技术和工具能够快速自动化的业务需要，已经有很多工具系统能够辅助决策。但是为了让自动化进行到底我们势必为决策的权限进行划分，系统不能越俎代庖。像对交易合法性的判断是可以通过交易过程记录配合商务规则来判断的;经销商大量囤货情况是不是正常操作是可以通过以往经营记录来给出合理决策建议的;客户额外信用的给予是基于客户过去的回款记录和购买数量的。此类例子举不胜举，我们要的是让合适的人做合适的决策，让合适系统做合适的决策。
1.日常决策: 重复性强的，任何机构都有大量的这种决策，其实在不进行智能决策的时候也往往是通过邮件或电话确定即可，不影响业务整体的推进。
2.流程性决策: 在业务流程规划中，有很多决策孤立的看并不重要，但汇总起来是非常有价值的往往在业务流程优化调整上能体现出巨大的商业价值。
3.小微决策: 小微型的决策往往是针对特定客户或特定环境，并有不同的结果。可以通过以往信息进而预测结果。
4.战略决策: 重复的经营决策常常与经营、管理为主，但是很多数据来源于日常决策和小微决策。
现在看来数据分析、挖掘，加上商务规则引擎和建模工具，可以处理许多重复性强的日常决策。有些决策是不能自动化的，不是技术不能做，而是以人的意志为转移的事情目前还无法通过技术来实现。战略决策，例如是否向市场推出公司的新产品?是否投入大笔资金研发等，需要人为思考、综合市场等各方面因素决定的事情是不能由数据直接决策的。
数据分析与决策场景浅析
决策自动化，但是什么情况下自动决策能带来真正的意义呢。尝试用几个实体经营的场景区别分析自动决策和人工决策，决策的数据来源于经营越贴近民生越能直观反馈自动决策和人工决策的作用。 |
