邱国栋,王 易

(东北财经大学 工商管理学院，辽宁 大连 116025)

一、引言

在DT (Digital Technology, 数字技术) 时代，数据正在以指数级增长，这些数据的计量单位已经远远超过 GB和 TB，开始以 PB、EB 甚至 ZB 来衡量，数据的来源有物联网、传感器、社交媒体网络、采购交易等,数据增长的速度已经超过了摩尔定律[1]。据IBM报道，90%的数据在过去两年内产生，每天超过2.67亿的交易记录数据在全球沃尔玛门店产生；在中国，百度每天准备10PB的数据供用户查询，阿里巴巴超过8.8亿的网上交易产生近20TB的数据[2]。通过以上的现象发现如下问题：大量数据的产生，这些数据全部来源于系统活动的真实记录，尽管新技术范式的快速发展使这些复杂类型的数据可以容易地被采集和存储，但是在实际决策过程中却缺乏对这部分数据的有效分析、处理和评价, 无法将这些数据转变为对企业和决策机构有价值的信息, 从而为决策组织提供参考和依据。基于此，本文的研究问题如下：(1)如何将积累的大量数据用于决策洞察，让数据产生更大价值？(2)面对决策问题的复杂性[注]本文对现实决策问题的复杂性界定在三个方面:(1)决策问题的非线性结构,在大数据时代，数据结构75%呈现非结构化，传统的线性化数据处理已经不适用。(2)决策问题的不确定性，系统活动的动态性和开放性导致复杂决策问题在结构、参数、特征以及环境变化等方面的不确定性。(3)决策问题计算的复杂性，计算的复杂性是指海量数据和多类型引起的问题规模、计算时长的问题，也就是在有限的时间内如何解决“算的多”和“算的快”的问题。……