- 综合排序
- 最热优先
- 最新优先
- 来自专栏IT创事记
智能决策优化新引擎的“求解”之道
这不仅是一家创业公司发展道路上的里程碑，也标志着智能决策优化技术的国产替代及其对企业数字化转型的全面推动，进入了崭新阶段。 经历实战检验的商业模式 以求解器驱动的智能决策优化领域能保持高速增长，离不开国内数字经济大发展与各行业加快数字化转型的恢宏背景。 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。
92010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
从1950年图灵提出“机器能不能思考”的问题，到2025年大语言模型驱动的AI引擎在企业管理中自主完成商业决策，人工智能从“工具”变成了“智慧体”。 想象一下，一个跨国公司的智能ERP系统里有3000多个自主引擎在深度调度跨国供应链，多智能体协同重构财务流程，一个关键技术创新正在加速这一进程——Together规则引擎正成为AI引擎实现智能化决策的核心基础设施 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。 这场智能革命的终极胜负手，在于能否构建“业务知识→Together规则→AI决策→价值反馈”的增强回路。
67710编辑于 2025-09-05决策引擎中的敏捷决策平台
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。 b.敏捷决策智能：针对快节奏、不断变化的环境的分析。执行层决策平台的下一个属性是敏捷的决策智能（DI）功能。事实上，敏捷决策平台的核心是其强大的分析能力。因此，首先，DI必须无缝地利用全方位的分析。 事实上，这些组件并不是孤立工作的——它们形成了一个互连的网络，一个连续体，将原始数据转化为可作的决策智能。此外，决策智能必须敏捷且适应性强。 决策智能敏捷性的分析组件a.商业分析连续体协同工作。决策智能之所以如此强大，是因为它如何将不同类型的分析无缝集成到一个连贯的系统中。以下是决策智能的基准分析功能。描述性数据分析。 b.决策智能的敏捷组件。此外，决策智能的敏捷性是关键的执行决策。此外，这不仅仅是关于速度，还关于适应性和持续学习。以下是决策智能的敏捷性组件。即按需分析、AI驱动的分析和持续反馈循环。实时、按需分析。
26510编辑于 2025-09-18决策智能
想象一下这样一个世界：软件不仅可以加快业务决策速度，而且可以使业务决策变得卓越。这就是决策智能（DI）的意义所在。它不仅仅是另一种人工智能（AI）。 此外，我将阐明决策智能与决策科学、人工智能、数据科学和商业智能（BI）等同类产品的不同之处。决策智能（DI）定义及其在供应链中的应用 决策智能（DI）是一个相当新的术语。 这是因为决策智能利用了各种分析工具，例如商业智能、数据科学、决策科学和专家AI系统。此外，决策智能功能最好部署为专门专注于决策的软件平台。 此外，这些DI系统能够衡量和学习以前的决策，以提高决策有效性。决策智能与其他分析学科 什么是决策智能，以及它与其他分析学科（如决策科学、专家AI、数据科学和商业智能）的比较。 …专家系统在知识库中积累经验和事实，并将它们与推理或规则引擎集成，这是一组将知识库应用于提供给程序的情况的规则。 因此，传统的AI专家系统是基于规则的系统，围绕人类专业知识的知识库构建。
37000编辑于 2025-07-22- 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。
1.9K30编辑于 2022-07-02 - 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。 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。 通过规则设置，可以实时响应城市事件，提高城市管理的智能化水平。 农业物联网：在农业领域，Node-RED 可以连接气象站、土壤传感器等设备，实时监测农田环境参数，并根据预设的规则进行灌溉、施肥等操作。 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 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。 腾讯云数据仓库 TCHouse-P 以其强大的分析性能、便捷的生态集成和灵活的计费策略，为企业降低了数据仓库的建设与运维门槛，让经营决策从“经验驱动”迈向“数据智能驱动”。 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。
10210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
实时智能决策引擎提供相关业务策略的全生命周期的统一管理，包括可重用的简单规则、决策表、决策树和规则流等组件的编辑、部署、运行、监控等功能，可为任何业务系统提供高效的实时决策管理服务。 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。 8、市场价值 恒丰银行实时智能决策引擎将是我行基于自主研发、自主创新思路构建的金融科技工具产品，其可应用于需要实时营销决策、实时风险监测的业务场景，同时也可为其他需要实时决策服务的场景提供智能决策服务 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 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。️ 成功要素洞察组织能力建设高层管理者对数字化战略的清晰认知中层骨干具备变革推动意愿基层员工积极参与流程再造技术工具与组织文化同步演进实施建议采取"小步快跑"策略控制风险优先释放高价值数据潜能建立持续优化迭代机制 未来演进方向技术发展趋势算力成本持续下降算法库不断丰富完善向更细分领域深度渗透竞争优势构建数据智能驱动核心竞争力实时决策能力成为关键优势智能化运营重塑行业格局 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。
39610编辑于 2025-10-27在业务决策中人工智能引擎怎么运用和有什么影响
虽然人工智能很厉害，但也有不少需要注意的地方。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。 人工智能是怎么帮我们做决策的，以及它的好处。在说人工智能的弱点之前，咱们先看看人工智能在帮助我们做决策方面带来了哪些重要的机会。 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。这是因为人工智能系统太复杂，难以理解。 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。 详细来说，以下是企业在用人工智能支持业务决策时需要了解和解决的11个人工智能限制。1.不透明。首先，人工智能的一个大问题是缺乏透明度，让人难以理解和信任它的决策。
30310编辑于 2025-09-08- 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. plt.title('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。
65010编辑于 2024-12-21 决策引擎系统的7个级别
2.让计算机比人类更智能。让计算机“表现得像人类”通常等同于高水平的智能，因为人类代表了最智能的生命形式。对于主要类别的非结构化问题，我认为这是正确的。 基于规则的逻辑并没有接近满足AI的早期期望，但基于规则的逻辑远非完全失败（正如曾经认为的那样），基于规则的逻辑在整个现代机器智能中得到应用。目前有许多商业“规则引擎”被广泛使用。 相反，优化需要要优化的问题的模型，以及定义明确的决策。今天媒体中几乎所有对“人工智能”的使用都是指监督机器学习的使用，其中训练数据集用于估计函数，使其模仿数据。 新闻界的文章不断强调人工智能做出战略军事决策的潜力，这需要7级的技能。显然，这些都是非常高的智力水平的例子。可以说，大多数人类的日常行为，当然需要智力，代表了一种模仿形式。 关于更高级的智能形式，如“通用人工智能”，有相当多的讨论。新闻界有数不胜数的书籍和文章讨论“人工智能”，就好像机器已经实现了我们所说的7级智能。据我们所知，没有计算机显示出真正的7级智能。
24710编辑于 2025-09-17主流的规则引擎通过应用决策智能技术，实现卓越的客户体验释放
那决策智能跟这些有什么关系呢？决策智能Gartner说，决策智能是一个实用的领域，它把各种传统和先进的学科结合起来，设计、建模、对齐、执行、监控和调整决策模型。 作为一家提供决策智能解决方案的公司，我们亲身体验过，决策智能是打造出色客户体验的关键。客户体验好不好，取决于你在跟客户互动时做的决策。而且这些决策不仅要多，还得精准和高效。 用决策智能来提升客户体验专注于如何自动化决策，可以更快地推动支持自助服务所需的决策自动化，并确保人和机器之间的适当平衡——积极的决策增强，而不仅仅是被动支持。决策智能可以改善驱动客户体验的决策。 决策智能项目对大多数公司来说是一种新型的项目，因此请与真正了解它的人合作。决策智能不仅仅是现有技术的新名称，成功需要这样对待它。 急于使用特定技术——无论是可视化、人工智能还是机器学习——是决策智能努力的最大单一风险，因为它使焦点从业务问题转移到技术上。
19110编辑于 2025-09-15- 来自专栏人工智能的秘密
智能决策：人工智能+大数据
从辅助决策到智能决策 答案是肯定的。 智能决策=大数据+人工智能 百分点Deep Matrix智能决策系统融合大数据与人工智能技术，基于动态知识图谱和行业业务模型，具备自适应和自优化的能力，支持复杂业务问题的自动识别、判断并进行推理，进而做出前瞻和实时决策的智能化产品系统 百分点Deep Matrix AI决策系统由大数据操作系统、智能认知引擎、智能应用系统三部分组成，其中： 大数据操作系统：解决内外部多源、异构复杂数据的处理，构建数据生命周期管理为核心的数据资产管理平台 ； 智能认知引擎：从复杂数据环境中，动态构建行业知识图谱；在此基础上，通过业务模型来自动化识别业务问题和判断分析，然后利用自然语言处理、智能交互等技术实现人机互动，智能认知引擎作为一系列的具备一定自优化和自适应的智能工具组件集合 ，能够帮助行业客户构建起智能认知基础能力； 智能应用系统：根据智能认知引擎对复杂业务问题的识别和判断，结合行业特点，为业务作出智能决策的系列产品；部分智能应用产品带有明显的行业属性。
5.9K01发布于 2017-12-21 AI 数据分析系统：用智能引擎让数据“会说话、能决策、可行动”
该系统的核心逻辑，构建于“接入—理解—洞察—行动”的智能闭环，深度融合大模型技术与企业业务语境。 系统真正的“智能中枢”，是经过行业知识增强的分析大模型。它不仅懂算法，更懂业务逻辑：知道零售业关注复购率与坪效，制造业紧盯设备停机与良品率，金融业严控逾期与欺诈。 三是智能叙事与行动闭环，让洞察“看得懂、落得实”。所有分析结果自动生成结构化报告，用业务语言讲述数据故事：开头点明结论，中间展示证据链，结尾给出可操作建议。 更进一步，系统支持一键创建任务——如“针对流失风险客户启动召回活动”，并直连企业微信、钉钉或工单系统，分配责任人、设定截止时间，真正打通“分析 → 决策 → 执行”最后一公里。 某连锁零售企业上线后，业务部门自主分析占比从 15% 提升至 78%，决策响应速度加快 3 倍。AI 数据分析系统，不再是分析师的专属工具，而是贯穿组织的“数据翻译官”与“决策加速器”。
38510编辑于 2025-11-19如何利用YashanDB实现智能决策
YashanDB作为一款高性能的数据库系统，采用了先进的体系架构，特别适合快速处理海量数据，进而为智能决策提供强有力的支持。 本文旨在深入探讨YashanDB的核心技术及其在智能决策中的应用，帮助技术人员和决策者更好地理解和利用这一工具。 这种设计能够满足智能决策所需的实时性和一致性。高效的存储引擎与查询引擎YashanDB的存储引擎支持多种存储结构，包括行存、列存及多列变长存储等，能够根据不同的业务需求灵活选择最优存储形式。 基于成本优化的SQL引擎可以在执行过程中动态生成查询计划，通过实时调整执行策略，进一步优化数据查询性能。智能决策的实现离不开快速、准确的数据访问，这正是YashanDB所具备的能力。 结论YashanDB通过多版本并发控制、高效存储和查询引擎、灵活的部署架构以及丰富的分析功能，为智能决策提供了强有力的支持。
14410编辑于 2025-10-03规则引擎系统中决策管理的最佳实践
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。 在这种情况下，分析团队不能只是商业智能、仪表板和报告团队，还必须包括那些进行数据挖掘和预测分析的团队。 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。 此环境的每个部分通常都涉及不同的技术开发，从业务规则管理系统到分析模型管理工具，再到传统仪表板和正在使用的商业智能功能。 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。
23810编辑于 2025-09-09通过YashanDB实现业务智能决策
通过YashanDB实现业务智能决策可以遵循以下步骤：1. 数据采集与集成- 收集数据：从各个来源（如CRM系统、销售平台、社交媒体等）收集业务相关的数据。 - 机器学习与预测分析：运用数据挖掘与机器学习技术对历史数据进行分析，预测未来趋势，辅助决策。4. 数据可视化- 仪表板构建：使用数据可视化工具（如Tableau、Power BI等）构建仪表板，将分析结果以图形化方式展示，便于理解和决策。 决策支持与优化- 决策制定：基于分析结果和可视化仪表板，为业务决策提供数据支持，帮助管理层制定战略。- 持续优化：根据数据反馈不断调整和优化业务策略，以提高效率和盈利能力。6. 总结YashanDB作为一个高效的数据库管理系统，通过有效的数据管理、分析和可视化，可以帮助企业在复杂的商业环境中实现智能决策。关键在于建立系统的数据处理流程，并利用数据驱动的方式持续优化业务策略。
15210编辑于 2025-10-05物联网规则引擎：数据驱动决策的分步指南
基本的数据分析和操作都能做有了这些工具，数据分析师和数据科学家就能做各种分析，比如：描述性分析，就是弄明白发生了什么事儿诊断分析，找出为什么会发生这样的事儿预测分析，预测未来会怎样规范性分析，告诉你该怎么办机器学习和AI在数据驱动决策中的应用机器学习和人工智能 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。 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。
27010编辑于 2025-09-16
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