决策能力

决策支持系统(decision support system ，简称dss)是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是管理信息系统(mis)向更高一级发展而产生的先进信息管理系统。它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。 　　决策按其性质可分为如下3类： 　　(1)结构化决策，是指对某一决策过程的环境及规则，能用确定的模型或语言描述，以适当的算法产生决策方案，并能从多种方案中选择最优解的决策； 　　(2)非结构化决策，是指决策过程复杂，不可能用确定的模型和语言来描述其决策过程，更无所谓最优解的决策； 　　(3)半结构化决策，是介于以上二者之间的决策，这类决策可以建立适当的算法产生决策方案，使决策方案中得到较优的解。 　　非结构化和半结构化决策一般用于一个组织的中、高管理层，其决策者一方面需要根据经验进行分析判断，另一方面也需要借助计算机为决策提供各种辅助信息，及时做出正确有效的决策。 　　决策的进程一般分为4个步骤： 　　(1)发现问题并形成决策目标，包括建立决策模型、拟定方案和确定效果度量，这是决策活动的起点； 　　(2)用概率定量地描述每个方案所产生的各种结局的可能性； 　　(3)决策人员对各种结局进行定量评价，一般用效用值来定量表示

六维领导力是我们的团队对领导力的新的诠释，六维领导力模型初步形成于2003年，六维公司在常年组织EMBA教育中不断研究分析优秀的领导者和成功企业中领导基因；同时经常带领国内企业家访问海外知名企业，对IBM、GE等组织变革非常的公司也做过深度的研究和探索，这些无一例外都是领导力很强、领导力素质模型也很完善的伟大的组织；同时还有在波士顿与冉杰.古拉提教授、在埃文斯顿与唐.舒尔茨教授之间直接的思想碰撞。在这些过程，我们不断修正完善对领导力的定义，目前把领导力定义为六个维度的能力： 第一维：愿景 树立正确的组织愿景，告诉你的追随者，我们从哪里来，我们将要到哪里去，并将于组织愿景与成员利益紧密相关，我们要带他们去一个什么样的地方，那个地方有什么，他们的未来在哪里？ 愿景就是规划未来，指明方向，如果没有方向，没有人会跟你走下去，如果组织没有愿景，团队成员也不会有目标，没有目标，也无从去努力，组织也不会有绩效。好的领导者一定要为组织指定一个明确的方向，而且让团队由此产生崇高感，同时明白自己的角色和价值，在实现目标的过程中，他能实现什么样的个人提升，或获得什么样的尊严和回报，好的愿景一定会然让您的团队充满高昂的斗志和精神状态，同心协力追随您去跋山涉水，跨越险阻，去实现共同的目标。 第二维：价值观 领导要建立基于原则和崇高理想的价值观，建立道德优越，身体力行，逐步构建统一有利于组织目标的整体价值体系

阿里搜索技术体系演进至今天，基本形成了由offline、nearline、online三层体系，分工协作，保证电商平台上，既能适应日常平稳流量下稳定有效的个性化搜索及推荐，也能够去满足电商平台对促销活动的技术支持，实现在短时高并发流量下的平台收益最大化。 可以看到，十年双11的考验后，搜索智能化体系逐渐打造成型，已经成为电商平台稳定健康发展的核动力，主要分为四个阶段：自主研发的流式计算引擎Pora初露锋芒；双链路实时体系大放异彩；“深度学习+强化学习”初步探路；全面进入深度学习时代。下面我们就来一起看一下。 四大演进阶段：业务、算法、系统同步发展 阶段一：初露锋芒——自主研发的流式计算引擎Pora 技术的演进是伴随解决实际业务问题和痛点发展和进化的。2014年双11，通过BI团队针对往年双11的数据分析，发现即将售罄的商品仍然获得了大量流量，剩余库存无法支撑短时间内的大用户量。主售款（热销sku）卖完的商品获得了流量，用户无法买到商品热销的sku，转化率低；与之相对，一些在双11当天才突然展露出来的热销商品却因为历史成交一般没有得到足够的流量。 针对以上问题，通过搜索技术团队自主研发的流式计算引擎Pora，收集预热期和双11当天全网用户的所有点击、加购、成交行为日志，按商品维度累计相关行为数量，并实时关联查询商品库存信息，提供给算法插件进行实时售罄率和实时转化率的计算分析

3 月，跳不动了？>>> 目标 在这一章中 我们将对SVM有一个直观的了解 理论 线性可分数据 考虑下面的图像，它具有两种数据类型，红色和蓝色。在kNN中，对于测试数据，我们用来测量其与所有训练样本的距离，并以最小的距离作为样本。测量所有距离都需要花费大量时间，并且需要大量内存来存储所有训练样本。但是考虑到图像中给出的数据，我们是否需要那么多？ 考虑另一个想法。我们找到一条线$f(x)=ax_1 + bx_2+c$，它将两条数据都分为两个区域。当我们得到一个新的test_data $X$时，只需将其替换为$f(x)$即可。如果$f(X)> 0$，则属于蓝色组，否则属于红色组。我们可以将此行称为“ 决策边界 ”。它非常简单且内存高效。可以将这些数据用直线（或高维超平面）一分为二的数据称为 线性可分离 数据。 因此，在上图中，你可以看到很多这样的行都是可能的。我们会选哪一个？非常直观地，我们可以说直线应该从所有点尽可能远地经过。为什么？因为传入的数据中可能会有噪音。此数据不应影响分类准确性。因此，走最远的分离线将提供更大的抗干扰能力。因此，SVM要做的是找到到训练样本的最小距离最大的直线（或超平面）。请参阅下面图像中穿过中心的粗线。 因此，要找到此决策边界，你需要训练数据。那么需要全部吗？并不用。仅接近相反组的那些就足够了。在我们的图像中，它们是一个蓝色填充的圆圈和两个红色填充的正方形

4、心理因素 一个人的购买选择受4种主要心理因素的影响： 动机； 知觉； 学习； 信念和态度。 1）动机 在任何时期，每个人总有许多需要。有些需要要是由生理状况而引起，诸如饥饿、口渴、不安等。另外一些需要是心理性的。它是由心理状况紧张而引起，例如认识，尊重和归属。其中大部分需要，在一定时间内不会发展以激发人采取行动的那种程度。只有当需要升华到足够的强度水平时，这种需要才会变为动机。动机也是一种需要，它能够及时引导人们去探求满足需要的目标，一旦需要满足之后，紧张感随即消除。 1）动机 心理学家已经提出了人类动机理论，最流行的有3种： 西格蒙德·弗洛依德理论； 亚伯拉罕·马斯洛理论； 弗雷德里克·赫茨伯格理论。 弗洛依德的动机理论 弗洛依德假定，形成人们行为的真正心理因素大多是无意识的。 根据弗洛依德理论，一个人不可能真正懂得其受激励的主要动因。 “动机定位”：每一个产品能唤起消费者的一个独特的动机因素。如奔驰－自我实现 顾客需要 (Customer Need) 表明了需要(Stated needs)：我想买一辆不贵的汽车。 真正的需要(Real needs)：顾客需要的汽车是运营成本低，而不是首次购买的价格。 未表明的需要(Unstated needs)：顾客期望从销售商处得到好的服务。 令人愉悦的需要(Delight needs)：顾客在购买汽车时，意外地得到了美国的交通地图册。

为什么需要学七周 数据思维、业务知识、Excel、数据可视化、SQL、统计学、Python 数据分析师一门交叉领域学科，既可以使用Excel完成基础的数据报告，也可以用Python深入挖掘。真正决定上限的是能力， 而不是单纯的工具。 数据分析的结构层次： 1、底层数据的手机/产品端收集 用户行为-原始数据 2、数据业务化/产品需要什么样的数据？ 原始数据-加工数据 3、数据可视化/产品的表现如何？ 加工数据-可视化数据/信息 4、数据决策和执行/怎么让产品更好？ 可视化数据/信息-数据决策 5、数据模型/产品开始自动化和系统化地运营 数据决策-数据产品/应用 6、数据战略/指导未来 数据工具-数据体系/战略 学习方法： 业务思维80%+数据能力60%+工具技巧40% 阶段式学习+解决工作中的问题+温故知新+输出 来源： https://www.cnblogs.com/jennifer224/p/12572140.html

沉没成本是指由于过去的决策已经发生了的，而不能由现在或将来的任何决策改变的成本。人们在决定是否去做一件事情的时候，不仅是看这件事对自己有没有好处，而且也看过去是不是已经在这件事情上有过投入。 我们把这些已经发生不可收回的支出，如时间、金钱、精力等称为“沉没成本”（Sunk Cost）。 在经济学和商业 决策 制定过程中会用到“沉没成本”的概念，代指已经付出且不可收回的成本。沉没成本常用来和可变成本作比较，可变成本可以被改变，而沉没成本则不能被改变。 内涵阐释 编辑 沉没成本是一种历史成本，对现有决策而言是 不可控成本 ，会很大程度上影响人们的行为方式与决策。从这个意义上说，在投资决策时应排除沉没成本的干扰。 对企业来说，沉没成本是企业在以前经营活动中已经支付现金，而经营期间摊入成本费用的支出。因此， 固定资产 、 无形资产 、递延资产等均属于企业的沉淀成本。 从成本的可追溯性来说，沉没成本可以是 直接成本 ，也可能是 间接成本 。如果沉没成本可追溯到个别产品或部门则属于直接成本；如果由几个产品或部门共同引起则属于间接成本。 从成本的形态看，沉没成本可以是 固定成本 ，也可能是 变动成本 。企业在撤消某个部门或是停止某种产品生产时，沉没成本中通常既包括机器设备等固定成本，也包括原材料、零部件等变动成本。通常情况下，固定成本比变动成本更容易沉没。 从数量角度看，沉没成本可以是整体成本

之前小编介绍了谨慎使用“数据驱动”的风控模型，需要“高质量的数据 + 审慎严谨的决策模型 + 实时全面的监控分析”动态闭环。动态闭环能够“动态”起来，需要最后一个步骤“监控”把关，全面、细致的分析、评估决策效果，使决策体系不断进化。 做好监控是“谨慎”原则至关重要的举措，需同时兼顾宏观与微观，并实现数据可视化。宏观上，定义好业务指标，能做到洞察业务趋势，预测整体盈利能力，区分不同风控决策的风险资产收益率（收益去除坏账/该决策下的到期资产总量）；微观上，能看到业务指标在时间或空间上的延伸、分布，实现在不同维度下的透视、下钻分析，发现业务异常、潜在风险或漏洞，总结新的规律。监控的最终目的是为了使公司的风控能力不断强化，帮助管理层做出明智、及时的战略决策。 监控的首要目标是选择合适的业务指标，单纯从风控角度考量的话，逾期率、催回率、通过率、风险资产收益率等指标更受关注。但如果作为一个CRO的话，其他指标也需要关注，例如业务量（包括注册、申请、放款、复贷等各个层面，异常的业务量往往更值得从风控层面关注），系统运行指标（系统运行不正常不仅是技术团队需要修复的，CRO需要对系统非正常运行造成的潜在风险了如执掌），数据质量指标（数据质量决定了风控模型的准确度与可信度），等等。 不同层级、不同部门业务人员的关注点会有不同，因此业务指标需要支持不同的“颗粒度”。以“通过率”为例

课程背景 近几年，整个世界的商业格局快速变化，充满了动荡与未知；有不少大型企业都在一夜之间轰然倒下，更不用说每个行业领域中每一天都有无数中小企业因为各种各样的原因阵亡消失。企业主们纵然有不少仍然意气风发，然而更多的人是战战兢兢，身份重担却不敢前行。在风口上时人们是说连猪都能飞，然而在市场动荡下滑时，就成了什么都没变、一切按照原来的轨迹行走，突然就走向了末路……经营者们怕的不是自己一时疏忽行差踏错，怕的是千思万想后做的决定依然导致了败局。 爱因斯坦说：我们永远无法用创造问题的思维来解决问题。各位企业主、创业者、经营者们，您是否有考虑过，其实是我们的思维方式，导致了我们看到的商业战局出了错？我们所认为的问题，也许根本就不是问题本身，而只是问题根源所催生出的一个表象事件！如何找到根本问题，才是解决问题的前提！而重新发现真正的问题，重新审视整个商业逻辑与外界变化状况，你需要的是系统思考的智慧！ 系统思考是管理大师、学习型组织之父彼得·圣吉在著作《第五项修炼》中所提的创造学习型组织的第五项修炼，也是五项修炼中最重要的一项，可以说是创建学习型对每位企业家、管理者、创业人员都是非常重要的。织的基础；它对于每位企业家、管理者、创业者都是非常重要的。 对于企业家、经营者来讲，我们面临的要处理的问题是非常复杂的。既有收入、利润、成本等指标；顾客数量、市场占有率，客户满意度等等客户和市场的指标

一、采购的公司治理 1、什么是公司治理 定义：按照商业道德及对利益相关者所负的责任，对组织进行领导与控制的 一套体系（规则、政策、过程与组织结构） 。 2、为什么采购治理很重要 采购人员在企业中受到信任，控制着某些战略决策与支出，影响到组织及其利益相关者的利益。 采购人员是“管事人”角色，负责照看其他人拥有的资金与资产。 采购职业的名声、信誉和信任会因欺诈及其他形式的不道德行为受损，因合乎道德的行为而提升。 不道德的行为会损害供应链关系，危害采购组织；合乎道德的行为则可以促进供应链关系。 妨碍达到良好的采购治理的因素一般包括： 缺乏领导层支持； 缺乏来自内部或外部供应链中利益相关者的合作； 不良的ICT系统与系统集成； 治理模式、行为准则、规章及程序等缺乏透明度； 缺乏公司治理所需的资源； 缺乏采购职责的连贯性与协调。 3、典型的采购治理机制 强大的内部控制环境，旨在支持企业目标并管理所识别的风险领域，健全的内部政策、权力制衡与控制机制； 制定并实施采购活动中的职业道德行为准则； 制定公平的、合乎道德的、透明的与一致的程序； 对整个组织的采购支出进行有效的预算、控制与监督； 清晰界定采购的角色、职责、责任与报告结构； 控制采购人员个人的授权水平； 对于请购、采购与支付等的批准与授权做出清晰规定； 要求清晰的审计记录或书面记录，以便跟踪采购决策； 对不同采购职责进行分割；