- 综合排序
- 最热优先
- 最新优先
决策引擎中的敏捷决策平台
现在是时候缩小差距，为供应链领导者提供敏捷的决策能力了。高管敏捷决策平台的关键属性，以最大限度地提高供应链绩效。高管们面临巨大压力，需要快速做出数据驱动的决策，这些决策会影响整个组织，包括供应链。 所以，现在是时候重新思考如何支持高管决策，以提高供应链绩效。这意味着要接受为高管提供专用供应链决策平台的概念。可能和需要的是一个敏捷决策平台，它让企业领导者能快速执行决策以优化供应链绩效。 下面，我们会介绍专用于执行层决策的敏捷决策平台的理想属性。这些软件属性包括有针对性的数据收集、敏捷决策智能、用于决策周期的高管级UI、基于决策的快速通信以及决策可追溯性。 此外，敏捷决策平台需要促进信息收集过程，收集有针对性的相关信息，以支持及时、明智的决策。以下是快速收集决策所需信息的五步流程。 d.快速决策沟通。面向高管的敏捷决策平台也需要促进协作决策。
25610编辑于 2025-09-18- 来自专栏全栈程序员必看
介绍篇 决策引擎环节
最重要的事情最后都会讲：建模是始终服务于业务的，没有业务的评分卡就没有灵魂 决策引擎概念简述 在我理解上 决策引擎类似是一个管道、运输系统，连通整个风控流程，所有的规则和评分卡以及流程都覆盖其中，分配到每一个环节 （比如人工），将结果返回给决策引擎，走入下一个流程 决策引擎的使用规则 决策引擎的分流效果 评分卡是内置在决策引擎当中，基于评分卡的分段，评分卡的使用具体参见：评分卡在策略中的使用，进行分流，分流决策的目的是为让好客户以及有借款欲望客户进一步走入下一流程 决策引擎规则的顺序 1 并行和串行并举 客户命中规则 或者 客户在某评分卡的某个阶段，共同作用，即条件A或条件B均可进入C环节 2 规则的先后性 内部规则 优于 外部规则，比如黑名单信息，用户的基本信息等 ，内部规则的准确性实际上要优于外部规则 3 IV很强的变量实际更适合作为决策引擎的规则 一个变量分箱后，里面全部都是坏客户，那么可以直接作为TK规则，而不是放入评分卡中 4 规则的效率 直接结果和二次处理结果的效率是不同的
76130编辑于 2022-09-10 - 来自专栏全栈程序员必看
风控决策引擎经验
一套完整的风控体系，在风控中，少不了决策引擎，今天就浅谈一下风控决策引擎。 一、优先级 风控决策引擎是一堆风控规则的集合，通过不同的分支、层层规则的递进关系进行运算。 所以，整套风控决策引擎的搭建设计思路，基于规则优先级运算的注意要点如下： 1、自有规则优先于外部规则运行 举例说明：自有本地的黑名单库优先于外部的黑名单数据源运行，如果触发自有本地的黑名单则风控结果可直接终止及输出 所以，整个风控决策引擎的搭建设计思路，基于可调整与可维护的注意要点如下： 1、非刚需与必要的风控规则，能够“开关化” 举例说明：一些必要的风控规则，如用户的银行4要素验证是否一致性，这是必要规则，就无需可开关 因为芝麻信用分是否可作为决策依据将主要取决于业务方向与用户群体，因为理论上芝麻信用分的高低主要与用户在芝麻信用体系内的数据绑定维度的多与少相关，并不一定绝对反映用户的信用程度。
1.8K30编辑于 2022-07-02 决策引擎系统的7个级别
目前有许多商业“规则引擎”被广泛使用。2级基础机器学习这包括使用查找表、参数模型（包括线性或非线性模型和神经网络）或非参数模型的已知统计模型。 6级顺序决策问题在这里，我们解决的问题由序列决策，信息，决策，信息,...鉴于尚未到达的信息的不确定性，必须做出决策。优化问题是找到做出决策的最佳方法（称为策略）。 顺序决策问题的特殊情况包括：决策，信息（这描述了经典的随机搜索问题）和决策，信息，决策（这描述了两阶段随机规划问题）。更一般的问题具有延伸到有限或无限视野的“决策、信息”序列。 这种多样性反映了顺序决策问题的巨大丰富性。顺序决策问题代表了确定性优化模型的重要扩展。与确定性优化一样，顺序决策问题需要对问题的物理和动力学进行建模，并包括一个性能指标，使我们能够确定最佳决策。 创造力–优化涉及从一组定义明确的决策中找到最佳，其中一组决策被清楚地阐明，并带有可用于评估不同决策的绩效指标。当我们有绩效指标但可能没有指定可用的决策时，需要创造力。
24510编辑于 2025-09-17- 来自专栏IT创事记
智能决策优化新引擎的“求解”之道
从某种意义上讲，求解器就像运筹学里的“芯片”，绝大多数复杂系统的决策问题，都需要用求解器寻求最优解决方案。 市场体量的增大与结构性变化的频生，都对智能决策优化的演进创造了良好条件。 罗小渠认为，杉数科技生逢其时，更要把握良机——“目前，我们已形成以求解器COPT为核心计算引擎+决策技术中台+业务场景的完整技术平台，通过对底层技术引擎的升级来驱动更为高效的产品平台和服务，赋能产业向智能化转型 从调度优化到提供端到端的决策优化解决方案，从涉足零售电商到深耕工业互联网，再到成功服务逾20个行业超百家龙头企业，杉数科技的技术引擎一直在迭代更新，而唯一不变的是对客户需求的跟踪与洞察。 复杂业务场景纷繁交织的航空业是决策优化技术的天然拥趸。
91610编辑于 2022-08-30 一文读懂AI引擎与Together规则引擎重塑智能决策
AI引擎的三大能力革命动态规划能力Together规则引擎通过可视化的DRG图和装箱表达式，把“季度营收增长20%”这样的宏观目标转化为可执行的决策模型。 多工具调用能力基于Together标准化的决策服务接口，AI引擎可以在ERP、CRM等系统间建立决策中枢。 当某次供应链中断事件触发规则库未覆盖的场景时，AI引擎会将决策过程反哺至Together知识库，形成“决策-反馈-优化”的闭环学习。 Together的标准化决策建模语言，企业可以直观验证AI引擎的决策逻辑是否匹配业务需求，避免“伪智能”方案。 当每一次AI引擎的决策都通过Together引擎沉淀为可复用的业务规则资产，当每一个流程优化都能转化为标准化的决策模型，企业管理软件将真正进入“决策即服务”的新纪元。
63910编辑于 2025-09-05规则引擎系统中决策管理的最佳实践
随着时间的推移，很多公司会发现，让业务负责人自己做决策，能让他们从决策管理系统中得到更好的结果。 决策管理系统利用公司已经收集或可以获取的数据来改进决策方式，方法是预测决策可能的结果，而不是什么都不做。决策总是和未来有关，因为它们只能影响未来。公司拥有的所有数据都是关于过去的。 专注于实时评分将使决策管理系统更加强大。把数据挖掘和业务规则结合起来用。很多构建决策管理系统的公司会把基于规则的决策逻辑开发和分析完全分开。 为了提供集成决策改进环境，公司应汇总过去决策制定的日志、使用这些决策所取得的业务成果信息以及决策逻辑/分析管理环境本身。 最佳实践是考虑在这些情况下使用机器学习和自适应分析引擎。在组织中建立对分析工作的信任将越来越多地允许分析系统自己做出更多决策。
23210编辑于 2025-09-09物联网规则引擎：数据驱动决策的分步指南
机器学习和人工智能在数据驱动决策中的主要应用有：预测建模，预测未来会发生什么情绪分析，了解客户怎么想推荐引擎，个性化营销的好帮手异常检测，找出欺诈或错误自然语言处理，分析文本数据像亚马逊这样的公司，用机器学习算法优化供应链 衡量数据驱动决策的影响要真正了解数据驱动决策的好处，组织得有办法衡量它对业务绩效的影响。数据驱动决策的关键绩效指标（KPI）KPI是帮助组织跟踪数据驱动方法有效性的关键指标。 决策质量和速度：这个指标关注决策过程的强化。比如用数据分析和直觉做选择的结果对比，以及实时数据带来的决策时间缩短。通过持续跟踪这些KPI，组织可以量化数据驱动决策带来的好处，并展示它对利润的实际影响。 数据驱动决策的示例数据分析虽然在幕后，但数据驱动决策对消费者的影响可是明摆着的。不同行业数据驱动决策的一些例子包括：电子商务你在网上购物时有没有好奇为啥会收到某些推荐？ 虽然你可能没意识到自己的偏见，但内心的偏见或价值观会影响你做决策的方式。直接根据事实和数字做决策可以使你的决策保持客观和公平。
26610编辑于 2025-09-16一文看懂决策引擎平台必备功能都有哪些
这个决策引擎平台就是为了让公司能轻松管理、执行和部署各种半自动和全自动的决策。随着各种技术的出现，决策自动化越来越受到关注，这些技术设计得特别好，能帮助人工智能在很多公司和行业里无缝工作。 这些报告和数据清楚地告诉我们，人工智能投资的商业预期和人工智能驱动的投资计划的预期回报之间有很大的差距，特别是在决策自动化项目上。幸运的是，公司们可以通过用Together规则引擎来改变这种局面。 Together规则引擎也是一个决策智能平台，主要目标是通过给企业提供一个统一且通用的决策建模平台来弥合这个差距，这个平台满足了决策自动化的所有独特要求，特别是支持完全和半自动化的业务决策。 更重要的是，决策智能平台还必须在必要时为无状态或有状态的决策过程提供人工干预的机会。Together规则引擎让你拥有这些能力。 这凸显了以决策为中心的方法™。Together规则引擎正是实现这些业务价值的工具，通过可视化决策模型的构建将你的管理渗透到你业务的方方面面。
36910编辑于 2025-09-03- 来自专栏开源物联网平台开发
Node-RED 规则引擎：开启物联网时代的智能决策
Node-RED 规则引擎：开启物联网时代的智能决策 随着物联网技术的快速发展，大量的设备和传感器正在不断产生海量的数据。 为了有效处理这些数据，并实现智能决策，规则引擎在物联网领域扮演着至关重要的角色。而 Node-RED 规则引擎则以其灵活性和易用性，在物联网开发领域中引起了广泛的关注和应用。 二、Node-RED 规则引擎的特点 灵活性：Node-RED 支持自定义节点和插件，用户可以根据需求扩展功能，实现个性化的规则设计。 三、Node-RED 规则引擎的应用场景 智能家居：在智能家居领域，Node-RED 可以连接各种智能设备，实现设备的联动控制、自动化场景设置等功能。 四、总结 随着物联网技术的不断发展，规则引擎在物联网应用中的作用将越来越重要。Node-RED 规则引擎以其灵活性和易用性为物联网开发者提供了一个强大的工具，使得开发者能够轻松地构建复杂的物联网应用。
1.6K10编辑于 2024-03-19 轻量级规则引擎在数字化决策中的商业优势
决策建模（DM）是决策管理的一部分，它侧重于使用专为业务分析师和主题专家而非开发人员设计的标准化符号来表示业务决策。通过决策建模，业务分析师可以构建和共享有关其业务决策如何运作的可靠文档。 决策模型由两个视图组成：决策要求视图和决策逻辑视图。决策要求视图描述了如何将复杂的决策分解为更简单的子决策，以及确切需要哪些数据和业务知识来支持这些决策。它显示了决策的层次结构。右边有个示例。 主题专家发现，创建此视图是引发和巩固他们对关键决策的理解的有效方式。决策逻辑视图（请看左边的示例）定义决策的逻辑。通常（但并非总是）它使用决策表来表示决策如何决定其结果。 这使业务分析师能够准确描述其组织中如何进行决策。决策模型还可以以其他格式（例如，决策树、文本）表示逻辑，或与其他方式集成以做出决策（例如，分析、认知模型和优化引擎）。决策模型不仅仅是关于需求。 这种模型驱动的决策架构方法减少了错误并允许快速更改决策—它为业务决策提供了安全的敏捷性，并确保您的决策规范始终具体且与实施一致。
26910编辑于 2025-09-16- 来自专栏速入大数据
数据炼金术：从报表堆到决策引擎的进化之路
数据炼金术：从报表堆到决策引擎的进化之路凌晨三点的会议室里，市场部李总对着20份Excel报表发愁——用户增长数据在CRM系统，库存情况在ERP里，竞品价格躺在爬虫数据库。 某连锁便利店通过Flink实时计算引擎，把补货决策从48小时缩短到15分钟：val env = StreamExecutionEnvironment.getExecutionEnvironmentval 三、决策民主化：让听得见炮声的人开炮某快消品企业曾要求区域经理申请总部数据权限，走流程需要7个审批环节。 当决策权下放到前线，数据才能真正转化为战斗力。站在2025年的十字路口，企业需要的不是更大的数据仓库，而是更智能的数据神经网络。 未来的商业领袖不会是读报表最勤快的人，而是最懂数据交响乐指挥艺术的决策架构师。当每个毛细血管都能自主感知、快速反应时，企业就拥有了数字时代的进化优势——就像单细胞生物到哺乳动物的跃迁。
17200编辑于 2025-02-26 TCHouse-P：金融与零售企业的智能决策引擎
在数据驱动的商业时代，金融与零售行业的竞争核心已转向对海量数据的实时洞察与精准决策。 腾讯云数据仓库 TCHouse-P 作为一款基于 MPP（大规模并行处理）架构的云端数仓服务，正成为企业构建敏捷、高效经营分析体系的关键引擎。 TCHouse-P 凭借其高性能算力引擎，能够无缝集成来自 TencentDB、Oracle 等多源异构的业务数据，构建统一的数据分析平台。 多源数据无缝集成：可轻松分析位于对象存储 COS、云数据库 TencentDB、Elasticsearch 等多种数据引擎上的数据，打破数据孤岛。 选择 TCHouse-P，即是选择为企业的未来决策安装一个高效、可靠的智慧大脑。
9510编辑于 2026-04-02- 来自专栏数据猿
金融科技&大数据产品推荐：恒丰银行实时智能决策引擎
恒丰银行实时智能决策引擎凭借和大数据相关技术和服务平台进行结合，例如流处理技术、具有推理能力的规则引擎、分布式微服务计算框架、分布式消息队列、具有海量数据查询和分析能力的内存数据库构建的决策引擎具有实时智能决策能力 5、产品功能 恒丰银行实时智能决策引擎分为SaaS和私有版本，产品由运营管理和决策引擎2个系统组成。 系统原理图 决策引擎 决策引擎提供一组API接口，用于集成业务系统，业务数据从业务系统实时下发决策引擎，决策引擎根据运营管理系统的资源配置信息、决策模型/规则配置信息，进行分析计算，计算结果实时输出给业务系统 评分卡规则定义界面如下图： 8) 路由配置管理 路由是一棵决策树，用于制定规则流，用户可根据业务需要配置多个决策路由;路由为引擎的核心部件，路由的引入，一方面可以定义数据在决策引擎中的决策流程 恒丰银行实时智能决策引擎可解决传统的商业决策引擎产品及其应用技术架构无法兼顾实时决策需要的高并发、低延迟、快速策略规则配置并实时发布的应用场景需要，将极大提升各类风险或反欺诈监测的效率、提高风险发现和防范能力
3.6K90发布于 2018-04-24 - 来自专栏一个会写诗的程序员的博客
战略决策 , 战术决策 与 业务决策
按决策的范围和决策的重要性划分，可以分为战略决策、战术决策、业务决策。 战略决策是解决全局性、长远性、战略性的重大决策问题的决策。 战术决策又称管理决策，是为了实现战略决策、解决某一问题所做出的决策，以战略决策规定的目标为决策标准。如医院住院流程设计、医院人员的招聘与工资水平等决策。 决策的分类 1、按决策范围分为 战略决策、战术决策和业务决策； 2、按决策性质分为程序化决策和非程序化决策； 3、按决策主体分为个人决策和群体决策； 4、按决策问题的可控程度分为确定型决策、不确定型决策和风险型决策 决策问题分类 确定型、非确定型、风险型 决策问题通常分确定型、非确定型、风险型三种。 由于决策问题的性质不同，群体决策与个人决策的差异及决策人个人的风格不同，其决策的时间和决策的方法也不相同。 战术决策：为了实现战略决策、解决某一问题做出的决策，以战略决策规定的目标为决策标准。 战略决策是关系企业全局和长远发展的重大问题的决策。是非程序化的、带有风险性的决策。
4.2K20发布于 2020-04-01 - 来自专栏C 与 Java 数据结构研习志
【机器学习】农业 4.0 背后的智慧引擎：机器学习助力精准农事决策
一、数据采集——农事智慧的基石 精准农事决策这座宏伟大厦的第一块基石，无疑是广泛且精准的数据采集工作。 二、机器学习模型搭建——洞察数据的大脑 当海量的数据如涓涓细流汇聚成数据的“汪洋大海”，接下来就轮到机器学习模型登场，扮演挖掘数据宝藏的“掘金者”角色，从中提炼出极具价值的知识与决策依据。 决策树模型便是其中的佼佼者，它恰似一位经验丰富的老农夫，能够依据不同的特征阈值，将纷繁复杂的数据巧妙地划分为条理清晰的不同子集，进而构建出类似树状的结构，将决策过程直观形象地展示出来。 三、精准决策——付诸实践的智慧 当经过精心训练的各类机器学习模型“修炼”完毕，接下来便是它们大显身手，将知识转化为实际生产力，助力精准农事决策的关键时刻。 机器学习赋能下的农业 4.0，彻底改写了传统农业依靠经验决策的历史篇章，让农事决策昂首阔步从经验走向精准科学，大幅提升农业生产效率、降低资源浪费，开启智慧农业的崭新辉煌篇章。
38310编辑于 2025-01-20 AI 智能分析决策系统：驱动企业数字化转型的核心引擎
传统依赖经验的管理模式已难以应对现代商业环境的复杂性，而基于机器学习与深度学习技术的 AI 智能分析决策系统，正成为企业突破发展瓶颈、构建竞争优势的关键工具。️ 逐步拓展应用场景保持子系统接口兼容性微服务架构确保系统稳定性全面推广期（5-6 个月）开展员工数字化技能培训培养业务技术复合型人才建立跨部门协作机制 价值创造分析价值维度短期效益长期影响运营成本人力替代效应显现规模效应下边际成本递减决策质量减少人为失误损耗战略前瞻性显著增强创新能力快速试错机会增加商业模式创新可能性打开客户体验服务响应速度提升个性化需求满足深度深化 最佳实践提示避免常见误区避免追求大而全的初期部署重视数据质量而非仅仅数据量平衡技术先进性与实用性的关系持续优化建议建立效果评估与反馈机制保持业务与技术的深度协同培养内部数据分析能力结语AI 智能分析决策系统正成为企业数字化转型的核心驱动力 通过智能化的数据处理、动态化的模型优化和可视化的决策支持，该系统不仅提升了企业的运营效率，更重塑了企业的决策模式和创新路径。 未来已来，智慧决策。那些率先拥抱 AI 智能分析决策系统的企业，将在激烈的市场竞争中赢得先机，开创数据驱动发展的新纪元。
37310编辑于 2025-10-27- 来自专栏互联网数据官iCDO
专访巨量引擎：投入营销科学建设，以数据科学驱动营销决策
▍未来 所有企业都需要拥有数据驱动决策的文化 营销领域越来越数字化、科学化，利用数据高效发掘增量，这是大势所趋。巨量引擎认为，数据科学驱动决策是未来每一家企业都需要构建的企业文化。 企业最高决策层首先需要建立这种认知，数据即企业战略资产，助力科学决策，并驱动实际收益与回报。决策层自上而下推动数据意识变革，整个企业才能真正形成数据科学的文化。 ? 关于营销科学为什么聚焦在度量与洞察，巨量引擎营销科学专项负责人阐释道，利用度量去算清楚每一分营销预算的真实效果，再通过洞察去指导下一步营销决策，这样就形成了完整的闭环，给广告交易系统做更优质的输入，从而系统化提升营销效率 巨量引擎会加速开放数据洞察产品的能力，推出全网可见的内容消费趋势洞察平台，助力广告主、代理商以及更多的营销相关从业者提升科学决策的能力。 巨量引擎营销科学专项负责人表示，希望更多营销平台一起参与到营销科学的构建，推进增效度量，让媒体价值更透明；希望更多品牌建立“数据驱动科学决策”的文化，坚信数据的价值，投入更大的资源，提升全链路数字化能力
1.4K11发布于 2020-08-09 - 来自专栏Python项目实战
机器学习与大数据分析的结合：智能决策的新引擎
项目概述本项目旨在使用Python构建一个结合机器学习与大数据分析的智能决策系统，涵盖以下内容：环境配置与依赖安装大数据采集与处理特征工程与数据预处理机器学习模型构建与训练结果预测与评估结果可视化1. ('训练准确率和验证准确率的变化趋势')plt.legend()plt.grid(True)plt.show()总结通过本文的介绍，我们展示了如何使用Python构建一个结合机器学习与大数据分析的智能决策系统 该系统集成了大数据采集、处理、特征工程、模型训练、结果预测和可视化等功能，能够有效地分析和预测数据，从而支持智能决策。希望本文能为读者提供有价值的参考，帮助实现机器学习与大数据分析结合的开发和应用。
64210编辑于 2024-12-21 在业务决策中人工智能引擎怎么运用和有什么影响
随着人工智能在帮助我们做决策，甚至自己做决策方面变得越来越重要，了解它的缺点比了解它的优点还要关键。这篇文章会聊聊人工智能对做决策的影响，以及我们得面对的挑战。 要想好好利用人工智能，我们得知道它对决策的影响——好的和不好的都得了解。找出人工智能的不足，我们就能减少它的限制，更好地发挥它的力量。人工智能是怎么帮我们做决策的，以及它的好处。 人工智能对业务决策的影响——这里有11个限制。人工智能在支持决策方面确实很厉害。但是，人工智能也不是万能的。实际上，有很多决策者需要解决的弱点。比如，大家最关心的一个问题是人工智能不够透明。 最后，人工智能系统可能会做出在伦理或道德上有问题的决策。所以，如果人工智能决策不受控制，可能会给企业和整个社会带来严重后果。 人工智能做出的决策可能会产生现实世界的后果，并且这些决策有可能被用于有害目的。
29810编辑于 2025-09-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号