具体描述
本书综合大量来源于业务流程自动化的主流应用场景，聚焦于组织管理及运营中经营决策的知识自动化这一主题，向读者展示如何在实践中应用知识自动化技术实施决策管理，以提高运营效率和组织收益。
本书适合各企业CEO、CIO、IT 架构师以及一切对知识自动化理论感兴趣的读者。
作者简介
作者简介：
Alan N. Fish FICO
决策方案部首席顾问，使用业务规则和预测分析进行决策管理领域的权威专家，对象管理组织决策模型与符号制定委员会的联合主席。从事决策系统的构建工作已经有30余年，主持过许多当时的技术前沿项目。
译者简介：
王飞跃
中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任，国防科技大学军事计算实验与平行系统技术研究中心主任，中国科学院大学中国经济与社会安全研究中心主任，青岛智能产业技术研究院院长。主要研究领域为智能控制、社会计算、平行系统、知识自动化等。
王晓
中国科学院大学研究生，研究方向主要集中于社会网络分析、动态网群组织分析与建模、社会交通、知识自动化。
郑心湖
美国明尼苏达大学（双城分校）研究生，研究方向主要集中于社会网络分析、智能交通、数据挖掘、机器学习、知识自动化。
目录信息
1.1 经济学中的知识 1
1.1.1 新古典增长理论 1
1.1.2 新增长理论 3
1.1.3 知识经济 5
1.2 知识型业务 7
1.2.1 战略决策与经营决策 7
1.2.2 决策收益定价法 9
1.3 参考文献 13
第2章 业务流程中的决策 14
2.1 业务流程建模 15
2.2 决策点和决策服务 16
2.3 业务流程决策的重设计 19
2.3.1 员工决策机制的建模 20
2.3.2 自动化决策制定流程 23
2.3.3 合理化决策点 26
2.4 发放流程模板 31
2.5 流程设计方法 33
2.6 参考文献 35
第3章 在决策服务中封装知识 37
3.1 业务规则 38
3.1.1 对象模型 40
3.1.2 推理策略 41
3.1.3 规则集和规则隐喻 42
3.1.4 产生式规则及约束式规则 46
3.2 算法 48
3.3 预测分析建模 52
3.3.1 规则和决策树归纳法 53
3.3.2 评分卡模型 54
3.3.3 神经网络 58
3.4 汇总 60
3.5 参考文献 64
第4章 决策需求分析 66
4.1 基本原则 67
4.2 决策需求图表 68
4.2.1 定义 69
4.2.2 用途 71
4.3 DRAW 74
4.3.1 资源 74
4.3.2 日程安排 75
4.3.3 方法 76
4.4 参考文献 86
第5章 DRA在知识自动化项目中的应用 87
5.1 DRA在项目管理中的应用 87
5.1.1 自动化范围界定 88
5.1.2 项目评估 90
5.1.3 项目规划 92
5.2 DRA在知识发现中的应用 100
5.2.1 发现业务规则 102
5.2.2 发现算法 106
5.2.3 发现分析模型 106
5.3 DRA在设计中的应用 108
5.3.1 在决策点上分配决策服务 108
5.3.2 设计决策流程 110
5.3.3 设计对象模型 112
5.4 DRA在实施中的应用 116
5.4.1 基础设施开发 117
5.4.2 知识配置 118
5.4.3 测试 120
5.5 知识生产线 124
5.6 参考文献 126
第6章 常见决策模式 127
6.1 决策实施类型 127
6.1.1 带理由的分类决策 128
6.1.2 带异常记录的规则决策 131
6.1.3 细分模型 134
6.1.4 冠军-挑战者模型 136
6.2 协同决策机制 139
6.2.1 待定需评审 139
6.2.2 决策支持 140
总结 146
术语表 149
延展阅读 155
关于作者 158
关于译者 159
· · · · · · (收起)
读后感
用户评价
坦白说，这本书的结构安排和内容呈现，更像是为那些已经具备扎实理论基础的研究人员准备的文献综述，而非面向希望解决实际业务问题的管理者或工程师。它的语言风格极其严谨，充满了大量的技术术语和晦涩的定义，这本身无可厚非，但当这些严谨性缺乏足够的上下文支撑时，就成了阅读的障碍。例如，书中多次引用了不同的学术研究作为支撑，但很少有对这些研究思想进行融合与提炼，读者需要自己去辨别哪些是主流观点，哪些是作者个人的偏好。这种“信息过载”的体验，反而削弱了核心观点的穿透力。我翻阅此书时，最希望看到的是清晰的流程图、清晰的模块划分，以及从高层架构到底层接口的逐步解析。然而，书中提供的图示往往是概念性的流程图，缺少实现层面所需的关键技术选型依据。比如，在讨论知识获取时，它罗列了专家访谈、文档挖掘等方法，却没有对这些方法在不同行业（如金融、制造、医疗）中的适用性进行对比分析，也没有给出具体的时间和资源投入预估。这使得这本书的实用价值大打折扣，因为它没有帮助读者跨越从“理论蓝图”到“工程落地”这一最关键的鸿沟。
阅读体验上，这本书给我的感觉是，它过于沉迷于描述“自动化”的潜力，却对支撑“决策知识”的那些非结构化、依赖直觉的部分显得力不从心。现代企业的决策往往不是简单的“如果A则执行B”的线性过程，它充满了对市场细微波动的敏感度、对竞争对手非理性行为的预判，以及基于长期品牌价值的取舍。我期望作者能用更具创新性的方式来处理这些“软信息”——比如如何利用自然语言处理技术，从海量的非结构化报告中提取出那些难以量化的“风险信号”。遗憾的是，书中对这类挑战的处理方式依然停留在较为传统的文本分类或情感分析的层面，这在当前大数据和深度学习的浪潮下，显得保守且不够前沿。此外，书中关于“自动化决策的伦理与可解释性”的讨论也略显蜻蜓点水。当一个自动化系统做出一个涉及巨额资金或人员变动的关键决策时，我们如何向监管机构或内部利益相关者解释其决策逻辑？这本书虽然提到了“可解释性人工智能（XAI）”这个词，但后续的展开却非常简略，没有深入探讨如何将这种可解释性的要求反向嵌入到决策知识库的构建过程中。这使得整本书的探讨深度，停留在了一个“能用”的层面，而未能触及“可信赖”和“负责任”的自动化决策所需具备的关键要素。
拿到这本《决策知识自动化》时，我原本满心期待能找到一套系统、实用的工具箱，能帮我把那些日常工作中反复出现的、基于经验的判断流程梳理清楚，最终实现某种程度的解放。这本书的封面设计和书名都透着一股浓厚的理性与效率气息，让人联想到那些精密的算法和严谨的逻辑构建。然而，阅读过程却像是在一片广阔但布局松散的知识草原上漫步。它似乎涵盖了太多领域——从基础的逻辑推理模型到复杂的机器学习范式，再到一些关于企业流程再造的宏观探讨。问题在于，这些内容之间的衔接显得尤为生硬，缺乏一条清晰的主线将“决策”的复杂性与“自动化”的实现路径紧密地串联起来。我特别希望看到更具操作性的案例，比如如何将一个模糊的商业直觉转化为可量化的规则集，或者在数据稀疏的环境下，系统如何进行鲁棒的决策修正。书中花了大量篇幅去介绍理论模型的演变，虽然这些知识本身无可指摘，但对于急于将理论付诸实践的读者来说，总感觉像是在学习驾驶飞机的理论手册，却缺乏实际模拟器操作的指导。那些关于“知识表示”的章节，虽然试图探讨知识的结构化问题，但提供的范例过于学术化，与现实中企业内部那些充满“灰色地带”和“潜规则”的决策场景产生了明显的脱节。总的来说，这本书更像是一份详尽的知识点罗列，而非一本指导读者实现“决策知识自动化”的实操指南。它提出了很多“是什么”，但对于“如何做”的细节描绘，却显得捉襟见肘，留给读者的想象空间和自行填补空白的工作量实在太大了。
整本书读完，给我留下最深刻的印象是它的“博而不精”。作者似乎想将过去几十年间所有与决策和自动化相关的技术流派都囊括进来，从早期专家系统的符号主义，到后来的联结主义和混合范式，都有所涉猎。这种包罗万象的姿态，本应是构建一个全面知识体系的基石，但遗憾的是，它未能有效地聚焦于“知识”如何转化为“自动化”这一核心命题。我期待看到一个关于“知识生命周期管理”的深度剖析——知识如何被捕获、如何被验证、如何在业务变化时被迭代更新，以及如何在一个自动化的环境中安全地退休和归档。这本书在知识的获取和表示部分投入了大量的笔墨，但对于知识的动态维护和持续学习的机制，讨论得非常单薄。当现实中的业务环境瞬息万变时，一个静态的知识库很快就会贬值。而书中对于如何建立一个能够自我修正、自我优化的“活的”决策系统，给出的指导显得过于理想化和抽象。它更像是一个对既有技术体系的梳理报告，而不是一本面向未来、引领实践方向的开创性著作。它未能提供那种令人眼前一亮的、能够颠覆现有思维模式的自动化策略。
这本书的笔触和视角总让我感觉有些跳跃，似乎作者是在不同时间点、针对不同听众撰写了若干独立的章节，然后将它们拼凑在了一起。我初读时，被开篇关于“自动化可行性边界”的探讨所吸引，那部分内容颇具洞察力，让人开始反思我们究竟能将多少人类智慧编码进机器。但这种高屋建瓴的思辨性很快就被一组冗长的数据结构描述所打断。接着，叙事风格又转向了对特定编程语言在自动化框架中应用的讨论，这部分内容对于非技术背景的读者来说，无疑是一道难以逾越的门槛。更令人困惑的是，书中的一些核心概念，比如“情境感知决策单元”的定义，在不同的章节中似乎存在细微甚至明显的表述差异，这让读者很难建立起一个统一的认知框架。我希望看到的，是一个由浅入深、逻辑递进的论证过程，即从界定问题开始，逐步深入到解决方案的设计、实施，直至最后的验证与优化。然而，这本书更像是一本知识的百科全书，你可以在其中找到关于“知识图谱”和“贝叶斯网络”的独立条目，却很难找到一条优雅的路径来解释：如何根据企业当前的业务痛点，来决定采用哪种模型，以及如何将这些模型无缝地集成到现有的业务流中。最终，我合上书本，脑海里留下的，是一堆闪光的专业名词，但如何将这些名词转化为可执行的商业价值，这本书并未给出明确的路线图。
比较详细的规则引擎的介绍和方法论，将知识和决策合并是目前很多企业在尝试的事情
读不下去系列。。对我没有什么实质性帮助。。那些原理太形而上了，又不是纯理论。实操却也没有。。
读不下去系列。。对我没有什么实质性帮助。。那些原理太形而上了，又不是纯理论。实操却也没有。。
对简历业务流程的泛泛而谈的介绍
策制定流程有一个可被图形化表示的结构，若能获取该结构，就能够以此为支撑执行一个知识自动化项目中的所有工作。其效益在于更加良好的通信、更清晰的范围、更高效的信息传递以及更低的风险
