基于多模式推理的企业市场机遇发现决策支持系统

1 引 言

    快速、有效地发现和利用符合自身需求的市场机遇逐渐成为企业家关注的焦点。支持企业进行市场机遇发现的传统方法主要有：头脑风暴法、现场调查法、关键成功因素分析以及SWOT分析等。这些方法高度依赖于个人经验和偶发灵感，具有极大的主观性和不稳定性，且由于采用人工方式，信息处理能力有限。尽管市场营销信息系统、数据挖掘等信息技术可以对结构化的销售数据进行分析和预测来寻求新营销机会，但对半结构化和非结构化的历史案例分析乏力，难以发现由事件引起的市场机遇，也难以重用过去的成功经验。

    企业市场机遇发现的决策过程实质上是在企业能力约束下不断探新的求解方案的过程。在搜寻中具有边际搜寻的倾向，即在历史案例“附近”寻找新的方案。因此，基于案例推理（Case-Based Reasoning，CBR）给企业市场机遇发现的决策支持系统设计提供了思路。CBR是通过访问知识库中过去同类问题的求解而获得当前问题解决的一种推理模式。但是，CBR难以构造覆盖整个问题的案例库，不能以完备和健全的形式表示知识，难以满足市场机遇发现对环境信息及领域知识的需求以及描述企业自身限制条件；缺乏演绎能力，难以根据现有知识推导新的解决方案。有学者利用基于规则的推理（Rule--Based Reasoning，RBR）开发决策支持系统，其优点是规则便于修改、扩充和学习，具有极强的演绎推理能力。但是RBR的规则集难以覆盖问题求解所有的领域知识；规则太过抽象。因此，针对CBR和RBR的不足，本文引入多模式推理（Multi-Modal Reasoning，MMR）的方法，研究CBR和RBR相结合的推理过程，设计支持企业市场机遇发现的决策系统架构，探讨系统的关键技术并给出应用实例。

2 CBR和RBR相结合的多模式推理

    MMR能够在同一框架中集成两种或以上的方法，以提高问题求解的效率和效力。目前MMR常用的集成有CBR、RBR、MMR三种，其中以CBR和RBR的集成应用最为广泛。

    2.1 多模式推理对市场机遇发现的支持

    市场机遇具有隐蔽性、动态性、多样性、条件性等特征，这使得市场机遇发现的决策复杂度加大，企业不仅需要领域知识，还要依靠丰富的领域经验。CBR和RBR相结合的多模式推理结合两者的优点：案例通过提供具体实例和问题情境来辅助规则推理，而规则通过对具体事例的一般概念的抽取来辅助案例推理。此外，CBR和RBR相结合的多模式推理可以很好地支持野中郁次郎提出的SECI模型，为企业的知识的共享及知识创新提供了途径，从而更好地支持市场机遇的发现。MMR对市场机遇发现的支持见图1。

图1 MMR对机遇特征的支持

    （1）隐蔽性是市场机遇发现的难点，它突出表现为意外性和离群性。CBR对案例进行概念化和分类，辅助企业将存于员工的隐性知识显性化，使CBR可以通过挖掘案例中的离群事件来掌握机遇的意外性、离群性。RBR的抽象规则所表示的一般性领域知识为机遇的隐蔽性信息的发掘提供对比参照。

    （2）环境因素及企业自身条件的不断变化使得市场机遇具有动态性。由于规则接近自然形式，便于修改、扩充和学习，RBR对收集来的政治、经济、科技、消费者、竞争者等外部环境信息进行存储，对新规则学习和更新来补充新的领域知识，实现显性知识和显性知识的组合化，应对市场机遇的动态性。

    （3）市场机遇发现途径和利用方案存在多样性。CBR的大量案例可为决策者提供多种解决方案，帮助企业共享机遇发现的隐性知识。RBR的演绎推理可辅助生成多种方案，将显性知识运用于案例求解，并将解决方案以隐性知识的形式存储，支持从显性知识到隐性知识的内部化。

    （4）企业内部条件限制了市场机遇发现及利用。CBR的领域知识以IF-THEN产生式规则表示，可以很好地描述企业自身的各种限制条件，应对市场机遇的条件性。

    2.2 CBR和RBR的混合推理过程设计

    CBR和RBR的集成一般有三种：对等集成、CBR为主与RBR为辅、RBR为主与CBR为辅。本文采用第二种方式，推理过程以CBR为主，RBR作为必要的辅助模块。结合Hunt、Allen、Aamodt和Plaze分别提出的四种CBR模型以及RBR的推理特点，将混合推理过程设计为三阶段：检索、求解、存储，见图2。

图2 CBR和RBR的混合推理过程

    （1）检索阶段分为问题识别、案例检索及最佳案例选择三个子过程。问题识别是通过数据分析来识别给定问题的各种信息，并将问题转化成案例库中的标准格式；案例检索是指检索与问题相匹配的案例，并通过阈值的设定来控制检索结果的数量；最佳案例选择是用户通过系统辅助来自主选择相似案例集中与问题最匹配的案例。RBR辅助案例检索，提高检索效率：比较输入问题与规则的结论部分，利用规则的排他性来减小案例检索范围，优化案例检索质量；问题相关领域的规则集还可作为启发用户进行案例检索的知识导引。

    （2）求解阶段具体分为案例重用、方案评估和方案修订三个子过程。案例重用是将检索出的最优案例与问题进行对比，评价各个参数的相关性，给出多个解决方案。方案评估是依照各类评估指标从多个方案中选取的评分最高的方案得出最佳方案。这种筛选出的最佳方案对现在的决策具有指导借鉴作用，但是未能完全吻合企业的实际情况，需要通过适应性修订形成最终方案。修订过程可以通过两种方法来共同实现：第一种是通过在规则库中添加各类规则来设定企业自身能力的限制条件，以剔除方案中不合理的内容；第二种是采用用户干预的形式，提供人机接口能让企业领导根据具体需求对方案内容进行判断和修改。在求解阶段，RBR可用来辅助案例重用和方案评估：RBR可进行演绎推理，生成多个解决方案；将规则推理的结果与案例推理的结果相比较，可以检查解决方案的合理性，对方案进行评估。

    （3）存储阶段是将问题及最终解决方案以案例的形式保存到案例库，以便以后的使用。案例存储需要将相似度高于阈值的案例排除在外，以免案例库的过度膨胀。