决策知识自动化:大数据时代的商业决策分析方法.pdf

决策知识自动化:大数据时代的商业决策分析方法.pdf
 

书籍描述

内容简介
《决策知识自动化 大数据时代的商业决策分析方法》综合大量来源于业务流程自动化的主流应用场景,聚焦于组织管理及运营中经营决策的知识自动化这一主题,向读者展示如何在实践中应用知识自动化技术实施决策管理,以提高运营效率和组织收益。
《决策知识自动化 大数据时代的商业决策分析方法》适合各企业CEO、CIO、IT 架构师以及一切对知识自动化理论感兴趣的读者。

编辑推荐
工业时代需要工业自动化,知识时代必须知识自动化。工业时代的发展在许多方面对人类的体力提出了“非分”的要求,迫使人们必须依靠工业自动化的手段来“补偿”其体能上的不足,才能实施、运营、维护各类大型或精密的系统和过程;同理,面临物联网、大数据、云计算、智能技术等,正在迅速兴起的知识时代也对人类的智力提出了更高、更加“非分”的要求,人们更需要借助知识自动化的方法来“弥补”其智能上的不足,进而才能去完成各种层出不穷的不定、多样、复杂任务。
《决策知识自动化 大数据时代的商业决策分析方法》的出版正当其时。

媒体推荐
“Fish博士认为,决策需求的分析是在业务流程工作中实现知识自动化的关键,也是企业决策管理的核心所在。通过使用决策需求分析图表,将决策、知识和数据之间的依赖关系图形图像化,清晰地阐明‘局部知识用于局部决策,全局知识用于全局决策’的‘所要即所需,所得即所用’理念,更好地实现知识的价值。本译著的出版对于从事知识工作的自动化的研究具有重要参考价值。”
——柴天佑,东北大学教授,中国工程院院士


“2013年麦肯锡发布了题为《颠覆技术: 即将变革生活、商业和全球经济的进展》的全球报告,预测了12 项可能在2025 年之前决定未来经济的颠覆性技术,其中第二名便是以智能软件系统为代表的‘知识工作的自动化’,并预估该技术可在2025年带来5.2万亿至6.7万亿美元的经济效益。Fish博士从企业经营管理的角度出发,探讨了如何获取知识以及如何将知识应用于企业决策制定等问题。但他的方法并不局限于企业的应用,同样适合于工业流程中的决策制定与管理。本书条理清晰,令人受益匪浅。”
——桂卫华,中南大学教授,中国工程院院士


“‘知识自动化’是传统人工智能的基石,Fish博士强调了知识在业务流程中的应用及价值体现,借助规则、算法及预测分析模型等方法,将知识封装在决策服务中,并在面临特定需求的时候调用并使用知识。‘企业知识自动化’只是人工智能‘知识工程’大概念中的沧海一粟,他的方法却为人工智能的知识驱动法提供了一条可行的途径。”
——张钹,清华大学教授,中国科学院院士

“培根的名言‘知识就是力量’照耀了人类社会进步五百多年。物质运动的自动化已近百年,显著地改变了人类生产与探索世界的进程。当今,信息科技是建立在数据之上的,信息科技的巨大发展必然导致大数据的时代,这个时代呼唤知识的自动化。现在讨论这个问题正逢其时!”
——黄琳,北京大学教授,中国科学院院士

“知识自动化是信息自动化在开放的网络空间中的延伸与提升,它并非只是知识的自动产生过程,更能够诱发知识的传播、获取、分析、影响、产生等方面的重要变革。”
——吴宏鑫,中国空间技术研究院研究员,中国科学院院士

“Fish博士提出的收集、建模与管理决策需求的方法行之十分有效。对于任何想要建立决策管理系统,或是高效地以决策为中心进行形势分析和开展商业自动化的组织、团体或个人,本书都是必读之选。”
——James Taylor,Decision Management Solutions公司CEO、首席顾问

“Fish博士具有IT、人工智能、基于规则系统开发的复合背景。本书中,他着重解决了两个问题:其一是基于规则系统在辅助决策中的应用,其二是将这些应用自动化。对于关注这些主题的企业管理者和分析师,特别是对如何在商业流程中使用规则系统的读者,本书提供了一个完整的概述,且文笔流畅、易于理解。”
——Paul Harmon,Enterprise Alignment公司创始人、首席顾问

作者简介
Alan N. Fish FICO决策方案部首席顾问,使用业务规则和预测分析进行决策管理领域的专家,对象管理组织决策模型与符号制定委员会的联合主席。从事决策系统的构建工作已经有30余年,主持过许多当时的技术前沿项目。

王飞跃 中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任,国防科技大学军事计算实验与平行系统技术研究中心主任,中国科学院大学中国经济与社会安全研究中心主任,青岛智能产业技术研究院院长。主要研究领域为智能控制、社会计算、平行系统、知识自动化等。

王晓 中国科学院大学研究生,研究方向主要集中于社会网络分析、动态网群组织分析与建模、社会交通、知识自动化。

郑心湖 美国明尼苏达大学(双城分校)研究生,研究方向主要集中于社会网络分析、智能交通、数据挖掘、机器学习、知识自动化。

目录
第1章知识的价值
1.1经济学中的知识
1.1.1新古典增长理论
1.1.2新增长理论
1.1.3知识经济
1.2知识型业务
1.2.1战略决策与经营决策
1.2.2决策收益定价法
1.3参考文献
第2章业务流程中的决策
2.1业务流程建模
2.2决策点和决策服务
2.3业务流程决策的重设计
2.3.1员工决策机制的建模
2.3.2自动化决策制定流程
2.3.3合理化决策点
2.4发放流程模板
2.5流程设计方法
2.6参考文献
第3章在决策服务中封装知识
3.1业务规则
3.1.1对象模型
3.1.2推理策略
3.1.3规则集和规则隐喻
3.1.4产生式规则及约束式规则
3.2算法
3.3预测分析建模
3.3.1规则和决策树归纳法
3.3.2评分卡模型
3.3.3神经网络
3.4汇总
3.5参考文献
第4章决策需求分析
4.1基本原则
4.2决策需求图表
4.2.1定义
4.2.2用途
4.3DRAW
4.3.1资源
4.3.2日程安排
4.3.3方法
4.4参考文献
第5章DRA在知识自动化项目中的应用
5.1DRA在项目管理中的应用
5.1.1自动化范围界定
5.1.2项目评估
5.1.3项目规划
5.2DRA在知识发现中的应用
5.2.1发现业务规则
5.2.2发现算法
5.2.3发现分析模型
5.3DRA在设计中的应用
5.3.1在决策点上分配决策服务
5.3.2设计决策流程
5.3.3设计对象模型
5.4DRA在实施中的应用
5.4.1基础设施开发
5.4.2知识配置
5.4.3测试
5.5知识生产线
5.6参考文献
第6章常见决策模式
6.1决策实施类型
6.1.1带理由的分类决策
6.1.2带异常记录的规则决策
6.1.3细分模型
6.1.4冠军·挑战者模型
6.2协同决策机制
6.2.1待定需评审
6.2.2决策支持
总结
术语表
延展阅读
关于作者
关于译者

文摘
版权页:



但是这些基本策略都颇为朴素,在一个包含上千条规则的知识库中进行应用时,就会变得非常低效。大多数BRE使用非常复杂的算法来提升大规模规则集上的推理速度。其中最为重要的一个算法是由Charles Forgy开发的Rete。目前大多数BRE都支持Rete或其新版本Rete2和Rete3。实际上,Rete将所有规则预编译到一个可以表达规则之间依赖关系的网络中,然后基于该网络选择最佳调度对规则进行评估。给定当前已知条件,该网络可在每次有规则被触发时对自身进行调整,这使得只有被触发的规则才会被安排评估。
3.1.3规则集和规则隐喻
另外一种提高推理效率的方法是将所有规则划分为一个个规则集(越小越好),并且每次仅对单个规则集进行评估。通过使用一个更高阶的规则集或一个程序流程图,我们可对“何时应用某一规则集”这一逻辑进行定义。规则集与决策服务制定的决策之间可能存在某种很强的联系:例如,每个规则集制定一个决策,并只包含那些支持该决策的规则。除提高效率之外这样做有其他好处。首先,它允许在规则集或决策层面——而不仅仅是在整个决策服务层面——重用知识。其次,对于业务领域专家们来说,它简化了规则的定义和维护。本书将在第4章和第6章着重解释如何在规则集与决策之间建立关联。
一旦使用规则集的形式组织规则,即可使用其他形式或隐喻,对规则进行表示,从而为业务用户提供方便。主要存在两种形式的规则隐喻:决策树和决策表。

购买书籍

当当网购书 京东购书 卓越购书

PDF电子书下载地址

相关书籍

搜索更多