第二个是静态模型问题。作为一个优化模型的构建，有几件事情要做：（1）要选择决策变量；（2）要对目标函数的形式进行决策，并对目标函数里的参数进行设定；（3）要对约束条件的形式进行决策，并对约束条件里参数进行设定。

这些都选择好了以后才能形成可用的模型，在上一代的OR系统里面，这些都需要很多专家来参与，最后设定好这个模型，一旦设定以后就不会轻易更改，这就是一个相对静态的模型。但是实际上，我们的产业环境是飞速变化的，一个静态模型很难准确来反映瞬息万变的外部环境。

（2）商业智能（Business Intelligence，BI）

再来看BI，我们暂且还把它叫做商业智能。作为DSS领域的一个重要分支，BI的价值也得到了市场认可。Gartner的报告显示，到2010年的时候，BI的使用率达到30%，67%的领先企业运用了BI。2017年全球市场预计可以达到183亿美金。这已经是一个相当大的市场规模，我们完全可以认为BI取得了比较大的商业成就。但是增长已经非常乏力，预计未来几年只有7.6%的年化增长率。

（3）人工智能（Artificial Intelligence，atv，AI）

最后再看AI在决策支持系统领域的应用。过去几十年AI在学术界几起几落，直到过去两年才真正走进产业界，算是一个“大器晚成”的“神童”。之前几十年里AI在实用层面有限的成功算是在决策支持系统的运用，也就是专家系统（Expert System）。专家系统经历了很多年的发展，也解决了一些问题，但是整体上很难算是一个大的成功。这里面有几方面的原因，主要包括：

知识表达方式单一，主要依赖启发式规则，以及不支持大规模数值计算是专家系统的内在缺陷。

知识库的完备性和规模、知识获取的难度、覆盖面等，是决定专家系统成功的决定性因素。在互联网普及之前，很难把某个行业内足够的数据抽取出来，构建有效的知识库。

推理机对特定领域经验的依赖很强，通用性不好。

4、新一代的商业决策支持系统：智能商业

总结一下，历史上OR、BI和AI在DSS领域的应用都各自取得了不同程度的成就，但是总体来看，距建立起高度可依赖的商业决策支持系统还有不小的距离。

那么基于AI在过去几年的重大突破， 并和OR、BI结合是否可以催生新的商业决策模式呢？我们把这个新的模式称为智能商业，Intelligent Business，这是真正的智能，而不仅仅是商业情报。

（1）智能商业的定义

我们试图给智能商业一个定义。大家都知道到目前为止AI本身都没有一个业界公认的标准。在这里我们只是试图给智能商业一个框架性定义，为后面的讨论做一个基础。我们认为智能商业是AI增强的决策支持系统，服务于企业中需要决策的各级人员，应该具备实时、闭环、自动进化、全局优化的特征，以及自动识别问题的能力，目的在于提高企业决策的效率和质量，增强企业在数字经济时代的竞争力。

（2）智能商业框架

这就是我们提出的智能商业框架（上图），可以看到这个框架跟传统的BI模式在单体层面上基本类似，都是有一个数据层，一个模型层，上面有应用层，但是这一代跟上一代有什么不一样的地方呢？

首先它不再是一个企业内部的局部优化，它要考虑自己在供应链上下游的情况，也要考虑不同供应链之间的关系，即要考虑一个完整的产业生态网状结构的关系。

其次从数据层面，处于现在这样一个大数据的时代，企业所能接触到的数据的丰富程度是空前的。以前更多的是挑战打通内部的数据孤岛，现在除了内部数据，还有供应链上下游企业之间点对点的数据交互，还有更大的云化的外部数据。

在传统的决策支持系统里，因为没有明确的相关性，这些外部数据的利用率很低。但是外部环境对企业经营可能有更大的影响，外部数据隐含着很多相关性，利用现在的大数据技术，可以为企业决策带来更多的数据信息，通过AI的方式把里面有用的信息挖掘出来，应用到整个决策支持系统里面。

第三个层面就是利用反馈和闭环能够对模型进行自动的优化。

（3）与传统商业决策系统的不同