业务规则引擎使用的数据传输模型

[Aklima@444]

为了让组织在数字时代蓬勃发展，他们需要动态流程来实施他们日复一日做出的数千个业务决策。无论是销售佣金、索赔审计、福利管理还是其他，业务规则都是有效流程执行的基本特征。

业务规则引擎允许您在不与代码交互的情况下管理业务规则。这使得最终用户无需依赖 IT 团队的支持即可更新业务规则。

业务规则定义了管理组织流程的条件语句，而业务规则引擎是指示结果真假的应用程序端。通过业务规则引擎的发挥，组织可以提高随时响应市场波动的能力。

在本文中，我们将扩展业务规则引擎使用的数据传输模型：

传动链
前瞻性链接也被描述为数据驱动推理。推理基于已知数据并随之推进。此外，一致地应用推理规则，直到实现目标。此外，通过前向链接，所有规则都按预定义的顺序定义，您可以按术语指定它们，包括：

条款
行动
固定装置
在每个步骤结束时，都会添加另一个步骤，直到整个“链”完成。前瞻性链接的最佳场景是当数据已收集并且您希望更好地理解和使用该信息时。例如，您可以在任务分析中使用前向链接。

向后链接
描述后向链接的另一个术语是客观推理。执行点以目标列表开始。然而，与前向链接不同，后向链接的工作原理相反，正如其名称所示。这个想法是找到让你实现目标的路径。此外，该数据传输模型将搜索与所需结果充分一致的最合适的规则。想象一下，您提出一个假设并寻找支持证据：这种情况类似于向后链接的概念。

基于特定领域语言的确定性引擎
基于特定领域语言的确定性规则引擎将始终为每个输入产生相同的输出。此外，它总是经历类似的状态序列。如果输入相同，您将得到相同的结果。确定性规则引 擎 波斯尼亚和黑塞哥维那电报数据 是最实用的数据传输模型之一，因为它也是最一致的。输入后，确定性规则引擎将进入启动状态。然后它的当前状态预测它的下一个状态。每次移动到下一个状态都是预先确定的。

模糊逻辑
模糊逻辑是由加州大学的 Zadeh博士于 20 世纪 60 年代创建的。它来源于“模糊集合论”。它被称为“模糊”，因为它不产生传统的“真或假”陈述（1 和 0），而是提供“真实程度”。因此，该数据传输模型侧重于近似值而不是纯粹的精度。为了使模糊逻辑更容易，使用广泛的值会很有帮助。

您可以将模糊逻辑应用于可以产生多种结果的复杂业务模型。模糊逻辑关注的是 1 和 0 极值之间的“真实性”。例如，您可以使用模糊逻辑并确定您的组织在 0.85 时具有偿付能力。