商务智能与决策支持案例及案例分析

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的实行一、案例内容成立于1992年8月的光大银行，作为国内最大的股份制商业银行，拥有众多客户群，几百个分支机构遍及国内外;同步光大银行以领先的理念为客户提供种类繁多的金融服务。对于一种如此庞大的机构，如此繁多的金融服务，管理的复杂性可想而知。近年来，通过综合柜台业务系统、阳光卡系统、网上银行系统和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和总行数据大集中。在成功实现业务系统全国联网和总行数据大集中后，经营管理分析方面又出现了某些亟待处理的新问题，如：记录数据不够及时精确、对决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、难认为以客户为中心的经营管理模式提供充足的信息支持、业绩考核没有理想的IT系统为支撑等等。众多新问题的出现是银行管理层始料未及的。为了尽快突破海量数据的“封锁”，挖掘其中蕴涵的知识和信息，光大银行决策层于初开始立项商业智能及数据仓库系统。光大银行根据自身状况，以实际需要为导向，对各家方案的优劣进行仔细分析、反复考察、综合考虑。最终，菲奈特软件企业的高端商务智能产品BI.Office以其领先的技术和简便的操作从众多竞争者中脱颖而出，赢得了光大银行决策层的一致青睐。通过商议，双方在国际结算业务记录分析、对公业务记录分析、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。为了减少实行风险，将从国际结算业务记录分析系统开始，各个项目逐渐实行。成功的选型是光大银行商业智能应用系统成功实行的开始。国际业务部商业智能的应用证明，光大银行所采用的“以部门为基础实行数据处理”的决定是对的的，也是务实的。从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他几种业务部门，形成对应部门的商业智能系统。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的数据进行整合，数据通过清洗、转换，加载到数据仓库；再采用OLAP和DataMining等技术，为管理决策人员提供强大、灵活的平常查询和决策支持。一种应用实例：有一段时间存款余额持续不停的增长，不过同期的流失客户数也在不停增长，这个问题引起了业务部分析人员的高度重视。该分析人员通过系统进行自助分析，最终发现，问题的本源在于诸多客户经理为了完毕揽存目的，费了大量的人力和成本开拓新行业、新客户，而忽视了对老客户的关系管理，才出现了存款余额和流失客户数同步增长的怪想象。于是立即向主管领导反应，当日就在全行下达了整改告知，及时制止了不良趋势的蔓延。”目前，光大银行的商业智能系统已经成为管理层进行战略实行、绩效考核不可或缺的工具；各级业务人员的平常经营分析在很大程度上也有赖于该系统的支持。BI.Office在光大银行获得了圆满成功。二、案例点评通过案例，我们理解到光大银行选择了BI（商业智能）系统，很好的处理了运用数据进行分析，从而为决策提供强有力支持的问题，提高了工作效率和质量，到达了较高的投资回报率。其实，不难发现银行业的业务数据已经或者正在实现“大集中”，数据大集中为提高BI系统的成功率、缩短项目周期、减少系统实行成本、提高项目投资回报打下了良好的基础。伴随国内银行与境外银行竞争的加剧，应用BI系统进行风险分析、业务决策将是国内银行提高国际竞争力的一种主流选择。BI系统可以处理目前银行存在的几大问题，如记录滞后、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，这也是银行选择BI系统的重要原因。三、案例思索1．光大银行为何会选择商务智能系统？2．光大银行使用商务智能系统后，处理了哪些问题？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的大亚湾核电基地，是我国大陆首座大型商用核电站，由广东核电合营有限企业建设和经营（从3月起，电站委托大亚湾核电运行管理有限企业全面负责电站的运行管理），年发电能力近150亿千瓦时，70%销往香港，30%销往广东。按照“高起点起步，引进、消化、吸取、创新”和“借贷建设、售电还钱、合资经营”的方针，主体工程于1987年8月动工，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98.4万千瓦的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持续安全运行，在国际上衡量核电站安全运行管理水平的9项关键指标中，大亚湾核电站有8项指标到达世界先进水平。截止12月，合计发电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的问题大亚湾核电站于1994年开始商业运行，仓库于1993年开始接受现场安装剩余物资和备件，此后又有某些补充采购的备件验收入库，库存量增长很快，1995年到达验收的高峰期，仅这一年验收入库的物资达4千4百万美元。1997年后，仓库验收的金额和使用的金额基本持平，库存金额持续保持在1亿美元左右的高位。由于大亚湾核电站备件供应商大多在欧洲，为了防备缺货风险，需要库存大量备件，而核电站的维修特点也决定了这些备件的使用率不高，很难把握备件的需求规律。库存多了，导致挥霍；库存少了，影响生产，据估算，一台机组非计划停堆一天的损失在100万美元左右。在这种状况下，怎样进行科学合理的库存控制就显得非常重要了！在初期，重要依托维修技术人员的经验来决定各类备件的库存水平。后来伴随数据的积累，以及掌握到基本的某些库存控制知识后，生产准备人员开始根据有关某些数据，例如过去的使用状况、维修手册的规定、备件的价格等等，来估计备件的库存量，但重要是靠个人的经验判断，随意性较大。1999年大亚湾核电站开始引入美国ISI企业开发的RUSL库存控制模型。据理解，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的库存管理比较粗犷，采用RUSL进行计算后，迅速纠正了大量原先不合理的库存设置，使得大亚湾核电站的库存控制水平有了很大提高。RUSL是通过INTERNET把历史使用数量、价格、采购周期等数据上传到ISI企业的服务器，通过美国技术人员的操作运行，2～3天后再把成果传回来。这种操作方式，规定电站的技术人员首先从自己的电站生产信息系统中导出基本数据，然后按照RUSL的规定，加工整顿成模型计算所需要的数据并满足一定的格式规定，这样使得数据的搜集与整顿工作量很大。于是，大亚湾核电站曾提出购置ISI企业的软件和技术，但愿实现当地在线计算，但对方一口拒绝。此外，在RUSL的这种操作方式下，企业备件管理人员完全不理解RUSL的计算方式，仅仅是被动地接受，无法满足改善工作、提高管理系统的规定，并且每年3万美元的服务费用也是一笔不小的开支，因此企业开始考虑其他途径，寻求替代RUSL的更以便实用的库存控制决策软件。3、库存控制决策支持系统开发底，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”的技术方案。该方案将决策支持系统的开发划分为两个子项目。一是建立备件库存控制模型并验证其效果；二是采用原型法根据所建模型完毕决策支持系统的开发，并强调和既有电站生产信息系统实现无缝整合，能实时提供模型分析的功能。建模子项目的推进中碰到的棘手问题是怎样验证模型的效果。华中科技大学管理学院提出用蒙特卡罗措施验证的思绪，但并未得到电站技术人员的承认，认为诸多假设太过理想，属于学术研究范围。通过讨论，双方决定用电站从1994年以来近的真实备件消耗数据来验证模型效果。然后，新的问题又摆在面前，一是数据质量存在问题，有相称比例的备件历史消耗数据不完整，二是虽然仅针对有完整历史数据的备件来进行验证，也面临巨大的数据计算工作量。通过多轮讨论，最终到达“指定抽样+随机抽样”的方案，从上万种备件中抽取种左右的备件进行验证。指定抽样是指由生产准备部门和维修部门的备件准备工程师从影响生产系统运行的角度提出重要备件清单，协议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，则编制随机抽样程序抽取形成，最终结合可获得数据质量状况，确定用于验证模型效果的备件数据集。整个建模子项目历时16个月，于5月结束。随即，进入库存决策支持系统开发子项目。鉴于前期扎实的建模工作基础，系统的数据模型设计和基于已经有生产信息系统的数据提取与整顿的计算逻辑很快就确定了。系统开发工作很快进入顾客试用阶段，然而在此阶段碰到了预料之外的问题。系统的开发人员对于库存模型的基本原理和计算流程都非常精通，不过系统的使用人员普遍缺乏必要的知识和技能。系统功能设计和界面设计常常处在两难的局面，首先，但愿系统可以提供更多的进行个性化分析的功能，首先，又要兼顾缺乏建模专业知识的顾客对于“傻瓜”式功能的需要。系统开发工作曾一度陷入功能模块设计、取消、取消、再设计的尴尬局面。为打破僵局，双方的工作小组启动了《建模与应用》培训项目，并将系统试用和改善工作穿插在培训项目中。到12月，系统开发工作进入尾声，立即就要上线运行了。然而在一次上线投产前的讨论会上，采购支持科科长唐扬洋提出了此外一种问题。协议供应处的此外一种重要工作就是备件的采购。原有的备件采购工作流程是，当发现一种备件抵达最小库存点时，就即时向备件采购部门发出一张采购单，规定采购该种备件，然后采购工程师审核后进入采购流程，完毕询价、供应商选择、协议签订等工作。由于此工作流程的对象是单个备件，往往出现前脚刚刚完毕对该备件供应商的商务协议签订，又出现了对该供应商供应的其他备件的采购申请，有时还是紧急采购申请（对于此类采购申请，必须立即进入采购的商务流程），于是采购工程师不得不又启动和该供应商的商务洽谈过程。这样，不仅采购工程师的工作量大、采购效率低、采购费用高，并且供应商也多有埋怨。看来，仅仅处理备件库存水平的合理确定问题还不够，尚有必要进行采购优化决策支持系统的开发。4、采购优化决策支持系统开发所谓采购优化就是指当某一件备件抵达最小库存量（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能提供的其他备件之中，与否有需要顺带进行采购的备件（这些顺带采购的备件称为“从采购备件”，“从采购备件”可以有多种），假如有，则在一次采购中将这些备件所有采购到最大库存量。该采购优化过程是对库存控制模型的一种拓展，能有效提高采购效率。大亚湾核电站和华中科技大学管理学院于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的经验，采购优化决策支持系统的开发进展很顺利。到2月，就进入了试用阶段。同步库存控制决策支持系统也于8正式投产上线。到1月两个系统全面投产，并于12月完毕了系统实行后评估。通过大亚湾核电站备件库存控制和采购优化决策支持系统的开发，有效地提高了大亚湾核电站的备件管理的水平，产生了明显的经济效益和管理效益二、启发思索题从管理视角，开发管理信息系统与决策支持系统的区别是什么？决策支持系统开发中，建模是重要环节，数据质量尤为重要，怎样提高数据质量？建模效果怎样评价？三、案例点评管理信息系统的基本功能是数据的采集、整顿、存储与共享，满足了管理者在做决策时对于获取基本数据的规定，而无法提供可行的处理问题的工具和思绪。不一样于此，决策支持系统通过引入数学模型，并通过和管理信息系统的无缝集成，以便高效地提取模型计算所需数据，迅速提出决策问题的处理方案，提高了管理决策的效率。数据质量是企业开展信息技术应用中普遍碰到的问题，而相对于决策支持系统而言，数据质量尤为关键。定期的数据清理，规范的规章制度和严格的系统数据自检机制是保证数据质量的必要手段。建模效果评价不仅是实践中的难题，也是学术研究中的难题，案例中的“指定抽样+随机抽样”也许是一种现实中很好地处理措施。该问题是一种开放式问题，教学中，可以发动同学结合自己单位状况开展头脑风暴，通过讨论，增长大家对该问题的认识。案例3：购物篮的关联规则分析一、案例内容例如，每天超市中70%的客户在购置啤酒（商品A）的同步，有90%会购置香烟（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，将会提高它们的销售量。在大型数据库中，这些关联规则诸多，需要进行筛选，一般用“支持度”和“可信度”两个阀值来淘汰那些无用的关联规则。在本例中，设关联规则A=>B的可信度为C，支持度为S，则：C=同步购置商品A和B的交易数/购置了商品A的交易数；S=同步购置商品A和B的交易数/总交易数；本例的关联规则A=>B的可信度为C=90%，支持度S=70%。二、案例点评案例中发现，70%的买啤酒的客户中，有90%的客户还买了香烟，根据这一成果，超市可以将两种商品绑定促销，或将两商品的货架刚在一块，可以提高两种商品的销售量。而实际生活中，超市里应用数据挖掘技术使用销售额和利润共赢的应用比比皆是。不过由于超市每天的交易数据非常多，怎样有效的找到类似于啤酒与香烟这种有价值的规律，是不可不思索的问题。三、案例思索1.试举例超市中哪些商品之间会有类似“啤酒”和“香烟”的关系？2.在巨量的超市交易数据中，怎样才能找到类似“啤酒”和“香烟”的关系？案例4：IBM：从“深蓝”到“沃森”一、案例内容“嗨，电脑们，目前，我们的新老大来了。”2月16日，当智能计算机沃森（Watson）在经历三轮的比赛，最终赢得问答节目《危险边缘》（Jeopardy!）的冠军后，参赛选手KenJennings在他的题板上写下这段话。沃森获得7.7147万美元的成绩，以三倍的巨大奖金优势把这个节目最聪颖的两个人类选手远远甩在了背面。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”（DeepBlue）的IBM超级计算机，通过六局规则比赛的对抗后，最终拱手称臣。这位号称人类最聪颖的人，在前五局2.5对2.5打平的状况下，第六盘决胜局中，仅仅走了19步，就败给了“深蓝”。目前，这家企业以创始人ThomasJ.Watson名字命名的计算机，继续着对人类智能极限的挑战。在1960年代人工智能的技术研发停滞不前数年后，科学家便发现假如以模拟人脑来定义人工智能那将走入一条死胡同。目前，“通过机器的学习、大规模数据库、复杂的传感器和巧妙的算法，来完毕分散的任务”是人工智能的最新定义，这早已经取代了曾经甚嚣尘上的“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。“深蓝只是在做非常大规模的计算，它是人类数学能力的体现，”IBM中国研究院资深经理潘越简介，他同步参与沃森项目，负责提供数据支持。“当波及到机器学习、大规模并行计算、语义处理等领域，沃森了不起的地方在于把这些技术整合在一种体系架构下来理解人类的自然语言。”假如这些解释有点晦涩难懂的话，那么可以参看一下《危险边缘》的游戏规则，你便懂得沃森的价