管理学决策树法

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇管理学决策树法范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

管理学决策树法范文第1篇

[关键词] 管理学 决策理论 决策方法

在管理学中,不同学派对决策有不同的理解。有学者认为,决策是一个提出问题、分析问题、解决问题的动态过程;也有学者提出,决策是从一组有限的方案集合中选择最佳方案活动。纵观文献,笔者认为,决策是为实现一定目标而制定行动方案并准备实施的活动。决策活动中应用的决策方法并不仅仅局限于学术领域,即使在日常生活中,也十分常见。决策的情景,一般分为确定型决策分析、风险型决策分析和非确定型决策分析,下面进行逐一介绍。

一、盈亏平衡分析法(确定型决策分析)

在日常生活中,有很多情况都属于确定型决策分析范畴,即事件的结果是可以预料的,给定一定前提条件,其后果也是可以计算和推演,这种情况可称为确定型决策分析。

例如,某企业只生产一种产品A,其固定成本为2万元,目标利润为3万元,边际成本为30元,该产品的建议零售价为80元,那么,应该如何求得该企业的保利销量?

为求解上述问题,可以设其保利销售量为X,于是:

保利量=(固定成本+目标利润)/(单价-边际成本)=(20000+30000)/(80-30)=1000(件)

所以,当销售量达到1000的时候,即可保证该企业的利润为30000元。

二、决策树(风险型决策分析)

有时,在企业管理实践中,常常遇到这样的情景,即决策时面临多种方案,且每一种方案通常面临几个不同的结果,完全取决于概率。如此,每一种方法都面临着一定的胜算与风险。在这种情况下,可以使用决策树来进行辅助决策,例如:

某企业成功研制出一种新产品H,现存在两种销售方案甲和乙,两种方案都面临着:滞销、一般、畅销三种可能,每种可能的获利情况和可能性也已得知,见下表(单位为万元):

销售情况

方案 滞销 一般 畅销

0.1 0.5 0.4

方案甲 20 60 70

方案乙 30 50 90

此时根据情况,便可绘制决策树:

如图所示,根据期望计算,方案甲的获利情况为60万元;方案乙的获利情况为64万元,所以应该选择方案乙。

三、冒险决策方法、保守决策方法以及后悔值法则(非确定型决策分析)

除了上述两种情况,现实生活中还普遍存在着一类情况,即非确定型决策情景。非确定型决策方法所涉及的变量和约束条件不能够量化,而且其自然状态中的概率不能确定,通常在这种情况下,便要用到冒险决策、保守决策和后悔值法等一系列方法。

回到上一案例,如果方案甲和方案乙所面临的滞销、一般、畅销的概率不能够确定(现实情况通常也是如此),此时如果应用冒险决策方法,则应对不确定问题持乐观态度,对两种方案的最大收益进行比较,选取最大收益方案作为最终方案。故其亦称为“大中取大原则”。

对比上述方案甲和方案乙(此时概率未知),可得知在冒险决策方法中,方案甲的最大收益为70万元;方案乙的最大收益为90万元,所以按照冒险决策方法,应该选取方案乙。

同理,如果应用保守决策方法,则应对不确定问题持悲观态度,对两种方案的最小收益进行比较,选取最大收益方案为最终方案。故其亦称为“小中取大原则”。

对比上述方案甲和方案乙,可得知在保守决策方法中,方案甲的最大收益为20万元;方案乙的最大收益为30万元,所以按照保守决策方法,应该选择方案乙。

此外,在非确定型决策方案中,还有一种被称为后悔值法则,或者萨凡奇决策准则。它指的是,在选择了某方案后,如果将来发生的自然状态表明有其他方案可以产生更大收益,那么决策者会为自己的选择而后悔。通过选取后悔值最小的方案作为最终决策方案。所谓“后悔值”=“自然状态下的最大收益”-“该方案在自然状态下的收益”,并据此做出各方案的后悔值进行比较。

同样以上一案例为例,在产品滞销的情况下,如果选择了方案乙,则后悔值为0(30-30),因为方案乙在滞销情况下获取的利益最大;而如果选取了方案甲,则后悔值为10(30-20),即滞销时方案甲比方案乙少获利10万元。又比如,在销售一般的情况下,方案甲的后悔值为0(60-60),而方案乙的后悔值为10(60-50),即销量一般时方案乙比方案甲少获利10万元。于是,经过分析整理,可得出各方案在自然状态下的后悔值,见右表(单位:万元),

销售

后悔值

方案 滞销 一般 畅销

方案甲 10 0 20

方案乙 0 10 0

管理学决策树法范文第2篇

关键词:客户关系管理;客户分类;som;决策树;组合分类器

一、 研究方法概述

本文采用数据挖掘技术对重庆某银行客户信息进行分析,采用som聚类方法对该银行已出现过风险的客户进行基于风险程度的聚类,将客户分为中风险客户和高风险客户,而未出险风险的客户设为低风险客户。通过决策树分类器方法对三种风险客户建立分类预测模型,得出对该银行客户风险分类预测效果较好的分类模型,以便及时有效的发现低风险和高风险客户,并对不同风险客户采取相关管理措施,以指导该银行的客户关系管理。

分类器技术是模式识别及机器学习的重要研究领域。通过研究发现,某些模式识别问题,通常有多个特征可用于表征和识别模式,如果特征之间的差异太大,则难以将它们集中到单一分类器中进行决策。有效融合som与决策树分类的优势,是本文在技术改进方面研究的侧重点。

1. 数据模型。数据模型是对客户风险聚类和建立客户风险分类预测的数据挖掘模型的前提和条件。

聚类数据模型主要属性包括客户代码(id)、第一、二、三、四季度收益(c1,c2,c3,c4)及一年的收益(all),属性类型均为interval。

分类数据模型主要属性(及属性类型)为客户id(nominal)、性别(binary)、年龄(interval),以及年初余额、各季度笔数pos消费、金额pos消费、笔数柜台存款(均为interval),和风险客户分组group1、group2、 group3(binary)等。

2. som。som网络算法是一种聚类算法,它能根据其学习规则对输入的模式进行自动分类,即在无监督的情况下,对输入模式进行自组织学习,通过反复地调整连接权重系数,最终使得这些系数反映出输入样本之间地相互关系,并在竞争层将分类结果表示出来。因此,som神经网络在结构上模拟了大脑皮层中神经元是二维空间点阵的结构,并在功能上通过网络中神经元间的相互作用和相互竞争,模拟了大脑信息处理的聚类功能、自组织和学习功能。该算法被广泛应用于各种模式识别和分类问题中。其聚类效果评估如下:

簇内部指标的有效性的度量都基于簇凝聚度和簇离散度。而簇的凝聚度通常以误差平方和sse来度量;簇离散度通常以总组间变差ssb来度量。相应公式如下:

其中ci表示簇ci的质心;c表示总体质心;mi表示簇 ci中有mi个个体。

3. 决策树。决策树方法是较为常用的分类方法,它的预测效果较好且以树形结构表示,树的节点处给出对结果预测起较为重要作用的属性,结果形象直观,便于获得更多的挖掘信息以及应用。c4.5方法是在国际上影响较大的决策树方法。因此本文采用c4.5决策树方法,对客户建立价值预测分类模型。

决策树c4.5算法采用信息增益率(gain ratio)作为决策树模型中的属性选择的测试条件,可有效避免传统方法中熵和gini指标可能产生大量输出的测试条件的情况,提高模型的性能。研究中采用后剪枝方法,在该方法中,初始决策树按照最大规模生长,然后进行剪枝的步骤,按照自底而上的方式修剪完全增长的决策树。当模型不能再改进时终止剪枝步骤。分类效果评估如表1所示,显示了混总分类模型正确和不正确预测的实例数目的混淆矩阵。

(1)对整个模型来说正确率和错误率为主要评估指标:

正确率accuracy=(tp+tn)/(tp+tn+fn+fp)

错误率error rate=( fn+fp)/(tp+tn+fn+fp)

(2)对于更为重视类别,在混淆矩阵中主要有以下几种指标:

真正率(true positive rate,tpr)或灵敏度(sensitivity)定义为被模型正确预测的正样本的比例,即:tpr=tp/(tp+fn)

假负率(false negative rate,fnr)定义为被预测为负的正样本比例,即:fnr=fn/(tp+fn)

召回率(recall)是一个广泛适用的度量,用于成功预测一个类比预测其他类更重要的应用。具体公式如下:r= tp/(tp+fn)

以上公式同样可以推广到3类以上的模型评估。

二、 案例分析

1. 客户数据。本文以xx银行重庆分行为例,从xx银行重庆分行数据库中随机抽取2007年1月至12月重庆地区部分客户的数据。原始数据包含了6 079个客户约600 000条交易记录。

2. 数据预处理。将样本数据中的空缺值以0来填充,并且将同一客户的交易记录汇总,最后每个客户在银行的不同活动(如:pos消费、网上消费)的交易记录在一个月中只出现一次。

计算客户每个季度以及一年的利润,同时将收益属性视为相同,将其归一化。得到聚类分析的数据模型。

将每个季度中的相同属性值合并,形成以季度为单位数据值。同时采用1-1类标号处理方法对原始数据中的三个类别进行类标号处理。得到分类预测的数据模型。

3. 聚类分析。

(1)研究思路。首先基于聚类数据模型,进行第一次聚类分析。因为本研究主要目的要正确鉴定银行中的三类客户,即低价值客户、一般价值客户和高价值客户。为了在客户分类上尽量少的将部分价值相对高的客户归为价值相对低的一类,研究中在第一次聚类中选择了四类,以便根据结果合理的进行价值归类。然后在第一次聚类结果中发现,第二、三、四类客户的价值远大于第一类客户,但是在数量上却远少于第一类,综合考虑下,将第一类客户进行再次聚类分析,从中找出价值相对高一点的一般价值客户,为银行尽量多的找到有价值客户。而同样为了在客户分类上尽量少的将部分价值相对高的客户归为价值相对低的一类,研究中在第二次聚类中选择了三类,以便根据结果合理的进行价值归类。最后通过对两次聚类结果的综合分析,得出银行客户的最终类别。

(2)聚类模型结果评估。在sas enterprise miner中,建立“semma”分析流程图,模型输出第一次和第二次聚类结果,评估如下:

第一次聚类结果的统计,得出4个簇的误差平方和:

3个簇的总ssb的值相对组内误差平方和值较大,说明簇与簇之间的分离性较好。

综合3个类的误差平方和sse和总组间变差ssb评价指标,可以判定该聚类模型效果较好。

4. 客户类别。基于第一次聚类结果,在聚类结果的利润标准化均值中二、三、四类客户给银行带来的利润标准化均值远远大于总平均值,故将其归为同一类。综合三类客户四个季度及一年总利润的标准化均值分别为:0.065 028、0.036 970 89、0.037 092、0.040 28、0.110 159。同样从第二次聚类结果三类客户的利润标准化均值中可以看到,第一类客户的价值远小于客户的此类客户总体平均价值,而第二、三类客户的标准化平均价值却远高于此类客户总体标准化平均价值,故将此两类归为同一类。综合第二次聚类结果中的第二、第三类客户四个季度及一年总利润的标准化平均值分别为:0.008 663、0.004 690 9、0.005 585、0.007 153、0.016 079。而第二次聚类结果中的第一类客户四个季度及一年总利润的标准化平均值分别为:0.001 170 961、0.000 594、0.000 809、0.000 975、0.002 186。整个样本数据中的客户四个季度及一年总利润的标准化平均值分别为:0.007 991、0.004 437、0.004 811、0.005 555 5、0.014 016。

基于两次聚类结果的综合分析,将所有客户分成三类:第一次聚类中的第二、三、四类客户为高价值(第3类)客户,共475位;第二聚类结果中的第二、三类客户为一般价值(第2类)客户,共1 485位;第二次聚类结果中的第一类客户为低价值(第1类)客户,共4 119位,都可通过代码标记。

5. 分类模型分析。

(1)分析思路。研究中分类模型中的目标变量共有三类,即属于多目标分类模型。而决策树分类模型以两个目标变量的分类为基础,两个目标变量的分类模型相对与多目标的分类模型准确率有较大提高,因此本研究采用二叉决策树组合分类器方法得出最终分类预测模型,研究中在基于聚类结果和分类数据模型的基础上,在sas enterp-rise miner平台中采用决策树c4.5算法,对银行客户建立分类预测模型,并通过混淆矩阵对模型进行相关评估。本文用样本数据中的60%用来做分类模型,40%用来做测试值,建立客户分类预测模型。在建模过程中,以相同的4 079客户数据建立模型,以剩下的2 000个客户数据作为测试数据,来评估分类器的预测效果。

(2)决策树模型。单个分类器的决策树模型的输出结果,如图1、图2、图3所示。

6. 模型评估。本文采用测试数据建立混淆矩阵确定模型的总体正确率和错误率以及对三类价值客户的真正率、假负率、召回率等指标。通过模型的总体正确率以及对三类价值客户的真正率、假负率、召回率等指标对客户价值分类预测模型进行评估。

(1)单个分类器的预测结果。组合分类器的三次分类预测结果(见表2)所示。

(2)投标转换。类标号投票及转换结果(见表3)。

(3)模型评估。在sas软件中没有给出组合分类器的混淆矩阵,因此本文在评估组合分类器时通过预测值与实际值相比较的方法,经过统计得出组合分类器的混淆矩阵,从而通过所得混淆矩阵对组合分类器的结果进行评估。

客户分类预测结果与真实结果的比较,数值有一定的出入。通过预测值和实际值的对比,得出组合分类器模型的混淆矩阵,如表4所示。

从混淆矩阵中得出各种评价指标如下所示。

对整个模型:

正确率accuracy=131+228+1 394/2 000=87.65%

错误率error rate=1-87.65%=12.35%

对第3类客户:

真正率tpr=131/165=79.4%

真负率tnr=228+1 394/389+1 446=88.4%

假正率fpr=1-88.4=11.6%

假负率fnr=1-79.4=20.6%

精度p=131/131+26+16=75.7%

召回率r=131/165=79.4%

从以上评价指标可以看出,该模型的预测效果较好,可以接受此模型。

三、 模型的应用

应用该模型可以对银行现有客户进行科学、准确、快速的分类预测,同时可以对将来的新客户进行及时分类,确定银行的客户类别,以便银行对所有客户采取有效的管理措施,最大可能降低银行的风险,进而提高银行的收益。同时通过该模型还可以看出与银行客户价值联系较为紧密的客户属性有哪些,同时以细分市场理论为指导,通过不同的物理渠道、不同产品组合和不同的人力资源配备来分层次对低价值客户、一般价值客户、高价值客户进行差别化服务。如从该模型中可以看出:客户年初余额、第四季度柜台存款金额、第一季度柜台存款金额、第三季度柜台存款金额属性与银行客户价值相关联较大。

四、 结论

第一,数据挖掘技术在银行业中被越来越多的应用,成为各银行进行有效管理,降低银行成本提高竞争力的重要工具。

第二,改进了组合分类器的简单组合模式,该组合分类器具有良好的组合分类效果,提高了分类预测结果的准确度。

第三,采用了聚类与分类相结合的组合分类器建立客户分类预测模型,研究探讨了使用数据挖掘方法建立基于客户价值的银行客户分类模型的可行性。

第四,研究为银行业在客户关系管理方面提供了一个科学有效的分析思路与框架。

参考文献:

1. 范莹,计华,张化祥.一种新的基于模糊聚类的组合分类器算法.计算机应用,2008,28(5): 1204-1207.

2. 张乃尧,阎平凡. 神经网络与模糊控制. 北京;清华大学出版社, 1998.

3. haykin. neural network - aeom prehensive foun- dation. zed edition. beijing: tsinghua university press, 2001.

4. pang-ning tan, michael steinbach, vipin kumar. 范明,范宏建等译. 数据挖掘导论.北京: 人民邮电出版社, 2006.

5. 范明,孟小峰译. 数据挖掘——概念与技术. 北京: 机械工业出版社, 2001.

6. 史忠植. 知识发现. 北京: 清华大学出版社, 2002.

管理学决策树法范文第3篇

国外很多大学都开设了数据挖掘类课程，波士顿大学的“数据管理与商务智能”课程主要包括基础、核心技术、应用三部分。授课方式包括理论内容讲授、案例教学，以及学生以团队合作方式完成项目并进行课堂演讲。从麻省理工学院开放性课程资料（斯隆管理学院）中可以看出，在每章讲解一种算法之后都尽可能地安排了商务实例的分析，并在课程后期安排了客座讲座的形式。国内对于数据挖掘的教学类研究成果也很多，主要集中在三类问题的研究上，较为普遍的是根据专业建立大纲的研究，例如针对电子商务专业进行大纲设计；另外也有专注研究某一种或多种适合数据挖掘或商务智能的教学方法，如专题研讨法；还有的讨论算法理解与程序设计、软件应用的关系。

2、基于模块化方法的课程内容分析

模块化教学模式是按照程序模块化的构想和原则来设计教学内容的一整套教学体系，它是在既定的培养目标指导下，将全部教学内容按照一定标准或规则进行分解，使其成为多个相对独立的教学模块，且各教学模块之间可以按照一定的规则有选择性的重新组合。该方法在20世纪70年代，由国际劳工组织引入教学之中，开发出以现场教学为主，以技能培训为核心的模块化教学模式，在很多国家得到广泛应用。由于该教学法具有针对性、灵活性、现实性等特点，越来越受到教育界的关注。模块化教学本质上是以知识点与实践的细化为出发点研究，本课程的知识点细化分为两个层次：一是从宏观角度，参考ACM的SIGKDD的数据挖掘课程建设建议，设计课程的基础内容模块和高级主题模块；二是从微观角度，针对较为复杂的算法进行的知识点划分。课程内容的一至五章属于基础内容模块，介绍本课程的基础理论和入门的数据挖掘技术；六至第八章介于基础内容与高级主题之间，介绍数据挖掘的核心算法，可以根据学生情况进行灵活处理，可强调应用，也可深化算法介绍；第九、十章为高级主题模块，可以作为扩展材料介绍应用，或为感兴趣同学提供算法介绍；课程实践模块包含数据仓库建设与数据挖掘算法的应用，难度居中，可以在引导学生思考的前提下给出实验步骤，并引导学生使用类似的方法处理不同的数据。

3、基于模块化方法进行重要知识点的模块化分析

重要知识点内涵较为丰富，一般体现在经典数据挖掘算法上，通常一大类算法下还分有多个算法，不同算法的在难度上有渐进层次，同一种算法也有很大改进研究空间，讲授弹性比较大。因此，适合使用模块化方法进行处理，并且需要在课程设计中明确一定课时量所要达到的内容和难度。基础部分为必选内容，介绍基本概念和基本原理；决策树作为数据挖掘分类算法的最基础算法也是必选内容，决策树算法有多种分类，需要进行按照难易程度进行选择；最后要根据难度选择其他分类算法进行介绍。

4、结论

管理学决策树法范文第4篇

    二元式授课模式

    教学内容主要集中在一些经典的统计方法和典型评价技术,其中包括:聚类分析、判别分析、主成分分析、因子分析、典型相关分析、常规综合评价方法以及当代相对评价技术———数据包络分析.考虑到一般管理学院的学生在学习数据分析方法上的困难,为了使他们在学习初期不至于“知难而退”,有必要遵循“师傅领进门”的原则.与此同时,更要帮助学生了解为什么信息管理与信息系统专业的学生要学习数据分析方法?管理建模的实践意义何在?数据分析与企业管理和企业绩效之间的关系是什么?现在学习的数据分析技术与以往学过的基础数学类课程“高等数学”、“线性代数”、“应用统计”、“运筹学”之间的关系是什么?统计分析技术与数据挖掘之间的关系、数据挖掘与专业课数据库和数据仓库之间的关系、各种数据分析技术之间的关系等等.通过从不同角度的阐述,使学生明确学习的目的和学习的目标,将大学阶段学习过的各种专业基础知识拼接成一个有机的整体,实现一个完整的从薄到厚、再从厚到薄的知识积累过程.授人以“渔”是以学生为主导的学习范式,这是研究型教学所倡导的平等参与教学组织形式,而课程的组织形式为能力导向型[3].比如,当在教师指导下掌握了常规的评价技术之后,学生很快会发现进行综合评价的关键是首先应该建立有效的与评价目的密切相关的指标体系.于是,在完成“常规综合评价方法”的讲授之后,安排一次讨论课,论题就是“评价指标体系的建立与选择问题”.学生按照下列要求去准备讨论资料:(i)选取评价指标的一些原则;(ii)定量指标的筛选方法;(iii)给出5—6个评价指标体系;(iv)给出2—3个评价体系建立的依据;(ⅴ)按其中一个评价体系收集数据并给出评价结果.资料可以来自教材、网络,还可以来自发表的学术论文.对收集的资料进行整理并形成PPT课件,在讨论课上向全体学生和教师汇报,听众可以随时提问并参加讨论.这种学习范式基本具备了研究型教学的基本特征,比如问题性、过程性、参与性、开放性、能动性、独立性等[2-3].又如,在进行“聚类分析”与“判别分析”时,通常要求指标是数量型的.当含有定性指标或全部是定性指标时,又如何进行分类呢?通过这个现实问题引导学生寻找新的数据挖掘技术———决策树,并将其作为讨论课论题.学生按照下列要求去准备资料和PPT课件:(i)决策树的概念和基本原理;(ii)举3—4个例子说明决策树的应用;(iii)利用一个简单的数据集,说明决策树的建立过程;(iv)利用实例和一种统计软件建立决策树.其他讨论课论题还有:“数据挖掘方法———神经网络”、“层次分析法”、“各种统计软件与数据挖掘软件”、“各行业投入产出指标的选择问题”,总计六个论题.讨论课的顺序也进行了精心安排.由“常规综合评价方法”引出讨论题“评价指标体系的建立与选择问题”;由“聚类分析、判别分析”引导的讨论题是具有同种功能的非统计类数据挖掘技术“决策树”和“神经网络”.在介绍统计分析方法“聚类分析、判别分析、主成分分析、因子分析、典型相关分析”时,所使用的课堂演示以及上机实验软件是比较常用的社会统计学软件SPSS,为了使学生对统计软件和数据挖掘软件有个更加宽泛的认识,设计了讨论课“各种统计软件与数据挖掘软件”.与“常规综合评价方法”类似,在采用“数据包络分析”进行相对评价时也会遇到投入产出指标体系的确定问题,而且不同行业投入产出指标体系的建立方式也不尽相同,因此,“数据包络分析”之后的讨论题就是“各行业投入产出指标的选择问题”.作为定性与定量相结合的一种评价技术,层次分析法在项目管理中已经成为一个重要的决策工具.在与本课程同时进行的学位课“IT项目管理”中,学生们已经深有体会.为了加深学生对不同类型评价技术的认识,最后一次讨论课设计为“层次分析法”.为了激励学生积极参与讨论课,将课上主讲学生小组的表现记为平时成绩.无论是以教师为主导的学习还是以学生为主导的学习,教学过程强化教师与学生、学生与学生间的合作[4].一方面,教师从学生那里获取学生的各科成绩信息,并在实验课上利用各种统计方法加以分析.由于涉及到保研排名,因此,学生愿意与教师合作提供它们的学习成绩信息.另一方面,通过课堂上教师与学生、学生与学生之间“头脑风暴”式的对话,活跃课堂气氛,提高学生的独立思考和自主学习能力,促进新知识的传递与共享.

    考评体系的改革

    本课程的总成绩包括平时成绩(40%)和小论文成绩(60%),考评体系充分体现学生间的合作性学习原则.平时成绩主要考查学生对课程扩展内容的掌握情况,以三人或二人一组参与命题讨论的形式课堂完成.本次共有34名学生,采用学生自主分组策略[5],分成了12组.通过抽签方式决定每个小组的讨论题,为了便于比较,每个讨论题由2个小组完成.当两个小组完成讨论后,其它十个小组和教师给出评分.教师评分占60%,学生评分占40%.学生各个小组的评分采用去掉一个最高分和一个最低分再求平均值的方式得出.为了检验学生的学习效果,进一步提高他们的学习能力,本课程将考试作为一个重要的学习过程.考试采用与数学建模竞赛相同的模式形成小论文.选题范围包括:(i)管理信息系统领域中的建模问题,包括电子商务、电子政务、ERP实施等;(ii)生产管理领域中的建模问题;(iii)风险管理领域中的预测与评价问题;(iv)政策评价等.这些问题不囿于本课程的教学内容,具有开放性、实时性.要求在一定的时间内,提交研究报告.本次教学设计了三个题目.第一个选题是“电子商务网站的信誉评价模型”.题目设计的背景是:目前电子商务网站方兴未艾,大有逐步替代传统购物模式之势.在网上购物时,人们常常根据网站的钻石和皇冠的数目来确认网站的信誉.网站钻石数目是由买家的好评、中评和差评的数量决定的.为了获得好评,卖家常采用下列欺骗手段:(i)花钱买好评;(ii)逼迫买家给好评;(iii)亲朋好友赞助好评.要求学生设计一种管理模型,一方面能够有效地预防卖家采用各种欺骗手段获取信誉得分,另一方面还能真正地反映商家的信誉,确保电子商务在我国健康地发展.第二个选题是“我国金融机构的效率评价模型”.金融机构的效率直接关系到经济市场的效率和安全.这次金融危机的导火索就是美国金融企业房地美、房利美以及雷曼兄弟的债务危机.要求学生利用上市银行的投入产出数据,对我国主要金融机构的效率进行评价,并为各家机构提供整改策略.第三个选题是验证西方经济市场主要论断———“股票市场是宏观经济的晴雨表”.股票市场是宏观经济的晴雨表是西方经济市场的着名结论.由于中国的经济市场体制、监管策略以及历史文化等因素的影响,使得中国市场与西方市场有比较明显的差异.要求学生利用中国进入WTO以来的经济指标与股票市场各种指标验证这个论断在中国的适应性.第一个题目是电子商务中一个典型的管理问题,既涉及管理模式的建立又涉及评价指标体系和评价方法的选择,第二个题目属于金融领域的风险管理课题,而第三个问题属于宏观经济问题,但不要求学生仅仅限于这些题目.由于课程结束时,恰逢东北三省的数学建模竞赛,因此,学生可以通过参加数学建模竞赛,完成小论文.本次东三省数学建模竞赛题有三个题目.A题题目是“企业的营销管理问题”;B题题目是“走遍全中国”;C题题目是“封闭系统的货币分配问题”.A与B题都可以归类于管理决策问题.A题属于营销管理决策;B题属于物流管理决策,它们恰好弥补了前三个选题中管理决策问题不足的问题.尽管这些题目与数据挖掘无关,但对问题的探索方式,寻找解决问题的途径与三个选题具有共通之处.12个组中有2个小组选择了数学建模竞赛题,5个小组选择了第一个选题,4个小组选择了第二个选题,1个小组选择了第三个选题.

管理学决策树法范文第5篇

（南通大学管理学院，江苏 南通 226009）

【摘要】在《管理学原理》的教学中，多媒体教学形式日益普及。多媒体教学具有生动、形象、信息传递效率高等显著优点，但也存在设施不够完善、备课效率较低和容易使授课进程区域趋于僵化等缺点。基于现有条件，应该审慎地考察多媒体教学的利弊，并促进多媒体教学形式与传统教学形式的融合，以扬长避短，充分有效地利用多媒体教学手段来提高教学效果。

关键词 多媒体；教学；教室布局

基金项目：南通大学教改课题“《管理学原理》课程多媒体教学改进研究”（13050623）。

作者简介：丁亮（1978—），男，南通大学，讲师，主要从事管理理论与方法研究。

1《管理学原理》教学中多媒体的普及趋势

近年来，受益于计算机的软硬件和网络通信技术的飞速发展，以及学校教学设施硬件条件的改善，多媒体教学在南通大学《管理学原理》课程的教学中日益普及，目前已成为涉及本课程的所有师生的首选形式。

除了在“多媒体教学—传统教学”的选择中占据显著优势以外，多媒体教学还具有逐步侵蚀和同化传统教学的趋势，笔者和同事们都曾有过将PPT课件打印成册，在未装备多媒体设备的教室中用于传统教学形式的经历。至此，多媒体课件俨然成为课堂教学中的“助记脚本”甚或“标准讲稿”，在无法使用多媒体的环境中依然充当授课流程的事实标准。

2多媒体教学的优势

通过比较和分析，我们发现，相对于传统教学形式，多媒体教学具有以下优势：

2.1直观、生动地呈现教学内容

与传统教学相比，多媒体教学在以图像、视频、音频表现教学内容方面具有天然的优势。例如：在“差异化战略”这一知识点的讲解中，同样以美国西南航空公司的发展史作为案例，以“口头讲解+板书”的传统教学形式加以讲授，学生对于西南航空只经营短途航线的战略印象深刻，对于空姐“T恤+热裤”的着装方式表示惊奇，但对于西南航空以机组为单位的高效率、高强度运作，则由于缺乏直观感受，只留下泛泛的印象；采用多媒体手段，播放相关视频，学生会看到机长跑步清运垃圾、空姐协助机械师更换飞机轮胎等镜头，从而对这种成员之间因为目标高度一致而形成的默契、紧张、高效、忽略身份差别的团队运作产生鲜明的印象。

2.2快速、大量、准确地传递信息

多媒体课件可以迅速地展现大段文字，对于反映企业、事件背景的材料，要将等量的信息传递到学生的大脑中，多媒体课件所需的时间取决于学生的阅读速度，口述取决于教师的发音速度，板书则取决于教师的书写速度。通常情况下，阅读速度>发音速度>书写速度。并且，从准确、无歧义地传递信息的角度来看，多媒体课件=工整的板书>清晰洪亮的发音>相对潦草的板书>含混的发音。由此可见，在准确而迅速地传递较大量信息方面，多媒体教学手段优于传统教学手段，因而对于等量的信息，多媒体教学所需时间较少，在同等课时内，多媒体教学所能传递的信息量更大；即多媒体课件在信息传输方面具有更高的效率，从而有助于在保证学生充分吸收的前提下，增加课堂讲授的知识量。

3多媒体教学中的问题

在实际教学工作中，多媒体教学也呈现出如下问题：

3.1学生笔记方面的困扰

传统教学过程中，学生记录笔记的速度一般高于教师板书的速度，因而教师写完一段板书，学生即完成相应的笔记，两者基本同步。多媒体教学中，由于多媒体课件可以瞬间呈现大量信息，这种同步性被打破，课堂上经常出现教师对知识点的讲解已经完成，学生犹自奋笔疾书，赶记笔记的场面。此时，教师如果直接将课件更新到后续章节，学生就只能留下残缺的课堂笔记，如果等待学生抄完笔记，则会浪费较多时间，如果为了避免这种两难选择，将课件交付学生，学生又会对电子课件产生依赖，从而完全不记笔记。学生在课堂笔记方面过度的忙碌和闲暇，都不利于他们集中注意力听讲和思考，影响课堂教学的效果。

3.2教室布局带来的影响

南通大学的教室，按照黑板和多媒体投影屏幕的关系，可以分为以下三类：无多媒体、投影屏幕居中、投影屏幕居于一侧。

在三种布局中，第一种以文字向学生传递信息的功能完全由板书承担。在第二种布局中，黑板通常是一整块，当投影屏幕放下后，投影屏幕居于正中位置，黑板未被遮蔽的剩余面积被分为两块，这两块残余的黑板面积偏小，承载板书的能力大大减弱，只能起少量辅助作用。第三种布局中，整个黑板通常是由分为两组的四块黑板组成，每组的两块黑板均可沿垂直导轨上下移动，居于黑板一侧的投影屏幕放下后，会遮蔽两组黑板中的一组；在这种布局中，未被遮蔽的一组黑板，即使用于传统教学形式下的板书承载，亦堪使用。

第二和第三种布局条件下，都可以开展多媒体教学，但在使用多媒体课件的同时，板书的表达能力有较大差距，在目前的多媒体教学中，教师在制作课件时，未将这方面的差异考虑进去，因而通常是制作一个课件，在所有多媒体教室中都使用这一课件。这种做法，只考虑到授课的内容，而对教学内容的呈现方式较少顾及，在一定程度上，影响了最佳教学效果的获得。

3.3多媒体教学时的照明环境影响

多媒体教学通常使用投影仪播放课件，投影的原理类似于电影播放，要求较为黯淡的光线环境。因此，在上课时，学生为了更好地观看投影屏幕，常常关闭教室内的大部分电灯，拉上前排或全部窗帘，营造出昏暗的教学环境，对于投影设备老化，投影效果较差的教室，尤其如此。这种昏暗的环境，固然有利于多媒体课件的播放，但却使教室环境变得如同电影院，与教学上对“窗明几净”的要求则大异其趣。黯淡的照明条件，不仅不利于学生精神的振奋和注意力的集中，同时使板书成为鸡肋。

3.4教学中存在“为多媒体而多媒体”的倾向

管理学原理课程中的某些授课内容，以传统的形式和多媒体的形式都可以很好地展现，但由于多媒体授课形式的普及，不少教师倾向于将全部授课内容都搬上多媒体课件，因而花费了大量时间进行课件制作。例如，决策树的绘制，以传统形式在黑板上当场画出决策树，其直观性和动态性并不逊于动画形式，绘制过程也并不繁琐，教师绘图所花的时间与学生记录基本同步，从各方面来看，效果都与多媒体形式旗鼓相当，而备课效率则更高。除备课效率外，“为多媒体而多媒体”的更大问题在于，当教师耗费大量时间和精力将全部教学内容搬上多媒体课件之后，授课的内容和流程便趋于固化，随堂发挥的灵感受到限制。与板书可以依据灵感“随时为变”的特性不同，多媒体课件不大可能在教学现场临时更改，稍纵即逝的灵感可以带来内容风格迥异的板书，却难以撼动高度程式化的课件。对“大而全”的多媒体课件的路径依赖的形成，使教师在课堂教学中完全弃用粉笔，转向键盘和鼠标。至此，课堂进程完全取决于事先的设计，成为数年不变的“固定套路”。这一趋势，对于教师改进其教学技巧是不利的。

4关于改进多媒体教学的对策与建议

4.1正确认识教学目的与教学手段的关系

在近年来的教学实践中，我们日益认识到，在《管理学原理》这门课程的教学中，多媒体教学形式与传统教学形式并非非此即彼的替代关系，而是可以共存与融合。实际上，无论多媒体教学形式还是传统教学形式，均为教学的可选手段，而非目标。《管理学原理》教学的目标在于使学生掌握管理学的基础理论、基本原理和常用方法，了解各种流派的源流、思想、观点和方法，并具有一定的分析问题、设计解决方案的能力。在教学过程中，教学手段的选取应服务于这一目标，即何种手段能够更好地实现教学目标，则选用之，否则，替换之。

4.2依据授课需要对课程内容的展示形式加以选择

在授课内容方面，可以大致分三类：第一类是需要以影音资料或动画、图片形式呈现的内容，第二类是涉及企业或事件背景的大篇幅文字内容，第三类是适合较为简短的文字加上口头讲述呈现的内容。第一类中的影音资料只可能以多媒体教学手段呈现，在这里，多媒体服务于教学目标的优越性最为明显，是当然的首选教学手段；动画和图片的展示方面，则应一分为二地看待，一方面多媒体课件的制作会消耗较多精力，如果其效果优于传统板书，则应采取，如效果相当，则可以考虑优先使用板书。对于第二类内容，多媒体传递信息的效率显著占优，理应成为首选，但鉴于学生笔记方面的困难，教师应事先向学生说明，课件上哪些内容是需要记录的，哪些内容是供当堂阅读的，对于那些对相关材料感兴趣的学生，则可以授以材料出处，供其课后详细了解。第三类内容可在多媒体或传统教学手段中任选，但在目前多媒体教学对课堂照明条件的要求尚未得到改进的前提下，可以考虑更多地选用传统教学形式，这不仅有利于课堂氛围的营造，同时也有利于教师在授课进程中临时掺入稍纵即逝的灵感。

4.3按照实际情况灵活调节课时比例

在教学中，鼓励多媒体教学手段的使用并不等同于追求彻底的“多媒体化”。多媒体教学形式和传统教学形式之间的比例关系，不宜作简单的预设，无论是从教学管理的规制方面，还是教师本人对教学手段的选用方面，都是如此。高校教师的授课习惯、授课风格、计算机水平等方面都存在较大个体差异，其教学手段的选择偏好应得到尊重。就多媒体教学和传统教学的比例关系而言，至少存在以下影响因素：首先，个体之间的差异可能导致教授同一课程的两个教师之间，一个较多地选用多媒体形式，另一个则偏重传统形式，对于此类现象，应当视为正常，而不必强求一致。其次，同一教师，对多媒体技术的熟悉程度和应用能力，也存在着与时俱进的现象。大学教师由于其教学和科研方面的需要，常常会接触到各类工具软件，如spss、MATLAB、EXCEL、PHOTOSHOP、GIS等，在掌握和使用这些工具的过程中，其计算机操作水平渐趋熟练，对于多媒体设备的使用和多媒体课件的制作，都有明显促进作用。这种技能方面的进步，通常会导致其使用多媒体教学形式的课时比率上升，因此，长期来看，同一个教师在多媒体教学和传统教学形式的选用比例上，并非一成不变，对于这一变化，应该顺其自然，而非作出硬性规定。第三，在熟练掌握多媒体课件制作技术和多媒体设备使用技能的前提下，教师也有可能因其教学中的摸索，有意识地调整多媒体教学形式与传统教学形式的比例。这一自主调节，通常与多媒体技术掌握程度无关，而是出于优化教学效果的目的，对此应持欢迎态度。

4.4加强基础设施的建设、改进及维护

如前文所述，教室的布局和多媒体设施的特性，对于多媒体教学形式的开展及教学效果的达成有较大影响，因此，为改进多媒体教学的效果，有必要对基础设施的建设、改进和维护加以关注，我们对此方面有如下建议：

1）对于那些讲台和多媒体控制台相分离的多媒体教室加以改造，使之合一，以便消除因多媒体控制台偏居一隅而造成的师生交流障碍。

2）投影屏幕和黑板的布局，以前文所述的第三种形式（即投影屏幕居于黑板一侧）为最佳，对传统教室进行多媒体改造时，应优先考虑使用这一形式；对于那些目前为第二种形式（即投影屏幕居于黑板中央）布局的教室，应逐步加以改造，使之成为第三种形式。

3）今后建设新的多媒体教室或对现有多媒体教室投影设备进行更新时，可以考虑尝试以大屏幕平板彩电替代现有投影系统。以平板彩电作为课件的输出设备，可以在正常的照明条件下开展多媒体教学，从而消除多媒体教学形式对昏暗的照明条件的需求，使教室回复到窗明几净的教学氛围中。目前大屏幕平板彩电的价格略显昂贵；但是，由于彩电的使用寿命远高于投影仪，其长期使用成本则大致与投影仪相当。随着大屏幕平板彩电的普及，在未来若干年中，其价格应该会有较大幅度的下降，可以考虑逐步替换现有投影系统。

5总结与展望

本文讨论了《管理学原理》教学中多媒体教学形式的优缺点及其适用性，并从教师如何提升教学效果的角度提出了改进多媒体教学的对策与建议。对于学生在学习过程中更多地使用计算机、互联网和智能手机等设备的问题，限于经验和篇幅，则未予详细讨论，相关问题，有待于今后的教学和科研工作中加以进一步的研究。

参考文献

［1］朱恒金.计算机多媒体教学利弊谈[J].中国教育现代化,2004(3).

［2］张亮.多媒体课堂教学中存在的问题及对策[J].浙江万里学院学报,2009(1).