1、商務智能與決策支持教學案例案例1:光大銀行商務智能系統(tǒng)的實施一、案例內容成立于1992年8月的光大銀行，作為國內最大的股份制商業(yè)銀行，擁有眾多客戶群，幾百個分支機構遍布國內外；同時光大銀行以領先的理念為客戶提供種類繁多的金融服務。對于一個如此龐大的機構，如此繁多的金融服務，管理的復雜性可想而知。近年來，通過綜合柜臺業(yè)務系統(tǒng)、陽光卡系統(tǒng)、網上銀行系統(tǒng)和辦公自動化系統(tǒng)等一系列信息化基礎建設，光大銀行率先實現(xiàn)了業(yè)務系統(tǒng)全國聯(lián)網和總行數據大集中。在成功實現(xiàn)業(yè)務系統(tǒng)全國聯(lián)網和總行數據大集中后，經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)計數據不夠及時準確、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、數據共享差、難以為以客戶為中心的經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據的“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)智能及數據倉庫系統(tǒng)。光大銀行根據自身情況，以實際需要為導向，對各家方案的優(yōu)劣進行仔細分析、反復考察、綜合考慮。最終，菲奈特軟件公司的高端商務智能產品Bl.Office以其領先的技術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。經過商議，雙方在國際結算業(yè)務統(tǒng)計分析、對公業(yè)務統(tǒng)計分析、信貸風險管理、客戶經理業(yè)績考核等方面簽定了一系列

3、合作計劃。為了降低實施風險，將從國際結算業(yè)務統(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)智能應用系統(tǒng)成功實施的開始。國際業(yè)務部商業(yè)智能的應用證明，光大銀行所采取的“以部門為基礎實施數據處理”的決定是正確的，也是務實的。從2002年12月開始，菲奈特Bl.Office商業(yè)智能應用平臺相繼應用于光大銀行其他幾個業(yè)務部門，形成相應部門的商業(yè)智能系統(tǒng)。這些商業(yè)智能系統(tǒng)以數據倉庫技術為基礎，把分散在各個業(yè)務系統(tǒng)的數據進行整合，數據經過清洗、轉換，加載到數據倉庫；再采用OLAP和DataMining等技術，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也在不斷增長，這個問題引起了業(yè)務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理為了完成攬存目標，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系管理，才出現(xiàn)了存款余額和流失客戶數同時增長的怪想象。于是馬上向主管領導反映，當天就在全行下達了整改通知，及時阻止了不良趨勢的蔓延。”目前，光大銀行的商業(yè)智能系統(tǒng)已經成為管理層進行戰(zhàn)略實施、績效考核不可或缺的工具；各級業(yè)務人員的日常經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據進行分析，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)務數據已經或者正在實現(xiàn)“大集中”，數據大集中為提高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。隨著國內銀行與境外銀行競爭的加劇，應用BI系統(tǒng)進行風險分析、業(yè)務決策將是國內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、數據共享差、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智能系統(tǒng)？2 .光大

6、銀行使用商務智能系統(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和經營（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、售電還錢、合資經營”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項關鍵指標中，大亞灣核電站有8項指標達到世界先進水平。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商大多在歐洲I,為了防范缺貨風險

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，據估算，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，主要依靠維修技術人員的經驗來決定各類備件的庫存水平。后來隨著數據的積累，以及掌握到基本的一些庫存控制知識后，生產準備人員開始根據相關一些數據，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。據了解，RUSL已在美

9、國及歐洲幾百個倉庫中得到應用。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甘巴歷史使用數量、價格、采購周期等數據上傳到ISI公司的服務器，經過美國技術人員的操作運行，23天后再把結果傳回來。這種操作方式，要求電站的技術人員首先從自己的電站生產信息系統(tǒng)中導出基本數據，然后按照RUSL的要求，加工整理成模型計算所需要的數據并滿足一定的格式要求，這樣使得數據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，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，華中科技大學管理學院在對大亞灣核電站進行調研后，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所建模型完成決策支持系統(tǒng)的開發(fā)，并強調和現(xiàn)有電站生產信息系統(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。華中科技大學管理學院提出用蒙特卡羅方法驗證的思路，但并未得到電站技術人員的認可，認為諸多假設太過理想，屬于學術研究范疇。經過討論，雙方決定用電站從1994年以來近10年的真實備件消耗數據來驗證模型效果。然后，新的問題又擺在面前，一是數據質量存在問題，有相當比例的備件歷史消耗數據不完整，二是即使僅針對有完整歷史數據的備件來進行驗證，也面臨巨大的數據計算工作量。經過多輪討論，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準備部門和維修部門的備件準備工程師從影響生產系統(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，最后結合可獲得數據質量情況，確定用于驗證模型效果的備件數據集。整個建模子項目歷時16個月，于2005年5月結束。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，系統(tǒng)的數據模型設計和基于已有生產信息系統(tǒng)的數據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)功能設計和界面設計常常處

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計、取消、取消、再設計的尷尬局面。為打破僵局，雙方的工作小組啟動了建模與應用培訓項目，并將系統(tǒng)試用和改進工作穿插在培訓項目中。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商的商務合同簽訂，又出現(xiàn)了對該供應商供應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流程），于是采購工程師不得不又啟動和該供應商的商務洽談過程。這樣，不僅采購工程師的工作量大、采購效率低、采購費用高，而且供應商也多有抱怨。看來，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”），需要向某一供應商采購時，先檢查在

15、該供應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管理學院于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正式投產上線。到2007年1月兩個系統(tǒng)全面投產，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，產生了顯著的經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)，數據質量尤為重要，如何提高數據質量？建模效果如何評價？三、案例點評1.管理信息系統(tǒng)的基本功能是數據的采集、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據的要求，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)通過引入數學模型，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據，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、,數據質量是企業(yè)開展信息技術應用中普遍碰到的問題，而相對于決策支持系統(tǒng)而言，數據質量尤為關鍵。定期的數據清理，規(guī)范的規(guī)章制度和嚴格的系統(tǒng)數據自檢機制是保證數據質量的必要手段。建模效果評價不僅是實踐中的難題，也是學術研究中的難題，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，教學中，可以發(fā)動同學結合自己單位情況開展頭腦風暴，通過討論，增加大家對該問題的認識。案例3:購物籃的關聯(lián)規(guī)則分析一、案例內容例如，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。在大型數據庫中，這些關聯(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聯(lián)規(guī)則。在本例中，設關聯(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/購買了商品A的交易數；$=同時購買商品A和B的交易數/總交易數；本例的關聯(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，根據這一結果，超市可以將兩種商品綁定促銷，或將兩商品的貨架剛在一塊，可以提高兩種商品的銷售量。而實際生活中，超市里應用數據挖掘技術使用銷售額和利潤共贏的應用比比皆是。但是由

19、于超市每天的交易數據非常多，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”的關系？2. 在巨量的超市交易數據中，怎樣才能找到類似“啤酒”和“香煙”的關系？案例4:IBM:從“深藍”到“沃森”一、案例內容“嗨，電腦們，現(xiàn)在，我們的新老大來了。”2011年2月16日，當智能計算機沃森（Watson）在經歷三輪的比賽，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”。現(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研發(fā)停滯不前數年后，科學家便發(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。現(xiàn)在，“通過機器的學習、大規(guī)模數據庫、復雜的傳感器和巧妙的算法，來完成分散的任務”是人工智能的最新定義，這早已經取代了曾經甚囂塵上的“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。“深藍只是在做非常大規(guī)模的計算，它是人類數學能力的體現(xiàn)，”舊M中國研究院資深經理潘越介紹，他同時參與沃森項目，負責提供數據支持。“當涉及到機器學習、大規(guī)模并行計算、語義處理等領域，沃森了的游戲規(guī)則，你便知不起的地方在于把這些技術整合在一個體系架構下來理解人類的自然語言。”如果這些解釋有點晦澀難懂的話，那么可以