[VIP专享]商务智能技术在企业战略决策中的支持作用及方法研究
- 格式:pdf
- 大小:189.81 KB
- 文档页数:7
商务智能系统的研发及应用商务智能(business intelligence,简称BI)是一种能够将大量企业数据转化为有用信息的技术。
商务智能的目的是利用数据来支持企业决策,并最终帮助企业取得成功并获得竞争优势。
随着企业数据量的快速增长,商务智能系统的研发和应用变得越来越重要。
本文将探讨商务智能系统的研发及应用。
一、商务智能系统的组成商务智能系统主要由数据仓库、数据挖掘、报表生成和数据可视化组成。
1.数据仓库数据仓库是商务智能系统的核心组件。
它是一个中央信息库,由各种数据来源提供数据,包括企业资源计划(ERP)系统、客户关系管理(CRM)系统等。
数据仓库收集企业中的数据,并将其转化为可供使用的信息。
这些信息可以用于企业管理来决策。
数据仓库需要强大的数据管理可靠性,使数据能够被存储、访问和搜索。
由于数据仓库需要承载大量企业数据,因此它需要具有高度的扩展性和灵活性。
2.数据挖掘数据挖掘是商务智能的另一个重要组件。
它是使用算法和技术来从数据中提取有价值的信息。
数据挖掘可以采用多种技术,包括聚类、分类、预测、关联挖掘和时序模式识别。
常见的数据挖掘应用包括客户聚类、交叉销售、风险管理、广告推荐等。
3.报表生成商务智能系统将大量的数据转化为有用的信息,并生成报表。
这些报表可以为企业提供有价值的信息,用于企业决策。
报表可以是静态或动态的,取决于用户的需求。
静态报表是事先产生的,一般用于不经常改变的数据。
动态报表在请求时产生,用于频繁变化的数据。
4.数据可视化数据可视化是另一个重要组件,它将数据转化为图表、图形和地图等形式,以便更直观地呈现信息。
数据可视化可以使用户更好地理解数据,并更好地决策。
如果数据可视化没有正确地解释数据,则可能导致错误的决策。
二、商务智能系统的研发和实施商务智能系统在企业中得到越来越广泛的应用,研发和实施商务智能系统的团队需要包括数据仓库设计师、数据挖掘工程师、报表开发人员、数据可视化工程师等。
商务智能与决策支持——案例及案例分析随着互联网技术的不断发展,大量数据被生产出来,这些数据中蕴含着巨大的商业价值。
商务智能和决策支持系统可以利用这些数据,提供决策制定者与业务分析师期望的数据驱动洞察,以优化业务决策。
以下是几个商务智能和决策支持系统的案例及案例分析。
案例1:超市销售决策支持系统在某家超市中,决策制定者需要决策哪些产品需要采购、以及量级的大小,以及哪些产品需要促销,以达到推广和促进销售的目的。
为了实现这些目的,该超市实现了一个决策支持系统。
决策支持系统采用商务智能数据仓库,从行业数据中导入了大量销售数据,包括每天、每周、每月、甚至每小时的交易、营销、库存和采购等数据。
该系统采用了高级数据可视化来表示销售数据,以帮助决策制定者快速识别有趣的数据趋势。
该系统还使用了预测分析,以辅助决策制定者预测某种产品的销售情况,并为其提供推荐;也使用了关联分析,以查找哪些产品最常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常在一起出售。
通过使用这个决策支持系统,超市看到了显着的效益。
决策支持系统帮助他们预测哪些产品将具有更高的需求,帮助他们采购了更合适的库存量,以及哪些产品需要进行促销以提高销售。
超市转型成了一个以数据为驱动的企业。
案例2:在线零售商的数据分析一家在线零售商使用商务智能、数据挖掘与分析技术来对订单,商品,顾客及销售数据进行分析,以帮助经营者做出更加精准的商业决策。
他们使用了大量的内部和外部数据来源,以建立一个全面的数据仓库,数据包括订单历史、销售历史、客户数据、产品数据和行业趋势等。
他们使用了数据挖掘和预测性分析来发现顾客的需求以及未来销售趋势。
通过分析他们的数据,该在线零售商能够快速识别哪些产品的销售量增加,哪些产品的销售量下降,哪些产品的客户评分较低,并能及时调整库存和价格等策略来优化他们的销售。
此外,经营者能够更好地识别他们的目标客户及其需求,以提供更好的客户服务。
商务智能的理解-回复商务智能是一种能够帮助企业进行数据分析和决策支持的技术和工具的集合。
它结合了数据分析、数据可视化、数据挖掘和报告等技术,通过对企业内部和外部数据的整合和分析,提供有关业务运营、市场趋势和客户行为等方面的洞察力和预测能力,从而帮助企业做出更明智的决策和战略规划。
首先,商务智能涉及的数据分析过程是关键的一步。
数据分析是通过采集、整理和解释数据来识别和理解业务趋势和模式的过程。
商务智能技术可以对海量的数据进行快速和高效的处理,以识别关键的业务指标和趋势。
通过这些数据分析,企业可以更好地了解自己的业务状况,包括销售额、市场份额、客户满意度等指标,从而为企业的决策提供有力支持。
其次,商务智能还包括数据可视化和报告功能。
数据可视化通过将数据呈现为图表、图形和仪表盘等形式,帮助用户更直观地理解和解释数据。
商务智能工具提供了各种可视化选项,如柱状图、线图、饼图等,用户可以根据需求选择最合适的方式来展示数据。
此外,商务智能工具还能生成定制化的报告,将数据分析的结果以清晰简洁的方式呈现给决策者,帮助其更好地理解和利用这些信息。
第三,商务智能也利用数据挖掘技术来提供更深入的洞察和预测能力。
数据挖掘是一种通过分析和挖掘数据中隐藏的模式和关联,来发现新的知识和洞察的方法。
商务智能工具可以运用数据挖掘算法和技术,从数据中发现隐藏的关系和模式,以及对未来趋势进行预测。
这种能力使企业能够更好地理解和把握市场趋势,预测客户需求,从而更好地规划业务发展和营销战略。
最后,商务智能还具备一定的决策支持功能。
商务智能工具将大数据和分析结果与企业的决策过程相结合,帮助企业制定更明智的决策和战略。
通过实时抓取和处理数据,商务智能能够迅速响应企业的需求,并提供实时的决策支持。
企业的决策者可以利用商务智能工具,根据数据和分析结果做出更准确和可靠的决策,降低风险,提高效率。
商务智能的应用场景广泛,涵盖了各个行业和领域。
在制造业中,商务智能可以帮助企业实现生产过程的优化和监控,提高生产效率和质量。
人工智能在商业决策中的应用在当今社会,人工智能已经逐渐渗透到各个领域,其中商业决策领域更是成为了人工智能技术的重要应用场景之一。
通过机器学习、深度学习等技术手段,人工智能系统能够处理大量数据,帮助企业做出更加智能、准确的商业决策,从而提升竞争力和效益。
首先,人工智能在商业决策中的应用主要体现在数据分析方面。
随着互联网的发展,企业获得的数据量急剧增加,传统的数据处理方法已经无法满足实际需求。
人工智能技术可以帮助企业对海量数据进行分析和挖掘,发现其中潜藏的规律和趋势,为商业决策提供数据支持。
例如,通过机器学习算法,企业可以预测市场走势、客户行为,甚至是员工绩效,从而做出更加精准的决策。
其次,人工智能在商业决策中还可以发挥风险管理的作用。
商业活动往往伴随着风险,而人工智能技术可以帮助企业识别和评估风险,降低不确定性对企业的影响。
利用人工智能技术,企业可以建立风险预警系统,及时发现可能存在的问题,并采取相应的措施进行干预。
例如,通过监控金融市场数据,人工智能系统可以发现潜在的风险事件,并提前做出应对,保障企业资金的安全。
此外,人工智能还可以在营销决策中发挥重要作用。
在当今竞争激烈的商业环境下,企业需要更具针对性地营销策略,吸引更多客户。
人工智能技术可以通过对客户行为、偏好等数据的分析,为企业提供个性化、精准的营销方案。
例如,人工智能系统可以根据客户的浏览记录和购买历史,推荐适合他们的产品,提升购买率和用户满意度。
最后,人工智能在商业决策中的应用也推动了企业管理模式的转变。
传统的决策模式往往依赖于人工经验和直觉,容易受主观因素的影响。
而人工智能技术则可以基于数据和算法进行决策,减少人为干扰,提高决策的科学性和效率。
通过引入人工智能系统,企业可以建立更加智能、高效的管理体系,提升企业整体运作效率和管理水平。
综上所述,人工智能在商业决策中的应用不仅帮助企业更好地理解和应对市场环境的变化,提升企业的竞争力和盈利能力,也推动了企业管理模式的转变,推动了商业决策的智能化和科学化,为企业带来了更多的发展机遇和挑战。
管理科学与工程硕士商务智能研究方向介绍1. 引言1.1 概述管理科学与工程在当今社会中扮演着至关重要的角色。
随着信息技术的迅猛发展和大数据时代的到来,商务智能作为一种重要的管理工具,在企业决策中发挥着越来越重要的作用。
本文旨在介绍商务智能在管理科学与工程硕士专业中的研究方向,并探讨它在企业决策中的应用以及其未来发展趋势。
1.2 研究背景随着全球经济竞争日益激烈,企业需要更加高效地利用信息资源来提升竞争力。
商务智能作为一种集成多个技术和方法的综合性解决方案,可以帮助企业从大量的数据中获取有价值的信息,促进决策制定和战略规划。
因此,在此背景下,研究商务智能在管理科学与工程领域中的应用变得尤为重要。
1.3 目的和意义本文旨在通过对商务智能研究方向进行分析和探讨,以期增强读者对该领域的了解和认知。
同时,通过对商务智能在企业决策中的作用、市场需求对研究方向的影响以及不同行业对研究方向的需求差异性进行探讨,提供给管理科学与工程硕士专业相关学生和从业人员一些参考和建议。
此外,本文也将探讨如何完善管理科学与工程硕士专业中商务智能研究方向设置,并展望未来商务智能在该领域的发展前景。
注:本文所述内容仅供参考,请勿直接抄袭,如有需要,请根据自身实际情况进行适当调整和修改。
2. 商务智能概述2.1 商务智能基本概念商务智能(Business Intelligence,简称BI)是一种利用信息技术和数据分析方法,将企业内部和外部的大量数据转化为有价值的商业信息和洞察力的过程。
它可以帮助企业管理者了解市场趋势、竞争对手动态以及企业内部运营状况等重要信息,从而支持决策制定和战略规划。
商务智能包含了多个关键技术和方法,如数据仓库、数据挖掘、在线分析处理(OLAP)、报表与查询工具等。
通过采集、整合和分析海量数据,商务智能系统可以生成直观、易懂的可视化报告和图表,使管理者能够更好地了解企业的运行情况。
2.2 商务智能在管理科学与工程中的应用商务智能在管理科学与工程领域中具有广泛的应用。
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施一、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,几百个分支机构遍布国内外;同时光大银行以领先的理念为客户提供种类繁多的金融服务。
对于一个如此庞大的机构,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一些亟待解决的新问题,如:统计数据不够及时准确、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、难以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,对各家方案的优劣进行仔细分析、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。
经过商议,双方在国际结算业务统计分析、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。
成功的选型是光大银行商业智能应用系统成功实施的开始。
国际业务部商业智能的应用证明,光大银行所采取的“以部门为基础实施数据处理”的决定是正确的,也是务实的。
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他几个业务部门,形成相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,数据经过清洗、转换,加载到数据仓库;再采用OLAP 和Data Mining等技术,为管理决策人员提供强大、灵活的日常查询和决策支持。
商务智能在企业绩效管理中的应用一、引言随着市场竞争的加剧和信息化的发展,企业对于绩效管理的重视程度越来越高。
而商务智能(Business Intelligence,简称BI)作为一种新兴的信息技术工具,可以帮助企业更好地进行绩效管理。
本文将从BI的定义、优势以及在企业绩效管理中的应用等方面进行分析。
二、商务智能的定义及优势1. 商务智能的定义商务智能是指通过对企业内部和外部数据进行采集、整合、分析和展现等方式,帮助企业决策者更好地了解企业运营情况并做出正确决策的一种信息技术工具。
2. 商务智能的优势(1)提高决策质量:商务智能可以通过数据分析和展现等方式,帮助决策者更好地了解企业运营情况,并且预测未来发展趋势,从而做出正确决策。
(2)提高工作效率:商务智能可以自动化地对数据进行采集、整合和分析等过程,减少人工干预,提高工作效率。
(3)降低成本:商务智能可以帮助企业更好地了解运营情况,从而减少资源浪费和无效投入,降低成本。
三、商务智能在企业绩效管理中的应用1. 数据采集与整合商务智能可以通过对企业内部和外部数据的采集和整合,帮助企业更好地了解市场趋势、客户需求以及企业内部运营情况等信息。
这些信息可以为企业制定正确的战略和决策提供依据。
2. 数据分析与展现商务智能可以对采集和整合的数据进行分析,并通过报表、图表、仪表盘等方式进行展现,帮助企业更好地了解运营情况。
同时,商务智能还可以进行数据挖掘和预测分析等操作,帮助企业预测未来发展趋势。
3. 绩效评估与监控商务智能可以帮助企业进行绩效评估和监控。
通过对关键绩效指标(KPI)的设定和跟踪,帮助企业了解自身绩效状况,并且及时发现问题并进行调整。
4. 可视化分析商务智能还可以通过可视化分析的方式,将复杂的数据转化为易于理解和分析的图表和报表,帮助企业更好地了解运营情况和发展趋势。
同时,可视化分析还可以帮助企业进行数据挖掘和预测分析等操作。
5. 个性化定制商务智能可以根据不同用户的需求,进行个性化定制。
与齐个主题相关的高质量和有意义的信息来帮助人们分析信息、得出结论、形成假设的过程(Kobla V,Dememhon D,Dcermann D,1999)。
以上这些定义从不同的角度对商务智能给出了解释,但这此定义都不够全面、没有从根本上阐述商务智能的本质一般我们可以认为商务智能是一系列的概念、方法和过程的综合,通过这些概念、方法和过程来获取和分析数据,提取有用信息,帮助更好的决策,特别是战略决策。
(二)商务智能的发展商务智能是20世纪09 年代末首先在国外企业界出现的一个术语,最早于1989年由Gartner Grnnp的Howard Dresner首次提出代表为提高企业运营性能而采用的一系列方法、技术和软件,它描述了一系列的概念和方法,通过应用基于事实的支持系统来辅助商业决策的制定。
商务智能的出现经历了一个渐进的、复杂的演进过程而且仍处于发展之中,它包括事务处理系统(TPS)高级管理人员信息系统(EIS),管IT信息系统(MIS)和决策支持系统(DSS)等阶段,最终演变成今天的企业商务智能。
目前,许多美国公司接受了商务智能的概念,鉴于此,许多财富500强公司已经建立了智能部,并着手建立竞争者和市场智能数据库(Fudd,1991)许多行业内竞争环境的改变创造了一种对商务智能的需要或需求,与此同时商务智能的供给正在以递增比率增加。
三、战略管理面临挑战随着全球经济一体化的加强,企业必须面对两个问题:其一,信息量的激增。
IBM估计,全球每天在线(包括数据库文件系统和PC中的)数据为1EB。
人们对信息的需求是永无止境的,信息系统的数量和复杂性在不断升级,但是人们需要越来越多的数据。
如何更有效的利用人们掌握的信息,进行战略决策呢,IBM负责管理方案的副总裁Amanda Garcia 就说:数据呈指数增长,大约在2006年,数字数据的总和将达到并超过模拟数据量,环境分析的总和将达到并超过模拟数据量。
环境分析是企业战略管理的基础,信息的获取和处理信息又是环造分析的基础,过量的信息可能会阻碍决策制定过程;其二,环境的不确定性。
我们的世界正陷入越来越高的不确定性中。
20世纪90年代末还让人们信心百倍的经济增长已陷入停滞,明天的网络经济今天则已沦为泡沫。
中国虽然仍保持令世界惊异的增长率,但是其经济中不确定性甚至更多:经济的高速增长带来的社会、经济和人们意识形态的转变、大规模的行业和企业调整、一些未最后定局的行业标准制定、以及WTO进程的深入等等。
所有这些都给企业进行战略决策增加了不确定性,为战略决策提出了挑战。
具体来说主要有以下三点:战略思考过程:当前的战略思考,已经从静态向动态转变(Janis Mann,1979)。
以前在一个时间点考察企业的观点已经过时,现在的焦点是组织如何适应环境变化,采取正确战略决策回顾一下以前我国大多数企业的战略制定过程,由于未来变数不多,许多企业多年的战略是一成不变的,他们不知道如何在如今动态的环境下进行战略思考即使他们已经被灌输了新的战略管理理念,没有新的方法予以辅助仍困难重重。
战略决策能力的学习及管理者洞察力的欠缺:管理教育似乎在处理新技术等为面显得欠缺。
由于数据和信息如此决速的、并以新的形式增长,这就要求管理教育向利用新的原始文档、多媒休、计算机模拟(这将很快成为现实)来自我学习。
决策模型与工具:在信息激增和环境不确定性中,企业传统的战略制定模式也而临着巨大的挑战。
传统的战略制定过程中,战略制定者往往对末来只作出一种预测,即单点预测,然后决定自身组织在未来中的理想位置,并制定单一的战略来帮助组织从现在的位置顺利到达预期的目标。
然而,随着技术进步速度加快、经济全球化发展、商业竞争加剧、社会与文化变迁,商业中的不确定性日益增强,高不确定性带来的是未来的多样化,从而增大单点预测失误的概率。
四、商务智能技术对战略决策过程的支持作用针对以上挑战,商务智能通过信息技术的运用在不同层面为战略决策提供了新的支持。
(一)对决策者洞察力的提升在静态环境下,战略制定者往往可以参考不多的信息凭借经验直接给出决策;动态环境下,这样制定出的决策往往是偏颇的。
而事实上很多决策者仍在采用此种方法,因此提升战略决策者的洞察力是非常必要的。
这要从三个方面来考虑:决策者信息陈述能力、启发决策者、访问储存在数据仓库中的信息及组织平衡积分卡信息。
通过BI的辅助,我们有理由相信管理者或战略决策者能够冲破脑力的界限,产生额外的有意义的洞察力。
首先分析一下信息陈述。
决策者通过图形、图表、表格等工具来陈述问题。
图形和图表是一种立体的问题陈述方式,它强调数据之间的关系,管理者依靠自身知觉对图形或图表中的数据进行分析。
图形和图表使管理者能从关联的V.体来评价问题,较之网格或表格,管理者能够尽快作出反映,分析问题提升洞察力。
大量研究表明,26%以上的决策者不能够恰当的选择问题陈述工具以辅助问题解决,这种不恰当的选择,导致问题解决时间的延长及结果的偏颇。
图形等陈述手段对决策者的启示作用是有限的,为了解决问题,进行相关信息的唤醒是非常重要的。
一种知识唤醒技术被称为“实际推理”(Practical Reasoning)(Bmwne,Curley,Benson,1977)它为决策者提供一个开始通过搜索或分析开始数据探索的出发点。
这种向导式的分析,通过借助储存的专家系统可以给决策者带来新的理念,更新决策者的思想。
向导和决策者间的交互激发了知识的产生,即决策者洞察力的产生。
总的来说商务智能在三个方面提供辅助:界面辅助、认知辅助、判断辅助。
学习网络(LeanringN etworks(LN))帮助人们识别三种网络学习的挑战:交流的现实与虚拟、学习过程中的竞争与合作、网络中的价值创建与占有。
1.富媒体(rich media),高度个人化、合作导向、社会意识(socially aware)技术扩展了我们的理解和想象力,使我们知道如何在个人、团队、组织和社会中进行更有价值的学习交换。
然而,在分布式网络中,不可避免地出现直接接触机会减少,一些决策中的模糊或者不明晰的知识组件交流的难度增大,此外,网络中还涉及信任构建问题。
2.学习网络理论认为,人们应该在竞争与合作之间寻求一种平衡,一方面是不共享行为,另一方面是在组织间网络中学习的无怠识的知识传播。
3.学习网络面临的问题是,协同效应创造的社会价值如何同传统的公司创造价值联系起来,此外,我们必须设计一种机制保证学习网络所创造的价值的再分配。
(二)对信息获取与分析提供支持商务智能技术为战略决策制定者提供了一种通用信息环境,这将极大地便利环境分析中信息的获取。
新的基于Internet技术的信息架构,具有通用的、开放的标准,使得行业可以处理这种内在的复杂性。
这些技术使得企业不仅可在本企业或行业内获取所需信息,更可在特定的战略联盟内访问到特定的数据。
此外,为了让技术诀窍不至让竞争对手掌握,需要在战略联盟之外构筑“防火墙”。
防火墙是在组织内部系统和外部世界之间实施安全措施的一项有力措施。
数据挖掘技术是针对处理激增信息而应运而生的。
它主要用于从大量的数据中发现隐藏于其后的规律或数据间的关系,它通常采用机器自动识别的方式不需要更多的人工干预。
采用数据挖掘技术,可以为用户的决策分析提供智能的、自动化的辅助手段,在零售业、金融保险业、医疗行业等多个领域都可以很好的应用。
在数据挖掘技术中常用的数据模型有:(1)分类模型,是根据商业数据的属性将数据分派到不同的组中。
(2)关联模型,主要描述一组数据项目的密切度和关系。
(3)顺序模型,主要用于分析数据仓库中的某类同时间相关的数据,并发现某一时间段内数据的相关处理模型。
顺序模型可以看成是一种特定的关联模型,它在关联模型中增加了时间属性。
(4)聚簇棋型,当要分析的数据缺乏描述信息或者是无法组织成任何分类模式时,可以采用聚簇模型聚簇模型是按照某种相近程度度金方法将用户数据分成互不相同的一些分组,组中的数据相近,组之间的数据相差较大。
聚簇模型的核心就是将某些明显的相近程度测量方法转换成定量测试方法。
由于界面友好、不受时间地点限制,从网络获取信息已成为企业一种重要的竞争武器,使企业可在全球范围内开发产品。
波音777的开发就是很好的例子,波音公司使用海底电缆和H本的五家公司实施联络。
基于TCP/IP协议的网页浏览技术使供应商、企业、消费者跨网络跨平台信息访问成为可能。
这方面,早期的商务智能工具有ANX (AutomotiveNetwork Exchange,汽车网络交换),ANX是最早的基于通用Internet协议的智能工具。
这种智能系统随着防火墙技术的成熟,获得了广泛的使用。
五、战略决策智能方法(一)智能SWOT专家系统SWOT模型是西方企业广为应用的战略选择工具之一,但是如何将其在更复杂的战略环境和条件下运用,进行更科学的战略决策该方法还有待改进。
有些学者将SWOT模型与前景假设结合起来,进行并不复杂但有效的量化分析,可以使企业在战略决策过程中,将复杂因素进行系统分析,并最终可以得到一个执行方案和两个备用战略方案。
但是必须看到,这种改进并不能从根本上解决信息激增环境下的不确定性决策问题。
目前得到认可的理想方法是建立SWOT专家系统。
一个专家系统的建立需要四个基本条件:(1)专家。
(2)开发者需要个案数据以测试系统。
(3)系统小巧、定义良好。
(4)知识以文字形式表述。
SWOT分析的特性是使用专家系统技术的最有力辩辞。
进行SWOT分析涉及重要的符号处理、复杂性、判断和不确定性。
SWOT分析不包含大量的分类数据处理技术擅长的数值计算。
下一步工作是进行知识获取,领域方向和定义一旦熟悉了领域,知识专家就可以运用很多特定的战略和技术(如面谈、观察、多维技术、机器学习等)来进行知识获取。
H选择了恰当的技术知识工程师就可以计划知识获取会议了。
这些前期会议的结果产生了被称之为通用推论结构图(general inference structure diagram)(如图1)的任务模型。
图1 通用推论结构图该图显示了数据结构和相关推理过程的关系。
为了使这些知识获取会议更有效,一般采用“输出——输入——过程法”。
其实质是分析输入输出,推导出其间的关系这种推理过程正是专家系统的核心,结构交互(structumd interviewing)和依存图表(dependency diagram)有助于引出推理过程中的规则。
G.Houben,K.Eenie,K.Vanhoof的实证研究表明:该专家系统的输出结果给出了公司系统而全面的特性描述,运用该系统能够喊少进行SWOT分析的必要时间。
SWOT分析过程被大大缩短了,节余的时间可用来对数据进行深入分析。
该系统的输出结果是比较客观的,不依赖于某个时刻的顾问,对于特定问题能够集合多个专家的观点,而且运行成木不高,当然这种专家系统还存在一些不足,如问卷限制了自山度及创造性,此外该工具仍然只是一种支持工具并不能完全取代顾问的地位。