决策知识自动化

决策知识自动化

大数据时代的商业决策分析方法

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
免费试读

作品简介

本书综合大量来源于业务流程自动化的主流应用场景,聚焦于组织管理及运营中经营决策的知识自动化这一主题,向读者展示如何在实践中应用知识自动化技术实施决策管理,以提高运营效率和组织收益。

本书适合各企业CEO、CIO、IT 架构师以及一切对知识自动化理论感兴趣的读者。

作者简介:

Alan N. Fish FICO

决策方案部首席顾问,使用业务规则和预测分析进行决策管理领域的权威专家,对象管理组织决策模型与符号制定委员会的联合主席。从事决策系统的构建工作已经有30余年,主持过许多当时的技术前沿项目。

译者简介:

王飞跃

中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任,国防科技大学军事计算实验与平行系统技术研究中心主任,中国科学院大学中国经济与社会安全研究中心主任,青岛智能产业技术研究院院长。主要研究领域为智能控制、社会计算、平行系统、知识自动化等。

王晓

中国科学院大学研究生,研究方向主要集中于社会网络分析、动态网群组织分析与建模、社会交通、知识自动化。

郑心湖

美国明尼苏达大学(双城分校)研究生,研究方向主要集中于社会网络分析、智能交通、数据挖掘、机器学习、知识自动化。

作品目录

  1. 中文版序
  2. 译者序:迈向决策知识自动化
  3. 前言
  4. 如何阅读本书
  5. 目标读者
  6. 本书内容
  7. 致谢
  8. 第 1 章 知识的价值
  9. 1.1 经济学中的知识
  10. 1.1.1 新古典增长理论
  11. 1.1.2 新增长理论
  12. 1.1.3 知识经济
  13. 1.2 知识型业务
  14. 1.2.1 战略决策与经营决策
  15. 1.2.2 决策收益定价法
  16. 第 2 章 业务流程中的决策
  17. 2.1 业务流程建模
  18. 2.2 决策点和决策服务
  19. 2.3 业务流程决策的重设计
  20. 2.3.1 员工决策机制的建模
  21. 2.3.2 自动化决策制定流程
  22. 2.3.3 合理化决策点
  23. 2.4 发放流程模板
  24. 2.5 流程设计方法
  25. 第 3 章 在决策服务中封装知识
  26. 3.1 业务规则
  27. 3.1.1 对象模型
  28. 3.1.2 推理策略
  29. 3.1.3 规则集和规则隐喻
  30. 3.1.4 产生式规则及约束式规则
  31. 3.2 算法
  32. 3.3 预测分析建模
  33. 3.3.1 规则和决策树归纳法
  34. 3.3.2 评分卡模型
  35. 3.3.3 神经网络
  36. 3.4 汇总
  37. 第 4 章 决策需求分析
  38. 4.1 基本原则
  39. 4.2 决策需求图表
  40. 4.2.1 定义
  41. 4.2.2 用途
  42. 4.3 DRAW
  43. 4.3.1 资源
  44. 4.3.2 日程安排
  45. 4.3.3 方法
  46. 第 5 章 DRA在知识自动化项目中的应用
  47. 5.1 DRA在项目管理中的应用
  48. 5.1.1 自动化范围界定
  49. 5.1.2 项目评估
  50. 5.1.3 项目规划
  51. 5.2 DRA在知识发现中的应用
  52. 5.2.1 发现业务规则
  53. 5.2.2 发现算法
  54. 5.2.3 发现分析模型
  55. 5.3 DRA在设计中的应用
  56. 5.3.1 在决策点上分配决策服务
  57. 5.3.2 设计决策流程
  58. 5.3.3 设计对象模型
  59. 5.4 DRA 在实施中的应用
  60. 5.4.1 基础设施开发
  61. 5.4.2 知识配置
  62. 5.4.3 测试
  63. 5.5 知识生产线
  64. 第 6 章 常见决策模式
  65. 6.1 决策实施类型
  66. 6.1.1 带理由的分类决策
  67. 6.1.2 带异常记录的规则决策
  68. 6.1.3 细分模型
  69. 6.1.4 冠军-挑战者模型
  70. 6.2 协同决策机制
  71. 6.2.1 待定需评审
  72. 6.2.2 决策支持
  73. 总结
  74. 术语表
  75. 延展阅读
  76. 书籍及文章
  77. 网站及博客
  78. 关于作者
  79. 关于译者
  80. 看完了
载入中