1、1 商务智能商务智能与决策支持与决策支持教学案例教学案例 案例案例 1 1：光大银行商务智能系统的实施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
2、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
3、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
4、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。 一个应用实例： 有一段时间存款余额持续不断的增长， 但是同期的流失客户数也在不断 增长，这个问题引起了业务部分析人员的高度重视。该分析人员通过系统进行自助分析，最 后发现， 问题的根源在于很多客户经理为了完成揽存目标， 费了大量的人力和成本开拓新行 业、新客户，而忽略了对老客户的关系管理，才出现了存款余额和流失客户数同时增长的怪 想象。于是马上向主管领导反映，当天就在全行下达了整改通知，及时阻止了不良趋势的蔓 延。” 目前， 光大银行的商业智能系统已经成为管理层
5、进行战略实施、 绩效考核不可或缺的工 具；各级业务人员的日常经营分析在很大程度上也有赖于该系统的支持。BI.Office 在光大 银行取得了圆满成功。 二、案例点评 通过案例，我们了解到光大银行选择了 BI（商业智能）系统，很好的解决了利用数据 进行分析，从而为决策提供强有力支持的问题，提高了工作效率和质量，达到了较高的投资 回报率。其实，不难发现银行业的业务数据已经或者正在实现“大集中”，数据大集中为提 高 BI 系统的成功率、缩短项目周期、降低系统实施成本、提高项目投资回报打下了良好的 基础。随着国内银行与境外银行竞争的加剧，应用 BI 系统进行风险分析、业务决策将是国 2 内银行提升国际
6、竞争力的一个主流选择。BI 系统能够解决目前银行存在的几大问题，如统 计滞后、数据共享差、报表处理效率低、对决策分析缺乏系统化支持等，这也是银行选择 BI 系统的重要原因。 三、案例思考 1光大银行为什么会选择商务智能系统？ 2光大银行使用商务智能系统后，解决了哪些问题？ 案例案例 2 2：大亚湾核电站备件库存控制与采购优化决策支持系统开发大亚湾核电站备件库存控制与采购优化决策支持系统开发 一、案例内容 1、电站背景 大亚湾核电站位于改革开放特区深圳市的大亚湾核电基地， 是我国大陆首座大型商用核 电站，由广东核电合营有限公司建设和经营（从 2003 年 3 月起，电站委托大亚湾核电运营 管理有
7、限公司全面负责电站的运营管理） ，年发电能力近 150 亿千瓦时，70%销往香港，30% 销往广东。按照“高起点起步，引进、消化、吸收、创新”和“借贷建设、售电还钱、合资 经营”的方针，主体工程于 1987 年 8 月开工，1994 年 5 月 6 日全面建成投入商业运行，拥 有两台装机容量为 98.4 万千瓦的法国成熟第二代压水堆核电机组。大亚湾核电站投产以来 已连续安全运行 16 年，在国际上衡量核电站安全运行管理水平的 9 项关键指标中，大亚湾 核电站有 8 项指标达到世界先进水平。截止 2009 年 12 月，累计发电 2051.98 亿千瓦时，其 中供香港 1401.50 亿千瓦时。
8、 2、电站备件库存控制管理中的问题 大亚湾核电站于 1994 年开始商业运行， 仓库于 1993 年开始接收现场安装剩余物资和备 件，此后又有一些补充采购的备件验收入库，库存量增加很快，1995 年达到验收的高峰期， 仅这一年验收入库的物资达 4 千 4 百万美元。1997 年后，仓库验收的金额和使用的金额基 本持平，库存金额持续保持在 1 亿美元左右的高位。 由于大亚湾核电站备件供应商大多在欧洲，为了防范缺货风险，需要库存大量备件，而 核电站的维修特点也决定了这些备件的使用率不高，很难把握备件的需求规律。库存多了， 造成浪费；库存少了，影响生产，据估算，一台机组非计划停堆一天的损失在 100
9、 万美元左 右。在这种情况下，如何进行科学合理的库存控制就显得非常重要了！ 在早期， 主要依靠维修技术人员的经验来决定各类备件的库存水平。 后来随着数据的积 累，以及掌握到基本的一些库存控制知识后，生产准备人员开始根据相关一些数据，例如过 去的使用情况、维修手册的要求、备件的价格等等，来估计备件的库存量，但主要是靠个人 的经验判断，随意性较大。 1999 年大亚湾核电站开始引入美国 ISI 公司开发的 RUSL 库存控制模型。据了解，RUSL 已在美国及欧洲几百个仓库中得到应用。 由于大亚湾核电站前期的库存管理比较粗犷， 采用 RUSL 进行计算后，迅速纠正了大量原先不合理的库存设置，使得大亚
10、湾核电站的库存控制 水平有了很大提高。 RUSL 是通过 INTERNET 把历史使用数量、价格、采购周期等数据上传到 ISI 公司的服务 器，经过美国技术人员的操作运行，23 天后再把结果传回来。这种操作方式，要求电站 3 的技术人员首先从自己的电站生产信息系统中导出基本数据，然后按照 RUSL 的要求，加工 整理成模型计算所需要的数据并满足一定的格式要求， 这样使得数据的搜集与整理工作量很 大。于是，大亚湾核电站曾提出购买 ISI 公司的软件和技术，希望实现本地在线计算，但对 方一口拒绝。 另外，在 RUSL 的这种操作方式下，公司备件管理人员完全不了解 RUSL 的计算方式，仅 仅是被动
11、地接受，无法满足改进工作、提升管理系统的要求，而且每年 3 万美元的服务费用 也是一笔不小的开支，因此公司开始考虑其他途径，寻求替代 RUSL 的更方便实用的库存控 制决策软件。 3、库存控制决策支持系统开发 2003 年底， 华中科技大学管理学院在对大亚湾核电站进行调研后， 确定了联合开发 “大 亚湾核电站备件库存控制决策支持系统” 的技术方案。 该方案将决策支持系统的开发划分为 两个子项目。 一是建立备件库存控制模型并验证其效果； 二是采用原型法根据所建模型完成 决策支持系统的开发， 并强调和现有电站生产信息系统实现无缝整合， 能实时提供模型分析 的功能。 建模子项目的推进中碰到的棘手问题
12、是如何验证模型的效果。 华中科技大学管理学院提 出用蒙特卡罗方法验证的思路，但并未得到电站技术人员的认可，认为诸多假设太过理想， 属于学术研究范畴。 经过讨论， 双方决定用电站从 1994 年以来近 10 年的真实备件消耗数据 来验证模型效果。然后，新的问题又摆在面前，一是数据质量存在问题，有相当比例的备件 历史消耗数据不完整， 二是即使仅针对有完整历史数据的备件来进行验证， 也面临巨大的数 据计算工作量。经过多轮讨论，最终达成“指定抽样+随机抽样”的方案，从上万种备件中 抽取 2000 种左右的备件进行验证。指定抽样是指由生产准备部门和维修部门的备件准备工 程师从影响生产系统运行的角度提出重
13、要备件清单， 合同采购部门从采购周期、 采购费用角 度提供重要备件清单，结合两者形成指定抽样备件清单，而随机抽样备件清单，则编制随机 抽样程序抽取形成，最后结合可获得数据质量情况，确定用于验证模型效果的备件数据集。 整个建模子项目历时 16 个月，于 2005 年 5 月结束。 随后，进入库存决策支持系统开发子项目。鉴于前期扎实的建模工作基础，系统的数据 模型设计和基于已有生产信息系统的数据提取与整理的计算逻辑很快就确定了。 系统开发工 作很快进入用户试用阶段， 然而在此阶段碰到了预料之外的问题。 系统的开发人员对于库存 模型的基本原理和计算流程都非常精通，但是系统的使用人员普遍缺乏必要的知识
14、和技能。 系统功能设计和界面设计常常处于两难的局面， 一方面， 希望系统能够提供更多的进行个性 化分析的功能，一方面，又要兼顾缺乏建模专业知识的用户对于“傻瓜”式功能的需要。系 统开发工作曾一度陷入功能模块设计、取消、取消、再设计的尴尬局面。为打破僵局，双方 的工作小组启动了建模与应用培训项目，并将系统试用和改进工作穿插在培训项目中。 到 2005 年 12 月，系统开发工作进入尾声，马上就要上线运行了。然而在一次上线投产前的 讨论会上，采购支持科科长唐扬洋提出了另外一个问题。 合同供应处的另外一个主要工作就是备件的采购。 原有的备件采购工作流程是， 当发现 一种备件到达最小库存点时，就即时向
15、备件采购部门发出一张采购单，要求采购该种备件， 4 然后采购工程师审核后进入采购流程，完成询价、供应商选择、合同签订等工作。由于此工 作流程的对象是单个备件， 往往出现前脚刚刚完成对该备件供应商的商务合同签订， 又出现 了对该供应商供应的其他备件的采购申请，有时还是紧急采购申请（对于此类采购申请，必 须马上进入采购的商务流程） ，于是采购工程师不得不又启动和该供应商的商务洽谈过程。 这样，不仅采购工程师的工作量大、采购效率低、采购费用高，而且供应商也多有抱怨。 看来， 仅仅解决备件库存水平的合理确定问题还不够， 还有必要进行采购优化决策支持 系统的开发。 4、采购优化决策支持系统开发 所谓采购
16、优化就是指当某一件备件到达最小库存量（该种备件称为“主采购备件”）， 需要向某一供应商采购时， 先检查在该供应商所能提供的其他备件之中， 是否有需要顺带进 行采购的备件（这些顺带采购的备件称为“从采购备件”，“从采购备件”可以有多种）， 如果有， 则在一次采购中将这些备件全部采购到最大库存量。 该采购优化过程是对库存控制 模型的一种拓展，能有效提高采购效率。 大亚湾核电站和华中科技大学管理学院于 2005 年 6 月紧急启动了采购优化决策支持系 统开发项目。 由于前期在开发库存控制决策支持系统中积累了大量的经验， 采购优化决策支 持系统的开发进展很顺利。到 2006 年 2 月，就进入了试用阶
17、段。同时库存控制决策支持系 统也于 2005 年 8 正式投产上线。 到 2007 年 1 月两个系统全面投产， 并于 2007 年 12 月完成 了系统实施后评估。 通过大亚湾核电站备件库存控制和采购优化决策支持系统的开发， 有效地提高了大亚湾 核电站的备件管理的水平，产生了显著的经济效益和管理效益 二、启发思考题 1. 从管理视角，开发管理信息系统与决策支持系统的区别是什么？ 2. 决策支持系统开发中，建模是重要环节，数据质量尤为重要，如何提高数据质量？建模 效果如何评价？ 三、案例点评 1. 管理信息系统的基本功能是数据的采集、整理、存储与共享，满足了管理者在做决策时 对于获取基本数据的
18、要求，而无法提供可行的解决问题的工具和思路。不同于此，决策 支持系统通过引入数学模型，并通过和管理信息系统的无缝集成，方便高效地提取模型 计算所需数据，快速提出决策问题的解决方案，提升了管理决策的效率。 2. 数据质量是企业开展信息技术应用中普遍碰到的问题，而相对于决策支持系统而言，数 据质量尤为关键。定期的数据清理，规范的规章制度和严格的系统数据自检机制是保证 数据质量的必要手段。建模效果评价不仅是实践中的难题，也是学术研究中的难题，案 例中的“指定抽样+随机抽样”可能是一个现实中较好地解决办法。该问题是一个开放 式问题，教学中，可以发动同学结合自己单位情况开展头脑风暴，通过讨论，增加大家
19、对该问题的认识。 案例案例 3 3：购物篮的关联规则分析购物篮的关联规则分析 5 一、案例内容 例如， 每天超市中 70%的客户在购买啤酒 （商品 A） 的同时， 有 90%会购买香烟 （商品 B） ， 即关联规则啤酒（A）=香烟（B）。若在超市里将商品放在一起销售，将会提高它们的销售 量。 在大型数据库中，这些关联规则很多，需要进行筛选，一般用“支持度”和“可信度” 两个阀值来淘汰那些无用的关联规则。在本例中，设关联规则 A=B 的可信度为 C，支持度 为 S，则： C=同时购买商品 A 和 B 的交易数/购买了商品 A 的交易数； S=同时购买商品 A 和 B 的交易数/总交易数； 本例的
20、关联规则 A=B 的可信度为 C=90%，支持度 S=70%。 二、案例点评 案例中发现，70%的买啤酒的客户中，有 90%的客户还买了香烟，根据这一结果，超市 可以将两种商品绑定促销，或将两商品的货架刚在一块，可以提高两种商品的销售量。而实 际生活中， 超市里应用数据挖掘技术使用销售额和利润共赢的应用比比皆是。 但是由于超市 每天的交易数据非常多， 如何有效的找到类似于啤酒与香烟这种有价值的规律， 是不可不思 考的问题。 三、案例思考 1. 试举例超市中哪些商品之间会有类似“啤酒”和“香烟”的关系？ 2. 在巨量的超市交易数据中，怎样才能找到类似“啤酒”和“香烟”的关系？ 案例案例 4 4：
21、IBMIBM：从“深蓝”到“沃森”：从“深蓝”到“沃森” 一、案例内容 “嗨，电脑们，现在，我们的新老大来了。” 2011 年 2 月 16 日，当智能计算机沃森（Watson）在经历三轮的比赛，最终赢得问答节 目危险边缘 （Jeopardy!）的冠军后，参赛选手 Ken Jennings 在他的题板上写下这段话。 沃森取得 7.7147 万美元的成绩，以三倍的巨大奖金优势把这个节目最聪明的两个人类选手 远远甩在了后面。 14 年前， 即 1997 年， 国际象棋世界冠军卡斯帕罗夫， 在与一台名叫 “深蓝” （Deep Blue） 的 IBM 超级计算机， 经过六局规则比赛的对抗后， 最终拱手
22、称臣。 这位号称人类最聪明的人， 在前五局 2.5 对 2.5 打平的情况下， 第六盘决胜局中， 仅仅走了 19 步， 就败给了 “深蓝” 。 现在，这家公司以创始人 Thomas J. Watson 名字命名的计算机，继续着对人类智能极限的 挑战。 在 1960 年代人工智能的技术研发停滞不前数年后，科学家便发现如果以模拟人脑来定 义人工智能那将走入一条死胡同。现在，“通过机器的学习、大规模数据库、复杂的传感器 和巧妙的算法，来完成分散的任务”是人工智能的最新定义，这早已经取代了曾经甚嚣尘上 的“重建大脑”。 按照这个定义，沃森在人工智能上被认为又迈出了一步。 “深蓝只是在做非常大规模的 计
23、算，它是人类数学能力的体现，”IBM 中国研究院资深经理潘越介绍，他同时参与沃森项 目，负责提供数据支持。“当涉及到机器学习、大规模并行计算、语义处理等领域，沃森了 不起的地方在于把这些技术整合在一个体系架构下来理解人类的自然语言。” 如果这些解释有点晦涩难懂的话，那么可以参看一下危险边缘的游戏规则，你便知 6 道沃森的价值何在。 危险边缘 是哥伦比亚广播公司一档长盛不衰的电视问答节目， 自 1964 年开始播出， 最精彩的地方在于游戏里的问题包罗万象， 几乎涵盖了人类文明的所有领域。 它的规则是答 对问题可以获得奖金，答错就会倒扣。 对人类来说，规则很简单，但对沃森来说，则意味着众多挑战。首
24、先沃森必须要听懂主 持人的自然语言，这是深蓝不具备的；其次是沃森需要分析这些语言，比如哪些是反讽，哪 些是双关，哪些是连词，随后根据关键字判断题目的意思，沃森进行相关搜索，并评估各种 答案的可能性； 最后选择三个可能性最高的答案， 当其中一个可能性超过 50%后， 程序启动， 沃森按下抢答器。 这些得以实现，除了依靠 IBM 强大的硬件技术外（沃森是 90 台 IBM 小型服务器、360 个计算机芯片驱动组成），还有一个非常重要的技术就是 IBM 研发的 DeepQA 系统，该系统 提供了崭新的人机交互模式，比如可以理解并分析自然语言，事实上，对自然语言的理解也 一直是 IBM 研究机构在人工
25、智能上的强项。 二、案例点评 自人工智能于 1956 的美国 Dartmouth 大学召开的“关于机器模拟智能”学术讨论会上 诞生，到目前，人工智能的理论和应用都得到了很大的发展。IBM 公司从 1997 年开发出的 “深蓝”计算机到 2011 年的“沃森”计算机，可以看做是人工智能在超级计算机中引用的 缩影。而目前，人工智能在现实中的使用越来越广泛，美国商业部门从曾经出台过一份调查 报告，报告显示世界前 500 强公司中有 70%的公司使用人工智能作为决策支持的一部分。 由此可见，人工智能技术已经深入社会生活得方方面面。 三、案例思考 1. 试举例“沃森”计算机在实际生活中可能的应用领域？
