引言2023 年，IDC 和 AeraTechnology 联合发布了题为《每位高管都需要了解的关于人工智能驱动的决策智能》的报告。文章描述了领先企业如何开始通过人工智能变革其决策流程。这些早期部署标志着一个新时代的开始——在这个时代，数据、分析和自动化开始融合，形成决策智能（DI）框架，从而提高了速度、质量和一致性。这些人工智能优势主要被一些全球最大的企业所利用。两年后，人工智能的普及速度...

为了理解决策自动化和管理中不同的方法、工具和架构细微差别，我们首先需要理解存在不同类型的决策和事务需求，这些需求需要截然不同的方法、架构和工具。并且，某些决策可以使用不同的方法正确地实现。稍后我们将深入探讨一些例子，但首先让我们回顾一些逻辑的基础知识。逻辑有三个类别：演绎、归纳和溯因。决策自动化试图自动化所有逻辑，但如何将这些逻辑结合在一起以进行启发和自动化，对于工具选择、使用的架构以及项目...

如果你问流程领域的人，决策如何适应，他们会毫无疑问地回答，它们只是流程中的任务，并且BPMN 和 CMMN 是流程和案例的主要标准，自然地，他们认为决策只是 BPMN 流程或 CMMN 兼容案例工具中的某个 DMN 或代码。现实大不相同。根据我的经验，绝大多数较大的现实世界决策自动化实现不是由BPM 工作流工具或案例工具编排的，应该构建为完全独立于任何 BPM 或案例规范和供应商工具。可以通...

介绍我们的经验表明，除了最简单的情况外，机器学习（预测分析）从决策管理中受益匪浅，可以提供真正的商业价值、提高可解释性并降低风险。反过来，仅基于简单决策表的业务规则的静态业务决策的日子已经屈指可数。决策管理需要机器学习来满足数据驱动型企业的需求-以提供能够进行统计推理并对不断变化的业务条件做出反应的决策：学习决策。简而言之，机器学习和决策管理形成了强大的合作伙伴关系。在本文中，我将讨论如何将...

一个多世纪以来，商界领袖和学者一直在争论价值从何而来。在工业时代，关键在于你生产的商品。后来，随着服务和体验的崛起，价值转向了企业和客户之间的共同创造。这两种观点仍然很有见地。然而，今天，这两者都不足以解释为什么一些公司迅速领先，而另一些公司却难以跟上步伐。我们已经进入了算法时代——在这个时代，竞争优势不再取决于您销售的产品或提供的服务，而更多地取决于您的组织做出的决策及其决策的效果。想想亚...

Cynefin 框架简介Cynefin（发音：kuːˈnevɪn，源自威尔士语，意为“家庭、习惯和源头”）是一个用于判断和决策的框架，由Dave Snowden在IBM全球研究院提出，后来成为组织管理与复杂性理论中的常用工具。它帮助人们在不确定和复杂环境中选择合适的决策和治理方法。 核心思想 不同情境需要不同的治理方式：简单、复杂、混沌、以及动态演化（被称为"混合/有序"与"无序"状态的扩展...

企业IT系统作为加速企业数字化转型的关键基础，其核心技术架构的选择对于开发效率、应用灵活性和业务适应性有着深远影响。2025年，企业IT系统的核心技术主要围绕表单驱动、模型驱动和AI融合展开。我们将从这三方面分析其技术特点及适用场景。一、表单驱动l 定义与特点‌表单驱动是一种以用户界面为中心的设计方法，开发人员首先创建表单的前端界面，然后基于表单需求设计后端的数据库结构和关联业务流程，核心在...

每天，企业都会收集大量数据。但拥有数据不是问题，而是知道如何处理数据。虽然数据驱动的决策可以帮助公司做出比直觉更明智的选择，但数字、图表和分析只能揭示故事的一部分。数据本身缺少了关键的一环：塑造我们选择的人为因素。这就是为什么如此多的组织仍然难以将他们的数据转化为有意义的行动。进入决策智能（DI）。将其视为数据驱动决策方式的下一次演变。DI融合了人类专业知识、人工智能（AI）和分析，以全面了...

大多数人都会混淆数据科学和数据分析这两个术语，即使它们是完全不同的学科。可以这样想：数据科学家设计水晶球，而分析师阅读它。换句话说，一个创建使分析和预测成为可能的工具，而另一个则使用这些工具来解决实际的业务问题。在本文中，我将解释推动这些科学学科的爆炸性起源和巨大的技术力量。此外，我将提供清晰的定义和简洁的比较，以阐明数据分析与数据科学之间的区别。1.数据分析和数据科学爆炸式增长背后的起源和...