商业智能与决策支持系统(共12页).doc

精选优质文档-倾情为你奉上第9章 决策支持系统与商业智能第一节 决策支持系统一、决策支持系统的概念与特征（一）决策支持系统的概念传统的MIS主要服务于企业的日常管理，发展到一定阶段，随着高层人员对MIS的进一步需求，决策支持系统（Decision Support Systems, DSS）随之产生。DSS的概念在上个世纪70年代就已经出现，80年代以来，对于它的研究和发展都十分迅速，一些研究和开发的系统，已经达到或接近实用阶段，但是，作为一种新型的、不断发展的系统，它的确切概念和定义仍处于争论和探讨之中，当然，这些看法也有许多相同之处：1. DSS是支持而不能代替决策者。2. DSS主要是支持上层管理的半结构化决策。3. DSS是交互的计算机系统，具有实用的人机交互界面。综合以上观点，本书认为，决策支持系统可以定义为：以管理学、运筹学、控制论和行为科学为基础，以计算机技术、仿真技术和信息技术为手段，针对半结构化的决策问题，支持决策活动的具有智能作用的人机系统。该系统能够为决策提供决策所需的数据、信息和背景材料，帮助其明确决策目标和进行问题识别，建立或修改决策模型，提供各种备选方案，并且对各种方案进行评价和优选，通过人机交互功能进行分析、比较和判断，为正确决策提供必要的支持。（二）决策支持系统的特征了解决策支持系统的特征，对于分析、设计和使用DSS都有着重要的意义，通过对DSS定义的分析，DSS的特征如下：1. DSS的使用主体是中、上层的管理人员；2. 辅助而不是代替管理人员进行决策；3. 易于为非计算机专业人员以交互会话的方式使用；4. 把模型分析技术与传统的数据存储技术及检索技术结合起来；5. 准确处理大量的不同来源数据；6. 提供报告和展示的灵活性，提供文本和图表的格式，支持对于决策的深入分析；7. 使用先进的软件包，完成错综复杂的分析和比较；8. 系统具有灵活性及适应性。（三）决策支持系统与管理信息系统的关系DSS是在MIS的基础上发展起来的，虽然DSS主要解决的是半结构化的问题，而MIS主要解决的是结构化的问题，但是这两者之间的范围并不是绝对的，因为随着人们认识问题程度的加深，认识过程的递进，一部分半结构化问题会慢慢转化为结构化问题，从而使得DSS和MIS的工作有一部分会重合。关于DSS和MIS的关系，总结过去学术界的看法，主要有这样几种观点：1. DSS是由MIS渐进发展而达到的高级阶段，MIS是DSS的一部分。2. MIS包含运用模型分析数据和辅助决策功能，DSS是MIS的一部分。3. DSS与MIS是统一的信息系统的两个不同的、相互联系和相互配合的组成部分。4. DSS与MIS是计算机应用与管理工作中的两个不同发展阶段。5. DSS和MIS没有区别，只不过从不同的角度，以不同的观点来研究决策活动的。6. DSS是多年来计算机在管理的实际应用中发展起来的一项独立的新技术，主要用于支持决策活动。由此可见，关于DSS与MIS的关系，仍然存在着许多不同的看法，总结前人的经验，加入作者的研究结果，本书认为，DSS与MIS的关系可以总结为下表：表9-1 MIS与DSS关系MISDSS联系人机系统，用于辅助组织进行管理和决策区别解决的问题结构化问题半结构化问题信息来源组织内部组织内部和外部设计思想实现一个相对稳定、协调的工作环境实现一个具有发展潜力和利用效率的系统与人的关系代替人的一部分基础工作协调人的工作，但不能替代驱动方式数据驱动模型驱动和用户驱动操作方式不希望人过多干预以人机交互式对话来共同完成任务信息需求着重体现全局整体的信息需求强调决策者个人的信息需求处理技术强调系统性、客观性，做到科学化和最优化强调发挥人的经验、判断力和创造力二、决策支持系统的组成（一）决策支持系统的概念模式决策支持系统的概念模式有助于理解决策支持系统的结构。概念模式反映DSS的形式及其与真实系统、人和外部环境之间的关系。基本的概念模式如图9-1所示，该图较好地表达了决策支持系统的基本思路。决策者通过操作对话系统进行问题求解，对话系统调用数据库和模型库系统，而这些系统也调用了关于决策问题的内部信息、外部信息、有关的环境方面的信息、与人有关的信息等。求解之后通过系统响应对决策者进行决策支持，然后再反馈作用到真实系统。问题来源于真实系统，而系统的目的仍然是真实系统。真实系统环境决策问题与人的行为有关的信息内部信息操作对话系统响应数据库系统模型库系统外部信息决策者图9-1 DSS的概念模式黄梯云：管理信息系统，高等教育出版社2002年2月，P236（二）决策支持系统的结构模式决策支持系统的功能主要由它的结构决定，关于决策支持系统的结构有各种各样的描述，如两库结构和三库结构等。尽管DSS在形态上各式各样，但它们在结构上主要是由人机接口、数据库、模型库、知识库、方法库5大部件组成，每个部件又有各自的管理系统。因此，从一般意义上说，DSS就是由人机接口、对话管理系统、数据库、数据库管理系统、模型库、模型库管理系统、知识库、知识库管理系统、方法库和方法库管理系统10个基本部件进行不同的集成、组合而成的，如图9-2所示。用户人机接口数据库管理系统模型库管理系统知识库管理系统方法库管理系统数据库知识库方法库模型库图9-2 DSS的结构模型1. 用户。如果没有用户的作用，设计、执行和使用决策支持系统不可能有效地进行。用户的使用技能、动机、知识背景、使用方式以及担当的角色等相关问题对于成功应用决策支持系统是至关重要的。决策支持系统的基本特征是“决策支持系统是由管理人员使用和控制的”，这也说明了用户是系统的主要组成部分。2. 数据管理部分。管理和存储与决策问题有关的数据，数据管理部分包括多个相应的子系统：数据库、数据库管理系统、数据仓库以及查询分析工具等。由于数据和信息是减少决策不确定因素的根本所在，因此，数据库子系统是决策支持系统不可或缺的重要组成部分。数据库应能够适应管理者的广阔的业务范围，不仅能够提供企业内部数据，而且能够提供企业外部数据。数据管理部分要提供安全功能、数据完整性功能和与使用决策支持系统相关的全面的数据管理任务。3. 模型管理部分。模型管理部分的部件包括：模型库、模型库管理系统、模型执行处理程序、模型组合生成程序等。因为现实数据表示的是过去已经发生了的事实或者是对现实事物的描述。利用这些模型，就可以把面向过去的数据变换成面向现在和预测将来的有意义的信息。在决策支持系统中，决策支持模型体现了管理者解决问题的途径，所以随着管理者对问题认识程度的深化，他们所使用的模型也必然会跟着产生相应的变化。模型库系统要能够灵活地完成模型的存储、管理和运行以及动态建模的功能。4. 知识管理部分。知识管理部分中最主要的是知识库，它以结构化的形式存储了有关的经验和知识，通过推理机完成知识的推理过程。在决策和解决问题的时候少不了推理，没有进行推理的决策实际上不能够算真正意义上的决策。问题越结构化，需要的推理也越少，当问题完全结构化时，一般的信息系统就可以处理，这时就没有所谓的“决策”。知识和推理是决策的本质。知识管理部分主要集中管理决策问题领域的知识（规则和事实），包括知识的获取、表达、管理等功能。5. 方法管理部分。方法管理部分主要包括的是方法库和方法库管理系统。是存储、管理、调用及维护DSS各部件要用到的通用算法、标准函数等方法的部件，方法库中的方法一般用程序方式存储。它通过对描述外部接口的程序向DSS提供合适的环境，使计算过程实行交互式的数据存取，从数据库中选择数据，从方法库中选择算法，然后将数据和算法结合起来进行计算，并以直观清晰的呈现方式输出结果，供决策参考使用。方法库内存储的方法程序一般有：排序算法、分类算法、最小生成树算法、最短路径算法、计划评审技术、线性规划、整数规划、动态规划、各种统计算法、各种组合算法等。6. 交互接口。也就是输入输出的界面，是人机进行交互的窗口。对话子系统是决策支持系统的人机接口，它负责接收和检验用户的请求，协调数据库系统、模型库系统之间的通信，为决策者提供信息收集、问题识别以及模型构造、使用、改进、分析和计算等功能。对话子系统通过人机对话，使决策者能够依据人的经验，主动地利用决策支持系统的各种支持功能，从多种方案中选择一个最优决策方案。作为决策支持系统最一般的系统结构三角结构，这里给读者作简要介绍：三角结构主要由数据库、模型库等子系统与对话子系统呈三角形分布构成，具体结构如图9-3：用户DSS输入接口数据库管理系统方法库管理系统模型库管理系统数据库方法库模型库报告数据库查询模拟结果DSSDSS输出接口图9-3 DSS的三角式系统结构DSS输出接口和输入接口构成了对话管理子系统，对话管理子系统是DSS的人机接口界面，决策者作为DSS的用户通过该子系统提出信息查询的请求或决策支持的请求。对话管理子系统对接受到的请求作检验，形成命令，对信息查询请求进行数据库操作，提取信息，所得信息传送给用户。对决策支持的请求通过识别问题、从模型库中选取模型或构建模型，从数据库读取数据，从方法库中选择恰当的方法，运行模型并通过输出接口将形成的报告、数据查询的结果以及模拟的结果等传送给用户或暂存数据库待用。三、智能决策支持系统智能决策支持系统（Intelligence Decision Supporting System，IDSS），是人工智能（Artificial Intelligence ,AI）与DSS相结合，应用专家系统（Expert System, ES）技术，使DSS能够更充分地应用原有的知识，如关于决策问题的描述性知识，决策过程中的过程性知识，求解问题的推理性知识，通过逻辑推理来帮助解决复杂的决策问题的辅助决策系统。IDSS的概念最早由Bonczek等人于20世纪80年代提出，它具有既能处理定量问题，又能处理定性问题的功能。IDSS的核心思想是将AI与其他相关科学成果相结合，使DSS具有人工智能。在涉及到有关IDSS的内容之前，首先要明确两个主要的概念：人工智能和专家系统。（一）人工智能人工智能是指让机器模仿人类的思维与行为的一门学科。人工智能研究的是如何用人工方法和技术，即用各种自动机器或计算机模仿、延伸和扩展人的智能，实现某些“机器思维”或脑力劳动的自动化。人工智能系统包括人员、规程、硬件、软件、数据、开发计算机系统所必需的知识、以及用来演示智能特性的机器设备。与其他信息系统一样，企业中人工智能应用程序的总体目的就是帮助组织达到其目标。多数专家认为，AI与两个基本概念相关：第一，它涉及对人类思维过程的研究（理解什么是智能）；第二，它借助机器（如计算机、机器人等）研究如何表现这些过程。其目标就是要开发出具有智能行为的系统。美国商业部门最近的一份调查报告指出，世界前500强的公司中有70%的公司使用人工智能作为决策支持的一部分。工商企业使用最多的人工智能系统可划分为以下几个主要类别：1. 专家系统：可以通过对问题进行推理而得出相应的结论，或者提出合适的建议。2. 神经网络：可以通过训练学会识别模式。3. 遗传算法：首先产生大量的解，然后选择其中一些最好的解，利用选出的解来产生更好的解。通过这种方式，可以为具体问题产生循序渐进的解决方案。4. 智能代理：是一种适应性系统，它可以独立工作，执行特定的、重复的以及预先设置好的任务1斯蒂芬·哈格：信息时代的管理信息系统，机械工业出版社2004年第一版，P113 。目前人工智能的研究中，最接近实用的成果是专家系统。（二）专家系统专家系统是一种运用推理能力得出结论的人工智能系统。它非常适用于诊断性问题和指令性问题。诊断性问题是指那些需要回答“发生了什么”的问题，相当于决策的情报分析阶段；而指令性问题则是指那些需要回答“该做什么”的问题，相当于决策的选择阶段。专家系统和传统的决策支持系统结合就形成了智能决策支持系统。它在原传统DSS的结构基础上增加了知识库、推理机与问题处理系统，人机对话部分还增加了自然语言处理功能。专家系统包括下列的特点和能力：1. 能对它们的推理或提议的决策作出解释。能解释其推理过程的能力是计算机化专家系统的最有价值的特点。因而专家系统的用户可以访问到结论后面的推理过程。2. 能显示“智能”行为。因为专家系统收集了许多数据，所以它能为解决问题提议新的思想或方法、为某个决策提供一个模糊备选方案的提议。3. 能从复杂的关系间得出结论。专家系统能以非常复杂的方式评价相互关联的数据以得出结论，并找出问题的解决方案。4. 能提供“可移动的”知识。专家系统一项独特的能力在于它们可用来获取人类的专家经验，这些专家经验若不加以获取、挽救就会丢失。5. 能处理不确定性的问题。专家系统最重要的一个特点是能处理不完备或不十分准确的知识。专家系统通过运用概率学、统计学和启发学来解决处理此类问题。专家系统是由许多集成的、相互联系的构件所组成的。其中包括知识库、推理机、解释工具、知识库获取工具以及人机界面。如图9-4是一个专家系统的构成。用户用户接口推理机知识库知识获取设备专家1专家2专家N推理说明查询图9-4 专家系统的构成在上图中可以看到，用户与人机界面交互作用，而人机界面与推理机交互操作。推理机又与专家系统的其他部分交互作用。专家系统的这些组成部分必须联合工作才能为决策制定过程提供专家经验和导向。现在已开发出了设计、创建、更新及运用专家系统的专门的用户界面软件。用户界面的目的是方便用户及决策制定者们开发及使用专家系统。过去，需要有熟练的计算机专门人员来创建和运行绝大多数的专家系统，而现在，用人机界面即可让决策制定者开发和使用他们自己的专家系统。由于与其他类型的系统相比，专家系统的重点在于直接的用户活动，所以面向内容的人机界面可能会比常用的图形化界面更通用。专家系统与决策支持系统的主要区别如下表所示：关键特点DSSES主要目标支持决策者代替决策者谁作决策人ES面向决策者模拟专家查询操作用户问系统系统问用户主要部件数据库，模型库，会话部件知识库，推理机，用户接口操作形式算法，满意解启发式，最佳解用户主要决策专家和其他人设计队伍分析员，程序员，用户知识工程师，专家，用户问题领域通用专用问题顺序化非顺序化顺序化支持性质个人或组织个人推理或扩充能力无有一些技术水平DSS工具，专用DSS，DSS生成器ES工具，专用ES，ES结构器表9-21朱顺全，姜灵敏：管理信息系统理论与实务，人民邮电出版社2004年4月，P103 DSS与ES比较（三）智能决策支持系统把AI技术引入DSS，主要是通过专家系统与DSS相结合，在DSS系统中加入推理机和规则库。由于在决策过程中，许多知识不能用数据来表示，也不能通过模型来描述，所以没有固定方式的专门知识和历史经验。IDSS引入的规则库可以存储这些知识，为决策提供重要的参考和依据。IDSS可以有多种类型的信息库：文本库（TB）、数据库（DB）、方法库（AB）、模型库（MB）和规则库（RB）。其中文本库存储的是大量的自然语言书写的文档；数据库中存放的是事物关键因素的字段形式；模型库中存放的是反映信息本质关系的各种模型；规则库存放的是知识的最精炼的形式。在结构上，IDSS增设了知识库、推理机与问题处理系统，人机对话部分还加入了自然语言处理功能。IDSS以知识库为核心，在模型数值计算的基础上引入了启发式等人工智能的求解方法，使原来主要由人承担的定性分析任务的部分或大部分转由机器完成，并且比人做得更好、更稳定。知识的推理机制能获得新知识，知识的积累使系统的能力不断增强。在人机交流方面， IDSS的人机对话子系统采用自然语言处理技术形成智能人机交互。自然语言与计算机语言的差距是以计算机为工具的信息系统应用的重要障碍之一，智能人机交互接口能使用户用自然语言来提出决策问题，自然语言处理功能将其转换成计算机能理解的问题描述，然后交付求解。在求解的人机交互过程中及求解结果的输出上，自然语言处理技术同样迈出了靠近人类的步伐。与人的贴近，使决策者不必再依赖于熟悉计算机的助手而直接使用IDSS。可见，IDSS具有人工智能的行为，能充分利用人类已有知识。IDSS在用户决策问题的输入，机器对决策问题的描述，决策过程的推进，问题解的求取与输出等方面都有了显著的改进，很好地体现了人工智能技术的优越性。人工智能技术应用于IDSS的程度与范围不同，可以构成不同结构的IDSS。较完整与典型的结构是在传统DSS的基础上增设知识库与推理机，在人机对话子系统加入自然语言处理系统，同时增加问题处理系统。具体IDSS的结构如图9-5所示：用户人机接口自然语言处理系统问题处理系统模型库管理系统数据库管理系统方法库管理系统知识库管理系统推理机模型库数据库方法库知识库图9-5 IDSS的基本结构四、群体决策支持系统现代社会人们的政治、科技以及生产活动都趋于社会化、信息化，重大问题的决策是由多个相关的决策成员按照一定的原则和规程协同进行的，即群体决策。但是，传统的DSS仅面向单一成员而不能胜任群体决策的支持，群体决策支持系统便成为DSS的一种发展趋势。群体决策支持系统（GDSS，Group Decision Support System），是指在系统环境中，多个决策参与者共同进行思想和信息的交流，群策群力，寻找一个令人满意和可行的方案，但在决策过程中只由某个特定的人做出最终决策，并对决策结果负责。群体决策支持系统从DSS发展而来，通过决策过程中参与者的增加，使得信息的来源更加广泛；通过大家的交流、磋商、讨论而有效地避免了个体决策的片面性和可能出现的独断专行等弊端。（一）GDSS的功能群体决策支持系统的基本功能有以下几点：1. 通过加强通信，消除了差异：通过限制不必要的感情式的相互作用，控制、协调参与者的关系。2. 提高讨论者的地位和结论的公正性。3. 系统的实施可以是永久性的（稳定和正式的程序集合）或暂时性的（必要时才使用的系统）。群体决策支持系统的技术功能主要有以下几点：1. 对决策过程中的数据信息交流的控制。2. 自动选择合适的群体决策技术。3. 对可行的决策方案进行分析计算和解释。4. 如果群体决策无法得出一致，则讨论个体决策差异或提出重新定义问题的建议。（二）GDSS的结构GDSS是决策支持领域的新的分支，对常规的DSS进行了扩充，扩充的内容包括：1. 增加了一个通信库（Communication Base），方便决策参与者之间进行交流。2. 加强了模型库功能，提供了投票、排序、分类评估等功能来实现达成一致的决策。3. 系统使用前能够快速准备和具有协调能力，如安排会议议程，事先让与会者熟悉相关数据文件和决策模型等。4. 扩充了必要的物理设备。图9-6反映了一个比较有代表性的GDSS的结构：GDSS应用软件模型库通信库数据库用户接口公共屏幕与I/O设备终端C终端A终端B主持人决策者决策者图9-6 一种较有代表性的GDSS结构一个GDSS通常由硬件、软件、用户接口及人主持人和决策者构成，其中：1. 硬件GDSS的硬件包括主机、外部存储器（磁盘）、I/O设备、通信线路和用户接口。根据GDSS的类型不同，所使用的硬件也不同。简单GDSS应有一个分时系统的主机、I/O设备、通信线路和给群体显示信息用的公共电视屏幕及用户接口。高级GDSS应有多个主机和计算机网络。对于GDSS环境中的通信技术的要求，取决于GDSS的所在地理环境，可以用公用电话线、专用线或无线电信道来支持联机系统，可以用局域网或广域网连接多个主机及微机工作站，从而使群体中的每个成员都能通信对话，实现电子邮件、计算机会议和电视声像会议。2. 软件GDSS软件包括通信库、数据库、模型库、程序设计语言、操作系统、通信规程和用户软件接口等。在举行正式会议或虚拟会议时，通信库相当于会议的秘书处，是系统的核心，它存储与管理主题信息、会议进程信息及与会者的往来信息，沟通与会者之间、与会者与公共数据库和模型库之间的通信，公共屏幕信息也由通信库传送至各参会者的站点；而数据库主要提供解决问题的基础数据、决策用事实和存放决策结果；模型库则提供各种决策模型、方法和处理模型。3. 人主持人及决策者系统中的主持人就是系统的操作员，他是群体成员与系统之间的桥梁，起着群体与系统技术之间接口的作用。他具体操作GDSS软件，必要时给群体显示所需要的信息，例如关于会议要求与安排的发布等。决策者则是实际参与决策的人，他们往往需要GDSS提供有关数据、模型、方法等决策资源。第二节 商业智能一、商业智能的概念商业智能（Business Intelligence，简称BI）的概念最早是Gartner Group于1996年提出来的。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。当时，Gartner Group预测说：到2000年，信息民主（注：指内信息共享的无差别性）将在具有前瞻性思维的企业中浮现。借助商业智能，员工、员、客户、供应商以及公众能够有效地运用信息。目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、交易账目、客户和供应商资料，来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。 商业智能的这个基本过程如图9-7所示。外部数据库MSSQLORACAL外部文件ETL工具数据仓 库元数据数据挖掘OLAP分析信息表现查询报表数据仓库数据模型BI系统用户元数据库元数据数据描述用法结构安全设置数据数据数据查询请求图9-7 商业智能基本过程图因此，BI是涉及一个很宽领域的，集收集、合并、分析和提供信息存取功能为一身的解决方案，包括ETL软件、数据仓库、数据集市、数据查询和报告、多维/联机数据分析、数据挖掘和可视化工具。二、商业智能包含的内容商业智能包括专家系统、神经网络、遗传算法和智能代理等几个方面。1. 神经网络被称为有学习能力的商业智能系统。神经网络具有和人类大脑相似的功能.经过对神经网络系统进行一段时间的训练以后，该系统可以在没有人干预的情况下进行模拟识别，以解决特定领域中的问题。神经网络可以很容易的解决具有上百个参数的问题，神经网络常用于两类问题：分类和回归。当神经网络被训练好以后，如果给它制定领域内新的模式识别问题，它就能给你有关这种模式的相关信息。原因就是在于神经网络是按照人脑的模式来制造出来的。它的任务就是响应、自我组织、学习、抽象和遗忘，而不是执行。2. 遗传算法是基于进化理论，并采用遗传结合、遗传变异、以及自然选择等设计方法的优化技术。它通过选择、交叉和变异等进化概念，产生出解决问题的新方法和策略。选择是指挑选出好的解决方案，交叉是将好的方案中的部分进行组合连接，而变异则是随机的改变解决方案的某些部分。这样当提供了一系列可能的解决方案后，遗传算法就可以得出许多解决方案。3. 智能代理是将计算机和网络中许多重复的工作独立出来，自动的适应人们的爱好和习惯，按照人们的要求完成工作。融合了许多现代的软件技术。它的典型应用是在Web上为消费商品进行筛选或监测拍卖，在竞价时提醒用户。三、客户知识和客户智能1. 客户知识客户知识，顾名思义，是有关客户的知识。客户知识有三个方面的涵义：一是客户的知识(Knowledge of custcmers)，如谁是企业的客户，他们需要什么；二是关于客户的知识(Knowledge about customers)，如客户的特征、困难和观点，交易历史，以及再次光顾本企业的可能性；三是有关客户环境的知识与观点，以及客户的关系网。客户的知识是绝大多数公司市场开拓和创新所需的最重要的知识，它最有可能为公司带来直接的经济回报。使自己区别于其他企业的一个潜在的关键因素，就是能不能充分收集和利用客户知识。如果企业能够同客户建立密切的知识交流与共享机制，及时了解客户的情况及客户所掌握的知识，无疑会使企业更紧密地贴近市场，大大提高企业决策的准确性和在市场上的竞争能力。客户知识在企业的有效使用可以给企业带来以下好处：（1）客户知识让企业清楚在产品和服务上努力的方向。企业有效整合现有的资源，从计划、设计、生产、营销、销售、服务等各个环节保证在满足客户需求下的高效率的运作。另外客户知识管理可以预测客户将来一段时期的需求，从而制定有效的策略。（2）根据从客户知识发掘的信息，计算客户生命周期价值，以此作为客户分类的依据。针对不同类别的客户采取不同的措施。（3）  预测客户流失的可能性，或者采取及时的补救措施，或者做出减少不必要的投资等决策，最大限度地保留客户和降低企业的损失。  2. 客户智能客户智能（CI）是创新和使用客户知识、帮助企业提高优化客户关系的决策能力和整体运营能力的概念、方法、过程以及软件的集合。所有这些的实施存在一个大前提：客户数据必须准备完整，能初步具备构建客户数据仓库的标准。客户智能体系可被看作是企业形成的一种向客户学习的机制和关系。在学习过程中，企业会获得个体客户更多的偏好、需求等预测性客户知识。通过有效地使用这些客户知识，企业将获得无尽的竞争优势。  表9-3 CRM系统中的客户智能1 杨林：智能化您的CRM载大连企业信息网，2004年 阶段客户智能内容/描述客户获取 营销智能 用户线索（lead）有效性分析：对比客户线索与客户的交易和营业额；商业活动有效性分析；客户份额分析；营销成本分析；渠道分析：渠道盈利率分析 销售智能 销售预测、盈利率分析、营业额分析 客户细分智能 根据客户消费行为特征、LTV细分客户 客户接触 渠道分析 根据客户偏好选择接触渠道 客户自助服务智能 支持统计：分析呼叫量、解决的问题、状况等自助服务支持； 服务合同：通过服务和维护频率决定服务/维修合同 客户支持响应分析 分析接触渠道的有效性 客户保留 客户保留风险分析 通过KDD确定流失客户的特征，对现有客户分析 客户支持成本分析 通过客户特征分析，判断客户服务/支持级别 客户获利性分析 计算客户LTV 产品服务分析 确定服务趋势、产品趋势；确定技术人员价值。 产品维修分析 产品缺陷分析；产品趋势 客户增值 客户需求分析 利用客户知识确定改善的机会、满足潜在需求 交叉/向上销售智能 1、   交叉销售分析； 向上销售分析 客户智能具有的功能 ： （1）客户数据管理功能 。客户数据管理是客户智能的基础功能，它也是其他功能赖以实现的前提。客户智能具备从多个客户数据源ETL（抽取、转换、转贮）数据、清洗数据、数据集成的能力；具备对大量客户数据高效存储与维护的能力。客户数据管理的意义在于，它一方面为企业提供统一的客户视图（unified   customer  view），另一方面为客户数据分析和客户知识发现提供高质量的数据环境。（2）数据分析功能。具备OLAP，Legacy等多种数据分析的功能；具备终端信息查询和报表生成的功能；具备数据可视化的能力。数据分析支持较低层次的分析需求。（3）客户知识发现功能。与客户有关的概念、规则、模式、规律和约束等客户数据通常被看作是形成客户知识的源泉。原始的客户数据可以是结构化的，如存储在关系数据库中的客户数据；也可以是半结构化的，如文本、图形和图像数据；甚至是分布在网络上的异构型客户数据。（4）辅助企业建模。客户智能体系具备了进行有利于客户知识产生、分发和利用的企业建模的能力，目的是建立一个高效的、快速反应的、科学决策的、以客户为中心的组织架构。客户智能是建立在对客户数据的分析、知识发现的基础之上的，它使企业对客户的决策建立在定量的基础上，而不是定性的假设。案例：金蝶的商业智能方案及其特点案例讨论：（1） 试就本案例讨论企业应怎样根据自己的实际情况引进BI？（2） 通过对金蝶商业智能方案的特点的分析，你认为BI可以从哪些方面对企业产生影响？思考题1 理解什么是决策支持系统？2 试描述组成决策支持系统三角结构的三部分的相互关系？3 请说明与的不同之处？4 DSS与MIS的关系问题一直是学术界讨论的热点。请谈谈你对二者关系的认识？5 试述专家系统的主要特点？6 什么是商业智能？为什么说“把商业智能看成是一种解决方案应该比较恰当”？专心-专注-专业