商務智能復習文檔

1、商務智能：BusinessIntelligence-由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復等部分組成的、以輔助企業(yè)決策為目的一類技術(shù)及其應用-工業(yè)界-商務智能可以被看作是一類技術(shù)或工具，利用它們可以對大量的數(shù)據(jù)進行收集、管理、分析和挖掘，以改善業(yè)務決策水平，增強企業(yè)的競爭力-學術(shù)界-商務智能是一套理論、方法和應用，通過它們可以快速地發(fā)現(xiàn)海量數(shù)據(jù)中隱含的各種知識，有效地解決企業(yè)面臨的管理和決策問題，支持企業(yè)的戰(zhàn)略實施。商務智能指收集、轉(zhuǎn)換、分析和發(fā)布數(shù)據(jù)的過程，目的是為了更好的決策。商務智能是指將數(shù)據(jù)轉(zhuǎn)化為知識的過程。它包括捕獲和分析信息，交流信息，以及利用這些信

2、息開發(fā)市場。商務智能是企業(yè)利用現(xiàn)代信息技術(shù)收集、管理和分析結(jié)構(gòu)化和非結(jié)構(gòu)化的商務數(shù)據(jù)和信息，創(chuàng)造和累計商務知識和見解，改善商務決策水平，采取有效的商務行動，完善各種商務流程，提升商務績效，增強綜合競爭力的智慧和能力。BusinessIntelligenceisaprocessofturningdataintoknowledgeandknowledgeintoactionforbusinessgainDataWarehouseInstitute商務智能是指透過資料的萃取、整合及分析，支持決策過程的技術(shù)和商業(yè)處理流程，其目的是為了使使用者能在決策的時候，盡可能得到更好的協(xié)助。商務智能是運用數(shù)據(jù)倉庫

3、、在線分析和數(shù)據(jù)挖掘技術(shù)來處理和分析數(shù)據(jù)的技術(shù)，它允許用戶查詢和分析數(shù)據(jù)庫，進而得出影響商業(yè)活動的關(guān)鍵因素，最終幫助用戶做出更好、更合理的決策。商務智能是通過利用多個數(shù)據(jù)源的信息以及應用經(jīng)驗和假設(shè)，來促進對企業(yè)動態(tài)性的準確理解，以便提高企業(yè)決策能力的一組概念、方法和過程的集合。商務智能是通過獲取與各個主題相關(guān)的高質(zhì)量和有意義的信息來幫助人們分析信息、得出結(jié)論、形成假設(shè)的過程。商務智能是融合了先進信息技術(shù)與創(chuàng)新管理理念的結(jié)合體，集成企業(yè)內(nèi)外數(shù)據(jù)，進行加工并從中提取能夠創(chuàng)造商業(yè)價值的知識，面向企業(yè)戰(zhàn)略并服務于管理層、業(yè)務層，指導企業(yè)經(jīng)營決策，提升企業(yè)競爭力。商務智能對企業(yè)的作用和價值資金成本分析：

4、建立起內(nèi)部資金的有償使用機制資本金分配的目的：經(jīng)營考核的需要，風險管理的需要，財務管理的需要，市場進出的需要不同層次的商務智能應用：以前發(fā)生了什么、現(xiàn)在發(fā)生著什么、業(yè)務活動管理、為什么發(fā)生了、將來會發(fā)生什么數(shù)據(jù)（Data）數(shù)據(jù)是對事物描述的符號。在計算機科學中，數(shù)據(jù)是數(shù)字、文字、圖像、聲音等可以輸入到計算機被識別的符號企業(yè)運營離不開數(shù)據(jù)。企業(yè)運營的各個環(huán)節(jié)每天都在積累數(shù)據(jù)，如供應商、客戶的數(shù)據(jù)，銷售、生產(chǎn)以及庫存數(shù)據(jù)等。用戶生成數(shù)據(jù)(usergenerateddata,UGD)社會化媒體、智能化手機等使得全世界不計其數(shù)的個體也在不斷產(chǎn)生數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)(structureddata)：通常以二維

5、表格的形式存儲在關(guān)系數(shù)據(jù)庫中非結(jié)構(gòu)化數(shù)據(jù)(unstructureddata):文本數(shù)據(jù)信息(information)通過一定的技術(shù)和方法，對數(shù)據(jù)進行集成、分析，挖掘其潛在的規(guī)律和內(nèi)涵，得到的結(jié)果是信息。信息是具有商務意義的數(shù)據(jù)例如，通過對零售信息的集成和分析發(fā)現(xiàn)，某超市的客戶群根據(jù)其消費行為可以分為若干個群體，每個群體具有一些明顯的特征。例如，其中一個群體是單身女性，喜歡經(jīng)常購買化妝品，消費金額高。知識(Knowledge)當信息用于商務決策，并基于決策開展相應的商務活動時，信息就上升為知識信息轉(zhuǎn)化為知識的過程不僅需要信息，而且需要結(jié)合決策者的經(jīng)驗和能力，用以解決實際的問題。例如，某連鎖超市的

6、經(jīng)理發(fā)現(xiàn)，近期化妝品的銷售業(yè)績下降了，為了解決該問題,促銷措施，根據(jù)對數(shù)據(jù)的分析得到的客戶分群的信息，銷售經(jīng)理鎖定了促銷的目標客戶群，決定米取最終開展了為這部分客戶郵寄優(yōu)惠券的促銷活動。商務智能過程知識發(fā)現(xiàn)知識發(fā)現(xiàn)的特征知識模式是使用一種形式化語言來進行的表達，表達描述了事實集合的子集中的一種顯著的事實。通過某種知識發(fā)現(xiàn)方法得到一個顧客細分的結(jié)果子集為41歲顧客，42歲顧客，48歲顧客,43歲顧客，64歲顧客,可以歸納為“40之上的顧客”或者“中年以上的顧客”等。知識發(fā)現(xiàn)強調(diào)模式的有效性、新穎性、潛在有用性以及最終能被理解。1.2.2知識發(fā)現(xiàn)過程1、理解所要進行研究的領(lǐng)域、與之相關(guān)的以前的知識

7、、以及用戶的目標；2、創(chuàng)建/選擇目標數(shù)據(jù)集合；3、數(shù)據(jù)清理和預處理；4、數(shù)據(jù)縮減和投影；5、選定數(shù)據(jù)挖掘任務；6、選擇數(shù)據(jù)挖掘算法；7、數(shù)據(jù)挖掘過程；8、對挖掘出來的模式進行解釋;9、完善和鞏固所發(fā)現(xiàn)的知識。1.2.2知識發(fā)現(xiàn)過程一一7個步驟如下：1）數(shù)據(jù)清理：消除噪聲或不一致2）數(shù)據(jù)集成：多種數(shù)據(jù)源組合在一起3）數(shù)據(jù)選擇：從數(shù)據(jù)庫中檢索與分析任務相關(guān)的數(shù)據(jù)。4）數(shù)據(jù)變換：數(shù)據(jù)變換或統(tǒng)一成適合挖掘的形式，如匯總或聚集操作5）數(shù)據(jù)挖掘：使用智能方法提取數(shù)據(jù)模式6）模式評估：根據(jù)某種興趣度量，識別表示知識的真正有趣的模式7）知識表示：使用可視化和知識表示技術(shù)，向用戶提供挖掘的知識商務智能的系統(tǒng)構(gòu)成

8、：六個主要組成部分：數(shù)據(jù)源（datasource）:企業(yè)內(nèi)部的操作型系統(tǒng)，即支持各業(yè)務部分日常運營的信息系統(tǒng)企業(yè)的外部，如人口統(tǒng)計信息、競爭對手信息等數(shù)據(jù)倉庫（datawarehouse）:各種數(shù)據(jù)源的數(shù)據(jù)經(jīng)過抽取、轉(zhuǎn)換之后需要放到一個供分析使用的環(huán)境，以便對數(shù)據(jù)進行管理，這就是數(shù)據(jù)倉庫數(shù)據(jù)集市（datamart）:通常針對單個部門的數(shù)據(jù)倉庫，區(qū)別于企業(yè)范圍內(nèi)的數(shù)據(jù)倉庫。數(shù)據(jù)倉庫可以將分析數(shù)據(jù)與實現(xiàn)業(yè)務處理的操作型數(shù)據(jù)隔離，一方面不影響業(yè)務處理系統(tǒng)的性能，另一方面為數(shù)據(jù)的分析提供了一個綜合的、集成的、統(tǒng)一的數(shù)據(jù)管理平臺在線分析處理(onlineanalyticalprocessing):在線分

9、析處理：業(yè)務性能度量可以通過多個維度、多個層次進行多種聚集匯總，通過交互的方式發(fā)現(xiàn)業(yè)務運行的關(guān)鍵性能指標的異常之處。多維數(shù)據(jù)可以進行多種操作如切片、切塊、下鉆、上卷等數(shù)據(jù)探查(exploration):包括靈活的查詢、即時報表以及統(tǒng)計方法等該類方法屬于被動分析方法探查數(shù)據(jù)的方法可以借助統(tǒng)計上的中心性、發(fā)散性以及相關(guān)性的統(tǒng)計量分析，多變量分析時也可以借助可視化技術(shù)。數(shù)據(jù)挖掘(datamining)數(shù)據(jù)挖掘是從大量數(shù)據(jù)中自動發(fā)現(xiàn)隱含的信息和知識的過程，屬于主動分析方法，不需要分析者的先驗假設(shè)，可以發(fā)現(xiàn)未知的知識常用的分析方法包括分類、聚類、關(guān)聯(lián)分析、數(shù)值預測、序列分析、社會網(wǎng)絡分析等數(shù)據(jù)挖掘：(分

10、類)分類(classification)是通過對具有類別的對象的數(shù)據(jù)集進行學習，概括其主要特征，構(gòu)建分類模型，根據(jù)該模型預測對象的類別的一種數(shù)據(jù)挖掘和機器學習技術(shù)。例如，電信公司的客戶可以分為兩類，一類是忠誠的，一類是流失的。根據(jù)這兩類客戶的個人特征方面的數(shù)據(jù)以及在公司的消費方面的數(shù)據(jù)，利用分類技術(shù)可以構(gòu)建分類模型數(shù)據(jù)挖掘：(聚類)聚類(clustering)是依據(jù)物以類聚的原理，將沒有類別的對象根據(jù)對象的特征自動聚集成不同簇的過程，使得屬于同一個簇的對象之間非常相似，屬于不同簇的對象之間不相似。其典型應用是客戶分群數(shù)據(jù)挖掘：關(guān)聯(lián)分析關(guān)聯(lián)分析最早用于分析超市中顧客一次購買的物品之間的關(guān)聯(lián)性例如

11、，發(fā)現(xiàn)關(guān)聯(lián)規(guī)則(associationrule)“尿不濕啤酒(0.5%,60%)”，其含義為，0.5%的交易中會同時購買尿不濕和啤酒，且買尿不濕的交易中有60%會同時買啤酒數(shù)據(jù)挖掘：數(shù)值預測數(shù)值預測用于預測連續(xù)變量的取值。常用的預測方法是回歸分析例如，可以根據(jù)客戶個人特征，如年齡、工作類型、受教育程度、婚姻狀況等，來預測其每月的消費額度。數(shù)據(jù)挖掘：序列分析：序列分析是對序列數(shù)據(jù)庫進行分析，從中挖掘出有意義模式的技術(shù)。序列模式(sequentialpattern)的發(fā)現(xiàn)屬于序列分析，它是從序列數(shù)據(jù)庫中發(fā)現(xiàn)的一種有序模式例如，赤壁，鴻門宴，見龍卸甲，意味著“看了赤壁之后會接著看鴻門宴，過段時間會看見龍卸甲”數(shù)據(jù)挖掘：社會網(wǎng)絡分析社會網(wǎng)絡(socialnetwork)是由個人或組織及其之間的關(guān)系構(gòu)成的網(wǎng)絡社會網(wǎng)絡分析(socialnetworkanalysis)是對社會網(wǎng)絡的結(jié)構(gòu)和屬性進行分析，以發(fā)現(xiàn)其中的局部或全局特點，發(fā)現(xiàn)其中有影響力的個人或組織，發(fā)現(xiàn)網(wǎng)絡的動態(tài)變化規(guī)律等業(yè)務績效管理:業(yè)務績效管理(businessperformancemanagement),簡稱BPM,又稱為企業(yè)績效管理(corporateperformancemanagement),是對企業(yè)的關(guān)鍵性能指標，如銷售、成本、禾U潤以及可盈利性等，進行度量、監(jiān)控和比較的方法和工具