何雨果的知识库

Appearance

Management Information Systems: Managing the Digital Firm ​

第 12 章 强化决策 (Enhancing Decision Making) ​

12-1 🤔 有哪些不同类型的决策？决策过程是如何运作的？ (What are the different types of decisions, and how does the decision-making process work?) ​

提升决策的商业价值 ​

  • 决策的价值：组织中各层级都会做出决策。尽管改进单个“小”决策的价值可能不大，但当成千上万个这类决策得到改进时，它们将为企业带来巨大的年度价值。

决策的类型 ​

决策可以根据其性质分为三种类型，通常与组织的不同层级相对应：

  1. 非结构化决策 (Unstructured Decisions)
    • 特征：需要决策者提供判断、评估和洞察力来解决问题。这些决策是新颖、重要且非例行的，没有现成的、明确的解决方法。
    • 层级：主要由高层管理者做出，例如决定是否进入一个新市场或制定公司的五年目标。
  2. 结构化决策 (Structured Decisions)
    • 特征：是重复性和常规性的，有明确的处理程序，因此不必每次都当作新问题来处理。
    • 层级：主要由运营管理层和普通员工做出，例如决定员工是否有资格获得加班费或是否向客户提供信贷。
  3. 半结构化决策 (Semistructured Decisions)
    • 特征：兼具结构化和非结构化决策的特点，即只有部分问题能通过既定程序找到明确答案。
    • 层级：主要由中层管理者做出，例如分析某个配送中心订单完成率下降的原因。

决策过程 ​

决策是一个多步骤的过程，通常分为四个阶段：

  1. 情报 (Intelligence)：发现、识别和理解组织中发生的问题——问题为何存在、在何处发生及其对公司的影响。
  2. 设计 (Design)：识别和探索问题的各种解决方案。
  3. 选择 (Choice)：从各种备选方案中做出选择。
  4. 实施 (Implementation)：将选定的方案付诸实施，并持续监控其效果。

这个过程是循环的，如果一个解决方案无效，决策者可以返回到之前的阶段重新评估。

12-2 👨‍💼 信息系统如何支持管理者的活动与决策？ (How do information systems support the activities of managers and management decision making?) ​

管理者角色 ​

  • 古典管理模型 vs. 行为模型

    • 古典模型：将管理者的职能描述为计划、组织、协调、决策和控制。
    • 行为模型：通过观察发现，管理者的实际行为远非系统化，而是高度碎片化、反应迅速且非正式的。他们工作节奏快，偏爱口头沟通，并依赖复杂的联系网络。

  • 明茨伯格的管理角色：

    将管理者的活动分为三类十种角色：

    1. 人际关系角色 (Interpersonal Roles)：如挂名首脑、领导者、联络人。
    2. 信息角色 (Informational Roles)：如神经中枢、传播者、发言人。信息系统在支持这类角色方面最为有效。
    3. 决策角色 (Decisional Roles)：如企业家、混乱处理者、资源分配者、谈判者。

现实世界中的决策 ​

信息系统虽然强大，但并不能保证总能带来更好的决策。其成效受到以下三个主要因素的制约：

  1. 信息质量 (Information Quality)
    • 高质量的决策需要高质量的信息，信息必须具备准确性、完整性、一致性、有效性、及时性和可访问性等维度。
  2. 管理过滤器 (Management Filters)
    • 管理者（像所有人一样）通过一系列个人过滤器来吸收信息，这些过滤器会带来偏见。他们可能不善于评估风险，或根据直觉和情感而非经验数据做出决策。
  3. 组织惯性与政治 (Organizational Inertia and Politics)
    • 组织本身具有抵制重大变革的强大力量。决策往往是平衡各方利益集团的结果，而非问题的最佳解决方案。

高速自动化决策 ​

  • 如今，许多决策（如高频交易、搜索引擎排名）已完全由软件算法在毫秒或纳秒内做出，因为人类的速度太慢，无法参与其中。
  • 在这种高速决策环境中，决策过程的四个阶段（情报、设计、选择、实施）都由软件算法完成，这要求对这些系统的正常运行进行极其谨慎的保障。

12-3 📊 商业智能与业务分析如何支持决策？ (How do business intelligence and business analytics support decision making?) ​

什么是商业智能与业务分析？ ​

  • 商业智能 (Business Intelligence, BI)：是一个总称，指用于存储、整合、报告和分析来自商业环境（包括大数据）的数据的基础设施。
  • 业务分析 (Business Analytics, BA)：更侧重于分析和理解数据的工具和技术，如 OLAP、统计学、模型和数据挖掘。

商业智能环境 ​

一个完整的商业智能环境包含六个要素：

  1. 来自商业环境的数据：包括来自呼叫中心、网站、移动设备、社交媒体等内外部的结构化和非结构化数据。
  2. 商业智能基础设施：强大的数据库系统，如数据仓库、数据集市、Hadoop 和分析平台。
  3. 业务分析工具集：用于分析数据和生成报告的软件工具。
  4. 管理用户与方法：管理者使用业务绩效管理、平衡计分卡等方法来指导数据分析，以实现战略目标。
  5. 交付平台（MIS, DSS, ESS）：将 BI 和 BA 的结果交付给组织中不同层级的用户。
  6. 用户界面：通过报告、仪表盘、数据可视化 (data visualization) 工具等，以直观的方式向用户呈现数据。

商业智能与分析能力 ​

BI 系统提供六大分析功能：

  1. 生产报告：预定义的、基于行业特定需求的报告。
  2. 参数化报告：用户输入参数以筛选数据（如数据透视表）。
  3. 仪表盘/记分卡：用于呈现用户定义的绩效数据的可视化工具。
  4. 即席查询/搜索/报告创建：允许用户根据查询和搜索创建自己的报告。
  5. 向下钻取 (Drill down)：从高层级摘要数据深入到更详细视图的能力。
  6. 预测、情景、模型：包括线性预测、“如果…会怎样”情景分析和标准统计工具。

关键分析技术 ​

  • 预测分析 (Predictive Analytics)：使用统计分析、数据挖掘技术、历史数据和对未来条件的假设来预测未来趋势和行为模式（如信用评分）。
  • 大数据分析 (Big Data Analytics)：利用大数据（包括社交媒体、传感器等）进行分析，以获得更个性化的洞察。
  • 运营智能 (Operational Intelligence)：对来自物联网 (IoT) 等来源的实时数据流进行分析，以支持日常运营决策（如预测性维护）。
  • 位置分析与地理信息系统 (GIS)：
    • 位置分析：从数据的地理位置成分中获得商业洞察。
    • GIS：提供将位置数据与地图上的点、线和区域相关联的工具，帮助决策者将问题可视化。

12-4 👥 组织中不同的决策群体如何使用商业智能？ (How do different decision-making constituencies in an organization use business intelligence?) ​

组织中不同的决策群体对商业智能的需求和使用方式各不相同。

  • BI 用户群体：BI 的受众中，超过 80% 是“临时用户 (Casual Users)”，他们主要依赖生产报告。而“高级用户 (Power Users)”则是报告、新分析、模型和预测的生产者。
  • 对运营和中层管理的支持
    • 主要任务：监控业务关键方面的绩效，所做决策大多是结构化的。
    • 主要工具：
      • 管理信息系统 (MIS)：提供常规的生产报告和例外报告。
      • 决策支持系统 (DSS)：供“超级用户”和分析师使用，支持半结构化决策。DSS 严重依赖建模，使用“如果…会怎样 (what-if)”分析、“敏感性分析 (sensitivity analysis)”和电子表格中的“数据透视表 (pivot table)”等工具。
  • 对高层管理的支持
    • 主要任务：关注影响公司整体盈利能力和成功的非结构化决策。
    • 主要工具：高管支持系统 (ESS)，通常以仪表盘和可视化界面的形式呈现关键绩效信息。
    • 设计方法：
      1. 平衡计分卡方法 (Balanced Scorecard Method)：通过四个维度（财务、业务流程、客户、学习与成长）来衡量公司绩效，每个维度都使用关键绩效指标 (Key Performance Indicators, KPIs) 来衡量。
      2. 业务绩效管理 (Business Performance Management, BPM)：将公司的战略系统地转化为可操作的目标，并使用 KPIs 衡量进展。

12-5 💼 MIS 如何助力我的职业生涯 (How will MIS help my career?) ​

学习 MIS 对于希望成为数据分析师等角色的求职者非常有帮助。

  • 熟练掌握 BI 工具：MIS 课程提供了对 Microsoft Access、SQL 以及 SAS BI、Tableau 等商业智能工具的了解和实践，这些是数据分析师职位的核心技术要求。
  • 数据分析与报告能力：数据分析师需要能够根据用户需求设计、维护和分发报告。MIS 课程涵盖了从需求访谈、文档分析到报告设计的整个流程。
  • 数据管理经验：职位通常偏好有数据管理和分析经验的候选人，MIS 学习为此提供了坚实的基础。
  • 项目管理技能：MIS 项目通常要求学生以团队形式完成，这有助于培养项目管理和团队协作能力。
  • 行业知识：数据分析师需要了解特定行业的业务。MIS 课程通过案例研究，帮助学生了解技术在不同行业（如医疗保健）中的应用，并培养快速学习行业知识的能力。