管理信息系统理论与实务_第10章_管理信息系统发展.pptVIP

专家系统曾经是人工智能工作者的骄傲，虽然在这方面取得一定的进展，但它却存在三个不可克服的困难。首先，在研制一个专家系统时，知识工程师首先要从领域专家那里获取知识，这是非常复杂的个人到个人之间的交互过程，知识工程师从专家那里获取知识的方式带有很强的个性和随机性，没有统一的方法。因此，知识获取是个瓶颈问题。其次，知识工程师在整理描述从领域专家那里获得的知识时，约束性太大，也太困难，勉强抽象出来的规则有很强的工艺色彩，差异性极大。知识表示又成为一大难题。再次，即使某个领域的知识通过一定的手段获取并描述了，但这样做成的专家系统也极其缺乏常识和百科知识，而专家的知识是以拥有大量常识为基础的。 3. 数据挖掘所能发现的知识种类 数据挖掘所能发现的知识有以下几种：广义型知识。反映同类事物共同性质的知识；特征型知识。反映事物各方面特征的知识；差异型知识。反映不同事物之间属性差别的知识；关联型知识。反映事物之间关联或依赖的知识；预测型知识。根据历史的或当前的数据来推测未来数据的知识；偏离型知识。揭示事物偏离常规的异常现象的知识。所有这些知识都可以在不同概念层次上被发现，并随着概念层次的提升，从微观到中观再到宏观，以满足不同用户、不同层次决策的需要。 数据挖掘的工具和方法，常用的有分类、聚类、减维、模式识别、可视化、决策树、遗传算法和不确定处理等。 数据挖掘系统是建立在数据库基础上的知识发展系统。它综合运用统计学、粗糙集、模糊逻辑、机器学习和专家系统等多种学习方法，从大量的数据中提炼出抽象的知识，从而揭示出蕴涵其中的客观规律，实现知识的自动获取。因此，人们开始考虑以数据库作为知识源，进行知识获取。数据挖掘就是试图自动地处理数据库中大量的原始数据，抽取出具有必然性的、富有一般意义的规律和结论，用以帮助人们实现工作目标或找出对问题的解答。 数据挖掘系统是以知识发现方法、数据仓库、数据工具——粗糙集为基础的。 4. 数据挖掘的应用领域 1) 数据挖掘在市场营销和金融投资中的应用 (1) 市场营销：数据挖掘在市场营销中的应用可以分为两类，即数据库集市和货篮分析。数据库集市的任务是通过交互式查询、数据分割和模型预测等方法来选择潜在的顾客。货篮分析是通过分析销售数据(如POS数据库)以识别顾客的购买行为模式。 (2) 金融投资：典型的金融分析有投资评估和股票交易市场预测。分析方法一般采用模型预测(神经元网络或统计回归技术)。 2) 数据挖掘在保险业中的应用 保险是一项风险业务。保险公司的一个重要工作就是进行风险评估，即对不同的风险领域的鉴定和分析。它从过去的保单及其索赔信息出发，利用决策树方法，寻找保单中风险较大的领域，从而得出一些风险规则，以便对保险公司的工作起指导作用。 除了上述这些典型应用外，数据挖掘还在通信网络、DNA分析、天文及航天数据分析中有着广泛的应用。这里不作详述。 第10章 管理信息系统的发展 10.1 企业业务流程再造 10.1.1 企业流程再造的概念 1993年，由美国学者Hammer和Champy提出了企业流程再造的概念，它是指对企业进行根本的再思考和彻底的再设计，以求企业关键的性能指标(如成本、质量、服务和速度等)能够获得巨大的提高。 10.1.2 企业流程再造的实现手段 企业流程再造实现的手段是两个使能器(Enabler)：一个是信息技术(Information Technology，IT)，一个是组织变革。 企业流程再造之所以能够达到巨大的提高，在于充分发挥IT的潜能，利用IT改造企业过程，简化企业过程。通过变革组织结构，达到组织精简、效率提高的目的。 除上述这个使能器之外，要实现企业流程再造还需要组织决策者的抱负、知识、意识、阅历、艺术和魄力。 10.1.3 企业流程再造的步骤 在信息系统分析中，要充分认识信息作为战略性竞争资源的潜能，创造性地对现有业务流程进行分析，找出现有流程存在的问题及产生问题的原因，分析每一项活动的必要性，并根据企业的战略目标，采用关键成功因素法等，去发现正确的业务流程。 10.1.4 企业流程再造的技术和目标 企业流程再造的主要技术在于简化和优化过程。BRP过程简化的主要思想是：战略上精简分散的过程，由于离开主营业务而失去了自身的长处，导致经营不善，企业面临困境；职能上纠正错位的过程，由于忽视了主要任务，致使各种资源比例失调；执行上删除冗余的过程，由于业务处理过程冗余，导致管理环节增多，效率降低。 在利用IT过程中简化过程的原则：纵向集成，即权力下放，压缩管理层次；横向集成，即跨部门按业务流程压缩；减少检查、校对和控制，即变事后检查为事前管理；单点对待顾客，即用入口信息代替中间信息；单库提供信息，即建立统一的共享数据库；一条路径到达输出，即明确处理路径；并行工程，即将串行变为并行；