CN116150222B - 一种基于大数据的辅助决策方法 - Google Patents

Abstract

本发明提供了一种基于大数据的辅助决策方法，包括：S1：确定出决策应用场景和决策目标；S2：基于决策应用场景和决策目标确定出辅助决策策略和决策例相关数据；S3：基于辅助决策策略和决策例相关数据确定出目标决策策略，并确定出目标决策策略所需的决策变量数据；S4：基于决策变量数据和目标决策策略，获得最终决策结果；用以在基于决策应用场景和决策目标确定出的辅助决策策略和决策例相关数据的基础上，确定出目标决策场景的目标决策策略，并基于目标决策策略自动获取决策变量数据，进而基于目标决策策略和决策变量数据获得决策结果，且该辅助方法可以应用在多种决策场景中。

Description

一种基于大数据的辅助决策方法

技术领域

本发明涉及辅助决策技术领域，特别涉及一种基于大数据的辅助决策方法。

背景技术

目前，在全球信息化快速发展的背景下，各行各业的决策活动在频度、广度及复杂性上较以往有着本质的不同。决策过程中的不确定性因素增多，决策分析的难度不断加大。传统的数据分析方法以及基于人工经验的决策已难以满足大数据时代的决策需求，大数据驱动的智能决策将成为决策研究的主要发展方向。

但是，目前存在的智能决策支持系统缺乏满足多种决策场景的决策方法进而无法基于不同决策场景搭建对应的决策策略和获取对应所需的决策变量数据，研究开发人员只能基于不同的决策场景搭建出的对应的决策模型来实现辅助决策。

因此，本发明提出了一种基于大数据的辅助决策方法。

发明内容

本发明提供一种基于大数据的辅助决策方法，用以在基于决策应用场景和决策目标确定出的辅助决策策略和决策例相关数据的基础上，确定出目标决策场景的目标决策策略，并基于目标决策策略自动获取决策变量数据，进而基于目标决策策略和决策变量数据获得决策结果，该辅助方法可以应用在多种决策场景中。

本发明提供一种基于大数据的辅助决策方法，包括：

S1：确定出决策应用场景和决策目标；

S2：基于决策应用场景和决策目标确定出辅助决策策略和决策例相关数据；

S3：基于辅助决策策略和决策例相关数据确定出目标决策策略，并确定出目标决策策略所需的决策变量数据；

S4：基于决策变量数据和目标决策策略，获得最终决策结果。

优选的，所述的一种基于大数据的辅助决策方法，S1：确定出决策应用场景和决策目标，包括：

S101：基于用户输入的决策条件，确定出辅助决策的目标应用领域，并基于目标应用领域确定出决策应用场景；

S102：基于用户输入的决策条件确定出决策目标。

优选的，所述的一种基于大数据的辅助决策方法，S2：基于决策应用场景和决策目标确定出辅助决策策略和决策例相关数据，包括：

S201：基于决策应用场景和决策目标获取相关决策例；

S202：在相关决策例中挖掘出辅助决策策略；

S203：在相关决策例中提取出例决策变量数据和例决策结果作为决策例相关数据。

优选的，所述的一种基于大数据的辅助决策方法，S202：在相关决策例中挖掘出辅助决策策略，包括：

在相关决策例的决策过程记录中挖掘出第一决策逻辑；

基于第一决策逻辑和例决策变量搭建出辅助决策策略。

优选的，所述的一种基于大数据的辅助决策方法，S3：基于辅助决策策略和决策例相关数据确定出目标决策策略，并确定出目标决策策略所需的决策变量数据，包括：

基于辅助决策策略和决策例相关数据确定出目标决策策略；

基于目标决策策略的第二决策变量的数据来源，获取目标源数据；

基于目标源数据确定出决策变量数据。

优选的，所述的一种基于大数据的辅助决策方法，基于辅助决策策略和决策例相关数据确定出目标决策策略，包括：

判断出是否存在用户输入的主要决策策略，获得判断结果；

基于判断结果和辅助决策策略以及决策例相关数据确定出目标决策策略。

优选的，所述的一种基于大数据的辅助决策方法，基于判断结果和辅助决策策略以及决策例相关数据确定出目标决策策略，包括：

判断出是否存在用户输入的主要决策策略，若是，则判断出主要决策策略中每个第一逻辑步骤的第一运算含义是否与辅助决策策略中相同执行顺序的第二逻辑步骤的第二运算含义一致，若是，则将主要决策策略或者辅助决策策略作为目标决策策略，否则，获取决策策略中包含主要决策策略和辅助决策策略之间的差异部分决策策略的待判断决策例，基于待判断决策例和决策例相关数据确定出目标决策策略，否则，将辅助决策策略作为目标决策策略。

优选的，所述的一种基于大数据的辅助决策方法，基于目标决策策略的第二决策变量的数据来源，获取目标源数据，包括：

基于目标决策策略的第二决策变量，确定出目标决策策略所需的决策变量数据的数据类型；

基于对应第二决策变量的数据来源，获取对应数据类型的源数据；

将所有数据类型的源数据汇总，获得目标源数据。

优选的，所述的一种基于大数据的辅助决策方法，基于目标源数据确定出决策变量数据，包括：

当目标源数据中包含的对应数据类型的源数据大于对应所需数据量时，则在对应数据类型的源数据中筛选出决策变量数据；

当目标源数据中包含的对应数据类型的源数据小于对应所需数据量时，则对对应数据类型的源数据进行数据扩充，获得决策变量数据。

优选的，所述的一种基于大数据的辅助决策方法，S4：基于决策变量数据和目标决策策略，获得最终决策结果，包括：

基于目标决策策略确定出第二决策逻辑；

基于第二决策逻辑对决策变量数据进行处理运算，获得最终决策结果。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于大数据的辅助决策方法流程图；

图2为本发明实施例中又一种基于大数据的辅助决策方法流程图；

图3为本发明实施例中再一种基于大数据的辅助决策方法流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明提供了一种基于大数据的辅助决策方法，参考图1，包括：

S1：确定出决策应用场景和决策目标；

S2：基于决策应用场景和决策目标确定出辅助决策策略和决策例相关数据；

S3：基于辅助决策策略和决策例相关数据确定出目标决策策略，并确定出目标决策策略所需的决策变量数据；

S4：基于决策变量数据和目标决策策略，获得最终决策结果。

该实施例中，决策应用场景即为需要采用基于大数据的辅助决策方法进行决策的场景，例如：经济运行分析的场景、人力资源分析的场景、质量管控分析的场景、财务管控分析的场景或者研发软件生产数据可视化技术的场景以及在对软件研发过程中的质量、效率、成本等关键指标的智能化分析的场景等。

该实施例中，决策目标即为辅助决策想要达到的目标，例如在决策厂房中的零件生产分配方案时，则决策目标为使生产一套组装设备的时间达到最短，或者软件研发过程中的质量、效率、成本等关键指标的最优化目标。

该实施例中，辅助决策策略即为基于决策应用场景和决策目标直接确定出的用于辅助决策的决策策略。

该实施例中，决策例相关数据即为决策应用场景和决策目标对应的历史决策示例中(即为曾经完成的决策应用场景和决策目标的决策场景下对应的决策过程)的数据。

该实施例中，目标决策策略即为基于辅助决策策略和决策例相关数据确定出的最终在决策应用场景下进行决策并获得达到决策目标的决策结果时采用的决策策略。

该实施例中，决策变量数据即为基于目标决策策略进行决策并达到决策目标时所需的数据；例如，在决策厂房中的零件生产分配方案时，决策变量数据例如为每个生产厂房生产每种单个零件的时间、零件的组装顺序等；即将决策变量数据基于目标决策策略进行相应地分析并逻辑运算处理后才可获得最终达到决策目标的决策结果。

该实施例中，最终决策结果即为将决策变量数据基于目标决策策略进行相应地分析并逻辑运算处理后获得的达到决策目标的决策结果。

以上技术的有益效果为：在基于决策应用场景和决策目标确定出的辅助决策策略和决策例相关数据的基础上，确定出目标决策场景的目标决策策略，并基于目标决策策略自动获取决策变量数据，进而基于目标决策策略和决策变量数据获得决策结果，可以基于不同决策场景搭建出对应的决策策略和获取对应所需的决策变量数据，无需研究开发人员基于不同的决策场景搭建出的对应的决策模型来实现辅助决策，生成一种可以应用在多种决策场景中的辅助决策方法。

实施例2：

在实施例1的基础上，所述的一种基于大数据的辅助决策方法，S1：确定出决策应用场景和决策目标，参考图2，包括：

S101：基于用户输入的决策条件，确定出辅助决策的目标应用领域，并基于目标应用领域确定出决策应用场景；

S102：基于用户输入的决策条件确定出决策目标。

该实施例中，被处理信息类型例如有：文字信息、数据信息、图表信息等。

该实施例中，决策条件即为包含决策过程中的决策应用场景和决策目标的条件。

该实施例中，目标应用领域即为辅助决策的应用领域，例如包括：经济管理领域、人力资源管理、质量管理领域、财务管理领域等。

该实施例中，基于目标应用领域确定出决策应用场景即为：基于目标应用领域提供多种决策方向(预测、运行分析等)，并接收用户输入的选择决策方向，基于用于选择的决策方向确定出决策应用场景，例如当目标领域为经济管理领域，且用户输入的选择决策方向为运行分析，则决策应用场景为经济的运行分析。

以上技术的有益效果为：实现基于用户输入的决策条件中的决策目标和目标应用领域确定出当前的决策应用场景和决策目标。

实施例3：

在实施例1的基础上，所述的一种基于大数据的辅助决策方法，S2：基于决策应用场景和决策目标确定出辅助决策策略和决策例相关数据，参考图3，包括：

S201：基于决策应用场景和决策目标获取相关决策例；

S202：在相关决策例中挖掘出辅助决策策略；

S203：在相关决策例中提取出例决策变量数据和例决策结果作为决策例相关数据。

该实施例中，基于决策应用场景和决策目标获取相关决策例，即为：

基于决策应用场景和决策目标，在决策例数据库(即为预设的包含海量的决策示例的数据库，决策示例即为不同决策应用场景下的不同的决策过程记录的示例)中筛选出相关决策例。

该实施例中，相关决策例即为决策应用场景和决策目标与当前的决策应用场景和决策目标一致的决策示例。

该实施例中，例决策变量数据即为在相关决策例的决策过程中所需的数据，例如相关决策例是关于决策出生产效率高和故障率低的设备的决策例，则例决策变量数据即为每台设备的故障率和生产效率。

该实施例中，例决策结果即为相关决策例的最终决策结果，例如：相关决策例是关于决策生产效率高和故障率低的设备生产方案，则例决策结果可以是：选用A设备进行生产。

以上技术的有益效果为：实现基于决策应用场景和决策目标确定胡相关决策例，并基于相关决策例获取决策例相关数据和辅助决策策略。

实施例4：

在实施例3的基础上，所述的一种基于大数据的辅助决策方法，S202：在相关决策例中挖掘出辅助决策策略，包括：

在相关决策例的决策过程记录中挖掘出第一决策逻辑；

基于第一决策逻辑和例决策变量搭建出辅助决策策略。

该实施例中，决策过程记录即为记录相关决策例的决策过程的记录。

该实施例中，第一决策逻辑即为相关决策例中基于例决策变量数据如何进行决策获得例决策结果的执行逻辑，例如：相关决策例是关于决策出生产效率高和故障率低的设备的决策例，则决策逻辑即为决策出生产效率高和故障率低的设备的决策策略中对对应决策变量数据进行运算处理的过程，则上述相关决策例的决策逻辑可以是：先求得每个设备对应的生产效率和故障率的和，再将生产效率和故障率的和最大的设备作为最终决策结果。

该实施例中，例决策变量即为：用于被基于第一决策逻辑进行执行处理的数据变量，例如：相关决策例是关于决策出生产效率高和故障率低的设备的决策例，则决策变量为：设备的生产效率和故障率。

该实施例中，基于第一决策逻辑和例决策变量搭建出辅助决策策略即为：

基于决策逻辑确定出例决策变量之间的执行逻辑，进而将例决策变量之间的执行逻辑作为决策策略。

以上技术的有益效果为：基于在相关决策例中挖掘出的决策逻辑确定出例决策变量之间的执行逻辑，进而获得决策应用场景下达到决策目标时采用的决策策略。

实施例5：

在实施例1的基础上，所述的一种基于大数据的辅助决策方法，S3：基于辅助决策策略和决策例相关数据确定出目标决策策略，并确定出目标决策策略所需的决策变量数据，包括：

基于辅助决策策略和决策例相关数据确定出目标决策策略；

基于目标决策策略的第二决策变量的数据来源，获取目标源数据；

基于目标源数据确定出决策变量数据。

该实施例中，第二决策变量即为执行目标决策策略时所需的决策变量。

该实施例中，数据来源即为第二决策变量的数据来源，即每种决策变量都绑定了对应的决策变量数据库(即包含基于大数据获取的对应决策变量的数据的数据库)，则对应的决策变量数据库即为第二决策变量的数据来源。

该实施例中，目标源数据即为对应决策变量的输入数据(可以是基于公司的实际条件确定出的数据，也可以是根据计划(例如生产计划等)确定出的假设条件确定出的数据)。

以上技术的有益效果为：实现基于目标决策策略中的决策变量的数据来源，自动获取目标决策策略所需的决策变量数据，实现决策变量数据的自动获取，无需程序员输入，可以减少数据录入的误差和局限性。

实施例6：

在实施例5的基础上，所述的一种基于大数据的辅助决策方法，基于辅助决策策略和决策例相关数据确定出目标决策策略，包括：

判断出是否存在用户输入的主要决策策略，获得判断结果；

基于判断结果和辅助决策策略以及决策例相关数据确定出目标决策策略。

该实施例中，判断结果即为判断出是否存在用户输入的主要决策策略后获得的结果。

该实施例中，判断出是否存在用户输入的主要决策策略，获得判断结果，即为：

判断用户是否输入了自己构建的决策策略，若是，则将存在用户输入的主要决策策略作为判断结果，否则，将不存在用户输入的主要决策策略作为判断结果。

该实施例中，主要决策策略即为用户输入的决策策略，即除了在相关决策例中挖掘出辅助决策策略以外的决策策略，主要决策策略与辅助决策策略的决策应用场景和决策目标都相同。

以上技术的有益效果为：通过判断用户是否输入了除在相关决策例中挖掘出辅助决策策略以外的与辅助决策策略的决策应用场景和决策目标都相同的决策策略，实现了可以结合用户输入的人工确定的决策策略生成最终决策策略，提高了决策策略的智能化程度和用户的交互程度。

实施例7：

在实施例6的基础上，所述的一种基于大数据的辅助决策方法，基于判断结果和辅助决策策略以及决策例相关数据确定出目标决策策略，包括：

判断出是否存在用户输入的主要决策策略，若是，则判断出主要决策策略中每个第一逻辑步骤的第一运算含义是否与辅助决策策略中相同执行顺序的第二逻辑步骤的第二运算含义一致，若是，则将主要决策策略或者辅助决策策略作为目标决策策略，否则，获取决策策略中包含主要决策策略和辅助决策策略之间的差异部分决策策略的待判断决策例，基于待判断决策例和决策例相关数据确定出目标决策策略，否则，将辅助决策策略作为目标决策策略。

该实施例中，判断出主要决策策略中每个第一逻辑步骤的第一运算含义是否与辅助决策策略中相同执行顺序的第二逻辑步骤的第二运算含义一致，若是，则将主要决策策略或者辅助决策策略作为目标决策策略，否则，获取决策策略中包含主要决策策略和辅助决策策略之间的差异部分决策策略的待判断决策例，包括：

基于主要决策策略的第三决策逻辑(即为主要决策策略的决策逻辑)搭建出第一决策逻辑流程(即为表征主要决策策略中的逻辑执行步骤的流程)，基于辅助决策策略的第一决策逻辑(即为辅助决策策略的决策逻辑)搭建出第二决策逻辑流程(即为表征辅助决策策略中的逻辑执行步骤的流程)；

确定出第一决策逻辑流程中每个第一逻辑步骤(即为第一决策逻辑流程中包含的逻辑执行步骤，例如：将上一步获得的所有结果进行加和处理)的第一运算含义(即为对应第一逻辑步骤中的与运算含义，例如：加和)和第二决策逻辑流程中每个第二决策逻辑步骤(即为第二决策逻辑流程中包含的逻辑执行步骤，例如：将上一步获得的所有结果进行加和处理)的第二运算含义(即为对应第二逻辑步骤中的与运算含义，例如：加和)，并确定出每个第一逻辑步骤在第一决策逻辑流程中的执行顺序和每个第二逻辑步骤在第二决策逻辑流程中的执行顺序(即为表征对应逻辑步骤在对应决策逻辑流程中的第几步执行的序数)；

判断出第一决策逻辑流程中每个第一逻辑步骤的第一运算含义(例如，将上一步获得的所有结果求平均，或筛选出上一步获得的所有结果中的最大值)是否与第二决策逻辑流程中相同执行顺序的第二逻辑步骤的第二运算含义一致，若是，则将主要决策策略或者辅助决策策略作为目标决策策略；

否则，在主要决策策略中确定出与辅助决策策略不同的差异部分决策策略(即主要决策策略中与辅助决策策略不同的部分决策策略)，在决策例数据库中检索出决策逻辑中包含差异部分决策策略的第四决策逻辑(差异部分决策策略对应的决策逻辑)的待判断决策例(即为在相关决策例数据库中筛选出的决策逻辑中包含差异部分决策策略的第四决策逻辑的决策例)。

该实施例中，基于待判断决策例和决策例相关数据确定出目标决策策略，包括：

确定出待判断决策例中的待判断决策变量数据(待判断决策例的决策变量数据)和对应的待判断决策结果(待判断决策例的决策结果)；

基于决策变量之间的第一相关度列表(即为包含不同决策变量之间的相关度的列表)，确定出待判断决策例中每个待判断决策变量和辅助决策策略中的每个决策变量之间的第一子相关度(即为表征待判断决策变量和决策变量之间的相关程度的数值)，基于所有第一子相关度确定出对应待判断决策例的所有待判断决策变量和对应辅助决策策略的所有例决策变量之间的第一相关度：

式中，为对应待判断决策例的所有待判断决策变量和对应辅助决策策略的所有例决策变量之间的第一相关度，i为待判断决策例中当前计算的待判断决策变量，n为待判断决策例中的待判断决策变量的总数，j为辅助决策策略中当前计算的例决策变量，m为辅助决策策略中的例决策变量的总数，x_i为待判断决策例中的第i个待判断决策变量，y_i为辅助决策策略中的第j个例决策变量，δ(x_i,y_i)为待判断决策例中的第i个待判断决策变量和辅助决策策略中的第j个例决策变量之间的第一子相关度；

例如，待判断决策例中每个待判断决策变量和辅助决策策略中的每个决策变量之间的第一子相关度包括：0.9、0.91、0.9、0.89，则为0.9；

查询决策结果之间的第二相关度列表，确定出待判断决策例的决策结果和对应相关决策例之间的第二相关度；

将第一相关度和第二相关度的平均值作为待判断决策例的评分值，当存在评分值不小于评分阈值(即为预设的当待判断决策例对应的第四决策逻辑和第四决策变量可以被搭建为目标决策策略时应该满足的最小评分值)的待判断决策例时，则基于最大评分值对应的待判断决策例对应的第四决策逻辑(即为最大评分值对应的待判断决策例对应的决策逻辑)和第四决策变量(即为最大评分值对应的待判断决策例对应的决策变量)搭建出目标决策策略；

当评分值小于评分阈值时，则将辅助决策策略作为目标决策策略。

以上技术的有益效果为：通过将用户输入的主要决策策略和生成的辅助决策策略的决策逻辑中的决策步骤的运算含义进行相应比较，判断出辅助决策策略和主要决策策略是否一致，当两者不一致时，基于辅助决策策略和主要决策策略中的差异部分决策策略在决策例数据库中筛选出待判断决策例，基于待判断决策例和相关决策例之间的相关度，可以实现对待判断决策例的进一步筛选判断，进而不仅实现了可以结合用户输入的人工确定的决策策略对生成的辅助决策策略进行调整并生成最终的目标决策策略，也在提高决策策略生成过程中的交互性的同时，保证了生成的决策策略的高精度决策效果，提高了决策策略的智能化程度和用户的交互程度。

实施例8：

在实施例6的基础上，所述的一种基于大数据的辅助决策方法，基于目标决策策略的第二决策变量的数据来源，获取目标源数据，包括：

基于目标决策策略的第二决策变量，确定出目标决策策略所需的决策变量数据的数据类型；

基于对应第二决策变量的数据来源，获取对应数据类型的源数据；

将所有数据类型的源数据汇总，获得目标源数据。

该实施例中，数据类型例如有：

该实施例中，源数据即为基于对应第二决策变量的数据来源在对应的决策变量数据库(即包含基于大数据获取的对应决策变量的数据的数据库)中获取的数据。

该实施例中，目标源数据即为将所有数据类型的源数据汇总后获得的数据。

以上技术的有益效果为：实现基于目标决策策略的第二决策变量的数据来源获取对应数据类型的源数据，进而获得执行目标决策策略时所需的数据。

实施例9：

在实施例8的基础上，所述的一种基于大数据的辅助决策方法，基于目标源数据确定出决策变量数据，包括：

当目标源数据中包含的对应数据类型的源数据大于对应所需数据量时，则在对应数据类型的源数据中筛选出决策变量数据；

当目标源数据中包含的对应数据类型的源数据小于对应所需数据量时，则对对应数据类型的源数据进行数据扩充，获得决策变量数据。

该实施例中，所需数据量即为基于目标决策策略确定出的执行目标决策策略时所需要的对应决策变量的数据量。

该实施例中，在对应数据类型的源数据中筛选出决策变量数据，包括；

基于所需数据量，在源数据中尽可能地均匀提取出所需数据量的决策变量数据。

该实施例中，对对应数据类型的源数据进行数据扩充，获得决策变量数据，包括；

基于所需数据量，对对应数据类型的源数据进行均匀插值处理(即获取源数据的最大值和最小值之间的差值，将所需数据量和源数据的数据量的差值作为所需补充数据量，将源数据的最大值和最小值之间的差值和所需补充数据量的比值作为插值间隔，基于插值间隔对源数据进行差值处理，即表示为：X_min+Δ、X+2Δ、X+3Δ，……，X_max，其中，X_min为源数据的最小值，X_max为源数据的最大值，Δ为插值间隔)，获得所需数据量的决策变量数据；

例如：源数据包括：1、2、5，而所需数据量为5个数值，则对源数据的均匀插值处理的结果(所需数据量的决策变量数据)为：1、2、3、4、5。

以上技术的有益效果为：实现在自动获取的目标源数据的基础上对数据进行适应性筛选和扩充，进而获得执行目标决策策略所需的高质量数据。

实施例10：

在实施例1的基础上，所述的一种基于大数据的辅助决策方法，S4：基于决策变量数据和目标决策策略，获得最终决策结果，包括：

基于目标决策策略确定出第二决策逻辑；

基于第二决策逻辑对决策变量数据进行处理运算，获得最终决策结果。

该实施例中，第二决策逻辑即为目标决策策略中对目标决策变量对应的决策变量数据进行处理运算的逻辑执行过程，例如：决策目标为筛选出绩效最佳员工，则目标决策策略中的决策逻辑可以是：获取每个员工完成的绩效指标，将每个员工和标准绩效指标的比值作为对应员工的完成占比，将最大完成占比的员工作为最终决策结果。

该实施例中，基于第二决策逻辑对决策变量数据进行处理运算，即为：基于第二决策逻辑中每个步骤的运算含义对决策变量数据依次进行处理运算。

以上技术的有益效果为：实现了将决策变量数据输入至基于目标决策策略搭建出的目标决策模型后获得决策结果。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种基于大数据的辅助决策方法，其特征在于，包括：

S1：确定出决策应用场景和决策目标；

S2：基于决策应用场景和决策目标确定出辅助决策策略和决策例相关数据；

S3：基于辅助决策策略和决策例相关数据确定出目标决策策略，并确定出目标决策策略所需的决策变量数据；

S4：基于决策变量数据和目标决策策略，获得最终决策结果；

步骤S3：基于辅助决策策略和决策例相关数据确定出目标决策策略，并确定出目标决策策略所需的决策变量数据，包括：

基于辅助决策策略和决策例相关数据确定出目标决策策略；

基于目标决策策略的第二决策变量的数据来源，获取目标源数据；

基于目标源数据确定出决策变量数据；

其中，基于辅助决策策略和决策例相关数据确定出目标决策策略，包括：

判断出是否存在用户输入的主要决策策略，获得判断结果；

基于判断结果和辅助决策策略以及决策例相关数据确定出目标决策策略；

其中，基于判断结果和辅助决策策略以及决策例相关数据确定出目标决策策略，包括：

判断出是否存在用户输入的主要决策策略，若是，则判断出主要决策策略中每个第一逻辑步骤的第一运算含义是否与辅助决策策略中相同执行顺序的第二逻辑步骤的第二运算含义一致，若是，则将主要决策策略或者辅助决策策略作为目标决策策略，否则，获取决策策略中包含主要决策策略和辅助决策策略之间的差异部分决策策略的待判断决策例，基于待判断决策例和决策例相关数据确定出目标决策策略，否则，将辅助决策策略作为目标决策策略；

其中，基于待判断决策例和决策例相关数据确定出目标决策策略，包括：

确定出待判断决策例中的待判断决策变量数据和对应的待判断决策结果；

基于决策变量之间的第一相关度列表，确定出待判断决策例中每个待判断决策变量和辅助决策策略中的每个决策变量之间的第一子相关度，基于所有第一子相关度确定出对应待判断决策例的所有待判断决策变量和对应辅助决策策略的所有例决策变量之间的第一相关度；

查询决策结果之间的第二相关度列表，确定出待判断决策例的决策结果和对应相关决策例之间的第二相关度；

将第一相关度和第二相关度的平均值作为待判断决策例的评分值，当存在评分值不小于评分阈值的待判断决策例时，则基于最大评分值对应的待判断决策例对应的第四决策逻辑和第四决策变量搭建出目标决策策略；

当评分值小于评分阈值时，则将辅助决策策略作为目标决策策略。

2.根据权利要求1所述的一种基于大数据的辅助决策方法，其特征在于，S1：确定出决策应用场景和决策目标，包括：

S101：基于用户输入的决策条件，确定出辅助决策的目标应用领域，并基于目标应用领域确定出决策应用场景；

S102：基于用户输入的决策条件确定出决策目标。

3.根据权利要求1所述的一种基于大数据的辅助决策方法，其特征在于，S2：基于决策应用场景和决策目标确定出辅助决策策略和决策例相关数据，包括：

S201：基于决策应用场景和决策目标获取相关决策例；

S202：在相关决策例中挖掘出辅助决策策略；

S203：在相关决策例中提取出例决策变量数据和例决策结果作为决策例相关数据。

4.根据权利要求3所述的一种基于大数据的辅助决策方法，其特征在于，S202：在相关决策例中挖掘出辅助决策策略，包括：

在相关决策例的决策过程记录中挖掘出第一决策逻辑；

基于第一决策逻辑和例决策变量搭建出辅助决策策略。

5.根据权利要求1所述的一种基于大数据的辅助决策方法，其特征在于，基于目标决策策略的第二决策变量的数据来源，获取目标源数据，包括：

基于目标决策策略的第二决策变量，确定出目标决策策略所需的决策变量数据的数据类型；

基于对应第二决策变量的数据来源，获取对应数据类型的源数据；

将所有数据类型的源数据汇总，获得目标源数据。

6.根据权利要求5所述的一种基于大数据的辅助决策方法，其特征在于，基于目标源数据确定出决策变量数据，包括：

当目标源数据中包含的对应数据类型的源数据大于对应所需数据量时，则在对应数据类型的源数据中筛选出决策变量数据；

当目标源数据中包含的对应数据类型的源数据小于对应所需数据量时，则对对应数据类型的源数据进行数据扩充，获得决策变量数据。

7.根据权利要求1所述的一种基于大数据的辅助决策方法，其特征在于，S4：基于决策变量数据和目标决策策略，获得最终决策结果，包括：

基于目标决策策略确定出第二决策逻辑；

基于第二决策逻辑对决策变量数据进行处理运算，获得最终决策结果。