华远智德(北京)科技有限公司 Jupiter Consulting (Beijing) Ltd.
  
技术讲堂


您的位置: 首页 技术讲堂 第二课 系统的功能性需求
        第五讲 决策阶段

数据分析讲堂
  
第二课 OLAP系统的功能性需求
  
第五讲 决策阶段
  
基于分析的信息究竟是如何与决策联系起来的?决策到底是什么东西?

       通过观察学会如何证实一个被挑战的决策是否正确,我们就可以很好地了解到制定决策究竟需要什么信息。让我们来看如下的一个例子:将北京商店的零售价格降低25%。

             任何可以被证实的决策都必须至少基于目标和预测。设想你的老板问你为何要降低25%的价格,你会如何去证明你的决策是正确的呢?如果你的回答是你没有明确的目标,你不准备取得任何特别的结果,你仅仅就是喜欢降价,那恐怕你就会成为下一个被抄鱿鱼的候补人选了。如果没有目标,任何决策都是没有差别的。如果没有一个期望通过这个决策而达到的目标,你该如何维护你的将北京商店的价格降低25%,而不是将上海商店的价格降低25%的决策呢?在寻找最优决策的过程中,可能用到的算法包括线性编程和蒙特卡洛模拟。协助你在各种选择、外部因素、偶然事件中进行决策思考的工具就是决策分析工具。

         因此,一个决策必须拥有一个目标,但仅有目标还是不够的。除了一个目标之外,还需要一个预测。仍然假设你在和老板谈论你建议的降价活动,老板也接受了你的目标是清空库存为接下来的销售腾出空间,但是他认为打折的比率不应该是25%,这个时候你该如何证实打折的比率就应该是25%而不是其他呢?唯一能够证实你的决策是正确的方法就是通过显示一些预测结果来表明当打折比率是25%的时候,最有可能清空库存。在进行预测的时候可能用到的算法包括从简单的外推法到复杂的模型合并。进行预测用到的工具包括了统计分析和数据挖掘。

           那么,你的预测又是从何而来的呢?如果你的老板不满足于仅仅知道你有一个预测,而是希望你能够证实你的预测。你的预测是基于什么制定的?为了证实降价25%的必要性,你需要显示一些对于过去销售数据的分析,特别是显示其中销售量和销售价格变化之间的关系,这样假设这个关系保持不变的话,你就可以推断出为了清空库存所需要的打折比率。所以说,预测是模式、关系、解释的延伸。它们需要至少一个用来延伸的假设。所有的预测都是需要两个描述和一个假设。用于发现模式的算法包括回归、决策树、聚类、关联规则、神经元网络等。用于发现模式的工具和用于预测的工具一样也是统计分析和数据挖掘。

         如果你的老板很精明,他接受了你推理但还是要挑战你的决策,那他关注的会是什么地方呢?唯一的地方就是模型所基于的描述。如果你的描述是不准确的,那不管你的推理如何,预测都将是错误的,这就是“垃圾进垃圾出”。如何捍卫你的描述呢?第一个想到的就是捍卫你的数据收集活动。你应该告诉你的老板,在数据收集中你采用了最好的质量控制方法并且愿意以失去工作的风险来保证输入数据的准确性。

         如果你的老板相信你的输入数据是准确的,也相信你的推理逻辑是正确的,但他还是宣称你的预测是错误的,那问题又会是什么呢?你又该如何保护你的行动和工作呢?如果你的原始数据是正确的,那问题就一定出在那些派生数据上。派生数据包括了各种汇总、分配、差别、比率、排序和乘积,例如每周的产品销售量、每天的入库总额、产品的总成本、部门收入、管理费用、销售产品的成本、市场份额、产量和利润等。OLAP工具所关注的就是创建派生变量。

     OLAP工具能够在描述型、不是说明型而是探索型、预测型的建模中发挥很好的作用,在大范围或者决策支持应用中往往用于派生描述的展示。

图2.5.1决策函数

按此在新窗口浏览图片

  

        首页   |  公司介绍   |  服务理念   |  经营管理   |  企业管理 【TOP】      
版权所有 © 2015 jupiterst.com