決策支持系統(tǒng)與企業(yè)智慧.ppt

《決策支持系統(tǒng)與企業(yè)智慧.ppt》由會員分享，可在線閱讀，更多相關(guān)《決策支持系統(tǒng)與企業(yè)智慧.ppt（44頁珍藏版）》請在裝配圖網(wǎng)上搜索。

第七章 知識管理,本章大綱,第一節(jié) 導(dǎo)論 第二節(jié) 知識的基本概念 第三節(jié) 知識庫與知識管理 第四節(jié) 知識表達與推理 第五節(jié) 知識工程 第六節(jié) 知識管理的成功案例 第七節(jié) 結(jié)論,學(xué)習(xí)目標(biāo),決策中知識的概念 DSS的知識管理架構(gòu) 知識管理系統(tǒng)的設(shè)計 知識管理的應(yīng)用,知識的基本概念,知識是一種存在於人們腦中的決策與判斷的準(zhǔn)則，用以解決日常生活中所面臨的問題。知識存在的形式，可能是具體的事實（如：鐵是硬的），也可以是一種意識、識別力、智慧、法則、認(rèn)知、經(jīng)驗、技術(shù)、學(xué)習(xí)能力等，其中又以經(jīng)驗及法則最為重要。 若以「企業(yè)組織」為著眼點，可以將知識定義為企業(yè)的無形資產(chǎn)（Quintas等人，1997），包含的類型有：市場及顧客資訊、產(chǎn)品資訊、專家的知識、人力資源資訊、核心商業(yè)流程、交易相關(guān)資訊、管理資訊（特別是決策策略）、供應(yīng)商資訊（特別是交易協(xié)議與服務(wù)資訊）。,組織內(nèi)有價值的知識 之分類,個人知識 是指員工本身所擁有的知識，包括特定技能、經(jīng)驗、習(xí)慣、直覺、價值觀等。由於員工可能會離職，因此如何把員工知識化為組織的結(jié)構(gòu)化知識，保留在組織內(nèi)，是知識管理的重要工作。 結(jié)構(gòu)知識 是屬於組織的知識，不會隨著員工離職而消失。這些知識包括實體的知識與抽象的知識。實體知識包括掌握的科技、發(fā)明、資料、文件、製程等；而抽象的知識，如策略和管理文化、組織程序等，雖然較難以看見，其價值卻可能比實體知識還高。,組織內(nèi)有價值的知識 之分類（續(xù)）,顧客知識 是指企業(yè)所蒐集有關(guān)客戶的資訊，如顧客偏好、市場佔有率、顧客滯留率等。這些顧客知識在以「客製化」為中心的電子商務(wù)的環(huán)境中，其重要性亦很高。,知識與決策支援的關(guān)係,充分的知識是良好決策的必要條件 每個決策均有特殊的情境與考量，因此要制訂好的決策便一定需要有充分的知識。尤其是在管理決策中，有許多並不能完全用數(shù)字或數(shù)學(xué)模式來解決，唯有依靠判斷性的知識。 資訊科技使知識的效用更能發(fā)揮 知識若只在決策者的腦中固然能解決問題，但是對它的正確性及未來改善潛力都比較缺乏客觀的評估。透過將知識與DSS結(jié)合，不但能使知識的應(yīng)用更為廣泛，而且也使知識可以受到客觀的評估與檢視。,圖7-1 知識的演變過程,,資料、資訊、知識,,,知識的分類,外顯 / 內(nèi)隱知識 個人 / 組織知識 量化 / 質(zhì)化的知識 依敘述 / 情境來劃分 依事實 / 因果來劃分 依初級 / 彙整(meta)劃分,DSS的知識管理 vs. 企業(yè)知識管理,兩者的差異 DSS中的知識管理注重的是針對一個特定的決策問題，利用人工智慧的推理機制，由已知事實來找出最佳決策，供決策者參考；其範(fàn)疇比較小，且較不涉及組織運作。 企業(yè)推動的知識管理，則涵蓋企業(yè)內(nèi)各種知識的保存、開發(fā)、分享與應(yīng)用，以組織運作及制度管理為主，較不涉及個別的推理技術(shù)。,表7-1 DSS中各模組的比較,圖7-3 整合性的知識管理系統(tǒng)架構(gòu),,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,知識工作者,回應(yīng) /互動,學(xué)習(xí)機制,知識庫,,,,,表現(xiàn)知識,類推知識,推論知識,程序知識,公式知識,實證知識,,,,,,,,更新,刪除,修改,推理,檢索,儲存,知識庫管理系統(tǒng),,,,,,,,,,,,知識表達,必須考慮「表達什麼？ 」及「如何表達？」 傳統(tǒng)專家系統(tǒng)開發(fā)時最常用的表達方式就是「法則」,推理機制,專家系統(tǒng)中最常用的推理策略有兩種 向前結(jié)合(Forward chaining) 在向前結(jié)合的情況下，推理機由已知的事實出發(fā)，尋找該事實所能適用的法則，如此不斷地向前推進，直到找出所需結(jié)論為止。由於這個方法是由事實出發(fā)，因此往往又稱為「資料主導(dǎo)」的結(jié)合法。,推理機制（續(xù)）,向後結(jié)合(Backward chaining) 向後結(jié)合先決定所要追求的結(jié)論，然後再尋找資料來驗證所認(rèn)定之結(jié)論的正確性。若結(jié)論不正確，它再試探下一個可能結(jié)論。,圖7-4 向前與向後結(jié)合的 適用性,,向後推理,,,少數(shù)可能解答,,,,,,,,,,,,,,,,,,,,,,,,,,刪減方案數(shù)目的決策樹,,,,許多條件,圖7-4 向前與向後結(jié)合的 適用性（續(xù)）,,不確定性的處理,造成專家系統(tǒng)結(jié)論不確定的原因至少有二 條件滿足的不確定性 每個法則都有許多必須滿足的條件 。 條件與結(jié)論間的不確定性 即使條件是否滿足可以正確地評價；另一個無可避免的風(fēng)險，則是條件和結(jié)論之間因果關(guān)係是否絕對永遠成立。,不確定性的處理（續(xù)）,既然有不確定性的存在，學(xué)者們開發(fā)了許多不同的估計方法 確定因子法（CF法） 基本假設(shè)為各個不同因素或法則之間彼此獨立。,不確定性的處理（續(xù)1）,模糊邏輯法 希望能包容人類思考過程中的模糊和不精確性。 兩個基本原則 若幾個條件需同時成立時，其總和的確定性為它們個別確定性中的最小值。 若幾個條件只要有一個成立即可時（在「或」的情形下），其總和的確定性為它們個別確定性中的最大值。,知識工程,將專家知識有系統(tǒng)地轉(zhuǎn)化成可以電腦化、有結(jié)構(gòu)的知識的過程。而協(xié)助這項轉(zhuǎn)換的人則稱為「知識工程師」。,圖7-5 知識工程的程序,知識工程的程序,確認(rèn)階段(Identification Stage) 選擇知識工程師及專家，並且分別定義各自的角色。 概念化階段(Conceptualization Stage) 讓知識工程師和專家充分溝通，並建立共識。 正規(guī)化階段(Formalization Stage) 把上一個階段定義完成的核心概念、問題及相關(guān)知識以正式的方式表達出來（如：法則），建立知識的模式，以方便瞭解及在電腦上執(zhí)行。,知識工程的程序（續(xù)）,實施階段(Implementation Stage) 將上一個階段中所定義出來的正式知識，以軟體工具來建置成為雛形系統(tǒng)。 測試階段(Testing Stage) 主要是評估雛形系統(tǒng)中知識的正確性，以及系統(tǒng)表現(xiàn)方式是否可以正確地提供有用的資訊。 修訂階段(Revision to Complete the System) 針對測試所發(fā)現(xiàn)的問題，加以修正並測試，直到結(jié)果可以接受為止。,圖7-6 知識庫的建置階段,圖7-7 知識擷取的步驟,,,,,,指認(rèn),結(jié)構(gòu),關(guān)連,測試,,,,知識擷取的方式,人際溝通 知識工程師必須具備良好的溝通能力，其所用的方法以交談法(interview)及雛型分析法(Prototype Analysis)最為常見。 人機交談 以「交談式擷取軟體」為界面。為了較有系統(tǒng)地將專家的知識擷取出來，可以利用軟體將知識導(dǎo)出的流程規(guī)劃出來。,知識擷取的方式（續(xù)）,機器學(xué)習(xí) 以「機器學(xué)習(xí)軟體」作為知識擷取的界面。由於電腦具有大量的運算能力，加上目前人工智慧技術(shù)的發(fā)展，使得電腦可以具備部分的學(xué)習(xí)能力。,常見的知識擷取方式,訪談 行為分析 協(xié)定分析 書面查詢法 多專家法,知識擷取的輔助工具,MORE 幫助領(lǐng)域?qū)＜腋行实靥峁I(yè)知識，以減輕知識工程師的負(fù)擔(dān)。 AQUINAS 知識工程師進行知識擷取時，可能同時採用多種不同的擷取技術(shù)，AQUINAS就是把這些技術(shù)建置成為系統(tǒng)，以協(xié)助知識擷取的進行。 KRITON 可以從專家來擷取知識，也可以從書面資料來擷取知識。,知識擷取的輔助工具（續(xù)）,AUTO-INTELLIGENCE 是一種商業(yè)化的知識擷取工具，其目的在於快速地將專家知識建置到電腦系統(tǒng)中，尤其適合解決分析型態(tài)問題。,資料探勘——從資料庫中探勘知識(KDD),KDD的過程分為五個階段 選擇(Selection) 前置處理(Preprocessing) 轉(zhuǎn)換(Transformation) 資料探勘(Data Mining) 解釋與評估(Interpretation / Evaluation) KDD的常用的技術(shù) 統(tǒng)計(Statistics) 人工智慧(Artificial Intelligence) 資料庫與資料倉儲(Data Warehouse),良好的知識表達法,表達能力 精確地表達知識，避免知識模稜兩可。 表達效率 精簡地表達知識，避免太多不必要的雜訊。 推理效率 結(jié)構(gòu)化地表達知識，以便快速推論來得到答案。 易理解性 清楚地表達知識，讓知識表達符合人類的思考模式。,良好的知識表達法（續(xù)）,易管理性 彈性地表達知識，讓偵錯修改更為容易。,系統(tǒng)建置的工具選擇,知識擷取工具 通常是自行開發(fā)的套裝軟體，主要目的是用來擷取某個領(lǐng)域的知識。 建構(gòu)平臺 通常是自行開發(fā)的套裝軟體，主要目的是用來建構(gòu)專家系統(tǒng)。 建構(gòu)環(huán)境 是專為建構(gòu)系統(tǒng)而開發(fā)之套裝軟體，如Smalltalk。,系統(tǒng)建置的工具選擇（續(xù)）,建構(gòu)語言 用以建構(gòu)系統(tǒng)之程式語言，包括LISP及PROLOG 等。,知識編碼的步驟,檢視結(jié)構(gòu)圖是否正確，並確認(rèn)該結(jié)構(gòu)圖所包含的知識足以達成系統(tǒng)目標(biāo)。 若發(fā)現(xiàn)結(jié)構(gòu)圖上有漏洞，則必須擷取額外的知識來填補。 將檢查過的結(jié)構(gòu)圖，轉(zhuǎn)換成為決策樹或決策表。 檢查決策樹上的可能缺口，若有缺口便必須擷取額外的知識。,知識編碼的步驟（續(xù)）,由於有時決策樹會包含多種的領(lǐng)域知識，因此可以依據(jù)領(lǐng)域?qū)Q策樹分隔成適當(dāng)?shù)拇笮?，並使用模組化的知識編碼技術(shù)。 將樹狀知識轉(zhuǎn)換成法則。,系統(tǒng)測試——知識驗證,指「正確地建置系統(tǒng)」，也就是先不管真實世界的事實如何，單就邏輯架構(gòu)的正確性進行檢測。 目的 為了確保存在於知識庫中的知識不會互相矛盾或衝突。 知識庫中常見的問題如下 重複的法則。 法則之間互相衝突。 法則之間的相互包含。 法則之間是否有循環(huán)參照。,系統(tǒng)測試——知識評價,指「建立正確的系統(tǒng)」，也就是必須針對實際的問題領(lǐng)域，評量知識庫系統(tǒng)所提供的建議是否符合使用需求，以及績效正確度能否到達接受的水準(zhǔn)。 目的 為了確保存在於知識庫中的知識是否符合真實情況的需求。,系統(tǒng)測試——知識評價（續(xù)）,兩種知識評價的做法 質(zhì)化評價 對知識進行非量化的評價。 可採用下列三種方式來進行 表面評價(face validation)。 預(yù)測性評價(predictive validation)。 實地評價(field validation) 。 量化評價 以統(tǒng)計之類的量化方法來衡量知識系統(tǒng)的效果。,圖7-9 Loan Probe放款決策流程,,圖7-9 Loan Probe放款決策流程（續(xù)）,,,,,