第六講第15章-商務智能.ppt

1 第6講電子商務中的商務智能 2學時 哈爾濱工業(yè)大學管理學院王澤彬Wangzebin 第15章電子商務中的商務智能 3 15 1商務智能的概念15 2數據倉庫15 3OLTP OLAP15 4數據挖掘15 5商務智能的架構 15 1商務智能的概念 5 6 商務智能的提出 九十年代末 美國商務智能的含義商務智能 BusinessIntelligence 縮寫為BI 指利用計算機及計算機網絡 從商業(yè)數據存儲中提取與分析企業(yè)關注信息的智能化的數據分析處理系統(tǒng) 商務智能的核心技術數據倉庫DW 在線分析處理OLAP 數據挖掘DM 7 商務智能 簡稱BI 指通過對數據的收集 管理 分析以及轉化 使數據成為可用的信息 從而獲得必要的洞察力和理解力 更好地輔助決策和指導行動的過程 商務智能系統(tǒng)指利用計算機技術及信息技術 從商業(yè)數據中提取出與企業(yè)決策相關的信息的智能化的數據分析處理系統(tǒng) 商務智能系統(tǒng)是一種為決策制定者提供決策支持的信息系統(tǒng) 商務智能系統(tǒng)從基于計算機技術的決策支持技術發(fā)展而來 8 國內學術界的觀點 BI實際上是幫助企業(yè)提高決策能力和運營能力的概念 方法 過程以及軟件的集合 其主要目標是將企業(yè)所掌握的信息轉換成競爭優(yōu)勢 提高企業(yè)決策能力 決策效率 決策準確性 9 國內產業(yè)界的觀點 商務智能是指一種能力 通過智能地使用企業(yè)的數據財產來制定更好的商務決策 它的意思是說各種企業(yè)的決策人員以企業(yè)中的數據倉庫 DataWarehouse 為本 經由各式各樣的查詢分析工具 Query ReportTools 聯機分析處理 OLAP 工具 或是數據挖掘 DataMining 工具加上決策規(guī)劃人員的行業(yè)知識 IndustryKnowledge 從數據倉庫中獲得有利的信息 進而幫助企業(yè)提高獲利 增加生產力與競爭力 10 與BI相關的幾個重要概念 BI BusinessIntelligence 商務智能 DW DataWarehouse 數據倉庫 OLTP OnlineTransactionProcess OLAP OnlineAnalysisProcess DM DataMining 數據挖掘 15 2數據倉庫 12 數據倉庫 DataWarehouse簡稱DW Adatawarehouseisasubject oriented integrated time variant andnonvolatilecollectionofdatainsupportofmanagement sdecision makingprocess W H Inman數據倉庫是實現商務智能的基礎平臺 13 數據倉庫為滿足管理決策中的數據需求 W H Inmon 在1992最先提出了數據倉庫的概念 按照Inmon的定義 數據倉庫是面向主題的 集成的 穩(wěn)定的 不同時間的數據集合 用于支持經營管理的決策制定過程 目前已經成為企業(yè)級決策系統(tǒng)的重要組成部分 14 數據倉庫VS數據庫 數據庫系統(tǒng) 生產系統(tǒng) 面向應用 事務驅動的實時性高數據檢索量少只存當前數據 數據倉庫系統(tǒng) 決策系統(tǒng) 面向主題 分析和決策實時性要求不是特別高數據檢索量大存儲大量的歷史數據和當前數據 客戶 產品 渠道 交易 機構 15 3OLTP OLAP 16 OLTP OLAP OLTP OnlineTransactionProcess 聯機事務處理 是公司日常運營的基礎 是業(yè)務流程信息化的關鍵 基于日常數據庫 例 17 OLAP 為滿足基于大型數據庫的復雜查詢 決策分析等需求 彌補OLTP On LineTransactionProcessing 在線事務處理 在功能上的不足 90年代初出現了OLAP技術 E F Codd 1993 目前OLAP已經成為大部分數據倉庫的重要分析工具 18 OLTP OLAP OLAP OnlineAnalysisProcess 聯機分析處理 基于數據倉庫的數據分析 以供決策所需 面向管理層 面向未來 滿足決策支持或多維環(huán)境特定的查詢和報表需求 它的技術核心是 維 這個概念 因此OLAP也可以說是多維資料分析工具的集合 19 ASampleDataCube 哈爾濱銷售電視機的總量 20 OLAP多維分析方法 上卷 roll up 下鉆 drill down 切片 dice 切塊 slice 旋轉 rotate 旋軸 pivot 21 TheMOLAPCube Facttableview Multi dimensionalcube dimensions 2 22 3 D立方體 dimensions 3 Multi dimensionalcube Facttableview day2 day1 23 上鉆 下鉆 day2 day1 129 Example computingsums 24 切塊 切片 day2 day1 TIME day1 15 4數據挖掘 26 DM DataMining Datamining knowledgediscoveryfromdata Extractionofinteresting non trivial implicit previouslyunknownandpotentiallyuseful patternsorknowledgefromhugeamountofdata Fayyad Piatetsky Shapiro Smyth 96 27 DM DataMining 數據挖掘 DataMining 就是從大量的 不完全的 有噪聲的 模糊的 隨機的數據中 提取隱含在其中的 人們事先不知道的 但又是潛在有用的信息和知識的過程 28 WhyDataMining 數據庫技術的發(fā)展Tocollectalargeamountofdata primitivefileprocessingTostoreandquerydataefficiently DBMS新的挑戰(zhàn) hugeamountofdata howtoanalyzeandunderstand Datamining 29 數據挖掘VS數據倉庫 數據挖掘 DataMining 與數據倉庫 DataWarehouse 沒有直接的聯系在大部分情況下 數據挖掘都要把數據從數據倉庫中拿到數據挖掘庫或數據集市中為了數據挖掘你也不必非得建立一個數據倉庫 數據倉庫不是必須的 30 DataMiningApplication 商業(yè) 貸款 網上購物 購買書籍 Web Google政府 毒品交易 反恐怖醫(yī)療保險病人 31 ProblemsSuitableforData Mining 基于知識的決策具有變化的外部環(huán)境具有可以使用的 充分的相關數據正確的決策具有高的回報率 32 DM 數據挖掘 VSOLAP OLAP分析過程的本質是一個演繹推理的過程OLAP分析先建立一系列的假設 然后通過OLAP來證實或推翻這些假設來最終得到自己的結論 33 DM 數據挖掘 VSOLAP DM DataMining 和OLAP是完全不同DM本質上是一個歸納的過程不是用于驗證某個假定的模型的正確性 而是在數據庫中自己尋找模型數據挖掘和OLAP具有一定的互補性 34 問題描述 預測信用水平是好還是差 銀行據此決定是否向客戶發(fā)放貸款 發(fā)放多少結果描述 收入大于5萬元 年 是 否 有無儲蓄帳戶 是否房主 是 是 否 否 批準 不批準 批準 AnExample 35 數據挖掘的典型結果 電信問題描述 根據客戶信息 預測客戶流失可能性結果描述 神經網絡 輸入 流失概率 0 87 輸出 男 29 3000元 月 神州行 130元 月 AnExample 15 5商務智能的架構 37 BI平臺基本架構 ArchitectureofBusinessIntelligenceSystem WonKim 19982ndWorldwideComputingandit sApplications 38 39 案例 商務智能模型 異構數據采集程序 采集接口1 采集接口2 采集接口n 數據修正篩選程序 數據倉庫系統(tǒng)OLAP 數據挖掘系統(tǒng) 表示與發(fā)布系統(tǒng) 管理駕駛艙系統(tǒng) 智能報表系統(tǒng) WEB發(fā)布系統(tǒng) 診斷發(fā)布系統(tǒng) WEB數據采集接口 WEB智能表單統(tǒng)計平臺 第一部分 第二部分 第三部分 第四部分 40 應用實例 航天科技風華電子預算分析及數據挖掘平臺哈藥集團醫(yī)藥物流數據挖掘系統(tǒng)酒店行業(yè)數據挖掘的實際應用 41 數據挖掘系統(tǒng) 全面預算管理系統(tǒng) 航天科技風華電子預算分析及數據挖掘平臺總體目標 航天科技風華電子預算分析及數據挖掘平臺 42 哈藥集團商務智能系統(tǒng)的分析方法 哈藥集團商務智能系統(tǒng) 43 44 北京保利大廈酒店行業(yè)數據挖掘的實際應用