決策支持與商務(wù)智能(ppt 58頁).ppt

第八章 決策支持與商務(wù)智能 本章內(nèi)容 8 1決策支持系統(tǒng)8 2人工智能與專家系統(tǒng)8 3聯(lián)機分析處理8 4商務(wù)智能方法與應(yīng)用 決策過程和決策問題 決策過程 人們?yōu)閷崿F(xiàn)一定目標而制定行動方案 并準備實施的活動過程 是一個提出問題 分析問題和解決問題的過程 決策問題一般用 結(jié)構(gòu) 這個概念來描述問題結(jié)構(gòu)化程度的三種描述 結(jié)構(gòu)化半結(jié)構(gòu)化非結(jié)構(gòu)化 根據(jù)結(jié)構(gòu)化程度和層次劃分決策問題 結(jié)構(gòu)化程度是指對某一個過程的環(huán)境和規(guī)律 能否用明確的語言 數(shù)學的或邏輯學的 形式的或非形式的 定量的或推理的 給予清晰的說明或描述 決策支持系統(tǒng)的定義 DSS是以管理科學 運籌學 控制論和行為科學為基礎(chǔ) 以計算機技術(shù) 模擬技術(shù)和信息技術(shù)為手段 面對半結(jié)構(gòu)化的決策問題 支持決策活動的具有智能作用的人 機計算機系統(tǒng) 決策支持系統(tǒng)的特征 面向決策者 決策支持系統(tǒng)的輸入和輸出 起源和歸宿都是決策者 主要幫助管理人員完成半結(jié)構(gòu)化的決策問題強調(diào)支持的概念 輔助和支持管理人員 而非取而代之 強調(diào)交互式的處理方式 決策支持系統(tǒng)的功能 管理并隨時提供與決策問題有關(guān)的組織內(nèi)部信息搜集 管理并提供與決策問題相關(guān)的組織外部信息及時搜集提供有關(guān)各項活動的反饋信息能以一定的方式存儲和管理與決策問題相關(guān)的各種數(shù)學模型能夠存儲并提供常用的數(shù)學方法及算法 決策支持系統(tǒng)的功能 上述數(shù)據(jù) 模型和算法能夠容易的添加和修改能夠靈活的運用模型與方法對數(shù)據(jù)進行加工 匯總 分析 預測 得出所需的綜合信息與預測信息 具有方便的人機對話和圖像輸出功能 能夠滿足隨機的數(shù)據(jù)查詢要求 回答 如果 則 之類的問題 提供良好的數(shù)據(jù)通信功能具有使用者能夠忍受的加工速度與響應(yīng)時間 不影響使用者的情緒 決策支持系統(tǒng)的基本模式 決策支持系統(tǒng)的模式 一個完整的決策支持系統(tǒng)的模式被表示為DSS本身以及它與真實系統(tǒng) 管理者和外部環(huán)境的關(guān)系 管理者處于核心位置 決策支持系統(tǒng)的基本構(gòu)件 人機對話系統(tǒng) DSS中用戶與計算機的接口 其核心是人機界面 數(shù)據(jù)庫系統(tǒng) 存儲 管理 提供與維護用于決策支持的數(shù)據(jù)的基本構(gòu)件 是支撐模型庫系統(tǒng)及方法庫系統(tǒng)的基礎(chǔ) 模型庫系統(tǒng) 傳統(tǒng)的DSS的重要支柱 是DSS最有特色的構(gòu)件之一 方法庫系統(tǒng) 存儲 管理 調(diào)用和維護DSS各構(gòu)件要用到的通用算法 標準函數(shù)等方法的構(gòu)件 知識庫系統(tǒng) DSS的系統(tǒng)結(jié)構(gòu) 上述構(gòu)件之間的關(guān)系組成了DSS的系統(tǒng)結(jié)構(gòu) 不同功能特色的DSS 其系統(tǒng)結(jié)構(gòu)也不同 當前存在的結(jié)構(gòu)包括三角式結(jié)構(gòu) 串連結(jié)構(gòu) 熔合式結(jié)構(gòu)以及以數(shù)據(jù)庫為中心的結(jié)構(gòu)等 三角式結(jié)構(gòu) 串連式結(jié)構(gòu) DSS的系統(tǒng)分析方法 ROMC 表述 Representation 采用表格 圖表 數(shù)據(jù) 文本或模型等概念化的形式來描述各個活動的規(guī)范和內(nèi)容 而不必描述決策過程整體 操作 Operation 將概念化的描述轉(zhuǎn)換為相應(yīng)決策活動中的具體操作 這些操作無須確定先后順序 記憶輔助 MemoryAids 對決策者采用的決策方法與決策數(shù)據(jù)的記憶手段加以辨識可確定DSS應(yīng)該具有的各種記憶輔助功能 控制機制 ControlMechanisms 關(guān)于如何引導決策者使用表述 操作 記憶輔助 以便根據(jù)他們個人的風格 技能和知識綜合進行決策的機制 決策支持系統(tǒng)的發(fā)展趨勢 智能決策支持系統(tǒng) IDSS 充分利用專家系統(tǒng)定性分析與DSS定量分析的能力 群體決策支持系統(tǒng) GDSS DSS與計算機網(wǎng)絡(luò)技術(shù)的結(jié)合 能夠供一定決策者共同參與進行決策的 分布式?jīng)Q策支持系統(tǒng) DDSS 在GDSS的基礎(chǔ)上 將分布式的數(shù)據(jù)庫 模型庫與知識庫等決策資源有機集成 智能決策支持系統(tǒng) IDSS IDSS在DSS基礎(chǔ)上增設(shè)了知識庫 推理機與問題處理系統(tǒng) 人機對話部分加入了自然語言處理系統(tǒng) IDSS以知識庫為核心 引入了啟發(fā)式等人工智能求解方法 使傳統(tǒng)DSS原來由人承擔的定性分析工作部分或者大部分轉(zhuǎn)由機器完成 四庫IDSS的基本結(jié)構(gòu) 群體決策支持系統(tǒng) GDSS 群體決策支持系統(tǒng) GDSS 是一種在DSS基礎(chǔ)上利用計算機網(wǎng)絡(luò)與通信技術(shù) 供多個決策者為了一個共同的目標 通過某種規(guī)程相互協(xié)作地探詢半結(jié)構(gòu)化或非結(jié)構(gòu)化決策問題的信息系統(tǒng) 群體決策支持模型 本章內(nèi)容 8 1決策支持系統(tǒng)8 2人工智能與專家系統(tǒng)8 3聯(lián)機分析處理8 4商務(wù)智能方法與應(yīng)用 人工智能 AI 人工智能是在計算機科學 控制論 信息論 神經(jīng)生理學 心理學 哲學 語言學等多種學科相互滲透的基礎(chǔ)上發(fā)展起來的一門新興邊緣學科 研究怎樣讓計算機或智能機器 包括硬件和軟件 模仿 延伸和擴展人腦從事推理 規(guī)劃 計算 思考 學習等思維活動 解決迄今為止需要人類專家才能處理好的復雜問題 人工智能學科體系的三個層次 人工智能理論基礎(chǔ) 與人工智能有關(guān)的數(shù)學理論 思維科學理論和計算機工程技術(shù) 都是人工智能的理論基礎(chǔ) 人工智能原理 人工智能的作用原理是以知識的表達 知識的處理 知識的獲取與學習為基礎(chǔ)的 利用知識求解問題的基本技術(shù)為主要研究內(nèi)容 人工智能工程系統(tǒng) 根據(jù)人工智能原理而建立的工程系統(tǒng) 如專家系統(tǒng) 圖像識別系統(tǒng) 智能機器人系統(tǒng)等都屬于人工智能工程技術(shù)的范圍 實質(zhì)是人工智能的應(yīng)用 人工智能的研究內(nèi)容和目的 機器思維與思維機器 機器思維 啟發(fā)式程序 專家系統(tǒng) 知識工程 機器學習 機器證明 機器博弈等 思維機器 智能計算機 學習機 推理機 博弈機 邏輯機 自動機 神經(jīng)細胞模型 人工神經(jīng)網(wǎng)絡(luò) 腦模型等 機器感知與感知機器 機器感知 文字 圖像 物體 聲音等模式識別與自然語言理解 計算機視覺 聽覺 觸覺等 感知機器 文字 圖像 聲音 語言的識別機 感知機等 觸覺感知器 平衡感知器 各種智能傳感器等 機器行為與行為機器 機器行為 自適應(yīng) 自鎮(zhèn)定 自尋優(yōu)等智能控制 管理和決策行為 機器人在不確定的 動態(tài)的環(huán)境中的 漫游 行為 行為機器 智能控制器 智能效應(yīng)器 智能機械手 智能機器人等 專家系統(tǒng)的概念 研究出發(fā)點不同 看待問題的觀點不同 追求的目標不同 導致對專家系統(tǒng)的定義存在不一致的看法 通用定義 專家系統(tǒng)是利用計算機技術(shù) 人工智能及其它理論 將某個特定領(lǐng)域內(nèi)專家的知識或者推理過程在計算機上實現(xiàn) 并且用來解決過去需要專家才能解決的現(xiàn)實問題的計算機系統(tǒng) 專家系統(tǒng)的七個特征 具有專家水平的專門知識符號處理一般問題的求解能力復雜度和難度具有解釋功能具有獲取知識的能力知識和推理機構(gòu)相互獨立 按不同分類標準劃分專家系統(tǒng) 應(yīng)用領(lǐng)域 醫(yī)療專家系統(tǒng) 勘探專家系統(tǒng) 石油專家系統(tǒng) 氣象專家系統(tǒng) 生物專家系統(tǒng) 法律專家系統(tǒng)等 知識表示技術(shù) 基于邏輯的專家系統(tǒng) 基于規(guī)則的專家系統(tǒng) 基于語義網(wǎng)絡(luò)的專家系統(tǒng) 基于框架的專家系統(tǒng)等 推理控制策略 正向推理專家系統(tǒng) 反向推理專家系統(tǒng) 元控制專家系統(tǒng)等 采用的不精確推理技術(shù) 確定理論推理技術(shù)專家系統(tǒng) 主觀Bayes推理專家系統(tǒng) 可能性理論推理技術(shù)專家系統(tǒng) D S證據(jù)理論推理技術(shù)專家系統(tǒng)等 結(jié)構(gòu) 單專家系統(tǒng)和群專家系統(tǒng) 亦稱協(xié)同式多專家系統(tǒng) 處理的問題類型 十大類型 按處理問題的類型劃分專家系統(tǒng) 專家系統(tǒng)按所處理的問題類型分類 專家系統(tǒng)任務(wù)類型的層次結(jié)構(gòu) 專家系統(tǒng)的結(jié)構(gòu) 知識庫中包含信息和經(jīng)驗法則 專家系統(tǒng)的核心就是知識庫中存儲的知識 推理機是專家系統(tǒng)的中央處理單元 知識獲取子系統(tǒng)可以在知識庫中加入新的規(guī)則 解釋子系統(tǒng)用來解釋求得結(jié)果的過程 專家系統(tǒng)的基本結(jié)構(gòu) 常用的知識表示方法 產(chǎn)生式規(guī)則 一般形式為P QP代表一組前提 條件或者狀態(tài) Q表示若干結(jié)論 或者動作 一系列這樣的規(guī)則就組成了一個知識庫推理程序從前往后順序的進行匹配推理機的工作以 匹配 沖突消解 操作 的方式循環(huán)運轉(zhuǎn)直到解決問題 常用的知識表示方法 框架 框架是一種知識結(jié)構(gòu)化表示方法 也是一種定型狀態(tài)的數(shù)據(jù)結(jié)構(gòu) 頂層是固定的 表示某個固定的概念 對象或者事件 下層是由槽組成 每一個槽可以有任意有限數(shù)目的側(cè)面 每個側(cè)面又可以有任意數(shù)目的值 且側(cè)面還可以是其它框架 稱為子框架 相互關(guān)聯(lián)的框架連接起來組成框架系統(tǒng) 或者框架網(wǎng)絡(luò) 不同的框架網(wǎng)絡(luò)又可通過信息檢索組成更大的系統(tǒng) 代表一塊完整的系統(tǒng) 用框架描述 椅子 的概念 框架網(wǎng)絡(luò)的活動和推理 兩種活動繼承推理填槽 即框架未知內(nèi)容的槽的填寫匹配 即根據(jù)已知事件尋找合適的框架 用于描述當前事件 并對未知事件進行預測推理繼承推理 各框架之間可以構(gòu)成繼承關(guān)系 匹配預測 聯(lián)想和直覺 常用的知識表示方法 語義網(wǎng)絡(luò) 語義網(wǎng)絡(luò)是一個帶標識的有向圖 有向圖的結(jié)點表示各種事務(wù) 概念 屬性等 有向圖的弧表示各種語義聯(lián)系 指明所連接結(jié)點之間的某種聯(lián)系 一個簡單的語義網(wǎng)絡(luò) 語義網(wǎng)絡(luò)系統(tǒng)的三種活動 繼承推理 通過is a弧 一個概念結(jié)點的所有屬性和信息可以繼承到實例結(jié)點 匹配推理 語義網(wǎng)絡(luò)推理的基礎(chǔ)根據(jù)提問內(nèi)容構(gòu)造一個語義網(wǎng)絡(luò)碎片 在系統(tǒng)的語義網(wǎng)絡(luò)中尋找匹配 使變量結(jié)點在匹配過程中得到賦值 散射激活推理在一對概念間進行推理時 尋找代表這兩個概念的結(jié)點之間的聯(lián)系 即從這兩個結(jié)點開始 然后激活與之連接的全體結(jié)點 依次地激活與這些結(jié)點連接的全體結(jié)點 如此往外擴散 當某概念同時從兩個方向上激活 就算找到了一種聯(lián)系 專家系統(tǒng)的發(fā)展趨勢 第一代專家系統(tǒng) 特點高度專業(yè)化 但結(jié)構(gòu) 功能不完整 移植性差 專門問題求解能力強 但缺乏推理解釋功能 專家系統(tǒng)的發(fā)展趨勢 第二代專家系統(tǒng) 特點學科專用型系統(tǒng) 系統(tǒng)結(jié)構(gòu)較完整 功能較全面 移植性好 具有推理解釋功能 使用戶比較清楚地了解系統(tǒng)地解題過程 采用啟發(fā)式推理 似然推理 非精確推理 增強了系統(tǒng)的表達能力 把具有一定普遍意義的推理方法與大量同領(lǐng)域相關(guān)的專門知識結(jié)合起來 從而使這些系統(tǒng)具有廣泛的通用性 用產(chǎn)生式規(guī)則 框架 語義網(wǎng)絡(luò)表達知識 專家系統(tǒng)的發(fā)展趨勢 第三代專家系統(tǒng) 特點向用戶實際的復雜問題求解 具有綜合性 多方面的集成功能 應(yīng)用多學科 多專業(yè) 多專家的知識和經(jīng)驗 進行并行協(xié)同解題 依靠諸如模型 方法 軟件和接口等多種技術(shù)集成進行設(shè)計和建造 基于分布式 開放性軟硬件及網(wǎng)絡(luò)環(huán)境 實現(xiàn)知識共享和知識重用 本章內(nèi)容 8 1決策支持系統(tǒng)8 2人工智能與專家系統(tǒng)8 3聯(lián)機分析處理8 4商務(wù)智能方法與應(yīng)用 從OLTP到OLAP OLAP和數(shù)據(jù)倉庫 OLAP應(yīng)用構(gòu)建于數(shù)據(jù)倉庫而非數(shù)據(jù)庫之上 主要是由于以下三個技術(shù)方面的原因 計算機處理速度階躍式增長 單位字節(jié)的存儲和處理成本大幅度降低 是保證數(shù)據(jù)倉庫有效運行的物理基礎(chǔ) 決策分析理論的完善和應(yīng)用使得數(shù)據(jù)倉庫中的分析技術(shù)能夠有效實現(xiàn) 使得決策人員可以直接從系統(tǒng)中獲得需要的決策支持信息 數(shù)據(jù)倉庫系統(tǒng)中 數(shù)據(jù)用于支持各種分析任務(wù) 并生成多角度 多層次和不同粒度上的分析結(jié)果 OLAP中的基本概念 變量 從現(xiàn)實系統(tǒng)中抽象出來 用于描述數(shù)據(jù)的實際含義 維 人們觀察數(shù)據(jù)的特定角度維的層次類別 構(gòu)成一個維的獨立的數(shù)據(jù)元素 是存在于層里每一個數(shù)據(jù) 維 層和類別的關(guān)系示意圖 OLAP中的基本概念 維的取值 也稱為維的成員度量 企業(yè)收集和存儲的用于評價業(yè)務(wù)狀況的數(shù)值性數(shù)據(jù) 以監(jiān)測和評估企業(yè)成效 多維數(shù)組數(shù)據(jù)單元 單元格 多維數(shù)組的取值稱為數(shù)據(jù)單元 多維數(shù)據(jù)立方體 OLAP的基本操作 切片 Slice 在多維數(shù)組的某一維上選定其維成員的動作稱為切片在多維數(shù)組 維1 維2 維n 度量 中選中某一維 如維i 并取其某一維成員 設(shè)為維成員Vi 所得的多維數(shù)組的子集 維1 維2 維成員Vi 維n 度量 稱為在維i上的一個切片 OLAP的基本操作 切塊 Dice 數(shù)據(jù)切塊就是將完整的數(shù)據(jù)立方體切取一部分數(shù)據(jù)而得到的新的數(shù)據(jù)立方體 選取多維數(shù)組 維1 維2 維n 度量 中若干維度 通常是3個維度便于圖形顯示 的取值范圍 從而形成了多維數(shù)據(jù)的子集 維1 維2 Ai 維i Bi Bj 維j Bj 維度n 度量 這個多維數(shù)據(jù)子集被稱為切塊 OLAP的基本操作 下鉆 上卷 DrillDown RollUp 數(shù)據(jù)下鉆 向下鉆取 是從較高的維度層次下降到較低的層次上來觀察多維數(shù)據(jù)數(shù)據(jù)上卷是下鉆的逆向操作 是對數(shù)據(jù)進行高層次聚合的操作 OLAP的基本操作 旋轉(zhuǎn) Rotate 數(shù)據(jù)旋轉(zhuǎn)是改變維度的位置關(guān)系 使最終用戶可以從其他視角來觀察多維數(shù)據(jù) 不同維度間的旋轉(zhuǎn) 維層次間的旋轉(zhuǎn) OLAP的準則 Codd1993 準則1 多維概念視圖準則2 透明性準則3 存取能力準則4 穩(wěn)定的報表功能準則5 客戶機 服務(wù)器體系結(jié)構(gòu)準則6 維的等同性 準則7 動態(tài)稀疏矩陣處理準則8 支持多用戶準則9 非限定的跨維操作準則10 直觀的數(shù)據(jù)處理準則11 柔性報表準則12 不受限的維與層次聚類 本章內(nèi)容 8 1決策支持系統(tǒng)8 2人工智能與專家系統(tǒng)8 3聯(lián)機分析處理8 4商務(wù)智能方法與應(yīng)用 商務(wù)智能 知識發(fā)現(xiàn) 數(shù)據(jù)挖掘與商務(wù)智能 20世紀80年代末 機器學習方法在數(shù)據(jù)分析中的應(yīng)用導致數(shù)據(jù)庫知識發(fā)現(xiàn) KDD KnowledgeDiscoveryinDatabase 的產(chǎn)生 20世紀90年代以來 以數(shù)據(jù)挖掘技術(shù)為核心的商務(wù)智能 知識發(fā)現(xiàn)在商業(yè)的應(yīng)用 受到了學術(shù)界和業(yè)界的廣泛關(guān)注 數(shù)據(jù)挖掘 DataMining 數(shù)據(jù)挖掘 知識發(fā)現(xiàn) 從海量數(shù)據(jù)中淘 金 數(shù)據(jù)挖掘的特點 傳統(tǒng)的決策分析技術(shù)中 都是決策人員事先給出邏輯假設(shè)和模型 而后在數(shù)據(jù)中進行檢驗和參數(shù)評估 數(shù)據(jù)挖掘是數(shù)據(jù)驅(qū)動 始于紛繁復雜的海量數(shù)據(jù) 利用強大的數(shù)據(jù)分析工具和特定的知識提取方法 從數(shù)據(jù)出發(fā) 挖掘中其中有效的模式 從而獲得潛在的 新穎的以及有用的知識 數(shù)據(jù)挖掘的任務(wù) 數(shù)據(jù)挖掘的基本任務(wù)是預測 prediction 和描述 description 預測就是利用數(shù)據(jù)中已知的變量和字段來確定一些感興趣的未知或未來的值 如分類等 描述則集中于尋找一種人類能夠理解和解釋的模式對數(shù)據(jù)進行刻畫 如聚類 關(guān)聯(lián)規(guī)則等 數(shù)