DecisionScience 中文导航
原文: DecisionScience
分类: 决策科学
大小: 112 MB
语言: 多语言
📚 仓库简介
DecisionScience 是一个决策科学资源汇总仓库，收集了决策科学、行为经济学、数据分析相关的学习资料、工具和案例。适合数据科学家、业务分析师和决策研究者使用。
GitHub: https://github.com/IvanaXu/DecisionScience
🔧 核心内容
| 内容类别 |
描述 |
文件数 |
| 学习资源 |
书籍、论文、课程链接 |
50+ |
| 工具集合 |
决策工具、软件推荐 |
20+ |
| 实战案例 |
商业案例分析 |
15+ |
| 方法论 |
决策框架、思维模型 |
30+ |
📁 目录结构
DecisionScience/
├── resources/ # 学习资源
│ ├── books/ # 书籍推荐
│ ├── papers/ # 论文集合
│ ├── courses/ # 在线课程
│ └── tools/ # 工具推荐
├── methods/ # 方法论
│ ├── frameworks/ # 决策框架
│ ├── models/ # 思维模型
│ └── techniques/ # 技术方法
├── cases/ # 案例研究
│ ├── business/ # 商业案例
│ └── policy/ # 政策案例
├── datasets/ # 数据集
└── README.md # 主文档
🚀 快速开始
浏览学习资源
# 查看推荐书籍
cat DecisionScience/resources/books/README.md
# 查看工具集合
cat DecisionScience/resources/tools/README.md
核心资源推荐
| 资源 |
说明 |
链接 |
| 决策科学入门 |
基础概念和方法 |
resources/courses/intro.md |
| 行为经济学 |
行为偏差和决策 |
resources/books/behavioral.md |
| 因果推断 |
因果分析方法 |
resources/papers/causal.md |
📖 关键资源
1. 书籍推荐 (Top 10)
| 书籍 |
作者 |
难度 |
主题 |
| 《思考，快与慢》 |
Kahneman |
⭐⭐ |
行为经济学 |
| 《Judgment Under Uncertainty》 |
Tversky |
⭐⭐⭐ |
决策理论 |
| 《Nudge》 |
Thaler |
⭐⭐ |
助推理论 |
| 《超级预测》 |
Tetlock |
⭐⭐ |
预测方法 |
| 《噪声》 |
Kahneman |
⭐⭐ |
决策质量 |
2. 核心论文
| 论文 |
年份 |
引用 |
主题 |
| Prospect Theory |
1979 |
50000+ |
前景理论 |
| Judgment Under Heuristics |
1974 |
40000+ |
启发式 |
| Nudge Theory |
2008 |
10000+ |
行为设计 |
3. 工具推荐
| 工具 |
类型 |
用途 |
| TreeAge |
商业软件 |
决策树分析 |
| @RISK |
Excel 插件 |
风险分析 |
| R + bayesFactor |
开源 |
贝叶斯分析 |
| Python + EconML |
开源 |
因果推断 |
💡 学习方法
入门路径 (1-3 个月)
1. 阅读《思考，快与慢》→ 了解行为经济学基础
2. 学习决策矩阵和 SWOT → 掌握基础工具
3. 分析 3-5 个商业案例 → 实践应用
进阶路径 (3-12 个月)
1. 精读《Judgment Under Uncertainty》→ 深入理论
2. 学习 R/Python 行为数据分析 → 技术能力
3. 掌握 MCDA、决策树方法 → 方法体系
高级路径 (12+ 个月)
1. 阅读学术期刊最新论文 → 前沿追踪
2. 开发决策支持系统 → 工程能力
3. 发表研究成果/案例 → 贡献领域
📊 决策科学框架
常见决策框架
| 框架 |
步骤 |
适用场景 |
| WRAP |
拓宽选项→实证检验→留距决策→准备犯错 |
个人/商业决策 |
| DECIDE |
定义→建立→考虑→识别→开发→评估 |
管理决策 |
| OODA |
观察→调整→决策→行动 |
快速决策 |
| Cynefin |
分类问题→选择方法 |
问题诊断 |
定量决策方法
| 方法 |
工具 |
复杂度 |
| 决策树 |
TreeAge, R |
⭐⭐ |
| 蒙特卡洛 |
Python, @RISK |
⭐⭐⭐ |
| 多准则分析 |
Expert Choice |
⭐⭐⭐ |
| 实物期权 |
Excel, MATLAB |
⭐⭐⭐⭐ |
🎯 实践应用
商业决策案例
1. 产品定价决策
- 方法： conjoint analysis
- 工具： R + choiceModelR
- 产出：最优价格点
2. 市场进入决策
- 方法：决策树 + 实物期权
- 工具： TreeAge
- 产出：进入策略和时机
公共政策案例
1. 养老金政策设计
- 方法：助推理论
- 工具：行为洞察
- 产出：自动加入机制
2. 健康干预设计
- 方法：行为经济学
- 工具：RCT 实验
- 产出：干预方案
🔗 相关资源
📚 推荐学习顺序
1. README.md → 了解仓库结构
2. resources/books/ → 选择 1-2 本入门书籍
3. methods/frameworks/ → 学习 2-3 个决策框架
4. cases/ → 分析实战案例
5. tools/ → 选择适合的工具实践
🛠️ 常用决策工具
免费工具
| 工具 |
类型 |
学习资源 |
| R + 决策包 |
统计分析 |
resources/tools/r-decision.md |
| Python + 科学栈 |
通用建模 |
resources/tools/python.md |
| JASP |
贝叶斯统计 |
resources/tools/jasp.md |
商业工具
| 工具 |
价格 |
适用场景 |
| TreeAge Pro |
$500+/年 |
专业决策分析 |
| @RISK |
$1000+/年 |
企业风险管理 |
| Analytica |
$2000+/年 |
复杂系统建模 |
本地路径: /workspace/code-examples/DecisionScience/
创建时间: 2026-06-01
难度: ⭐⭐ (入门友好)
**DecisionScience 中文导航 | 决策科学资源宝库**
[返回代码索引](../../README_UPDATED.md) | [决策科学资源大全](../../docs/resources/decision-science-comprehensive-resources.md)