分析方法之决策建模

决策建模

1 目的

决策建模显示了可重复的商业决策是如何做出的。

2 描述

决策模型展示了如何将数据和知识结合起来做出特定的决策。决策模型可用于简单和复杂的决策。简单的决策模型使用一个决策表或决策树来显示一组业务规则如何在共同的数据元素上进行组合以做出决定。复杂的决策模型会分解为各个组成部分,这样每个部分都可以单独描述,并且模型可以说明这些部分是如何结合在一起形成一个整体决策的。为了做出决策和任何子决策所需的信息可以被分解。每个子决策都用需要执行该部分决策的业务规则来描述。

全面决策模型 是一个 与流程、绩效指标和组织 相关联的总体模型。它展示业务规则从何而来,并以分析洞察的形式表示决策。

与给定决策相关的业务规则可能是定义性的或行为性的。例如,一个名为“验证订单”的决策可能检查税额是否计算正确(定义性规则),以及账单地址是否与提供的信用卡匹配(行为性规则)。

决策表和决策树定义了如何做出特定的决定。可以在不同层次上构建图形化决策模型。一个高级模型可能只显示业务流程中出现的业务决策,而更详细的模型可能会以足够详细的方式显示当前或预期的决策,以便充当所有相关业务规则的结构。

3 元素

.1 模型和符号类型

决策建模有几种不同的方法。 决策表表示做出原子决策所需的所有规则。 决策树在某些行业很常见,但通常使用频率不如决策表高。 复杂的决策需要将多个简单的决策组合成一个网络。 用依赖关系或要求符号来表示这一点。

所有这些方法都涉及三个关键要素:

  • 决策,
  • 信息,以及
  • 知识。

决策表

商业决策使用特定的一组输入值,通过使用一组定义好的业务规则从可用的结果中选择一个来决定一个特定的结果。决策表是对这些规则的紧凑、表格化的表示形式。每一行(或列)代表一条规则,每一列(或行)代表该规则的一个条件。当一组输入数据的所有条件在某个规则下都为真时,该规则所指定的结果或动作会被选中。

决策表通常包含一个或多个与特定数据元素对应的条件列,以及一个或多个动作或结果列。每一行可以包含每个条件列中的一个特定条件。这些会根据正在考虑的数据元素的值进行评估。如果规则中所有单元格都是空白或为真,则该规则为真,并且动作或结果列中指定的结果会发生。

决策树

决策树也被用来表示一组业务规则。 决策树中的每个叶子节点路径都是一条规则。 树的每一层都代表一个特定的数据元素;下游分支代表必须继续沿该分支下降的不同条件。 决策树对于表示某些类型的规则集非常有效,特别是与客户细分相关的规则集。

与决策表一样,决策树根据数据元素代表的分枝节点(在树的最右边或底部显示的叶节点)选择可用的动作或结果。

决策需求图

决策需求图是更复杂的商业决策中所涉及的信息、知识和决策过程的可视化表示。

决策要求图包含以下元素:

  • 决策:用矩形表示。每个决策都会根据业务规则和其他决策逻辑从一组可能的输出中选择一个输出集。
  • 输入数据:用椭圆表示,代表必须作为输入传递给图表中的决策的数据。
  • 商业知识模型:显示为一个有角被剪掉的矩形,代表一组业务规则、决策表、决策树甚至预测分析模型,精确地描述了如何做出决定。
  • 知识来源:以文档形式显示,代表从中可以或已经推导出必要决策逻辑的原始源文档或人员。

这些节点通过网络连接起来,以显示将复杂的决策分解为更简单的构建块。实心箭头表示做出决定所需的信息需求。这些信息需求可能将输入数据与决策联系起来,以表明该决策需要该数据可用,或者可能将两个决策联系在一起。

用于描述如何做出特定决策的业务知识模型 可以通过虚线箭头将其与该决策关联,以显示知识要求。 知识源可以使用带圆角的虚线箭头与决策相关联,以表示知识源(例如文档或人员)是决策的权威。 这称为权威要求。

4 使用考虑因素

.1 优势

  • 决策模型易于与涉众共享,促进共同理解,并支持影响分析。
  • 多个视角可以共享和结合,特别是当使用图表时。
  • 通过从流程中移除业务规则管理来简化复杂的决策制定。
  • 通过按决策分组来帮助管理大量决策表规则。这也有助于重用。
    这些模型适用于基于规则的自动化、数据挖掘和预测分析,也适用于手动决策或商业智能 [1]项目。

.2 限制

  • 在处理决策时为业务流程添加第二种流程图风格。如果决策很简单,并且与流程紧密耦合,那么这可能会增加不必要的复杂性。
  • 可能会限制规则,使其仅限于已知决策所要求的规则,并因此限制不涉及已知决策的规则。
  • 定义决策模型可能会让组织误以为自己有标准的决策方式,而实际上并没有。 这会让组织陷入当前状态的决策方法中。
  • 跨越组织界限,这可能会使获得任何必要的批准变得困难。
  • 不能直接处理业务规则。
  • 商业术语必须明确界定,以避免影响自动决策的数据质量问题。

本文同步发表在 软件需求探索http://www.srs.pub/babok/juece-jianmo.html


  1. 商业分析中的商业智能视角.http://www.srs.pub/babok/shangyezhineng-shijiao.html

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,053评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,527评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,779评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,685评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,699评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,609评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,989评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,654评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,890评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,634评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,716评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,394评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,976评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,950评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,191评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,849评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,458评论 2 342

推荐阅读更多精彩内容