[发明专利]双自动化辅助决策系统

说明书

技术领域

本发明涉及电子信息技术领域中的数据挖掘技术，具体地说是一种用于大公司或机构的实时决策辅助平台。

背景技术

实时决策辅助平台的应用很广，主要有以下几个方面：1、各个大型服务企业的客户的智能管理和精准营销服务，比如银行、超市、通信等；2、大型企业的生产运作的实施管理和危险事件的预测；3、大型机构的信息管理及反欺诈的监控。

以银行为例，实时决策辅助平台的作用是通过客观分析部分银行客户的历史行为表现和其对银行产品消费的情况来建立数学预测模型，判断在整个客户群中的消费需求，对银行的贡献程度或危险几率等等，并将此微观分析上升到宏观的预算，以辅助整个银行的策略的实施和战略的优化。

银行有众多的产品和商业目标，以往的经验管理公式只能起到局部优化作用，而客观分析和数学优化的过程达到的目的使得整个银行的总体商业目标会在相应的妥协条件下达到最佳。银行在最高利润得到保证的条件下能智慧地管理客户，给客户提供个性化服务，从而减少客户流失，长远地达到更高的盈利。

数据挖掘是基于统计学应用、人工智能、计算机理论与应用和数据库技术的综合性学科，在国外市场上有不少应用软件。但由于这是一个新型学科，应用上还是相当程度地学术化，大部分应用软件因此为了顾及广泛的应用，在速度上和工业自动化程度上还没有很多考虑。

发明内容

本发明针对上述问题，提供一种双自动化辅助决策系统，该系统自动化程度高，能及时地提供正确信息以辅助正确决策。

按照本发明的技术方案：一种双自动化辅助决策系统，包括第一自动化过程及第二自动化过程；所述第一自动化过程包括数据准备模块及单一目标建模模块，所述数据准备模块用于处理建模所需要的数据，所述单一目标建模模块用于对所述数据准备模块的数据进行建模；所述第二自动化过程包括多目标建模模块、评估决策模块及实时应用模块，所述多目标建模模块用于对其他商业目标进行建模，所述评估决策模块对所述建模模块建立的模型进行评分并决策，所述实时应用模块通过将模型应用到刷新的数据上并提供所需的预测信息。

所述数据准备模块通过变量映射解决非线性关系，采用基于LARS的前推算法和基于升力曲线和岭回归的后进算法。

所述数据准备模块是在数据压缩状态下进行数据处理。

所述建模模块采用鲁棒预算模型。

本发明的技术效果在于：本发明通过建立一个双重的自动化流程，致使上百个模型能同时以流水线的形式生产，在精确度和计算速度的折中优化基础上能真正起到高速的多目标的优化。

具体实施方式

下面对本发明的具体实施方式作进一步的说明。

本发明是一种双自动化辅助决策系统，包括第一自动化过程及第二自动化过程。

第一自动化过程是建立试点项目，其包括数据准备模块、单一目标建模模块及应用。

在建模前根据商业目标的重要程度来挑选目标，针对客户提出的几个比较迫切的需求，经过探讨和初步的数据分析后确定一个作为实验目标。

数据准备工作用于集成建模所需要的数据，其结果是建立数据单视图。这个图表的工程建立后，可以满足大部分其他项目的需求，所以在定义的时候可以做一个广泛的定义。单视图是建立客户分析的基础，需要逐步完善并不断随着商业演变而更新。

数据准备模块通过变量映射解决非线性关系，这种方法与朴素贝叶斯和一些复杂的神经元模型起到同等效果但在计算上要快的多。对于大量特征属性的选择采用基于LARS的前推算法和基于升力曲线和岭回归的后进算法。LARS的选择的属性可以避免误入区间优化值，保证更有效地得到总优化值。，而后进算法起的作用是根据最终预测目标来有效地除掉那些没有很大作用的属性。

数据准备模块是在数据压缩状态下进行数据处理。

单一目标建模模块用于对数据准备模块的数据进行建模。建模模块采用鲁棒预算模型(Robust continuous modelling)，在统计抽样的基础上建立鲁棒模型的反复交叉验证并设置模型置信区间。

第二自动化过程包括多目标建模模块、评估决策模块及应用模块。多目标建模模块用于对众多商业目标进行建模，采用同样的单视图流程将数据更新就可建立模型。

评估决策模块对建模模块建立的模型进行评分并决策。

应用模块自动快速地对给新数据反馈预测结果。