企业决策支持解决方案软件介绍，企业决策支持解决方案怎么写。

制造业数据挖掘与决策支持
基于数据仓库，通过马克威数据挖掘等技术，将生产过程和经营管理过程中的各个系统进行有机的整合，实现信息流、资金流和物资流的同步动态管理，通过建立的易用、灵活、快速的分析系统，很好的满足企业决策的需要，从而更大限度地降低企业运营管理成本，提高核心竞争力。分析功能包括营销分析、采购仓储分析、质量分析、生产分析、财务分析等。灵活地运用各种统计方法，如时间序列ARIMA、聚类、神经网络、关联规则等，将结果以图形图表，报表表现。

电信业数据挖掘与决策支持
通过整合企业现有的业务数据：电器、人事、超市、百货、卡券等信息系统，建立企业数据中心，并搭建企业综合查询中心、建设企业绩效考核体系、企业监控预警体系和企业领导决策支持中心。该系统提供丰富的数据展现方式：自定义报表和各图形（如传统的散点图、线形图、柱状图、饼图，及Parto图、雷达图等），可以灵活地输出HTML、EXCEL、XML等各种格式的报告。在决策分析方面，涉及商品信息分析、销售信息分析、供应商绩效评价分析、物流信息分析、客户信息分析、财务信息分析和人力资源分析。

金融业数据挖掘与决策支持
马克威对海量数据的处理能力极好在金融领域发挥作用。在银行方面，数据挖掘决策分析主要运用于客户管理，如客户分群、客户行为分析、客户偏好分析、客户流失预警、客户信用记分卡、交叉销售等。在证券方面，数据挖掘决策分析也运用于客户管理，还有两大其它模块：股市分析和经营状况分析。前者包括新股定价估计、大盘趋势分析、交易数据分析和投资组合分析；后者涵盖了经营状况方式分析、资金风险分析及网点管理绩效比较。在保险方面，特别包含了欺诈分析、产品推广和业绩价值管理。数据挖掘决策分析的运用实现了运行成本的降低，增强了竞争能力，提高了银行的服务和管理水平。其主要分析方法有聚类分析、关联分析、逻辑回归、决策树等。

零售业数据挖掘与决策支持
零售业引入数据挖掘的方法能更好地加快资金周转、降低运输成本、优化服务质量及增加销量。具体表现在客户方面：定义客户偏好，实现精确营销，交叉销售以提升销售量；在储运方面：对储区和路线结合产品进行分析，加快周转率；在财务和资本方面，对收益、资本进行定性与定量分析，建立一系列衡量指标如经营资本周转率、运营资金周转率、流动负债周转率、盈利增长率、销量增长率、市场占有率等。涉及的算法有关联规则、决策树、聚类分析、线性回归等。

能源电力数据挖掘与决策支持
该系统基于运行、管理提供电网、设备的完整信息，整合调度实时数据和生产管理数据，建立数据仓库；针对应用需求建立信息模型和主题数据库，开发“基于电网综合数据挖掘的生产管理辅助决策系统”，为领导决策提供帮助，并提供了变压器的负载率及统计分析、发电厂负荷率及统计分析、电网用电负荷和供电负荷动态统计分析、各级电网负荷率及统计分析、供电线路的电压质量统计分析及电网输变电设备健康状况统计分析。并灵活地输出HTML、EXCEL、XML等各种格式的报告和图形。

医药数据挖掘与决策支持
数据挖掘在医药行业得到全方面的运用：在销售方面，马克威提供多方面、多层次的分析，其中用到的分析有各类商品间的比例分析，品牌的贡献率分析，门店分析，同比分析，增长率分析，销售额结构分析，商品ABC分析(80/20分析)，商品结构分析，门店价值分析，以及用ARIMA算法做的各种条件下的销售业绩进行预测等等。在药品检验方面，我们将运用生物统计理论，主要包括3个模型：寿命表、KM过程和比例风险模型。在客户消费方面，对医疗费用进行监控，涉及方法：孤立点分析、聚类分析等。

交通数据挖掘与决策支持
智能交通决策支持系统包含四大模块：系统功能控制、数据分析模块、数据展现模块和系统管理模块，实现预测、分类、关联等功能。其中交通预测包含多个层次：基础数据层的交通流数据的预测；基于特征属性层的交通流性质预测、交通事件及事件类型预测、道路拥堵情况预测；基于状态描述层的路网服务水平、事态发展预测和事件影响评估等。分类模型就用途上可运用于突发事故处理的警车优先选择、电子警察系统在全市的分布、交通投诉处理等；就算法上可分为决策树模型、基于概率统计的Bayes分类方法NB、TAN，BP神经网络模型、基于关联规则的分类方法CBA模型，或基于模糊逻辑的分类模型等。关联规则可以发现数据项之间的相关联系。交通流信息是时间相关和空间相关的，具有时空特性，流量数据只有在与一定的时刻及路口相联系时才有意义。例如，对空间数据的关联分析可能会得到“88%的医院门口30米范围内有一家鲜花店”的规律。空间数据是主要指数字地图、遥感数据、医学图象、交通控制、环境等领域大量出现的与空间有关的数据，包含的空间信息有距离、拓扑结构等。时空数据的数据挖掘模型包括时空元规则、时空范化、时空聚类和关联、演化规则等。