商務(wù)智能與決策支持——案例及案例分析

1、商務(wù)智能與決策支持教學(xué)案例案例1:光大銀行商務(wù)智能系統(tǒng)的實施一、案例內(nèi)容成立于1992年8月的光大銀行，作為國內(nèi)最大的股份制商業(yè)銀行，擁有眾多客戶群，幾百個分支機構(gòu)遍布國內(nèi)外；同時光大銀行以領(lǐng)先的理念為客戶提供種類繁多的金融服務(wù)。對于一個如此龐大的機構(gòu)，如此繁多的金融服務(wù)，管理的復(fù)雜性可想而知。近年來，通過綜合柜臺業(yè)務(wù)系統(tǒng)、陽光卡系統(tǒng)、網(wǎng)上銀行系統(tǒng)和辦公自動化系統(tǒng)等一系列信息化基礎(chǔ)建設(shè)，光大銀行率先實現(xiàn)了業(yè)務(wù)系統(tǒng)全國聯(lián)網(wǎng)和總行數(shù)據(jù)大集中。在成功實現(xiàn)業(yè)務(wù)系統(tǒng)全國聯(lián)網(wǎng)和總行數(shù)據(jù)大集中后，經(jīng)營管理分析方面又出現(xiàn)了一些亟待解決的新問題，如：統(tǒng)計數(shù)據(jù)不夠及時準(zhǔn)確、對決策分析缺乏專業(yè)化系統(tǒng)化支持、報表處理

2、效率低、數(shù)據(jù)共享差、難以為以客戶為中心的經(jīng)營管理模式提供充足的信息支持、業(yè)績考核沒有理想的IT系統(tǒng)為支撐等等。眾多新問題的出現(xiàn)是銀行管理層始料未及的。為了盡快突破海量數(shù)據(jù)的“封鎖”，挖掘其中蘊涵的知識和信息，光大銀行決策層于2002年初開始立項商業(yè)智能及數(shù)據(jù)倉庫系統(tǒng)。光大銀行根據(jù)自身情況，以實際需要為導(dǎo)向，對各家方案的優(yōu)劣進行仔細分析、反復(fù)考察、綜合考慮。最終，菲奈特軟件公司的高端商務(wù)智能產(chǎn)品Bl.Office以其領(lǐng)先的技術(shù)和簡便的操作從眾多競爭者中脫穎而出，贏得了光大銀行決策層的一致青睞。經(jīng)過商議，雙方在國際結(jié)算業(yè)務(wù)統(tǒng)計分析、對公業(yè)務(wù)統(tǒng)計分析、信貸風(fēng)險管理、客戶經(jīng)理業(yè)績考核等方面簽定了一系列

3、合作計劃。為了降低實施風(fēng)險，將從國際結(jié)算業(yè)務(wù)統(tǒng)計分析系統(tǒng)開始，各個項目逐步實施。成功的選型是光大銀行商業(yè)智能應(yīng)用系統(tǒng)成功實施的開始。國際業(yè)務(wù)部商業(yè)智能的應(yīng)用證明，光大銀行所采取的“以部門為基礎(chǔ)實施數(shù)據(jù)處理”的決定是正確的，也是務(wù)實的。從2002年12月開始，菲奈特Bl.Office商業(yè)智能應(yīng)用平臺相繼應(yīng)用于光大銀行其他幾個業(yè)務(wù)部門，形成相應(yīng)部門的商業(yè)智能系統(tǒng)。這些商業(yè)智能系統(tǒng)以數(shù)據(jù)倉庫技術(shù)為基礎(chǔ)，把分散在各個業(yè)務(wù)系統(tǒng)的數(shù)據(jù)進行整合，數(shù)據(jù)經(jīng)過清洗、轉(zhuǎn)換，加載到數(shù)據(jù)倉庫；再采用OLAP和DataMining等技術(shù)，為管理決策人員提供強大、靈活的日常查詢和決策支持。一個應(yīng)用實例：有一段時間存款余額持

4、續(xù)不斷的增長，但是同期的流失客戶數(shù)也在不斷增長，這個問題引起了業(yè)務(wù)部分析人員的高度重視。該分析人員通過系統(tǒng)進行自助分析，最后發(fā)現(xiàn)，問題的根源在于很多客戶經(jīng)理為了完成攬存目標(biāo)，費了大量的人力和成本開拓新行業(yè)、新客戶，而忽略了對老客戶的關(guān)系管理，才出現(xiàn)了存款余額和流失客戶數(shù)同時增長的怪想象。于是馬上向主管領(lǐng)導(dǎo)反映，當(dāng)天就在全行下達了整改通知，及時阻止了不良趨勢的蔓延?！蹦壳?，光大銀行的商業(yè)智能系統(tǒng)已經(jīng)成為管理層進行戰(zhàn)略實施、績效考核不可或缺的工具；各級業(yè)務(wù)人員的日常經(jīng)營分析在很大程度上也有賴于該系統(tǒng)的支持。BI.Office在光大銀行取得了圓滿成功。二、案例點評通過案例，我們了解到光大銀行選擇了B

5、I（商業(yè)智能）系統(tǒng)，很好的解決了利用數(shù)據(jù)進行分析，從而為決策提供強有力支持的問題，提高了工作效率和質(zhì)量，達到了較高的投資回報率。其實，不難發(fā)現(xiàn)銀行業(yè)的業(yè)務(wù)數(shù)據(jù)已經(jīng)或者正在實現(xiàn)“大集中”，數(shù)據(jù)大集中為提高BI系統(tǒng)的成功率、縮短項目周期、降低系統(tǒng)實施成本、提高項目投資回報打下了良好的基礎(chǔ)。隨著國內(nèi)銀行與境外銀行競爭的加劇，應(yīng)用BI系統(tǒng)進行風(fēng)險分析、業(yè)務(wù)決策將是國內(nèi)銀行提升國際競爭力的一個主流選擇。BI系統(tǒng)能夠解決目前銀行存在的幾大問題，如統(tǒng)計滯后、數(shù)據(jù)共享差、報表處理效率低、對決策分析缺乏系統(tǒng)化支持等，這也是銀行選擇BI系統(tǒng)的重要原因。三、案例思考1 .光大銀行為什么會選擇商務(wù)智能系統(tǒng)？2 .光大

6、銀行使用商務(wù)智能系統(tǒng)后，解決了哪些問題？案例2:大亞灣核電站備件庫存控制與采購優(yōu)化決策支持系統(tǒng)開發(fā)一、案例內(nèi)容1、電站背景大亞灣核電站位于改革開放特區(qū)深圳市的大亞灣核電基地，是我國大陸首座大型商用核電站，由廣東核電合營有限公司建設(shè)和經(jīng)營（從2003年3月起，電站委托大亞灣核電運營管理有限公司全面負責(zé)電站的運營管理），年發(fā)電能力近150億千瓦時，70%肖往香港，30%銷往廣東。按照“高起點起步，引進、消化、吸收、創(chuàng)新”和“借貸建設(shè)、售電還錢、合資經(jīng)營”的方針，主體工程于1987年8月開工，1994年5月6日全面建成投入商業(yè)運行，擁有兩臺裝機容量為98.4萬千瓦的法國成熟第二代壓水堆核電機組。大亞

7、灣核電站投產(chǎn)以來已連續(xù)安全運行16年，在國際上衡量核電站安全運行管理水平的9項關(guān)鍵指標(biāo)中，大亞灣核電站有8項指標(biāo)達到世界先進水平。截止2009年12月，累計發(fā)電2051.98億千瓦時，其中供香港1401.50億千瓦時。2、電站備件庫存控制管理中的問題大亞灣核電站于1994年開始商業(yè)運行，倉庫于1993年開始接收現(xiàn)場安裝剩余物資和備件，此后又有一些補充采購的備件驗收入庫，庫存量增加很快，1995年達到驗收的高峰期，僅這一年驗收入庫的物資達4千4百萬美元。1997年后，倉庫驗收的金額和使用的金額基本持平，庫存金額持續(xù)保持在1億美元左右的高位。由于大亞灣核電站備件供應(yīng)商大多在歐洲I,為了防范缺貨風(fēng)險

8、，需要庫存大量備件，而核電站的維修特點也決定了這些備件的使用率不高，很難把握備件的需求規(guī)律。庫存多了，造成浪費；庫存少了，影響生產(chǎn)，據(jù)估算，一臺機組非計劃停堆一天的損失在100萬美元左右。在這種情況下，如何進行科學(xué)合理的庫存控制就顯得非常重要了！在早期，主要依靠維修技術(shù)人員的經(jīng)驗來決定各類備件的庫存水平。后來隨著數(shù)據(jù)的積累，以及掌握到基本的一些庫存控制知識后，生產(chǎn)準(zhǔn)備人員開始根據(jù)相關(guān)一些數(shù)據(jù)，例如過去的使用情況、維修手冊的要求、備件的價格等等，來估計備件的庫存量，但主要是靠個人的經(jīng)驗判斷，隨意性較大。1999年大亞灣核電站開始引入美國ISI公司開發(fā)的RUSL庫存控制模型。據(jù)了解，RUSL已在美

9、國及歐洲幾百個倉庫中得到應(yīng)用。由于大亞灣核電站前期的庫存管理比較粗獷，采用RUSM行計算后，迅速糾正了大量原先不合理的庫存設(shè)置，使得大亞灣核電站的庫存控制水平有了很大提高。RUSL通過INTERNE甘巴歷史使用數(shù)量、價格、采購周期等數(shù)據(jù)上傳到ISI公司的服務(wù)器，經(jīng)過美國技術(shù)人員的操作運行，23天后再把結(jié)果傳回來。這種操作方式，要求電站的技術(shù)人員首先從自己的電站生產(chǎn)信息系統(tǒng)中導(dǎo)出基本數(shù)據(jù)，然后按照RUSL的要求，加工整理成模型計算所需要的數(shù)據(jù)并滿足一定的格式要求，這樣使得數(shù)據(jù)的搜集與整理工作量很大。于是，大亞灣核電站曾提出購買ISI公司的軟件和技術(shù)，希望實現(xiàn)本地在線計算，但對方一口拒絕。另外，在

10、RUSL的這種操作方式下，公司備件管理人員完全不了解RUSL的計算方式，僅僅是被動地接受，無法滿足改進工作、提升管理系統(tǒng)的要求，而且每年3萬美元的服務(wù)費用也是一筆不小的開支，因此公司開始考慮其他途徑，尋求替代RUSL的更方便實用的庫存控制決策軟件。3、庫存控制決策支持系統(tǒng)開發(fā)2003年底，華中科技大學(xué)管理學(xué)院在對大亞灣核電站進行調(diào)研后，確定了聯(lián)合開發(fā)“大亞灣核電站備件庫存控制決策支持系統(tǒng)”的技術(shù)方案。該方案將決策支持系統(tǒng)的開發(fā)劃分為兩個子項目。一是建立備件庫存控制模型并驗證其效果；二是采用原型法根據(jù)所建模型完成決策支持系統(tǒng)的開發(fā)，并強調(diào)和現(xiàn)有電站生產(chǎn)信息系統(tǒng)實現(xiàn)無縫整合，能實時提供模型分析的功

11、能。建模子項目的推進中碰到的棘手問題是如何驗證模型的效果。華中科技大學(xué)管理學(xué)院提出用蒙特卡羅方法驗證的思路，但并未得到電站技術(shù)人員的認可，認為諸多假設(shè)太過理想，屬于學(xué)術(shù)研究范疇。經(jīng)過討論，雙方?jīng)Q定用電站從1994年以來近10年的真實備件消耗數(shù)據(jù)來驗證模型效果。然后，新的問題又?jǐn)[在面前，一是數(shù)據(jù)質(zhì)量存在問題，有相當(dāng)比例的備件歷史消耗數(shù)據(jù)不完整，二是即使僅針對有完整歷史數(shù)據(jù)的備件來進行驗證，也面臨巨大的數(shù)據(jù)計算工作量。經(jīng)過多輪討論，最終達成“指定抽樣+隨機抽樣”的方案，從上萬種備件中抽取2000種左右的備件進行驗證。指定抽樣是指由生產(chǎn)準(zhǔn)備部門和維修部門的備件準(zhǔn)備工程師從影響生產(chǎn)系統(tǒng)運行的角度提出重

12、要備件清單，合同采購部門從采購周期、采購費用角度提供重要備件清單，結(jié)合兩者形成指定抽樣備件清單，而隨機抽樣備件清單，則編制隨機抽樣程序抽取形成，最后結(jié)合可獲得數(shù)據(jù)質(zhì)量情況，確定用于驗證模型效果的備件數(shù)據(jù)集。整個建模子項目歷時16個月，于2005年5月結(jié)束。隨后，進入庫存決策支持系統(tǒng)開發(fā)子項目。鑒于前期扎實的建模工作基礎(chǔ)，系統(tǒng)的數(shù)據(jù)模型設(shè)計和基于已有生產(chǎn)信息系統(tǒng)的數(shù)據(jù)提取與整理的計算邏輯很快就確定了。系統(tǒng)開發(fā)工作很快進入用戶試用階段，然而在此階段碰到了預(yù)料之外的問題。系統(tǒng)的開發(fā)人員對于庫存模型的基本原理和計算流程都非常精通，但是系統(tǒng)的使用人員普遍缺乏必要的知識和技能。系統(tǒng)功能設(shè)計和界面設(shè)計常常處

13、于兩難的局面，一方面，希望系統(tǒng)能夠提供更多的進行個性化分析的功能，一方面，又要兼顧缺乏建模專業(yè)知識的用戶對于“傻瓜”式功能的需要。系統(tǒng)開發(fā)工作曾一度陷入功能模塊設(shè)計、取消、取消、再設(shè)計的尷尬局面。為打破僵局，雙方的工作小組啟動了建模與應(yīng)用培訓(xùn)項目，并將系統(tǒng)試用和改進工作穿插在培訓(xùn)項目中。到2005年12月，系統(tǒng)開發(fā)工作進入尾聲，馬上就要上線運行了。然而在一次上線投產(chǎn)前的討論會上，采購支持科科長唐揚洋提出了另外一個問題。合同供應(yīng)處的另外一個主要工作就是備件的采購。原有的備件采購工作流程是，當(dāng)發(fā)現(xiàn)一種備件到達最小庫存點時，就即時向備件采購部門發(fā)出一張采購單，要求采購該種備件,然后采購工程師審核后進

14、入采購流程，完成詢價、供應(yīng)商選擇、合同簽訂等工作。由于此工作流程的對象是單個備件，往往出現(xiàn)前腳剛剛完成對該備件供應(yīng)商的商務(wù)合同簽訂，又出現(xiàn)了對該供應(yīng)商供應(yīng)的其他備件的采購申請，有時還是緊急采購申請（對于此類采購申請，必須馬上進入采購的商務(wù)流程），于是采購工程師不得不又啟動和該供應(yīng)商的商務(wù)洽談過程。這樣，不僅采購工程師的工作量大、采購效率低、采購費用高，而且供應(yīng)商也多有抱怨?？磥?，僅僅解決備件庫存水平的合理確定問題還不夠，還有必要進行采購優(yōu)化決策支持系統(tǒng)的開發(fā)。4、采購優(yōu)化決策支持系統(tǒng)開發(fā)所謂采購優(yōu)化就是指當(dāng)某一件備件到達最小庫存量（該種備件稱為“主采購備件”），需要向某一供應(yīng)商采購時，先檢查在

15、該供應(yīng)商所能提供的其他備件之中，是否有需要順帶進行采購的備件（這些順帶采購的備件稱為“從采購備件”，“從采購備件”可以有多種），如果有，則在一次采購中將這些備件全部采購到最大庫存量。該采購優(yōu)化過程是對庫存控制模型的一種拓展，能有效提高采購效率。大亞灣核電站和華中科技大學(xué)管理學(xué)院于2005年6月緊急啟動了采購優(yōu)化決策支持系統(tǒng)開發(fā)項目。由于前期在開發(fā)庫存控制決策支持系統(tǒng)中積累了大量的經(jīng)驗，采購優(yōu)化決策支持系統(tǒng)的開發(fā)進展很順利。到2006年2月，就進入了試用階段。同時庫存控制決策支持系統(tǒng)也于2005年8正式投產(chǎn)上線。到2007年1月兩個系統(tǒng)全面投產(chǎn)，并于2007年12月完成了系統(tǒng)實施后評估。通過大亞

16、灣核電站備件庫存控制和采購優(yōu)化決策支持系統(tǒng)的開發(fā)，有效地提高了大亞灣核電站的備件管理的水平，產(chǎn)生了顯著的經(jīng)濟效益和管理效益二、啟發(fā)思考題1,從管理視角，開發(fā)管理信息系統(tǒng)與決策支持系統(tǒng)的區(qū)別是什么？2.決策支持系統(tǒng)開發(fā)中，建模是重要環(huán)節(jié)，數(shù)據(jù)質(zhì)量尤為重要，如何提高數(shù)據(jù)質(zhì)量？建模效果如何評價？三、案例點評1.管理信息系統(tǒng)的基本功能是數(shù)據(jù)的采集、整理、存儲與共享，滿足了管理者在做決策時對于獲取基本數(shù)據(jù)的要求，而無法提供可行的解決問題的工具和思路。不同于此，決策支持系統(tǒng)通過引入數(shù)學(xué)模型，并通過和管理信息系統(tǒng)的無縫集成，方便高效地提取模型計算所需數(shù)據(jù)，快速提出決策問題的解決方案，提升了管理決策的效率。2

17、,數(shù)據(jù)質(zhì)量是企業(yè)開展信息技術(shù)應(yīng)用中普遍碰到的問題，而相對于決策支持系統(tǒng)而言，數(shù)據(jù)質(zhì)量尤為關(guān)鍵。定期的數(shù)據(jù)清理，規(guī)范的規(guī)章制度和嚴(yán)格的系統(tǒng)數(shù)據(jù)自檢機制是保證數(shù)據(jù)質(zhì)量的必要手段。建模效果評價不僅是實踐中的難題，也是學(xué)術(shù)研究中的難題，案例中的“指定抽樣+隨機抽樣”可能是一個現(xiàn)實中較好地解決辦法。該問題是一個開放式問題，教學(xué)中，可以發(fā)動同學(xué)結(jié)合自己單位情況開展頭腦風(fēng)暴，通過討論，增加大家對該問題的認識。案例3:購物籃的關(guān)聯(lián)規(guī)則分析一、案例內(nèi)容例如，每天超市中70%勺客戶在購買啤酒（商品A）的同時，有90g購買香煙（商品B）,即關(guān)聯(lián)規(guī)則啤酒（A=>香煙（B）。若在超市里將商品放在一起銷售，將會提高

18、它們的銷售量。在大型數(shù)據(jù)庫中，這些關(guān)聯(lián)規(guī)則很多，需要進行篩選，一般用“支持度”和“可信度”兩個閥值來淘汰那些無用的關(guān)聯(lián)規(guī)則。在本例中，設(shè)關(guān)聯(lián)規(guī)則A=>B的可信度為C,支持度為S,貝U:C=IW時購買商品A和B的交易數(shù)/購買了商品A的交易數(shù)；$=同時購買商品A和B的交易數(shù)/總交易數(shù)；本例的關(guān)聯(lián)規(guī)則A=>B的可信度為C=90%支寸I度S=70%二、案例點評案例中發(fā)現(xiàn)，70%勺買啤酒的客戶中，有90%勺客戶還買了香煙，根據(jù)這一結(jié)果，超市可以將兩種商品綁定促銷，或?qū)缮唐返呢浖軇傇谝粔K，可以提高兩種商品的銷售量。而實際生活中，超市里應(yīng)用數(shù)據(jù)挖掘技術(shù)使用銷售額和利潤共贏的應(yīng)用比比皆是。但是由

19、于超市每天的交易數(shù)據(jù)非常多，如何有效的找到類似于啤酒與香煙這種有價值的規(guī)律，是不可不思考的問題。三、案例思考1. 試舉例超市中哪些商品之間會有類似“啤酒”和“香煙”的關(guān)系？2. 在巨量的超市交易數(shù)據(jù)中，怎樣才能找到類似“啤酒”和“香煙”的關(guān)系？案例4:IBM:從“深藍”到“沃森”一、案例內(nèi)容“嗨，電腦們，現(xiàn)在，我們的新老大來了?！?011年2月16日，當(dāng)智能計算機沃森（Watson）在經(jīng)歷三輪的比賽，最終贏得問答節(jié)目危險邊緣（Jeopardy!）的冠軍后，參賽選手KenJennings在他的題板上寫下這段話。沃森取得7.7147萬美元的成績，以三倍的巨大獎金優(yōu)勢把這個節(jié)目最聰明的兩個人類選手遠

20、遠甩在了后面。14年前，即1997年，國際象棋世界冠軍卡斯帕羅夫，在與一臺名叫“深藍”（DeepBlue）的IBM超級計算機，經(jīng)過六局規(guī)則比賽的對抗后，最終拱手稱臣。這位號稱人類最聰明的人，在前五局2.5對2.5打平的情況下，第六盤決勝局中，僅僅走了19步，就敗給了“深藍”?，F(xiàn)在，這家公司以創(chuàng)始人ThomasJ.Watson名字命名的計算機，繼續(xù)著對人類智能極限的挑戰(zhàn)。在1960年代人工智能的技術(shù)研發(fā)停滯不前數(shù)年后，科學(xué)家便發(fā)現(xiàn)如果以模擬人腦來定義人工智能那將走入一條死胡同?，F(xiàn)在，“通過機器的學(xué)習(xí)、大規(guī)模數(shù)據(jù)庫、復(fù)雜的傳感器和巧妙的算法，來完成分散的任務(wù)”是人工智能的最新定義，這早已經(jīng)取代了曾經(jīng)甚囂塵上的“重建大腦”。按照這個定義，沃森在人工智能上被認為又邁出了一步?！吧钏{只是在做非常大規(guī)模的計算，它是人類數(shù)學(xué)能力的體現(xiàn)，”舊M中國研究院資深經(jīng)理潘越介紹，他同時參與沃森項目，負責(zé)提供數(shù)據(jù)支持?！爱?dāng)涉及到機器學(xué)習(xí)、大規(guī)模并行計算、語義處理等領(lǐng)域，沃森了的游戲規(guī)則，你便知不起的地方在于把這些技術(shù)整合在一個體系架構(gòu)下來理解人類的自然語言?！比绻@些解釋有點晦澀難懂的話，那么可以