BI商務(wù)智能數(shù)據(jù)迷霧中

“電子技術(shù)到來(lái)以后，人延伸出〔或者說(shuō)在體外建立了〕一個(gè)活生生的中樞神經(jīng)系統(tǒng)。〞——麥克盧漢，<了解媒介>數(shù)據(jù)迷霧中迷茫一個(gè)平常飲料店的故事1993年前，店里賣的飲料只需啤酒、可口可樂和北冰洋汽水進(jìn)貨出貨老板在一個(gè)舊本子上記錄來(lái)自cnshu中國(guó)最大的資料庫(kù)下載一個(gè)平常飲料店的故事1995年，生意大了，各處開了分號(hào)，飲料多了，酒也多了，有幾十種。店里裝了自動(dòng)柜員機(jī)，柜員機(jī)里記的賬天天都打印出來(lái)送給老板。老板看不過(guò)來(lái)，加個(gè)總數(shù)就算了，但生意該怎樣做，老板還算清楚。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載一個(gè)平常飲料店的故事1998年，運(yùn)營(yíng)的種類過(guò)了百，店里連了網(wǎng)，用上了財(cái)務(wù)軟件。1999年又上了互聯(lián)網(wǎng)，客人來(lái)自四面八方。賬單每天打出厚厚一堆，老板瞧著密密麻麻的數(shù)字楞神，直嚷嚷生意難做。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)迷霧鋪天蓋地美國(guó)MCI是跨國(guó)的電信公司，長(zhǎng)途客戶2億，電腦里數(shù)據(jù)存了5TB，每月還添加300GB。據(jù)美國(guó)加州一所大學(xué)研討，世界上每個(gè)人，不論死活，曾經(jīng)產(chǎn)生或?qū)⒁a(chǎn)生250MB的數(shù)據(jù)，每年全球數(shù)據(jù)凈增2×1010GB。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載如何應(yīng)對(duì)？商務(wù)智能什么是商務(wù)智能商業(yè)智能是對(duì)商業(yè)信息的搜集、管理和分析過(guò)程，目的是使企業(yè)的各級(jí)決策者獲得知識(shí)或洞察力，促使他們做出對(duì)企業(yè)更有利的決策。商業(yè)智能普通由數(shù)據(jù)倉(cāng)庫(kù)〔或數(shù)據(jù)場(chǎng)〕、數(shù)據(jù)分析、數(shù)據(jù)發(fā)掘、在線分析、數(shù)據(jù)備份和恢復(fù)等部分組成。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載什么是商務(wù)智能商務(wù)智能是從累計(jì)的原始數(shù)據(jù)中提取有用信息的過(guò)程商務(wù)智能為決策者在正確的時(shí)間,地點(diǎn)提供關(guān)于企業(yè)運(yùn)營(yíng)情況的各項(xiàng)信息使之可以做出準(zhǔn)確的決議來(lái)自cnshu中國(guó)最大的資料庫(kù)下載背景商業(yè)智能〔BI〕的概念最早是GartnerGroup于1996年提出執(zhí)行信息系統(tǒng)〔EIS〕決策支持系統(tǒng)〔DSS〕。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載為什么需求商務(wù)智能促進(jìn)銷售加深客戶關(guān)系改良產(chǎn)品提供更好的效力協(xié)調(diào)企業(yè)運(yùn)營(yíng)降低本錢提高決策程度"BusinessIntelligencehelpstrackwhatreallyworksandwhatdoesn’t.〞

BillGates,Chairman,Microsoft來(lái)自cnshu中國(guó)最大的資料庫(kù)下載經(jīng)過(guò)BI協(xié)助我們提高企業(yè)效益建立忠實(shí)的顧客群增進(jìn)企業(yè)效率做出明智的決策來(lái)自cnshu中國(guó)最大的資料庫(kù)下載商務(wù)智能內(nèi)容產(chǎn)品分析哪種產(chǎn)品贏利情況最好?哪種產(chǎn)品贏利最差卻賣的最快?哪種產(chǎn)品組合對(duì)一定收入的家庭最有吸引力?來(lái)自cnshu中國(guó)最大的資料庫(kù)下載商務(wù)智能內(nèi)容銷售分析一家已開張兩年的分店銷售趨勢(shì)如何?附近地域能否存在競(jìng)爭(zhēng)者?哪種產(chǎn)品的贏利有向上的趨勢(shì)及哪類顧客購(gòu)買了這些產(chǎn)品?來(lái)自cnshu中國(guó)最大的資料庫(kù)下載商務(wù)智能內(nèi)容顧客分析提供頭10%利潤(rùn)的顧客有什么特點(diǎn)?購(gòu)買產(chǎn)品或效力三個(gè)月后顧客的流失率是多少?過(guò)去六個(gè)月里比平均消費(fèi)額高兩個(gè)百分點(diǎn)的都是誰(shuí)?來(lái)自cnshu中國(guó)最大的資料庫(kù)下載眾多行業(yè)積極尋求BI處理方案的零售、保險(xiǎn)、銀行、通訊、離散制造、政府、醫(yī)療、分銷、流程制造、教育等。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載商務(wù)智能如何任務(wù)數(shù)據(jù):把不同來(lái)源的數(shù)據(jù)匯總為一個(gè)數(shù)據(jù)倉(cāng)庫(kù)內(nèi)涵:商務(wù)智能工具經(jīng)過(guò)分析這些數(shù)據(jù)來(lái)協(xié)助人們更好地了解企業(yè)情況行動(dòng):經(jīng)過(guò)分析來(lái)更有效地分配資源來(lái)自cnshu中國(guó)最大的資料庫(kù)下載商務(wù)智能系統(tǒng)構(gòu)造數(shù)據(jù)倉(cāng)庫(kù)(DataWarehouse,DW)聯(lián)機(jī)分析處置(On-LineAnalyticalProcessing,OLAP)數(shù)據(jù)發(fā)掘(DataMining,DM)來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)倉(cāng)庫(kù)(DW)數(shù)據(jù)倉(cāng)庫(kù)，是在數(shù)據(jù)庫(kù)曾經(jīng)大量存在的情況下，為了進(jìn)一步發(fā)掘數(shù)據(jù)資源、為了決策需求而產(chǎn)生的，它決不是所謂的“大型數(shù)據(jù)庫(kù)〞。W.H.Inmon關(guān)于數(shù)據(jù)倉(cāng)庫(kù)的定義：面向主題的、集成的、與時(shí)間相關(guān)且不可修正的數(shù)據(jù)集合。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載面向主題傳統(tǒng)數(shù)據(jù)庫(kù)主要是為運(yùn)用程序進(jìn)展數(shù)據(jù)處置，未必按照同一主題存儲(chǔ)數(shù)據(jù)數(shù)據(jù)倉(cāng)庫(kù)偏重于數(shù)據(jù)分析任務(wù)，是按照主題存儲(chǔ)的來(lái)自cnshu中國(guó)最大的資料庫(kù)下載與時(shí)間相關(guān)數(shù)據(jù)庫(kù)保管信息的時(shí)候，并不強(qiáng)調(diào)一定有時(shí)間信息數(shù)據(jù)倉(cāng)庫(kù)那么不同，出于決策的需求，數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)都要標(biāo)明時(shí)間屬性來(lái)自cnshu中國(guó)最大的資料庫(kù)下載不可修正數(shù)據(jù)庫(kù)處置的是日常事務(wù)數(shù)據(jù)，有的需求不斷更新數(shù)據(jù)倉(cāng)庫(kù)反映的是歷史信息，可以添加，但不可更改。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)倉(cāng)庫(kù)生成Extract,Transfer,andLoad(ETL)ModelIntegrateDataETLDatawarehouse來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)展現(xiàn)面向高層決策者的主管信息系統(tǒng)(EIS)面向決策分析者的聯(lián)機(jī)分析系統(tǒng)(OLAP)決策者上的即席查詢系統(tǒng)(AdHoc)靈敏報(bào)表系統(tǒng)(Reporting)數(shù)據(jù)展現(xiàn)采用多種靈敏的方式，比如C/S方式或B/S方式來(lái)自cnshu中國(guó)最大的資料庫(kù)下載聯(lián)機(jī)分析處置(OLAP)OLAP委員會(huì)的定義：是使分析人員、管理人員或執(zhí)行人員可以從多種角度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來(lái)的、可以真正為用戶所了解的、并真實(shí)反映企業(yè)維特性的信息進(jìn)展快速、一致、交互地存取，從而獲得對(duì)數(shù)據(jù)的更深化了解的一類軟件技術(shù)。OLAP的目的：是滿足決策支持或多維環(huán)境特定的查詢和報(bào)表需求，它的技術(shù)中心是“維〞這個(gè)概念，因此OLAP也可以說(shuō)是多維數(shù)據(jù)分析工具的集合。

來(lái)自cnshu中國(guó)最大的資料庫(kù)下載開展背景60年代，關(guān)系數(shù)據(jù)庫(kù)之父E.F.Cdd提出了關(guān)系模型，促進(jìn)了聯(lián)機(jī)事務(wù)處置(OLTP)的開展(數(shù)據(jù)以表格的方式而非文件方式存儲(chǔ))。1993年，E.F.Cdd提出了多維數(shù)據(jù)庫(kù)和多維分析的概念，即OLAP來(lái)自cnshu中國(guó)最大的資料庫(kù)下載OLAP多維數(shù)據(jù)構(gòu)造超立方構(gòu)造(Hypercube)多立方構(gòu)造(Multicube)來(lái)自cnshu中國(guó)最大的資料庫(kù)下載OLAP多維數(shù)據(jù)分析切片和切塊(SliceandDice)：在多維數(shù)據(jù)構(gòu)造中,按二維進(jìn)展切片,按三維進(jìn)展切塊,可得到所需求的數(shù)據(jù)來(lái)自cnshu中國(guó)最大的資料庫(kù)下載OLAP多維數(shù)據(jù)分析鉆取(Drill)：鉆取包含向下鉆取(Drill-down)和向上鉆取(Drill-up)/上卷(Roll-up)操作來(lái)自cnshu中國(guó)最大的資料庫(kù)下載OLAP多維數(shù)據(jù)分析旋轉(zhuǎn)(Rotate)/轉(zhuǎn)軸(Pivot)：經(jīng)過(guò)旋轉(zhuǎn)可以得到不同視角的數(shù)據(jù)來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)發(fā)掘(DM)一方面規(guī)模龐大、紛繁復(fù)雜的數(shù)據(jù)體系讓運(yùn)用者漫無(wú)頭緒、無(wú)從下手；另一方面在這些大量數(shù)據(jù)的背后卻隱藏著很多具有決策意義的有價(jià)值的信息。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)發(fā)掘(DM)如何發(fā)現(xiàn)這些有用的知識(shí)，使之為管理決策和運(yùn)營(yíng)戰(zhàn)略開展效力？數(shù)據(jù)發(fā)掘〔DataMining〕。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載DM運(yùn)用實(shí)例(購(gòu)物環(huán)境設(shè)計(jì))某超市，需求設(shè)計(jì)一個(gè)吸引客人購(gòu)買商品的最正確環(huán)境。經(jīng)過(guò)對(duì)客人的采購(gòu)道路和消費(fèi)記錄的發(fā)掘發(fā)現(xiàn)：美國(guó)女性的視野高度是150cm左右，而男性是163cm左右，最適宜的視野角度是視野高度以下15度。因此，最好的貨品擺設(shè)位置是在130到厘米之間。按照DM找出的特別信息，該超市里的主打產(chǎn)品，總是擺在最容易發(fā)現(xiàn)的高度區(qū)內(nèi)。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載DM運(yùn)用實(shí)例(客戶購(gòu)買方式識(shí)別)Safeway是英國(guó)的第三大連鎖超市，年銷售額超越一百億美圓運(yùn)用傳統(tǒng)的方法—降低價(jià)位、擴(kuò)展店面以及添加商品種類，假想象在競(jìng)爭(zhēng)中取勝曾經(jīng)越來(lái)越困難了必需以客戶為導(dǎo)向，了解六百萬(wàn)客戶所做的每一筆買賣以及這些買賣彼此之間的關(guān)聯(lián)性來(lái)自cnshu中國(guó)最大的資料庫(kù)下載DM運(yùn)用實(shí)例(客戶購(gòu)買方式識(shí)別)Safeway首先根據(jù)客戶的相關(guān)資料，將客戶分為150類，再用關(guān)聯(lián)〔Association〕的技術(shù)列出產(chǎn)品相關(guān)度的清單。比如：“在購(gòu)買烤肉炭的客戶中，75%的人也會(huì)購(gòu)買打火機(jī)燃料〞。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載DM運(yùn)用實(shí)例(客戶購(gòu)買方式識(shí)別)Safeway還需求對(duì)商品的利潤(rùn)進(jìn)展細(xì)分。例如，Safeway發(fā)現(xiàn)某一種乳酪產(chǎn)品雖然銷售額排名第209位，可是消費(fèi)額最高的客戶中有25%都經(jīng)常買這種乳酪。Safeway知道客戶每次采購(gòu)時(shí)會(huì)買哪些產(chǎn)品以后，就可以利用DataMining中的SequenceDiscovery功能，找出長(zhǎng)期的經(jīng)常性購(gòu)買行為，進(jìn)而促銷。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)發(fā)掘(DM)學(xué)科背景統(tǒng)計(jì)學(xué)計(jì)算機(jī)科學(xué)人工智能領(lǐng)域的廣泛運(yùn)用來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)發(fā)掘(DM)常用方法分類〔classification〕：按照所分析對(duì)象的屬性分門別類、加以定義、建立類組〔class〕。比如，將信譽(yù)卡懇求人分為低、中、高風(fēng)險(xiǎn)群，或是將顧客分到事先定義好的族群。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)發(fā)掘(DM)常用方法估計(jì)〔estimation〕：根據(jù)既有的延續(xù)性數(shù)值相關(guān)屬性資料，求得某一屬性的未知值。比如，估計(jì)家中小孩的數(shù)量、一個(gè)家庭的總收入或是不動(dòng)產(chǎn)的價(jià)值。所運(yùn)用的技巧有相關(guān)分析、回歸分析及類神經(jīng)網(wǎng)絡(luò)方法。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)發(fā)掘(DM)常用方法預(yù)測(cè)〔prediction〕：根據(jù)對(duì)象屬性過(guò)去的察看值來(lái)估計(jì)此屬性未來(lái)的值。比如，預(yù)測(cè)哪些顧客會(huì)在未來(lái)的半年內(nèi)取消該公司的效力，或是預(yù)測(cè)哪些用戶會(huì)懇求增值效力，如三方通話、語(yǔ)音信箱等。所運(yùn)用的技巧有回歸分析、時(shí)間序列分析及類神經(jīng)網(wǎng)絡(luò)方法。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載數(shù)據(jù)發(fā)掘(DM)常用方法關(guān)聯(lián)分組〔affinitygrouping〕：從一切對(duì)象來(lái)決議哪些相關(guān)對(duì)象應(yīng)該放在一同。比如，在超市中，哪些物品會(huì)一同被購(gòu)買，零售商可以利用關(guān)聯(lián)分組來(lái)規(guī)劃店內(nèi)商品的擺設(shè)位置，把會(huì)被一同購(gòu)買的商品擺在一同。在客戶的營(yíng)銷系統(tǒng)上，此種功能可用來(lái)確認(rèn)交叉銷售〔cross-selling〕的時(shí)機(jī)以設(shè)計(jì)出更吸引人的產(chǎn)品群組。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載聚類、群集化〔clustering〕：將不同的母體區(qū)隔為較具同構(gòu)型的群組〔cluster〕，換句話說(shuō)，其目的是將組與組之間的差別分辨出來(lái)，并對(duì)個(gè)別組內(nèi)的類似樣本進(jìn)展挑選。在群集化技術(shù)中，沒有預(yù)先定義好的類別和訓(xùn)練樣本存在，一切紀(jì)錄都根據(jù)彼此類似程度來(lái)加以歸類。比如，在市場(chǎng)營(yíng)銷調(diào)查前，先將顧客群集化，再來(lái)分析每群顧客最喜歡哪一類促銷，而不是對(duì)每個(gè)顧客都用一樣的規(guī)范規(guī)那么來(lái)分析。所運(yùn)用的技巧有k-means法及agglomeration法。來(lái)自cnshu中國(guó)最大的資料庫(kù)下載SCORING&

MODELINGPORTALSDSSEISANALYSES

QUERIES

SCORESAPPLICATIONSDATAHANDLEDATA

STORESLOADTRANSFORMEXTRACTSTANDARDTEMPLATEOLAPAgentDMWAREHOUSECRMERPSCMPolicyF&AOther商務(wù)智能體系構(gòu)造來(lái)自cnshu中國(guó)最大的資料庫(kù)下載客戶分類