《BI商务智能的基本定义》由会员分享，可在线阅读，更多相关《BI商务智能的基本定义（46页珍藏版）》请在金锄头文库上搜索。
1、 “电子技术到来以后，人延伸出（或者说在体外建立了）一个活生生的中枢神经系统。”麦克卢汉，理解媒介数据迷雾中数据迷雾中一个平常饮料店的故事1993年前，店里卖的饮料只有啤酒、可口可乐和北冰洋汽水进货出货老板在一个旧本子上记录一个平常饮料店的故事1995年，生意大了，各处开了分号，饮料多了，酒也多了，有几十种。店里装了自动柜员机，柜员机里记的账天天都打印出来送给老板。老板看不过来，加个总数就算了，但生意该怎么做，老板还算清楚。一个平常饮料店的故事1998年，经营的品种过了百，店里连了网，用上了财务软件。1999年又上了互联网，客人来自四面八方。账单每天打出厚厚一堆，老板瞧着密密麻麻的数字楞神，直
2、嚷嚷生意难做。数据迷雾铺天盖地美国MCI是跨国的电信公司，长途电话客户2亿，电脑里数据存了5TB，每月还增加300GB。据美国加州一所大学研究，世界上每个人，不论死活，已经产生或将要产生250MB的数据，每年全球数据净增21010GB。如何应对？商务智能什么是商务智能商业智能是对商业信息的搜集、管理和分商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得析过程，目的是使企业的各级决策者获得知识或洞察力，促使他们做出对企业更有知识或洞察力，促使他们做出对企业更有利的决策。利的决策。 商业智能一般由数据仓库（或数据场）、商业智能一般由数据仓库（或数据场）、数据分析、数据挖掘、在
3、线分析、数据备数据分析、数据挖掘、在线分析、数据备份和恢复等部分组成。份和恢复等部分组成。什么是商务智能商务智能是从累计的商务智能是从累计的原始数据中提取有用原始数据中提取有用信息的过程信息的过程 商务智能为决策者在商务智能为决策者在正确的时间正确的时间, ,地点提供地点提供关于企业运营情况的关于企业运营情况的各项信息使之能够做各项信息使之能够做出准确的决定出准确的决定背景商业智能（BI）的概念最早是GartnerGroup于1996年提出执行信息系统（EIS）决策支持系统（DSS）。为什么需要商务智能 促进销售促进销售 加深客户关系加深客户关系 改进产品改进产品 提供更好的服务提供更好的服务
4、 协调企业运营协调企业运营 降低成本降低成本 提高决策水平提高决策水平BusinessIntelligencehelpstrackwhatreallyworksandwhatdoesnt.”BusinessIntelligencehelpstrackwhatreallyworksandwhatdoesnt.”Bill Gates, Chairman, MicrosoftBill Gates, Chairman, Microsoft通过BI帮助我们提高企业效益提高企业效益 建立忠实的顾客群建立忠实的顾客群 增进企业效率增进企业效率 做出明智的决策做出明智的决策 商务智能内容产品分析产品分析n n
5、哪种产品赢利情况最好哪种产品赢利情况最好?n n哪种产品赢利最差却卖的最快哪种产品赢利最差却卖的最快?n n哪种产品组合对一定收入的家庭最有吸引力哪种产品组合对一定收入的家庭最有吸引力?商务智能内容销售分析销售分析n n一家已开张两年的分店销售趋势如何一家已开张两年的分店销售趋势如何?n n附近地区是否存在竞争者附近地区是否存在竞争者?n n哪种产品的赢利有向上的趋势及哪类顾客购买哪种产品的赢利有向上的趋势及哪类顾客购买了这些产品了这些产品?商务智能内容顾客分析顾客分析n n提供头提供头10%10%利润的顾客有什么特点利润的顾客有什么特点?n n购买产品或服务三个月后顾客的流失率是多少购买产品
6、或服务三个月后顾客的流失率是多少?n n过去六个月里比平均消费额高两个百分点的都过去六个月里比平均消费额高两个百分点的都是谁是谁?众多行业积极寻求BI解决方案的零售、保险、银行、通信、离散制造、政府、医疗、分销、流程制造、教育等。商务智能如何工作 数据数据数据数据: : 把不同来源的数据汇总为一个数据仓库把不同来源的数据汇总为一个数据仓库把不同来源的数据汇总为一个数据仓库把不同来源的数据汇总为一个数据仓库 内涵内涵内涵内涵: : 商务智能工具通过分析这些数据来帮助人们更好地商务智能工具通过分析这些数据来帮助人们更好地商务智能工具通过分析这些数据来帮助人们更好地商务智能工具通过分析这些数据来帮助
7、人们更好地了解企业情况了解企业情况了解企业情况了解企业情况 行动行动行动行动: : 通过分析来更有效地分配资源通过分析来更有效地分配资源通过分析来更有效地分配资源通过分析来更有效地分配资源 商务智能系统结构数据仓库(DataWarehouse,DW)联机分析处理(On-LineAnalyticalProcessing,OLAP)数据挖掘(DataMining,DM)数据仓库(DW)数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。W.H.Inmon关于数据仓库的定义：面向主题的、集成的、与时间相关且不可修改的数据集合。面向主题
8、传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数据数据仓库侧重于数据分析工作，是按照主题存储的与时间相关数据库保存信息的时候，并不强调一定有时间信息数据仓库则不同，出于决策的需要，数据仓库中的数据都要标明时间属性不可修改数据库处理的是日常事务数据，有的需要不断更新数据仓库反映的是历史信息，可以添加，但不可更改。数据仓库生成数据仓库生成Extract,Transfer,andLoad(ETL)ModelIntegrateDataETLDatawarehouse数据展现数据展现面向高层决策者的主管信息系统(EIS)面向决策分析者的联机分析系统(OLAP)决策者上的即席查询系统(AdH
9、oc)灵活报表系统(Reporting)数据展现采用多种灵活的方式，比如C/S模式或B/S模式联机分析处理(OLAP)OLAPOLAP委员会的定义：是使分析人员、管理人员或委员会的定义：是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企来的、能够真正为用户所理解的、并真实反映企业维特性的信息进行快速、一致、交互地存取，业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。从而获得对数据的更深入了解的一类软件技术。OLAPOLAP的目标：是满足决策支持或多维环境特定的
10、的目标：是满足决策支持或多维环境特定的查询和报表需求，它的技术核心是查询和报表需求，它的技术核心是“ “维维” ”这个概这个概念，因此念，因此OLAPOLAP也可以说是多维数据分析工具的集也可以说是多维数据分析工具的集合。合。发展背景60年代，关系数据库之父年代，关系数据库之父E.F.Cdd提出了关提出了关系模型，促进了联机事务处理系模型，促进了联机事务处理(OLTP)的发的发展展(数据以表格的形式而非文件方式存储数据以表格的形式而非文件方式存储)。1993年，年，E.F.Cdd提出了多维数据库和多提出了多维数据库和多维分析的概念，即维分析的概念，即OLAPOLAP多维数据结构多维数据结构超立
11、方结构(Hypercube)多立方结构(Multicube)OLAP多维数据分析多维数据分析切片和切块切片和切块(SliceandDice)(SliceandDice)：在多维数据结构中在多维数据结构中, ,按二维进行切片按二维进行切片, ,按三维进行切块按三维进行切块, ,可得到所需要可得到所需要的数据的数据 OLAP多维数据分析多维数据分析钻取钻取(Drill)(Drill)：钻取包含向下钻取钻取包含向下钻取(Drill-down)(Drill-down)和向上钻取和向上钻取(Drill-up)/(Drill-up)/上卷上卷(Roll-up)(Roll-up)操作操作 OLAP多维数据分
12、析多维数据分析旋转旋转(Rotate)/(Rotate)/转轴转轴(Pivot)(Pivot)：通过旋转可以得到通过旋转可以得到不同视角的数据不同视角的数据 数据挖掘(DM)一方面规模庞大、纷繁复杂的数据体系让使用者漫无头绪、无从下手；另一方面在这些大量数据的背后却隐藏着很多具有决策意义的有价值的信息。数据挖掘(DM)如何发现这些有用的知识，使之为管理决策和经营战略发展服务？数据挖掘（DataMining）。DM应用实例应用实例(购物环境设计购物环境设计)某超市，需要设计一个吸引客人购买商品的最佳环境。通过对客人的采购路线和消费记录的挖掘发现：美国女性的视线高度是150cm左右，而男性是163
13、cm左右，最适宜的视线角度是视线高度以下15度。因此，最好的货品摆设位置是在130到135厘米之间。按照DM找出的特别信息，该超市里的主打产品，总是摆在最容易发现的高度区内。DM应用实例应用实例(客户购买模式识别客户购买模式识别)Safeway是英国的第三大连锁超市，年销售额超过一百亿美元运用传统的方法降低价位、扩充店面以及增加商品种类，若想在竞争中取胜已经越来越困难了必须以客户为导向，了解六百万客户所做的每一笔交易以及这些交易彼此之间的关联性DM应用实例应用实例(客户购买模式识别客户购买模式识别)Safeway首先根据客户的相关资料，将客户分为150类，再用关联（Association）的技
14、术列出产品相关度的清单。比如：“在购买烤肉炭的客户中，75%的人也会购买打火机燃料”。DM应用实例应用实例(客户购买模式识别客户购买模式识别)Safeway还需要对商品的利润进行细分。例如，Safeway发现某一种乳酪产品虽然销售额排名第209位，可是消费额最高的客户中有25%都常常买这种乳酪。Safeway知道客户每次采购时会买哪些产品以后，就可以利用DataMining中的SequenceDiscovery功能，找出长期的经常性购买行为，进而促销。数据挖掘(DM)学科背景统计学计算机科学人工智能领域的广泛运用数据挖掘(DM)常用方法分类（分类（classification）：）：依照所分析
15、对象的属性分门别类、加以定义、建立类组（class）。比如，将信用卡申请人分为低、中、高风险群，或是将顾客分到事先定义好的族群。数据挖掘(DM)常用方法估计（估计（estimation）：）：根据既有的连续性数值相关属性资料，求得某一属性的未知值。比如，估计家中小孩的数量、一个家庭的总收入或是不动产的价值。所使用的技巧有相关分析、回归分析及类神经网络方法。数据挖掘(DM)常用方法预测（预测（prediction）：）：根据对象属性过去的观察值来估计此属性未来的值。比如，预测哪些顾客会在未来的半年内取消该公司的服务，或是预测哪些电话用户会申请增值服务，如三方通话、语音信箱等。所使用的技巧有回归分
16、析、时间序列分析及类神经网络方法。数据挖掘(DM)常用方法关联分组（关联分组（affinity grouping）：从所有对象来决定哪些相关对象应该放在一起。比如，在超市中，哪些物品会一起被购买，零售商可以利用关联分组来规划店内商品的摆设位置，把会被一起购买的商品摆在一起。在客户的营销系统上，此种功能可用来确认交叉销售（cross-selling）的机会以设计出更吸引人的产品群组。聚类、群集化（聚类、群集化（聚类、群集化（聚类、群集化（clusteringclustering）：将不同的母体区将不同的母体区隔为较具同构型的群组（隔为较具同构型的群组（clustercluster），），换句话说
17、，换句话说，其目的是将组与组之间的差异分辨出来，并对个其目的是将组与组之间的差异分辨出来，并对个别组内的相似样本进行挑选。在群集化技术中，别组内的相似样本进行挑选。在群集化技术中，没有预先定义好的类别和训练样本存在，所有纪没有预先定义好的类别和训练样本存在，所有纪录都根据彼此相似程度来加以归类。录都根据彼此相似程度来加以归类。比如，在市场营销调查前，先将顾客群集化，再比如，在市场营销调查前，先将顾客群集化，再来分析每群顾客最喜欢哪一类促销，而不是对每来分析每群顾客最喜欢哪一类促销，而不是对每个顾客都用相同的标准规则来分析。个顾客都用相同的标准规则来分析。所使用的技巧有所使用的技巧有k-mean
18、sk-means法及法及agglomerationagglomeration法。法。 ANALYSESQUERIESSCORESAPPLICATIONSDATA HANDLEDATASTORESLOADTRANSFORMEXTRACTWAREHOUSECRMERPSCMPolicyF&AOther商务智能体系结构客户分类和特点分析市场营销策略分析经营成本与收入分析欺诈行为分析和预防商务智能的应用前景商务智能的应用前景市场预测根据IDC分析，从1997年到2002年，整个数据仓库市场（软件、服务、服务器和存储）以平均每年20.5的速度增长。IDC的另一项调查结果表明，企业用于商务智能的投资回报率平均2.3年高达400。一项来自美国MetaGroup的市场分析指出，92的企业将在今后3年内使用数据仓库。谢谢大家！
