商务智能原理及方法-商务智能简介

《商务智能原理及方法-商务智能简介》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、目录商务智能商务智能简介商务智能与信息社会商务智能与企业管理商务智能与数据挖掘商务智能与新技术融合小结及练习商务智能的概念通常认为是于1996年由加特纳集团（GartnerGroup）提出的。商务智能是一门新兴的边缘学科汇集了来自数据库、管理信息系统、统计学、人工智能中的机器学习与模式识别等多学科的成果，具有很强的生命力。公司定义IBM利用已有的数据资源作出更好的商业决策，它包括数据访问、数据和业务分析，以及发现新的商业的机会。这说明商务智能的实质是从数据中有效地提取信息，从信息中发现知识，为商务决策和战略发展。

2、GartnerGroup商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。微软是任何尝试获取、分析企业数据以更清楚地了解市场和客户、改进企业流程、更有效地参与竞争的努力，以便在正确的时间向正确的决策者提供正确的信息。Oracle商务智能就是在核实的时间提供核实的数据访问以制定正确的决策课本商务智能是一个从大规模（海量）数据中发现潜在的、新颖的、有用的知识的过程，

3、旨在支持组织的业务运作和管理决策。企业对信息资源开发与利用要求的提升，促使了商务智能的发展。1、数据应当得到有效的管理和组织，才能通过系统化得应用，服务于组织的管理和决策信息资源的开发与利用包含两个层面的含义2、对信息资源的利用存着一个由浅入深，由单一到综合的过程事务处理（OLTP）分析处理（OLAP）知识发现（KDD）On-LineTransactionProcessing联机事务处理系统On-LineAnalyticalProcessing联机分析处理系统KnowledgeDiscoveryinDatabas

4、es对数据进行深入的，智能化的分析，寻找潜在的未来知识别名：数据挖掘、知识抽取、信息发现、数据考古，最常用的术语是“知识发现”和“数据挖掘”。相对来讲，数据挖掘主要流行于统计界，数据分析、数据库和管理信息系统界；而知识发现则主要流行于人工智能和机器学习界。KDD实现数据的电子化采集、交换和处理。用户群：通常层级较低数据：当前的功能：日常处理OLTP要求对数据进行多维度的综合整理用户群：决策层数据：历史的功能：分析决策OLAP超市前端+后台运营OLAP和KDD又有很多不同的地方数据挖掘与OLAP不同的地方是，数据挖

5、掘不是用于验证某个假定的模式（模型）的正确性，而是在数据库中自己寻找模型。他在本质上是一个归纳的过程。比如，一个用数据挖掘工具的分析师想找到引起贷款拖欠的风险因素。数据挖掘工具可能帮他找到高负债和低收入是引起这个问题的因素，甚至还可能发现一些分析师从来没有想过或试过的其他因素，比如年龄。传统的查询和报表工具是告诉你数据库中都有什么（whathappened），OLAP则更进一步告诉你下一步会怎么样（Whatnext）、和如果我采取这样的措施又会怎么样（Whatif）。用户首先建立一个假设，然后用OLAP检索数据库

6、来验证这个假设是否正确。OLAP分析过程在本质上是一个演绎推理的过程。OLAPKDD但是如果分析的变量达到几十或上百个，那么再用OLAP手动分析验证这些假设将是一件非常困难和痛苦的事情。商务智能概念中通常有四个要素：大规模数据，数据驱动，潜在新颖性和知识有用性大规模数据：商务智能是从海量的数据中发现知识，因此数据挖掘的效率是重要的考量。数据驱动：由于数据规模的缘故，传统的建模假设都难人工穷举数据变量和属性组合。潜在新颖性：商务智能通过数据挖掘所获得的知识是非显见的，而且是新颖的。知识有用性：通过商务智能得到的知识

7、是用于业务运作和管理决策的。也就是说，所发现的知识的有用性通常与应用环境有关。目录引言商务智能简介商务智能与信息社会商务智能与企业管理商务智能与数据挖掘商务智能与新技术融合小结及练习处在信息社会的一个重要标志性特征就是信息融合，这主要体现在两点：技术透明性和技术渗透性技术透明性技术渗透性信息融合两个要点需要和人联系，第一首先想到的是电话，而不是信件我们并不需要了解3G,4G的网络技术由信息技术进步和广泛应用驱动的技术融合不断深化，从两个方面对于人们的社会生活和经济活动产生影响一方面，企业中许多传统的业务决策问题逐

8、渐变成信息决策问题另一方面，信息产品及其应用随着技术创新呈现出越来越丰富的形态和特征商务智能是信息社会的产物---信息社会的技术融合使技术透明性和渗透性非常高，因而为商务智能的发展提供了沃土。商务智能比传统的业务报告在内容以及时效性上都有长足的进步传统业务报告数据充分而知识匮乏1传统报告不能满足用户需求天气预报：每天只告诉你历史数据对你来说有用么？2传统分析工具的整合能力