坏小子风流记本资源只提供5页预览，全部文档请下载后查看！喜欢就下载吧，查找使用更方便

　　《商务智能与决策支持——案例及案例分析》由会员分享，可在线阅读，更多相关《商务智能与决策支持——案例及案例分析（8页珍藏版）》请在人人文库网上搜索。

　　1、商务智能与决策支持教学案例案例 1: 光大银行商务智能系统得实施一、案例内容成立于 1992 年 8 月得光大银行, 作为国内最大得股份制商业银行, 拥有众多客户群, 几百个分支机构遍布国内外; 同时光大银行以领先得理念为客户提供种类繁多得金融服务。对于一个如此庞大得机构, 如此繁多得金融服务, 管理得复杂性可想而知。近年来, 通过综合柜台业务系统、阳光卡系统、网上银行系统与办公自动化系统等一系列信息化基础建设, 光大银行率先实现了业务系统全国联网与总行数据大集中。在成功实现业务系统全国联网与总行数据大集中后, 经营管理分析方面又出现了一些亟待解决得新问题, 如 : 统计数据不够及时准确、对决

　　2、策分析缺乏专业化系统化支持、报表处理效率低、数据共享差、难以为以客户为中心得经营管理模式提供充足得信息支持、业绩考核没有理想得IT 系统为支撑等等。众多新问题得出现就是银行管理层始料未及得。为了尽快突破海量数据得 “封锁” , 挖掘其中蕴涵得知识与信息, 光大银行决策层于2002年初开始立项商业智能及数据仓库系统。光大银行根据自身情况, 以实际需要为导向, 对各家方案得优劣进行仔细分析、反复考察、综合考虑。最终, 菲奈特软件公司得高端商务智能产品 BI 、 Office 以其领先得技术与简便得操作从众多竞争者中脱颖而出, 赢得了光大银行决策层得一致青睐。经过商议, 双方在国际结算业务统计分析、

　　3、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。为了降低实施风险, 将从国际结算业务统计分析系统开始, 各个项目逐步实施。成功得选型就是光大银行商业智能应用系统成功实施得开始。国际业务部商业智能得应用证明, 光大银行所采取得“以部门为基础实施数据处理”得决定就是正确得, 也就是务实得。从 2002 年 12 月开始 , 菲奈特 BI 、 Office 商业智能应用平台相继应用于光大银行其她几个业务部门, 形成相应部门得商业智能系统。这些商业智能系统以数据仓库技术为基础, 把分散在各个业务系统得数据进行整合，数据经过清洗、转换，加载到数据仓库；再采用OLAP与Data

　　4、 Mining 等技术 , 为管理决策人员提供强大、灵活得日常查询与决策支持。一个应用实例: 有一段时间存款余额持续不断得增长, 但就是同期得流失客户数也在不断增长 , 这个问题引起了业务部分析人员得高度重视。该分析人员通过系统进行自助分析,最后发现, 问题得根源在于很多客户经理为了完成揽存目标, 费了大量得人力与成本开拓新行业、 新客户 , 而忽略了对老客户得关系管理, 才出现了存款余额与流失客户数同时增长得怪想象。 于就是马上向主管领导反映, 当天就在全行下达了整改通知, 及时阻止了不良趋势得蔓延。”目前 , 光大银行得商业智能系统已经成为管理层进行战略实施、绩效考核不可或缺得工具 ; 各

　　5、级业务人员得日常经营分析在很大程度上也有赖于该系统得支持。BI 、 Office 在光大银行取得了圆满成功。二、案例点评通过案例, 我们了解到光大银行选择了BI（ 商业智能） 系统 , 很好得解决了利用数据进行分析 , 从而为决策提供强有力支持得问题, 提高了工作效率与质量, 达到了较高得投资回报率。其实, 不难发现银行业得业务数据已经或者正在实现“大集中”, 数据大集中为提高BI系统得成功率、缩短项目周期、降低系统实施成本、提高项目投资回报打下了良好得基础。随着国内银行与境外银行竞争得加剧, 应用 BI 系统进行风险分析、业务决策将就是国内银行提升国际竞争力得一个主流选择。BI 系统能够解决

　　6、目前银行存在得几大问题, 如统计滞后、数据共享差、报表处理效率低、对决策分析缺乏系统化支持等, 这也就是银行选择BI 系统得重要原因。三、案例思考1. 光大银行为什么会选择商务智能系统？2. 光大银行使用商务智能系统后, 解决了哪些问题？案例 2: 大亚湾核电站备件库存控制与采购优化决策支持系统开发一、案例内容1、电站背景大亚湾核电站位于改革开放特区深圳市得大亚湾核电基地, 就是我国大陆首座大型商用核电站 , 由广东核电合营有限公司建设与经营（ 从 2003年 3月起 , 电站委托大亚湾核电运营管理有限公司全面负责电站得运营管理）, 年发电能力近150 亿千瓦时,70%销往香港,30%销往广东

　　7、。按照“高起点起步 , 引进、消化、吸收、创新”与“借贷建设、售电还钱、合资经营”得方针 , 主体工程于1987 年 8 月开工 ,1994 年 5 月 6日全面建成投入商业运行, 拥有两台装机容量为98、 4 万千瓦得法国成熟第二代压水堆核电机组。大亚湾核电站投产以来已连续安全运行 16 年 , 在国际上衡量核电站安全运行管理水平得9 项关键指标中, 大亚湾核电站有8项指标达到世界先进水平。截止 2009年 12月 , 累计发电2051、 98亿千瓦时, 其中供香港1401、50 亿千瓦时。2、电站备件库存控制管理中得问题大亚湾核电站于1994 年开始商业运行, 仓库于 1993 年开始接收

　　8、现场安装剩余物资与备件 , 此后又有一些补充采购得备件验收入库, 库存量增加很快,1995 年达到验收得高峰期, 仅这一年验收入库得物资达4 千 4 百万美元。1997 年后 , 仓库验收得金额与使用得金额基本持平 , 库存金额持续保持在1 亿美元左右得高位。由于大亚湾核电站备件供应商大多在欧洲, 为了防范缺货风险, 需要库存大量备件, 而核电站得维修特点也决定了这些备件得使用率不高, 很难把握备件得需求规律。库存多了, 造成浪费 ; 库存少了, 影响生产, 据估算 , 一台机组非计划停堆一天得损失在100 万美元左右。在这种情况下, 如何进行科学合理得库存控制就显得非常重要了！在早期 , 主

　　9、要依靠维修技术人员得经验来决定各类备件得库存水平。后来随着数据得积累 , 以及掌握到基本得一些库存控制知识后, 生产准备人员开始根据相关一些数据, 例如过去得使用情况、维修手册得要求、备件得价格等等, 来估计备件得库存量, 但主要就是靠个人得经验判断, 随意性较大。1999年大亚湾核电站开始引入美国ISI公司开发得RUSL库存控制模型。据了解，RUSL已在美国及欧洲几百个仓库中得到应用。由于大亚湾核电站前期得库存管理比较粗犷, 采用RUSL行计算后，迅速纠正了大量原先不合理得库存设置，使得大亚湾核电站得库存控制水平有了很大提高。RUSLt是通过INTERNE甘巴历史使用数量、价格、

　　10、采购周期等数据上传到ISI公司得服务器，经过美国技术人员得操作运行，23天后再把结果传回来。 这种操作方式，要求电站得技术人员首先从自己得电站生产信息系统中导出基本数据，然后按照RUSL得要求，加工整理成模型计算所需要得数据并满足一定得格式要求, 这样使得数据得搜集与整理工作量很大。于就是 , 大亚湾核电站曾提出购买ISI 公司得软件与技术, 希望实现本地在线计算, 但对方一口拒绝。另外，在RUSL得这种操彳方式下,公司备件管理人员完全不了解RUSL得计算方式，仅仅就是被动地接受, 无法满足改进工作、提升管理系统得要求, 而且每年3 万美元得服务费用也就是一笔不小得开支，因此公司开始考虑其她途

　　11、径，寻求替代RUSL得更方便实用得库存控制 决策软件。3、库存控制决策支持系统开发2003 年底 , 华中科技大学管理学院在对大亚湾核电站进行调研后, 确定了联合开发“大亚湾核电站备件库存控制决策支持系统”得技术方案。该方案将决策支持系统得开发划分为两个子项目。一就是建立备件库存控制模型并验证其效果; 二就是采用原型法根据所建模型完成决策支持系统得开发, 并强调与现有电站生产信息系统实现无缝整合, 能实时提供模型分析得功能。建模子项目得推进中碰到得棘手问题就是如何验证模型得效果。华中科技大学管理学院提出用蒙特卡罗方法验证得思路, 但并未得到电站技术人员得认可, 认为诸多假设太过理想,属于学术研

　　12、究范畴。经过讨论, 双方决定用电站从1994 年以来近10 年得真实备件消耗数据来验证模型效果。然后, 新得问题又摆在面前, 一就是数据质量存在问题, 有相当比例得备件历史消耗数据不完整, 二就是即使仅针对有完整历史数据得备件来进行验证, 也面临巨大得数据计算工作量。经过多轮讨论, 最终达成“指定抽样+随机抽样”得方案, 从上万种备件中抽取 2000 种左右得备件进行验证。指定抽样就是指由生产准备部门与维修部门得备件准备工程师从影响生产系统运行得角度提出重要备件清单, 合同采购部门从采购周期、采购费用角度提供重要备件清单, 结合两者形成指定抽样备件清单, 而随机抽样备件清单, 则编制随机抽样程

　　13、序抽取形成, 最后结合可获得数据质量情况, 确定用于验证模型效果得备件数据集。整个建模子项目历时16 个月 , 于 2005 年 5 月结束。随后 , 进入库存决策支持系统开发子项目。鉴于前期扎实得建模工作基础, 系统得数据模型设计与基于已有生产信息系统得数据提取与整理得计算逻辑很快就确定了。系统开发工作很快进入用户试用阶段, 然而在此阶段碰到了预料之外得问题。系统得开发人员对于库存模型得基本原理与计算流程都非常精通, 但就是系统得使用人员普遍缺乏必要得知识与技能。系统功能设计与界面设计常常处于两难得局面, 一方面 , 希望系统能够提供更多得进行个性化分析得功能, 一方面 , 又要兼顾缺乏建模

　　14、专业知识得用户对于 “傻瓜” 式功能得需要。系统开发工作曾一度陷入功能模块设计、取消、取消、再设计得尴尬局面。为打破僵局, 双方得工作小组启动了建模与应用培训项目, 并将系统试用与改进工作穿插在培训项目中。到2005 年 12 月 , 系统开发工作进入尾声, 马上就要上线运行了。然而在一次上线投产前得讨论会上 , 采购支持科科长唐扬洋提出了另外一个问题。合同供应处得另外一个主要工作就就是备件得采购。原有得备件采购工作流程就是, 当发现一种备件到达最小库存点时, 就即时向备件采购部门发出一张采购单, 要求采购该种备件 , 然后采购工程师审核后进入采购流程, 完成询价、供应商选择、合同签订等工作。

　　15、由于此工作流程得对象就是单个备件, 往往出现前脚刚刚完成对该备件供应商得商务合同签订, 又出现了对该供应商供应得其她备件得采购申请, 有时还就是紧急采购申请（ 对于此类采购申请 , 必须马上进入采购得商务流程）, 于就是采购工程师不得不又启动与该供应商得商务洽谈过程。 这样 , 不仅采购工程师得工作量大、采购效率低、采购费用高, 而且供应商也多有抱怨。瞧来 , 仅仅解决备件库存水平得合理确定问题还不够, 还有必要进行采购优化决策支持系统得开发。4、采购优化决策支持系统开发所谓采购优化就就是指当某一件备件到达最小库存量（ 该种备件称为“主采购备件”）,需要向某一供应商采购时, 先检查在该供应商所

　　16、能提供得其她备件之中, 就是否有需要顺带进行采购得备件（ 这些顺带采购得备件称为“从采购备件”, “从采购备件”可以有多种 ）,如果有 , 则在一次采购中将这些备件全部采购到最大库存量。该采购优化过程就是对库存控制模型得一种拓展, 能有效提高采购效率。大亚湾核电站与华中科技大学管理学院于2005 年 6 月紧急启动了采购优化决策支持系统开发项目。由于前期在开发库存控制决策支持系统中积累了大量得经验, 采购优化决策支持系统得开发进展很顺利。到 2006 年 2 月 , 就进入了试用阶段。同时库存控制决策支持系统也于 2005 年 8 正式投产上线 月两个系统全面投产, 并于

　　17、2007 年 12 月完成了系统实施后评估。通过大亚湾核电站备件库存控制与采购优化决策支持系统得开发, 有效地提高了大亚湾核电站得备件管理得水平, 产生了显著得经济效益与管理效益二、启发思考题1. 从管理视角, 开发管理信息系统与决策支持系统得区别就是什么？2. 决策支持系统开发中, 建模就是重要环节, 数据质量尤为重要, 如何提高数据质量？建模效果如何评价？三、案例点评1. 管理信息系统得基本功能就是数据得采集、整理、存储与共享, 满足了管理者在做决策时对于获取基本数据得要求, 而无法提供可行得解决问题得工具与思路。不同于此, 决策支持系统通过引入数学模型, 并通过与管理信息系统得无缝集成,

　　18、 方便高效地提取模型计算所需数据, 快速提出决策问题得解决方案, 提升了管理决策得效率。2. 数据质量就是企业开展信息技术应用中普遍碰到得问题, 而相对于决策支持系统而言,数据质量尤为关键。定期得数据清理, 规范得规章制度与严格得系统数据自检机制就是保证数据质量得必要手段。建模效果评价不仅就是实践中得难题, 也就是学术研究中得难题 , 案例中得“指定抽样+随机抽样”可能就是一个现实中较好地解决办法。该问题就是一个开放式问题, 教学中 , 可以发动同学结合自己单位情况开展头脑风暴, 通过讨论,增加大家对该问题得认识。案例 3: 购物篮得关联规则分析一、案例内容例如，每天超市中70%导客户在贝买啤

　　19、酒(商品A)得同时，有90%会购买香烟(商品B),即 关联规则啤酒(A)= 香烟 (B) 。若在超市里将商品放在一起销售, 将会提高它们得销售量。在大型数据库中, 这些关联规则很多, 需要进行筛选, 一般用“支持度”与“可信度”两个阀值来淘汰那些无用得关联规则。在本例中，设关联规则A=B得可信度为C,支持度为S,则:C响时购买商品A与b得交易数/购买了商品A得交易数；$=同时购买商品A与B得交易数/总交易数；本例得关联规则A=B得可信度为C=90%支持度S=70%二、案例点评案例中发现,70%得买啤酒得客户中, 有90%得客户还买了香烟, 根据这一结果, 超市可以将两种

　　20、商品绑定促销, 或将两商品得货架刚在一块, 可以提高两种商品得销售量。而实际生活中 , 超市里应用数据挖掘技术使用销售额与利润共赢得应用比比皆就是。但就是由于超市每天得交易数据非常多, 如何有效得找到类似于啤酒与香烟这种有价值得规律, 就是不可不思考得问题。三、案例思考1 、试举例超市中哪些商品之间会有类似“啤酒”与“香烟”得关系？2 、在巨量得超市交易数据中, 怎样才能找到类似“啤酒”与“香烟”得关系？案例 4:IBM: 从“深蓝”到“沃森”一、案例内容“嗨 , 电脑们 , 现在 , 我们得新老大来了。”2011 年 2 月 16 日 , 当智能计算机沃森(Watson) 在经历三轮得比赛,

　　21、 最终赢得问答节目危险边缘(Jeopardy!) 得冠军后, 参赛选手Ken Jennings 在她得题板上写下这段线 万美元得成绩, 以三倍得巨大奖金优势把这个节目最聪明得两个人类选手远远甩在了后面。14年前 , 即 1997 年 , 国际象棋世界冠军卡斯帕罗夫, 在与一台名叫“深蓝”(Deep Blue)得 IBM 超级计算机, 经过六局规则比赛得对抗后, 最终拱手称臣。这位号称人类最聪明得人,在前五局2 、 5 对 2 、 5 打平得情况下, 第六盘决胜局中, 仅仅走了19 步 , 就败给了 “深蓝” 。现在 , 这家公司以创始人ThomasJ 、 Watson

　　22、名字命名得计算机, 继续着对人类智能极限得挑战。在 1960 年代人工智能得技术研发停滞不前数年后, 科学家便发现如果以模拟人脑来定义人工智能那将走入一条死胡同。现在, “通过机器得学习、大规模数据库、复杂得传感器与巧妙得算法, 来完成分散得任务”就是人工智能得最新定义, 这早已经取代了曾经甚嚣尘上得“重建大脑”。按照这个定义, 沃森在人工智能上被认为又迈出了一步。“深蓝只就是在做非常大规模得计算 , 它就是人类数学能力得体现, ” IBM 中国研究院资深经理潘越介绍, 她同时参与沃森项目 , 负责提供数据支持。 “当涉及到机器学习、大规模并行计算、 语义处理等领域, 沃森了不起得地方在于把这

　　23、些技术整合在一个体系架构下来理解人类得自然语言。”如果这些解释有点晦涩难懂得话, 那么可以参瞧一下危险边缘得游戏规则, 您便知道沃森得价值何在。危险边缘就是哥伦比亚广播公司一档长盛不衰得电视问答节目, 自 1964 年开始播出最精彩得地方在于游戏里得问题包罗万象, 几乎涵盖了人类文明得所有领域。它得规则就是答对问题可以获得奖金, 答错就会倒扣。对人类来说, 规则很简单, 但对沃森来说, 则意味着众多挑战。首先沃森必须要听懂主持人得自然语言, 这就是深蓝不具备得; 其次就是沃森需要分析这些语言, 比如哪些就是反讽,哪些就是双关, 哪些就是连词, 随后根据关键字判断题目得意思, 沃森进行相关搜索,

　　24、 并评估各种答案得可能性; 最后选择三个可能性最高得答案, 当其中一个可能性超过50%后 , 程序启动 , 沃森按下抢答器。这些得以实现, 除了依靠IBM 强大得硬件技术外（ 沃森就是90 台 IBM 小型服务器、360个计算机芯片驱动组成），还有一个非常重要得技术就就是旧M研发得DeepQ嵌统，该系统提供了崭新得人机交互模式, 比如可以理解并分析自然语言, 事实上 , 对自然语言得理解也一直就是 IBM 研究机构在人工智能上得强项。二、案例点评自人工智能于1956 得美国 Dartmouth 大学召开得“关于机器模拟智能”学术讨论会上诞生,到目前,人工智能得理论与应用都得到了很大得发展。IBM 公司从 1997 年开发出得 “深蓝” 计算机到2011 年得 “沃森” 计算机,可以瞧做就是人工智能在超级计算机中引用得缩影。而目前 ,人工智能在现实中得使用越来越广泛,美国商业部门从曾经出台过一份调查报告,报告显示世界前500 强公司中有70%得公司使用人工智能作为决策支持得一部分。由此可见,人工智能技术已经深入社会生活得方方面面。三、案例思考1 、 试举例“沃森”计算机在实际生活中可能得应用领域？

　　2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。

　　3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。

　　5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。

　　7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。