案例企业销售决策支持系统
商务智能与决策支持——案例及案例分析
商务智能与决策支持教学案例案例1:光大银行商务智能系统得实施一、案例内容成立于1992年8月得光大银行, 作为国内最大得股份制商业银行,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得理念为客户提供种类繁多得金融服务。
对于一个如此庞大得机构,如此繁多得金融服务,管理得复杂性可想而知。
近年来,通过综合柜台业务系统、阳光卡系统、网上银行系统与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与总行数据大集中。
在成功实现业务系统全国联网与总行数据大集中后,经营管理分析方面又出现了一些亟待解决得新问题,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得经营管理模式提供充足得信息支持、业绩考核没有理想得IT系统为支撑等等。
众多新问题得出现就是银行管理层始料未及得。
为了尽快突破海量数据得“封锁”,挖掘其中蕴涵得知识与信息,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,对各家方案得优劣进行仔细分析、反复考察、综合考虑。
最终,菲奈特软件公司得高端商务智能产品BI、Office以其领先得技术与简便得操作从众多竞争者中脱颖而出,赢得了光大银行决策层得一致青睐。
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。
成功得选型就是光大银行商业智能应用系统成功实施得开始。
国际业务部商业智能得应用证明,光大银行所采取得“以部门为基础实施数据处理”得决定就是正确得,也就是务实得。
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她几个业务部门,形成相应部门得商业智能系统。
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得数据进行整合,数据经过清洗、转换,加载到数据仓库;再采用OLAP与Data Mining等技术,为管理决策人员提供强大、灵活得日常查询与决策支持。
人工智能技术在决策支持系统中的应用案例
人工智能技术在决策支持系统中的应用案例随着人工智能技术的迅猛发展，决策支持系统（Decision S upport S ystem, DSS）已经得到了广泛的应用。
决策支持系统是一种通过计算机技术帮助决策者进行决策的信息系统。
它利用大数据、机器学习、自然语言处理等人工智能技术，可以提供决策所需的信息和分析工具，帮助决策者制定更加科学和有效的决策。
本文将介绍几个人工智能技术在决策支持系统中的应用案例，以展示其在不同领域的价值和潜力。
一、金融领域的风险评估与预测金融领域是决策支持系统运用人工智能技术最为广泛的领域之一。
人工智能技术可以利用大数据进行风险评估和预测，帮助金融机构制定风险控制策略。
例如，某银行可以通过分析客户的交易数据、信用记录和个人信息，利用人工智能算法构建客户信用评分模型。
该模型可以根据客户的历史行为和多个指标对其进行信用评估，从而决定是否向其提供贷款，并确定适当的贷款额度和利率。
二、医疗领域的诊断和治疗决策人工智能技术在医疗领域的应用也越来越多。
通过分析海量的医疗数据，人工智能技术可以提供更加精确的诊断和治疗建议，辅助医生进行决策。
例如，一项研究表明，基于人工智能的决策支持系统可以通过分析患者的病历、影像学检查和实验室结果，帮助医生准确诊断乳腺癌的类型和分级，并推荐最适合的治疗方案。
三、交通领域的智能交通管理交通拥堵是现代城市面临的重要问题之一。
人工智能技术可以应用于智能交通管理系统，通过实时监测和预测交通状态，优化交通流量分配，从而减少交通拥堵和提高交通效率。
例如，某城市的交通管理部门利用人工智能技术分析历史交通数据，并结合实时的交通监测数据，可以预测交通拥堵区域和时间，并提前做出相应的交通疏导策略，帮助减少拥堵并提高交通流动性。
四、市场营销领域的精准推荐与个性化营销人工智能技术在市场营销领域的应用越来越受到关注。
通过分析用户的历史购买记录、浏览行为和个人喜好，人工智能技术可以提供个性化的产品推荐和定制化的营销方案，提升市场推广效果。
商务智能与决策支持——案例及案例分析
商务智能与决策支持——案例及案例分析随着互联网技术的不断发展，大量数据被生产出来，这些数据中蕴含着巨大的商业价值。
商务智能和决策支持系统可以利用这些数据，提供决策制定者与业务分析师期望的数据驱动洞察，以优化业务决策。
以下是几个商务智能和决策支持系统的案例及案例分析。
案例1：超市销售决策支持系统在某家超市中，决策制定者需要决策哪些产品需要采购、以及量级的大小，以及哪些产品需要促销，以达到推广和促进销售的目的。
为了实现这些目的，该超市实现了一个决策支持系统。
决策支持系统采用商务智能数据仓库，从行业数据中导入了大量销售数据，包括每天、每周、每月、甚至每小时的交易、营销、库存和采购等数据。
该系统采用了高级数据可视化来表示销售数据，以帮助决策制定者快速识别有趣的数据趋势。
该系统还使用了预测分析，以辅助决策制定者预测某种产品的销售情况，并为其提供推荐；也使用了关联分析，以查找哪些产品最常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常常在一起出售。
通过使用这个决策支持系统，超市看到了显着的效益。
决策支持系统帮助他们预测哪些产品将具有更高的需求，帮助他们采购了更合适的库存量，以及哪些产品需要进行促销以提高销售。
超市转型成了一个以数据为驱动的企业。
案例2：在线零售商的数据分析一家在线零售商使用商务智能、数据挖掘与分析技术来对订单，商品，顾客及销售数据进行分析，以帮助经营者做出更加精准的商业决策。
他们使用了大量的内部和外部数据来源，以建立一个全面的数据仓库，数据包括订单历史、销售历史、客户数据、产品数据和行业趋势等。
他们使用了数据挖掘和预测性分析来发现顾客的需求以及未来销售趋势。
通过分析他们的数据，该在线零售商能够快速识别哪些产品的销售量增加，哪些产品的销售量下降，哪些产品的客户评分较低，并能及时调整库存和价格等策略来优化他们的销售。
此外，经营者能够更好地识别他们的目标客户及其需求，以提供更好的客户服务。
决策支持系统案例
2020/7/18
求A的最 大特征值
和其 对应的 特征向量
精品课件
单 位 化
权重 向量
W
12
(a)求和法(算术平均法)
• A的元素按列归一化 • 将归一化后的各列相加 • 将相加后的向量归一化
bij
aij aij
i
vi bij j
wi
vi vj
j
Hale Waihona Puke 2020/7/18精品课件
13
（b）方根法(几何平均法)
的程度。
2020/7/18
精品课件
18
度量相容性的指标为C.I. 一般情况下，若C.I.≤0.10，就可认为判断矩阵A'有相容性， 据此计算的W '是可以接受的，否则重新进行两两比较判断。
一致性检验：
C.I. max n
n 1
2020/7/18
精品课件
19
判断矩阵的维数n越大，判断的一致性将越差，为克服一致性判断指标 随n增大而明显增大的弊端，于是引入修正值R.I. ，见下表：
相对重要度及判断矩阵的最大特 征值的计算(单排序)
在应用层次分析法进行系统评价和决策时，需要知道Ai 关于H 的相对重要度，也就是Ai关于H 的权重
A W max W
2020/7/18
精品课件
11
由于判断矩阵A的最大特征值所对应的特征向量即为W，为此， 可先求出判断矩阵的最大特征值所对应的特征向量，再经过 归一化处理，即可求出Ai关于H的相对重要度
2020/7/18
标度
1 3 5 7 9 2，4，6，8 倒数
含义
两个要素相比，具有同样重要性 两个要素相比，前者比后者稍微重要 两个要素相比，前者比后者明显重要 两个要素相比，前者比后者强烈重要 两个要素相比，前者比后者极端重要 上述相邻判断的中间值 两个要素相比，后者比前者的重要性标度
建立高效的业务分析和决策支持系统的应用
建立高效的业务分析和决策支持系统的应用在当今竞争激烈的商业环境中，企业成功与否取决于是否能够快速准确地分析业务情况和做出科学决策。
为了满足这一需求，建立一个高效的业务分析和决策支持系统成为了企业管理的重要任务。
本文将探讨如何应用现代信息技术来建立高效的业务分析和决策支持系统。
一、业务分析系统的应用业务分析系统是用于收集、存储、处理和分析企业内外部数据的系统。
通过对不同数据源的整合，帮助企业管理层全面了解业务情况，并提供数据支持进行决策。
以下是建立高效业务分析系统的关键要素：1. 数据整合：业务分析系统应该能够整合来自不同数据源的数据，包括企业内部的各类业务数据以及外部的市场数据等。
只有整合了全面准确的数据，才能为管理层提供准确的决策支持。
2. 数据分析工具：在收集到数据后，业务分析系统也需要配备强大的数据分析工具。
这些工具能够从大量数据中提取出有价值的信息，为管理层提供深入全面的业务分析结果。
3. 可视化呈现：为了便于管理层理解和使用数据分析结果，业务分析系统需要具备直观易懂的可视化呈现功能。
通过图表、报表等方式，将复杂的数据转化为直观的图像，有助于管理层更好地理解业务情况。
二、决策支持系统的应用决策支持系统是基于业务分析系统的基础上，进一步为管理层提供科学决策支持的系统。
以下是建立高效决策支持系统的关键要素：1. 预测和模拟功能：决策支持系统应该具备预测和模拟功能，通过对历史数据的分析和对未来趋势的预测，帮助管理层制定战略和决策。
同时，通过模拟不同决策对业务的影响，帮助管理层选择最优方案。
2. 多维度决策分析：决策支持系统应该能够支持多维度的决策分析。
通过对业务指标、市场状况、竞争对手等多方面数据的分析，为管理层提供全面的决策支持。
3. 实时更新和反馈：决策支持系统应该能够实时更新数据，并及时向管理层提供反馈。
只有及时准确地了解到业务的变化情况，管理层才能做出相应的决策调整。
三、高效的业务分析和决策支持系统的案例以某大型跨国企业为例，该企业在建立高效的业务分析和决策支持系统方面取得了显著成效。
人工智能在决策支持系统中的应用案例和技术要点(Ⅲ)
人工智能在决策支持系统中的应用案例和技术要点随着科技的不断发展，人工智能技术已经在各个领域得到了广泛的应用。
其中之一就是在决策支持系统中的应用。
人工智能技术可以帮助企业和组织更好地进行决策和规划，提高效率和准确度。
本文将结合一些实际案例，探讨人工智能在决策支持系统中的应用，并分析其技术要点。
一、商业领域在商业领域，人工智能技术被广泛应用于决策支持系统中。
例如，一家制造业企业使用人工智能技术构建了一个生产计划决策支持系统。
该系统可以根据市场需求、原材料库存、生产能力等多方面因素，自动优化生产计划，提高生产效率和产品质量。
这个系统利用了机器学习和数据挖掘的技术，通过分析大量数据，不断优化和调整生产计划，实现了智能化的生产管理。
二、医疗领域在医疗领域，人工智能技术也被应用于决策支持系统中。
例如，一家医院使用人工智能技术开发了一个辅助诊断系统。
该系统可以根据患者的病历、症状等信息，结合医学知识库和临床案例，辅助医生进行诊断和治疗方案的制定。
这个系统利用了自然语言处理和专家系统的技术，可以帮助医生更快速、准确地做出诊断和决策，提高了医疗服务的质量和效率。
三、金融领域在金融领域，人工智能技术也发挥着重要作用。
一家银行利用人工智能技术构建了一个风险管理决策支持系统。
该系统可以根据客户的信用记录、贷款申请信息等数据，预测客户的信用风险，辅助银行进行贷款审核和风险管理。
这个系统利用了数据分析和模式识别的技术，可以帮助银行及时发现和应对风险，保障了金融机构的稳健经营。
四、技术要点人工智能在决策支持系统中的应用，离不开一些关键的技术要点。
首先是数据挖掘和分析技术。
决策支持系统需要处理大量的数据，通过数据挖掘和分析，可以发现数据中的规律和趋势，为决策提供依据。
其次是机器学习和模式识别技术。
这些技术可以帮助系统不断优化自身的模型和算法，适应不断变化的环境和需求。
再次是专家系统和知识管理技术。
这些技术可以将领域专家的知识和经验转化为计算机程序，实现智能化的决策支持。
决策支持系统在企业管理中的应用案例
决策支持系统在企业管理中的应用案例引言：随着信息技术的飞速发展和企业管理日益复杂化，决策的质量和效率成为企业成功的关键。
决策支持系统是一种使用计算机技术和数据分析的工具，可帮助管理者在制定决策时提供准确的信息和精确的分析。
本文将通过介绍几个真实的案例，详细说明决策支持系统在企业管理中的应用。
案例一：供应链优化决策支持系统在制造业中的应用某汽车制造公司利用决策支持系统来优化供应链管理，提高运营效率。
该系统整合了公司内部和供应商的相关数据，实现信息共享和协同决策。
系统通过对订单数据进行分析，优化供应商的选择、订货量和库存水平，减少了库存积压和订单延误。
此外，该系统还利用模拟技术和预测分析，帮助公司预测销售趋势和变动，以便更好地调整生产计划和物流策略。
案例二：金融风险管理决策支持系统在银行业中的应用一家银行引入决策支持系统来帮助管理风险，并防范可能的金融危机。
该系统通过整合各部门的交易数据、市场数据和客户数据，建立了一个综合的风险分析模型。
系统可以对不同类型的风险进行评估和监控，如信用风险、市场风险和操作风险。
通过对数据进行实时分析和预警，银行可以更及时地发现潜在的风险和异常情况，并及时采取相应的措施来降低风险。
案例三：营销决策支持系统在零售业中的应用一家连锁超市使用决策支持系统来帮助制定营销策略，提高销售额和客户满意度。
该系统通过对销售数据、客户数据和市场数据进行分析，帮助超市识别潜在的销售机会、客户需求和市场趋势。
系统可以为超市提供个性化的定价策略、促销活动和产品组合推荐，以及预测销售额和市场份额。
通过优化营销决策，该超市实现了销售额的大幅增长和客户满意度的提升。
案例四：人力资源决策支持系统在人力资源管理中的应用一家跨国公司引入决策支持系统来优化人力资源管理，提高人员招聘和绩效管理的效果。
该系统整合了公司的人事信息、招聘数据和绩效评估数据，实现了人力资源的集中管理和智能决策。
系统可以帮助公司识别最适合的候选人，根据员工的绩效评估结果进行薪酬调整和晋升决策。
五个信息系统的案例
五个信息系统的案例1. 客户关系管理系统客户关系管理系统是一种利用信息技术来管理和维护企业与客户关系的系统。
该系统通过集中存储客户的信息、交易记录和沟通历史，帮助企业更好地了解客户需求并提供个性化的服务。
以某电商平台为例，他们的客户关系管理系统能够根据用户的浏览历史、购买记录等信息，向用户推荐相关的商品，提高用户满意度和忠诚度。
2. 供应链管理系统供应链管理系统是用于协调和控制产品或服务从原材料供应商到最终客户的全过程的信息系统。
该系统通过提供实时的库存控制、物流追踪和预测需求等功能，帮助企业优化供应链流程和降低成本。
例如，某服装品牌利用供应链管理系统可以实时跟踪库存情况、生产进度和物流状态，快速响应市场需求变化，确保产品按时交付。
3. 人力资源管理系统人力资源管理系统是用于管理企业人力资源的信息系统。
该系统通过集中存储员工信息、薪资福利、培训记录等数据，实现人员招聘、员工绩效考核、薪资发放等流程的自动化管理。
一家大型企业的人力资源管理系统可以支持在线招聘、员工自助申请休假等功能，提高工作效率同时减少管理成本。
4. 生产计划与控制系统生产计划与控制系统是用于规划和控制企业生产过程的信息系统。
该系统通过对订单需求、原材料库存、设备状况等数据进行分析，帮助企业合理安排生产计划，确保生产任务按时完成。
以某汽车制造公司为例，他们的生产计划与控制系统可以根据市场需求和供应链状况，智能优化生产调度，提高生产效率和交货准时率。
5. 决策支持系统决策支持系统是一种帮助企业管理层进行决策的信息系统。
该系统通过对大量数据进行分析和模拟，为管理层提供决策所需的关键信息和可选方案，并评估不同方案的风险和效益。
以某银行为例，他们的决策支持系统能够根据客户的信用评级、贷款需求等数据，自动判断是否给予贷款，提高贷款审批的准确性和效率。
综上所述，信息系统在各个行业都有广泛的应用。
客户关系管理系统、供应链管理系统、人力资源管理系统、生产计划与控制系统和决策支持系统是其中五个典型的案例。
案例1 ：企业销售决策支持系统(ESDSS)
案例1：企业销售决策支持系统(ESDSS)
在市场经济体制下，销售管理已成为企业最重要 的经济活动之一。企业销售是企业经营的起点，也是 企业效益的焦点，销售活动不仅与企业内部各部门有 密切的关系，还与外界有着广泛的交往。销售活动涉 及的许多问题具有相当的不确定性，这些问题的决策 是半结构化或非结构化的。
数据管理 模型管理 方案管理 输出管理
数据库
模型库
方案库
ESDSS逻辑结构图
5
决策支持系统案例
案例1：企业销售决策支持系统(ESDSS)
二、ESDSS的结构与组成
人机会话系统采用用户界面十分友好的
Widow格式的菜单驱动和控制，以多任务方式展开。
系统提供用户界面十分友好的多种会话方式和操作
功能，提供备种获取数据的渠道和各种形式的输出
因此用于支持企业销售决策的DSS是一种较典型 的专用DSS，以中国纺织大学宋福根教授主持开发的 企业销售决策系统(ESDSS)为案例，介绍实际的DSS 的构造及其具体的应用。
1
决策支持系统案例 案例1：企业销售决策支持系统(ESDSS)
一、ESDSS的功能
研制ESDSS是为处在竞争日趋激烈环境中 的企业提供一种分析销售因素关系及其变化规 律，抉择最优或满意营销策略的科学手段。 ESDSS的功能有销售预测和销售决策两大类， 另外还有若干辅助功能，如下图。
信息等，它在整个决策过程中起到控制机制的作用。
ESDSS的人机会话系统设有出错提示、重要操作提
供确认、无效数据处理及互斥性校验等容纠错功能，
以及多媒体形式的教学与帮助功能。
DSS建立在Windows平台上，采用Visual Basic作
为系统主程序的语言，数据库管理系统选用Access，
大数据分析与决策支持系统
大数据分析与决策支持系统1. 前言在现代商业和社会活动中，数据已经成为一种重要的资产。
大数据分析作为一种挖掘和利用这些数据的方法，已经成为企业、政府及其他组织提高效率、降低成本、增加收入的重要手段。
决策支持系统（Decision Support Systems, DSS）则是帮助管理层做出更明智决策的工具。
将大数据分析与决策支持系统相结合，可以为组织提供更加精准、实时的决策支持。
2. 大数据分析大数据分析是指对海量数据进行挖掘、处理、分析和解释，以提取有用信息和洞察力。
大数据分析的主要特点是数据量庞大、数据类型多样、数据处理速度快。
大数据分析的工具和技术包括数据挖掘、机器学习、深度学习、自然语言处理等。
通过大数据分析，组织可以发现数据之间的隐藏关系，预测未来趋势，从而指导决策。
3. 决策支持系统决策支持系统是一种计算机化的信息系统，目的是辅助管理层做出更明智的决策。
决策支持系统可以处理结构化和非结构化的数据，通过数据分析和模型建立，为用户提供决策相关的信息和选项。
决策支持系统的核心功能包括数据收集、数据处理、数据分析、决策制定和决策评估。
4. 大数据分析与决策支持系统的结合将大数据分析与决策支持系统相结合，可以实现更高效、精准的决策支持。
大数据分析提供了丰富的数据和洞察力，决策支持系统则为管理层提供了决策的工具和模型。
这种结合可以使组织在以下方面受益：1.提高决策效率：大数据分析可以为决策支持系统提供实时、准确的数据，减少数据收集和处理的时间，从而提高决策效率。
2.提高决策质量：大数据分析可以发现数据之间的隐藏关系和趋势，为决策提供更有价值的参考。
决策支持系统可以为管理层提供多种决策选项和评估结果，帮助他们做出更明智的决策。
3.优化资源配置：大数据分析可以帮助组织了解各种资源的利用情况和潜在需求，从而优化资源配置，提高运营效率。
4.降低风险：通过大数据分析，组织可以预测潜在的风险和挑战，并提前采取应对措施。
决策支持系统案例
D1 1
1
1
D2 1
1
1
D3 1
1
1
A5 D1 D2 D3
D1
1
1/2 1
D2 2
1
2
D3 1
1/2 1
2020/8/1
A2 D1 D2 D3
D1
1
9
7
D2 1/9 1
1/5
D3 1/7 5
1
A4 D1 D2 D3
D1 1
5
1
D2 1/5 1
1/5
D3 1
5
1
A6 D1 D2 D3
D1 1
6
4
D2 1/6 1
support(X)= count(X⊆T) /| D |
上例中X={bread, milk}出现在T1，T2，T5，T9和T10 中，所以支持度为0.5。
关联规则定义
定义四：最小支持度是项集的最小支持阀值，记为 SUPmin，代表了用户关心的关联规则的最低重要性。 支持度不小于SUPmin 的项集称为频繁集，长度为k的 频繁集称为k-频繁集。如果设定SUPmin为0.3，
• A的元素按列归一化 • 将归一化后的各列相加 • 将相加后的向量归一化
bij
aij aij
i
vi bij j
wi
vi vj
j
2020/8/1
13
（b）方根法(几何平均法)
• A的元素按行相乘 • 开n次方 • 归一化
bij aij j
vi n bij
wi
vi vj
j
2020/8/1
关联规则举例
关联规则定义
定义一：设 I{ i1,i2, in}，是m个不同的项目的集
决策支持系统案例
决策支持系统案例决策支持系统（DSS）是指能够帮助决策者进行战略、战术及操作层面决策的信息系统。
它使用各种方法和技术来提供准确、及时和相关的信息，以支持决策者在面对复杂和不确定的问题时做出明智的决策。
下面将介绍一个决策支持系统的实际案例。
案例名：汽车公司市场扩张决策支持系统案例背景：汽车公司正在考虑在新的市场扩张，并希望通过决策支持系统来帮助他们做出合理的决策。
该汽车公司在过去几年取得了较大的成功，现在想要进一步扩大市场份额，但是他们面临着许多问题和挑战，比如如何选择合适的市场、汽车型号等。
解决方案：该汽车公司决策支持系统的设计需要包括以下几个主要的组件和功能：1.数据收集和分析：通过收集和分析内部数据、市场数据、竞争数据等信息，帮助企业了解当前市场状况和竞争对手情况。
例如，可以收集销售数据、市场调研数据、竞争对手销售数据等，分析当前市场规模、销售趋势、竞争对手品牌定位等。
2.模型建立和分析：基于收集到的数据，可以建立模型来分析不同市场扩张策略的效果。
例如，可以建立销售预测模型，根据市场规模、竞争对手定价、消费者需求等因素预测不同市场扩张策略下的销售额和市场份额。
3.决策支持：在数据分析和模型分析的基础上，为决策者提供有用的信息和建议，帮助他们做出最佳的决策。
例如，系统可以生成报告、可视化图表等形式的结果，展示不同市场扩张策略的利弊，并提供相应的建议。
4.决策结果监控：一旦决策执行，系统可以对决策结果进行监控，并根据市场反馈和实际销售数据来评估决策的有效性。
如果需要，系统可以根据监控结果调整原有的决策或制定新的决策。
该决策支持系统的实施将有助于该汽车公司更好地理解市场需求、竞争对手和消费者行为，并为他们提供更有效的决策信息，支持他们在新市场的扩张决策过程中做出明智的决策。
通过决策支持系统，该汽车公司能够更好地选择适合的市场扩张策略，从而提高销售额和市场份额。
同时，系统的使用也能够帮助该公司更好地了解和掌握竞争对手的动态，及时调整市场策略，从而增加竞争力并获得持续的竞争优势。
案例 企业销售决策支持系统
[案例 4] 企业销售决策支持系统在市场经济体制下，销售管理已成为企业最为重要的经营活动之一。
企业销售是企业经营的起点，也是实现企业效益的焦点。
销售活动不仅与企业内各部门有密切关系，还与外界有着广泛的交往。
销售活动涉及的许多问题具有相当的不确定性，这些问题的决策是半结构化或非结构化的。
因此用于支持企业销售决策的DSS是一种较典型的专用DSS，本节将以中国纺织大学宋福根教授主持开发的一个企业销售决策支持系统 (ESDSS)为案例，介绍实际DSS的构造及其具体的应用，以便直观地帮助我们学习和认识DSS。
1、ESDSS的功能研制ESDSS是为处在竞争日趋激烈的环境中的企业提供一种分析销售因素关系及其变化规律，抉择最优或满意营销策略的科学手段。
ESDSS的功能有销售预测和销售决策两大类，另外还有若干辅助功能，见图1。
图1 EDSS的功能结构销售预测是销售决策的前期工作，预测结果是决策的依据。
ESDSS的销售预测功能比较齐全，既有宏观的，也有微观的。
销售决策是销售管理的核心，贯穿于销售管理的各个方面和全过程。
ESDSS的销售决策功能是一些常用的，也是较为重要的功能。
2、ESDSS的结构与组成ESDSS的结构设计采用数据库、模型库、方案库 "三库一体"，以"方案驱动"运行，以数据库管理模式进行模型管理的设计思想。
ESDSS在结构上是新颖的三角式的三库系统，其特色是提出了方案库的概念和方案驱动的构思并予以实现。
系统的逻辑结构见图2。
ESDSS的数据库存储各种从MIS中析取的销售预测与销售决策依据数据、公用的数据字典与数据表字典，以及运行过程中使用的临时表等。
模型库中的单元模型用程序方式储存，以两级模型字典描述和管理。
单元模型的组合根据它们的依赖关系，通过建立临时空间来实现，模型的运行通过指南式的人机逐步对话触发。
较特别的是各种销售预测与销售决策的方法也存储于模型库中。
销售预测与销售决策所采用的方法与模型分别列于表1与表2。
物流案例分析中石化决策支持系统
精选课件
中石化管理需求
中国石油化工集团希望实现公司对全国范围内的数据集中式管理， 通过构建集中式决策支持平台，支持全国范围的业务决策多级扩展， 使得公司内部的资源可以充分共享，总部可以更加关注诸如资源流 向、调运计划、运力资源等有限关键资源，物流部可以实现对区域 内的生产企业仓库、配送中心以及网点库的物流资源实行集中管理， 最终达到总部可以全面控制供应链各环节的管理要求。
三种物流模式对中石化而言，可谓开了先河，更是一种变革。 此前数十年，中石化采用的都是用户到石化厂自行提货或用户到网 点提货两种模式，而这种变革，得益于中石化对于物流调度决策支 持管理水平的提升。
精选课件
谢谢欣赏
精选课件
精选课件
决策支持系统的三部件结构形式
用户 人机交互系统
模型库管理系统 模型库
数据库管理系统 数据库
精选课件
决策支持系统的功能
收集、存储、处理并及时提供与决策有关的各 种内外部数据
存储并及时提供常用的数学分析工具和有关模 型，模型和方法容易管理
能够灵活地运用模型和方法对数据进行分析、 加工、统计、预测，得到所需信息，完成决策任 务
中国石化集团公司对其全资企业、控股企业、参股企业的有关国有 资产行使资产受益、重大决策和选择管理者等出资人的权力，对国 有资产依法进行经营、管理和监督，并相应承担保值增值责任
精选课件
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
案例企业销售决策支持
系统
Company number：【0089WT-8898YT-W8CCB-BUUT-202108】
[案例 4] 企业销售决策支持系统
在市场经济体制下，销售管理已成为企业最为重要的经营活动之一。
企业销售是企业经营的起点，也是实现企业效益的焦点。
销售活动不仅与企业内各部门有密切关系，还与外界有着广泛的交往。
销售活动涉及的许多问题具有相当的不确定性，这些问题的决策是半结构化或非结构化的。
因此用于支持企业销售决策的DSS是一种较典型的专用DSS，本节将以中国纺织大学宋福根教授主持开发的一个企业销售决策支持系统(ESDSS)为案例，介绍实际DSS的构造及其具体的应用，以便直观地帮助我们学习和认识DSS。
1、ESDSS的功能
研制ESDSS是为处在竞争日趋激烈的环境中的企业提供一种分析销售因素关系及其变化规律，抉择最优或满意营销策略的科学手段。
ESDSS的功能有销售预测和销售决策两大类，另外还有若干辅助功能，见图1。
图1 EDSS的功能结构
销售预测是销售决策的前期工作，预测结果是决策的依据。
ESDSS的销售预测功能比较齐全，既有宏观的，也有微观的。
销售决策是销售管理的核心，贯穿于销售管理的各个方面和全过程。
ESDSS的销售决策功能是一些常用的，也是较为重要的功能。
2、ESDSS的结构与组成
ESDSS的结构设计采用数据库、模型库、方案库 "三库一体"，以"方案驱动"运行，以数据库管理模式进行模型管理的设计思想。
ESDSS在结构上是新颖的三角式的三库系统，其特色是提出了方案库的概念和方案驱动的构思并予以实现。
系统的逻辑结构见图2。
ESDSS的数据库存储各种从MIS中析取的销售预测与销售决策依据数据、公用的数据字典与数据表字典，以及运行过程中使用的临时表等。
模型库中的单元模型用程序方式储存，以两级模型字典描述和管理。
单元模型的组合根据它们的依赖关系，通过建立临时空间来实现，模型的运行通过指南式的人机逐步对话触发。
较特别的是各种销售预测与销售决策的方法也存储于模型库中。
销售预测与销售决策所采用的方法与模型分别列于表1与表2。
图2 ESDSS逻辑结构图
表1 销售预测采用的方法与模型
表2 销售决策采用的方法与模型
ESDSS引入方案库的概念，方案库存储各种完整的预测与决策方案，包括预测与决策过程中使用的数据、模型、方法的描述以及运行步骤。
方案能反映决策者的决策风格与经验，可以事先建立，也可在模型求解时生成。
方案库通过方案字典管理方案，并可作为一种预测与决策的知识不断积累。
人机会话系统采用用户界面十分友好的Widow格式的菜单驱动和控制，以多任务方式展开。
系统提供用户界面十分友好的多种会话方式和操作功能，提供备种获取数据的渠道和各种形式的输出信息等，它在整个决策过程中起到控制机制的作用。
ESDSS的人机会话系统设有出错提示、重要操作提供确认、无效数据处理及互斥性校验等容纠错功能，以及多媒体形式的教学与帮助功能。
DSS建立在Windows平台上，采用Visual Basic作为系统主程序的语言，数据库管理系统选用Access，并用Office软件作系统的辅助工具。
3、ESDSS的应用
(1) 应用企业简介
某集团公司下属千斤顶厂是研究、开发与制造各类液压千斤顶的专业企业，拥有各种千斤顶装配线20条，年生产能力超过280万台。
工厂的销售工作主要由集团的销售公司负责，销售公司设有四个业务科以及计划、储运和财务等职能科室，在国内设有天泽、武汉、广州和华东分公司，并在欧美设有分部。
公司销售"决策的主要参与人员由集团总裁、销售公司经理和财会人员组成。
(2) 问题的提出
随着市场经济的进一步发展，千斤顶行业的竞争日趋激烈。
该厂的市场占有率较大，指定的价格通常处于一个领导价格的地位，因此如何及时地把握市场机会，准确地预测市场需求，如何根据市场需求及时调整自己的营销策略等问题对公司高层决策层提出了更高的要求。
但长期以来，管理部门在决策时往往采用经验估计、定性分析等方法，一般决策者的经验和水平无法满足要求，也难以借鉴他人的经验和获得有效的决策数据，常局限于一种决策方案而缺乏多方案的制定与比较。
鉴于此，公司领导希望能够有一套使用方便、切实有效的计算机系统来支持公司进行决策。
(3) 市场需求预测
影响该厂销售情况的主要因素是价格、广告支出以及汽车产量，1988一1997年各年的数据见表3。
根据表中数据，应用ESDSS的销售量预测功能，由回归分析建立企业的需求预测模型:
表3 案例背景企业1998一1997年各年销售因素数据模型运行后的统计量表明模型的拟合良好(R2=，误差较小(标准差=。
根据预测模型对1997年市场需求进行验算，价格=，广告支出=，汽车产量=157，计算得1997年需求约为，与实际情况基本符合。
作"如来……则"方式的灵敏度分析，回答若干问题：销售量增长10%，其他不变，广告费支出必须达到多少当价格下降到多少元时，销售量增长10%经分析可知，当广告支出为万元时或价格下降到元时，可以达到销售童增长大约10%的目标。
(4) 广告媒体选择决策
由于千斤顶属于工业品，工厂在广告费用的预算上一般根据一定的利润比提取，并由主观判断安排广告宣传，而如何优化分配，用好这笔资金一直未作
过认真的考虑。
工厂主要使用的广告媒体为户外广告、专业杂志和其他形式。
根据工厂的经验，各种媒体的加权展露数为:户外广告192、专业杂志36、其他形式12。
现要应用ESDSS促销手段决策功能，由线性规划模型作广告费优化分配方案，以得到最大的展开效果。
1)建立决策变量
X1 ----- 分配给户外广告的设置次数 X2 ----- 分配给专业杂志的刊登次数 X3 ----- 分配给其他广告形式的次数
2)建立目标函数
Max E(X)=192 X1+36 X2+12 X3
3)确定约束条件
户外广告每次的设置费用为150000元/年，专业杂志上刊登广告的费用为24000元/年，其他广告形式平均为120000元/年。
其中户外广告的投入不得少于650000元，次数不得少于2次，专业杂志的刊登不得少于3次，其他广告形式尽可能少于2次，由此确定模型的约束条件如下:
150000 X1+24000 X2+12 0000X3≤1000000150000 X1≥650000X1≥2X2≥3X3≤2 4)规划求解的结果
X1=，X2=，X3=0，E=1357，取整得: X1=4，X2=15，X3=0，E=1357根据求解结果，工厂为获得最大的展露效果，应该在户外广告上投入4×150000=600000元，专业杂志的投入为l5×24000=360000元，而尽可能不在其他广告形式上投入。
4．讨论题
1)本例应用了哪些数学模型，各起何作用
2)本例中DSS的逻辑结构和功能结构之间的关系
3)该厂是如何应用销售决策支持系统的应用效果如何。