论文部分内容阅读
摘 要：随着大数据时代的来临，企业的决策模式会发生变化。本文分别对传统的决策分析模式和大数据战略决策分析模式进行对比分析，发现在决策方法、决策参与者、知识发现等方面具有较大变化，多决策的质量产生巨大影响。
关键词：大数据;决策模式;对比
中国正加速进入经济全球化的进程，国际和国内市场环境变得越来越不可预测，需求的不确定性大大增强，产品生命周期缩短，企业之间的竞争进一步加剧。数据是管理决策的基础。基于数据的决策分析可以实现对客户深入了解企业竞争力提升，正如德鲁克所说，当今世界已进入全面知识管理时代，信息量变大，企业战略决策过程考虑的问题更多，在无法确定外部环境的战略决策对企业来说可能是致命的。
一、企业传统决策分析方法的研究与讨论
（一）企业传统的决策分析方法
主要有两种类型的常用的业务决策分析方法，也是人们所说的传统的决策分析方法：定性决策分析方法和定量决策分析方法。
1.定性决策方法是充分利用智慧的方法。它直接使用专家丰富的经验，知识和能力在某些方面，根据已知信息和现有的信息，提出了决策目标和计划，进行相应的评估和选择。定性决策方法是常用的如下：
（1）决策的实证方法。
这是一个最古老的决策方法，因为它很简单，操作方便，在现代企业管理决策，仍经常使用。特别是对于那些熟悉业务，工作内容的一个小变化，专家通常可以根据经验做出决定，可以取得良好的结果。
（2）德尔菲法。
其核心的组织形式是：专家一起召开会议讨论，请一些专家写一封信，这封信涵盖了一些问题的提出了看法和意见。分析专家接受答案的评论，然后请专家继续征求意见。如此反复多次，直到观点更集中，作出相应的决策。这种方法可以使专家们不用担心，但也能够更好的每一个播出自己的观点，使得意见逐步集中。
（3）头脑风暴。
这是邀请专家，针对确定的问题，打开思想，畅所欲言，相互启发、头脑风暴、寻找新的想法，找到一个新的建议。其特点是使用某种手段来确保每个人都相互启发，在头脑风暴的思维出发，在一个相对短的时间内提出大量的有效的想法。
（4）法律的集体意见。
这种方法关注相关人员形成一个意见或建议。参与者发表各种观点，其他人可以参与分析，评估，或提出不同的看法，相互讨论，相互交流、相互补充、相互进步。
2.定量决策方法是基于数学分析基于一种决策方法。基本思想是决定常量和变量之间的关系以及变量和目标，根据数学公式或者表达式，建立数学模型，然后根据计算条件决定答案。定量决策方法是常用的如下：
（1）决策方法。
被定义为影响因素和决策结果是清晰和明确的。一般根据已知条件，直接计算损益的每个程序，通过比较，选择更多的满意程序。主要有盈亏平衡分析法，差分法等等。
（2）风险型决策方法。
基于风险的决策方法一般是将发生在未来的各种自然状态，实现的概率估计的概率。然后，根据决策的目的，提出了各种决策方案，根据每个计划求出不同的损益值的自然条件的计算。最后，每个方案的损益期望计算和比较。有两种具体方法：决策树和决策表法等。
（3）不确定的决策。
是未来事件的条件，即自然状态概率不能确认的决策。这个决定是决定凭借自己的态度和意识，根据一定的规则选择方案，不同的决策者可能选择不同的优化方案，并得到不同的结果，这称为不确定的决定。不确定决策的选择方法通常用于以下方面，这种可能性，保守的方法，风险方法，乐观系数法和最小最大后悔值法。
（二）在传统的决策方法的优点
企业决策分析方法决定着企业是否能够生存下去。企业的决策方法综合运用定性和定量分析的方法。企业转型中的主要问题就是扩大规模，技术创新，项目投资决策。解决上述问题应首先做好项目调查，调查和分析这项工作，充分利用定性决策分析方法，灵活运用经验决策方法，采用专家法，头脑风暴法，集体意见法，并使用最合适的方法，计划重大问题作出不同的决定。将定性决策方法应用于集体意见决。二是运用定量决策分析方法应用于定量分析和决策论证和数据可以准确预测的基础上，采用确定性决策分析方法，主要是预期值和经济效益的可行性方案计算的实证方案，企业的战略决策，确定的经济决策和评价指标主要是投资回报率，内部收益率，净现值，投资回收期。这些指标的计算是基于对基本数据的预测，在不改变业务的不确定性的过程中，应该对项目的不确定性进行分析，对预测过程中的风险因素进行预测。采用概率法、保守法、风险法、乐观系数法和极大极小遗憾分析法无法预测概率值，在分析过程中采用定性的方法确定了程序的发生概率的因素对定量数据更准确、可靠，这样可以使决策更加有可信度。那么，企业在激烈的市场竞争中才有获胜的砝码。
可以说，传统企业决策分析方法是基于专家的主观经验，即优势和劣势。优势是经验通常可以减少不必要的错误，并迅速达到目标;缺点是基于人的主观意识往往有很大的局限性，未来可能产生的结果更有信心在人类的身体，和任何人的影响教育、经验等等会有不同的对决策的影响。
二、大数据背景下的决策分析
（一）大数据的特点的定义
研究机构Gartner的定义：大数据是需要新的处理模式有更强的决策权力，洞察的能力发现和流程优化的大规模，高增长率和多样化的信息资产。维基百科的定义：大数据涉及到的数据量巨大，不能通过当前主流软件工具，在合理的时间采集、管理、处理和整理，帮助企业决策信息。无论什么样的定义，我们可以看到，大数据并不是一个新产品不是一项新技术，它只是一个现象在数字时代。大数据的大量的交易数据，大规模的交互式数据和大规模数据处理三大技术趋势收敛。大数据“大”并不意味着数据本身的绝对数量很大，但指的是“大”的模式所使用的数据尽可能收集全面的数据，数据完整性和数据处理，与此同时，使用数学方法进行分析和仿真，挖掘背后的关系，来预测背后的事件发生的概率[4]。在许多大数据的定义是最具代表性的3v定义：那就是大数据来满足三个特点：规模、多样性、高速度。 （二）大数据有助于企业决策
1.数据的贡献
大数据对企业战略决策的影响决策理论学派认为，决策是管理的核心，它贯穿于整个管理过程。企业决策是一种有意识的、有选择性的活动，为企业实现一定的目的。在一些人、财、物、时间等约束下，企业为了达到特定的目标，从不同的选择策略，以达到最佳或更好的效果的过程是决策过程。企业战略管理是确定和调整企业的经营目标和发展战略，获取和利用各种资源，等等。这些非结构化决策问题不仅数量、复杂程度和难度，直接影响到企业的成败。这需要战略决策必须有很多企业外部数据资源。因此，在决策过程中，决策者需要从一开始就收集数据和信息。大数据战略决策者提供大、超大型数据。由于缺乏数据，传统的决策依赖于决策者的经验，可以保证和大数据问题，不必担心数据丢失或数据采集困难。进入第二十一世纪以来，随着互联网技术和通信技术的发展，传感设备、移动终端接入互联网、各种传感器数据关联数据、统计数据、来自各行各业的交易数据继续快速生成。网络传输的图像，声音，文本和用户的习惯和路径的形成一个巨大的数据资源，在互联网上，管理决策分析和决策程序提供了丰富的数据来源。通过收集和分析大量的内部和外部数据，企业可以获得有价值的信息。通过挖掘信息，企业可以预测市场需求，分析智能决策，制定更有效的策略。
2.知识发现
大数据可以被认为是“另一种表达分析”，它是提取数据和知识，并转化为业务优势的智能活动，而不是停留在一个简单的数据和信息的汇总。大数据时代，企业数据的依赖性已经减弱了基于经验和直觉的定量数据分析方法，逐步取代定性分析方法。数据驱动的决策是大数据研究的一个重要特征，研究表明，更多的数据驱动的商业决策，其财务和业务性能。大数据的变化已经基于经验，决策理论和思维，直观的判断，对数据做出准确的分析，因此把重点放回解决问题的决策上。数据不仅包括大量的数据和各种数据集，包括高速数据采集、处理和分析，从技术架构和技术的价值的过程中提取和大数据可以提高战略决策的数据集和数据已成为一个企业最重要的资产。公司的决策是越来越依赖于数据分析，而不是依靠经验和直觉，企业需要积累业务数据和无处不在的快速信息网络，深入了解市场和客户。比如淘宝网等知名网络交易平台推出的“数据立方体”服务，“数据立方体”是由淘宝网、用户、产品、系统数据、系统数据，强调根据买家的调研数据，并分析报告。你可以看到页面的“数据立方体”服务，淘宝上百万的用户生成原始的交易数据可以在一个产品的趋势交易，卖方和买方的信用交易时间，重复购买，占销售和销售类别比特定的交易数据统计分析。通过数据魔方、淘宝卖家开始为参考：小商贩可以用来优化魔方流。高端卖家优化品牌的主要研究数据。
企业可以通过分析大规模数据的积累，获取知识发现，数据技术被用来准确把握每一个消费者的不同利益和喜好，设计一个高度准确，性能可以高度定量的营销策略，并提供个性化，差异化的产品或服务。这将大大提高战略决策者对客户的洞察力和快速响应市场的能力。
3.参与者决策
从海量数据中获取知识，数据挖掘方法用于。数据挖掘是从一个大的，不完整的，嘈杂的，模糊的和随机的数据提取隐含的，未知的，但潜在的有用的信息和知识的过程。数据挖掘方法的可视化集中在数据挖掘的过程中，用户可以理解知识发现的过程，在知识的人机交互过程中容易找到。利用数据挖掘的方法有两点，一个是选择适合不同的决策的特点;另一种是分析数据挖掘的这些特征的方法。有很多的特点和方法，它需要决策者根据实际情况来选择。数据挖掘的过程是知识发现的过程，是从海量数据中挖掘出未来决策的特征。
（三）大数据决定的问题
1.数据类型的多样性挑战了数据挖掘的能力。多种数据类型，传统的数据分析平台发布了挑战。从数据库的角度来看，挖掘算法是有效和灵活的关键，数据挖掘的实现和现有的算法倾向于适应一个小的内存和数据集的居民，在大数据库中的数据可能不能同时进入内存，增加数据的大小，有效的算法速率逐渐成为数据流的瓶颈。
2.数据处理速度挑战数据处理的及时性和数据的规模的增加，分析和处理的时间越来越长，和条件下的大数据信息处理的及时性和高。
3.数据跨组织边界的挑战传播信息安全技术的发展，大量的信息跨越组织边界的扩散，和学生相关的信息安全问题，不仅是没有价值的大量数据，机密数据，数据隐私也翻了一倍，国家安全、知识产权、个人信息等也面临着前所未有的安全挑战。为了应对快速变化的安全问题，最关键的是算法和特点，如何建立一个相应的强大的安全防御系统发现和识别安全漏洞是一个重要环节，以便确保信息安全。
三、总结
大数据战略决策的发展方向是未来的商业决策，但它仍然是在最初的阶段，有许多问题需要解决。企业应利用传统的大数据领域的决策分析模型，结合两者的优点，极大地提高了决策的准确性。
参考文献：
[1]向祖庚.现代企业管理概论[M].北京：中国商业出版社，1994.
[2]迈尔·舍恩伯格.大数据时代：生活、工作与思维的大变革[M].杭州浙江人民出版社，2013.
关键词：大数据;决策模式;对比
中国正加速进入经济全球化的进程，国际和国内市场环境变得越来越不可预测，需求的不确定性大大增强，产品生命周期缩短，企业之间的竞争进一步加剧。数据是管理决策的基础。基于数据的决策分析可以实现对客户深入了解企业竞争力提升，正如德鲁克所说，当今世界已进入全面知识管理时代，信息量变大，企业战略决策过程考虑的问题更多，在无法确定外部环境的战略决策对企业来说可能是致命的。
一、企业传统决策分析方法的研究与讨论
（一）企业传统的决策分析方法
主要有两种类型的常用的业务决策分析方法，也是人们所说的传统的决策分析方法：定性决策分析方法和定量决策分析方法。
1.定性决策方法是充分利用智慧的方法。它直接使用专家丰富的经验，知识和能力在某些方面，根据已知信息和现有的信息，提出了决策目标和计划，进行相应的评估和选择。定性决策方法是常用的如下：
（1）决策的实证方法。
这是一个最古老的决策方法，因为它很简单，操作方便，在现代企业管理决策，仍经常使用。特别是对于那些熟悉业务，工作内容的一个小变化，专家通常可以根据经验做出决定，可以取得良好的结果。
（2）德尔菲法。
其核心的组织形式是：专家一起召开会议讨论，请一些专家写一封信，这封信涵盖了一些问题的提出了看法和意见。分析专家接受答案的评论，然后请专家继续征求意见。如此反复多次，直到观点更集中，作出相应的决策。这种方法可以使专家们不用担心，但也能够更好的每一个播出自己的观点，使得意见逐步集中。
（3）头脑风暴。
这是邀请专家，针对确定的问题，打开思想，畅所欲言，相互启发、头脑风暴、寻找新的想法，找到一个新的建议。其特点是使用某种手段来确保每个人都相互启发，在头脑风暴的思维出发，在一个相对短的时间内提出大量的有效的想法。
（4）法律的集体意见。
这种方法关注相关人员形成一个意见或建议。参与者发表各种观点，其他人可以参与分析，评估，或提出不同的看法，相互讨论，相互交流、相互补充、相互进步。
2.定量决策方法是基于数学分析基于一种决策方法。基本思想是决定常量和变量之间的关系以及变量和目标，根据数学公式或者表达式，建立数学模型，然后根据计算条件决定答案。定量决策方法是常用的如下：
（1）决策方法。
被定义为影响因素和决策结果是清晰和明确的。一般根据已知条件，直接计算损益的每个程序，通过比较，选择更多的满意程序。主要有盈亏平衡分析法，差分法等等。
（2）风险型决策方法。
基于风险的决策方法一般是将发生在未来的各种自然状态，实现的概率估计的概率。然后，根据决策的目的，提出了各种决策方案，根据每个计划求出不同的损益值的自然条件的计算。最后，每个方案的损益期望计算和比较。有两种具体方法：决策树和决策表法等。
（3）不确定的决策。
是未来事件的条件，即自然状态概率不能确认的决策。这个决定是决定凭借自己的态度和意识，根据一定的规则选择方案，不同的决策者可能选择不同的优化方案，并得到不同的结果，这称为不确定的决定。不确定决策的选择方法通常用于以下方面，这种可能性，保守的方法，风险方法，乐观系数法和最小最大后悔值法。
（二）在传统的决策方法的优点
企业决策分析方法决定着企业是否能够生存下去。企业的决策方法综合运用定性和定量分析的方法。企业转型中的主要问题就是扩大规模，技术创新，项目投资决策。解决上述问题应首先做好项目调查，调查和分析这项工作，充分利用定性决策分析方法，灵活运用经验决策方法，采用专家法，头脑风暴法，集体意见法，并使用最合适的方法，计划重大问题作出不同的决定。将定性决策方法应用于集体意见决。二是运用定量决策分析方法应用于定量分析和决策论证和数据可以准确预测的基础上，采用确定性决策分析方法，主要是预期值和经济效益的可行性方案计算的实证方案，企业的战略决策，确定的经济决策和评价指标主要是投资回报率，内部收益率，净现值，投资回收期。这些指标的计算是基于对基本数据的预测，在不改变业务的不确定性的过程中，应该对项目的不确定性进行分析，对预测过程中的风险因素进行预测。采用概率法、保守法、风险法、乐观系数法和极大极小遗憾分析法无法预测概率值，在分析过程中采用定性的方法确定了程序的发生概率的因素对定量数据更准确、可靠，这样可以使决策更加有可信度。那么，企业在激烈的市场竞争中才有获胜的砝码。
可以说，传统企业决策分析方法是基于专家的主观经验，即优势和劣势。优势是经验通常可以减少不必要的错误，并迅速达到目标;缺点是基于人的主观意识往往有很大的局限性，未来可能产生的结果更有信心在人类的身体，和任何人的影响教育、经验等等会有不同的对决策的影响。
二、大数据背景下的决策分析
（一）大数据的特点的定义
研究机构Gartner的定义：大数据是需要新的处理模式有更强的决策权力，洞察的能力发现和流程优化的大规模，高增长率和多样化的信息资产。维基百科的定义：大数据涉及到的数据量巨大，不能通过当前主流软件工具，在合理的时间采集、管理、处理和整理，帮助企业决策信息。无论什么样的定义，我们可以看到，大数据并不是一个新产品不是一项新技术，它只是一个现象在数字时代。大数据的大量的交易数据，大规模的交互式数据和大规模数据处理三大技术趋势收敛。大数据“大”并不意味着数据本身的绝对数量很大，但指的是“大”的模式所使用的数据尽可能收集全面的数据，数据完整性和数据处理，与此同时，使用数学方法进行分析和仿真，挖掘背后的关系，来预测背后的事件发生的概率[4]。在许多大数据的定义是最具代表性的3v定义：那就是大数据来满足三个特点：规模、多样性、高速度。 （二）大数据有助于企业决策
1.数据的贡献
大数据对企业战略决策的影响决策理论学派认为，决策是管理的核心，它贯穿于整个管理过程。企业决策是一种有意识的、有选择性的活动，为企业实现一定的目的。在一些人、财、物、时间等约束下，企业为了达到特定的目标，从不同的选择策略，以达到最佳或更好的效果的过程是决策过程。企业战略管理是确定和调整企业的经营目标和发展战略，获取和利用各种资源，等等。这些非结构化决策问题不仅数量、复杂程度和难度，直接影响到企业的成败。这需要战略决策必须有很多企业外部数据资源。因此，在决策过程中，决策者需要从一开始就收集数据和信息。大数据战略决策者提供大、超大型数据。由于缺乏数据，传统的决策依赖于决策者的经验，可以保证和大数据问题，不必担心数据丢失或数据采集困难。进入第二十一世纪以来，随着互联网技术和通信技术的发展，传感设备、移动终端接入互联网、各种传感器数据关联数据、统计数据、来自各行各业的交易数据继续快速生成。网络传输的图像，声音，文本和用户的习惯和路径的形成一个巨大的数据资源，在互联网上，管理决策分析和决策程序提供了丰富的数据来源。通过收集和分析大量的内部和外部数据，企业可以获得有价值的信息。通过挖掘信息，企业可以预测市场需求，分析智能决策，制定更有效的策略。
2.知识发现
大数据可以被认为是“另一种表达分析”，它是提取数据和知识，并转化为业务优势的智能活动，而不是停留在一个简单的数据和信息的汇总。大数据时代，企业数据的依赖性已经减弱了基于经验和直觉的定量数据分析方法，逐步取代定性分析方法。数据驱动的决策是大数据研究的一个重要特征，研究表明，更多的数据驱动的商业决策，其财务和业务性能。大数据的变化已经基于经验，决策理论和思维，直观的判断，对数据做出准确的分析，因此把重点放回解决问题的决策上。数据不仅包括大量的数据和各种数据集，包括高速数据采集、处理和分析，从技术架构和技术的价值的过程中提取和大数据可以提高战略决策的数据集和数据已成为一个企业最重要的资产。公司的决策是越来越依赖于数据分析，而不是依靠经验和直觉，企业需要积累业务数据和无处不在的快速信息网络，深入了解市场和客户。比如淘宝网等知名网络交易平台推出的“数据立方体”服务，“数据立方体”是由淘宝网、用户、产品、系统数据、系统数据，强调根据买家的调研数据，并分析报告。你可以看到页面的“数据立方体”服务，淘宝上百万的用户生成原始的交易数据可以在一个产品的趋势交易，卖方和买方的信用交易时间，重复购买，占销售和销售类别比特定的交易数据统计分析。通过数据魔方、淘宝卖家开始为参考：小商贩可以用来优化魔方流。高端卖家优化品牌的主要研究数据。
企业可以通过分析大规模数据的积累，获取知识发现，数据技术被用来准确把握每一个消费者的不同利益和喜好，设计一个高度准确，性能可以高度定量的营销策略，并提供个性化，差异化的产品或服务。这将大大提高战略决策者对客户的洞察力和快速响应市场的能力。
3.参与者决策
从海量数据中获取知识，数据挖掘方法用于。数据挖掘是从一个大的，不完整的，嘈杂的，模糊的和随机的数据提取隐含的，未知的，但潜在的有用的信息和知识的过程。数据挖掘方法的可视化集中在数据挖掘的过程中，用户可以理解知识发现的过程，在知识的人机交互过程中容易找到。利用数据挖掘的方法有两点，一个是选择适合不同的决策的特点;另一种是分析数据挖掘的这些特征的方法。有很多的特点和方法，它需要决策者根据实际情况来选择。数据挖掘的过程是知识发现的过程，是从海量数据中挖掘出未来决策的特征。
（三）大数据决定的问题
1.数据类型的多样性挑战了数据挖掘的能力。多种数据类型，传统的数据分析平台发布了挑战。从数据库的角度来看，挖掘算法是有效和灵活的关键，数据挖掘的实现和现有的算法倾向于适应一个小的内存和数据集的居民，在大数据库中的数据可能不能同时进入内存，增加数据的大小，有效的算法速率逐渐成为数据流的瓶颈。
2.数据处理速度挑战数据处理的及时性和数据的规模的增加，分析和处理的时间越来越长，和条件下的大数据信息处理的及时性和高。
3.数据跨组织边界的挑战传播信息安全技术的发展，大量的信息跨越组织边界的扩散，和学生相关的信息安全问题，不仅是没有价值的大量数据，机密数据，数据隐私也翻了一倍，国家安全、知识产权、个人信息等也面临着前所未有的安全挑战。为了应对快速变化的安全问题，最关键的是算法和特点，如何建立一个相应的强大的安全防御系统发现和识别安全漏洞是一个重要环节，以便确保信息安全。
三、总结
大数据战略决策的发展方向是未来的商业决策，但它仍然是在最初的阶段，有许多问题需要解决。企业应利用传统的大数据领域的决策分析模型，结合两者的优点，极大地提高了决策的准确性。
参考文献：
[1]向祖庚.现代企业管理概论[M].北京：中国商业出版社，1994.
[2]迈尔·舍恩伯格.大数据时代：生活、工作与思维的大变革[M].杭州浙江人民出版社，2013.