用于分析数据仓库中的某类同时间相关的数据，并发现某一时间段内数据的相关处理模型；（4）聚簇模型：主要用于当要分析的数据缺乏描述信息，或者是无法组织成任何分类模式的情况，是按照某种相近程度度量方法将用户数据分成互不相同的一些分组。针对上述应用类型，数据挖掘领域提出了多种实现方式与算法，数据仓库软件大多配备相关算法程序，几种典型的如下：1、神经网络 是一种人工智能方法，利用神经网络的软件找出两件事情的因果关系，以及识别某种图像或文字的模式等。2、决策树 通过把一系列相关联的决策用一棵树的形状画出来，加上每项决策的风险比率，计算出最佳的期望值。3、联机分析处理 一种面向数据的分析和对关系数据库的改进。4、规则推导 从一连串的问题和答案中推导出一组规则，当类似的问题出现时，便可以利用这套规则寻找解决方法。数据挖掘一般具有以下特点：1、数据挖掘要处理大量的数据 2、由于用户不能形成精确的查询要求，可依靠数据挖掘技术为用户寻找他可能感兴趣的信息 3、把大量的原始数据转换成有价值的知识，用于描述过去趋势和预测未来的趋势 4、数据量增长快速，许多数据来不及就过时了5、近邻算法 将数据集合中每一个记录进行分类的方法。6、遗传算法 基于进化理论，并采用遗传结合、遗传变异、自然选择等设计方法的优化技术。7、信息、数据可视化 通过各种视图或较为直观的形式表现出数据和信息特征的一种技术。（三）联机分析处理与网络信息挖掘 联机分析处理：一种交互式的决策辅助工具和方法，也是一种面向数据的分析和一种对关系数据库的改进。联机分析处理的技术特点包括以下几点：1、采用多维数据库 多维数据库可以被多用户共享，它从数据的存储方法、数据的运算方法上都与关系数据库不同。如：用户可以使用多维数据库对销售量、时间、销售地区这三个变量通过向量运算来进行。2、快速查询和响应 采用一系列数据存储技术和数据压缩技术来提高查询和响应速度。3、动态数据分析 不仅可以分析动态数据，还能根据一些智能化的功能，在内部自动对数据进行转换，使得用户可以在交互的过程中获得明确的分析结论。4、可视的数据操作界面 系统一般提供多种可视化的数据表示形式，如提供制作表格、制作三维图表、平面图形等功能，用户可通过简单的选择得到满意的数据表现形式。