智能物流 第章.ppt

第4章商业智能 学习要点 商业智能的概念商业智能的核心技术商业智能在智能物流中的应用趋势 目录 4 5小结 4 4商业智能的智能物流应用 4 3商业智能决策分析技术 4 2商业智能系统 4 1商业智能概念 思考题 4 1 1商业智能的定义 商业智能概念的提出1996年 加特纳集团 GartnerGroup 首次提出商业智能概念 它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 商业智能技术将企业现有的数据 经过管理分析等手段 提取有用信息 进而转化为知识 为企业做出明智的业务经营决策的工具 商业智能的定义目前 学术界对商业智能的定义并不统一 商业智能通常被理解为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透过数据表面获得潜在知识 使他们做出对企业更为有利的业务经营决策 商业智能的定义 续 总结 商业智能 BI BusinessIntelligence 是通过数据仓库 联机分析处理 数据挖掘等技术 通过应用基于事实的支持系统 对企业内部及外部数据的搜集 管理和分析 为企业提供决策支持以增强其综合竞争力的智能系统 4 1 1商业智能的定义 为企业提供决策支持的智能系统 4 1 2商业智能的背景和主要特点 商业智能的背景传统 报表系统新型 商业智能系统被替代原因 数据 拥挤 现象 大量数据的无规则罗列和数据的不一致 数据内在价值被埋没 数据转化为信息及知识的过程存在困难 企业运营模式变化 传统形式向电子商务转型 大量电子数据的生成 数据库和人工智能技术发展 新技术使企业用更低的成本获得更高的IT投资回报率 商业智能是企业利用现代信息技术收集 管理和分析结构化和非结构化的商业数据和信息 创造和累积商务知识和见解 改善商务决策水平 采取有效的商务行动 完善各种商务流程 提升各方面商务绩效 增强综合竞争力的智慧和能力 因此 随着企业信息化的不断深化 商业智能逐渐成为企业决策者的重要工具 4 1 2商业智能的背景和主要特点 商业智能的主要特点 商业智能技术提升企业效率减少人力收集 分析数据时间增加核心决策时间 4 1 3商业智能对智能物流的完善 商业智能从四方面完善智能物流系统 4 1 3商业智能对智能物流的完善 4 2 1系统的构成及运作 商业智能系统商业智能系统是一个基于商业智能技术 通过搜取数据 理解数据在系统中的流动 发现数据在企业中的应用的过程 源数据层 即初始数据它收集了包括由财务系统 销售系统 库存系统 客户服务等在内的企业内部数据以及包括竞争对手信息 其他外部环境在内的外部数据 常用的软件 大型应用软件SAP ORACLE 中型软件用友 金蝶等 商业智能系统结构 4 2 1系统的构成及运作 数据集成 即数据转换层它负责将分布的 异构数据源中的数据如关系数据 平面数据文件等抽取到临时中间层后进行抽取 转换 装载 最后加载到数据仓库或数据集市中 成为联机分析处理 数据挖掘的基础 数据处理方法 简单变换 数据形式转换 数据集成 常用的软件 微软的SQLSever2005中的SSIS工具 还有Informatica Datastage等 数据仓库 DataWarehouse DW 它面向主题的 集成的 稳定的 随时间不断变化的数据集合 用以支持经营管理中的决策制定过程 数据仓库能为多维分析和数据挖掘等分析工具提供所需要的 整齐一致的数据 常用的软件 SQLSever Oracle Sybase等 4 2 1系统的构成及运作 联机分析处理 OnLineAnalyticalProcessing OLAP 它帮助分析人员 管理人员从多种角度 维度 把从原始数据 当前及历史数据 中转化出来 能够真正被用户所理解的 并反映数据真实性的信息 进行快速 一致 交互地访问 从而使决策者获得对数据的更深入了解 常用的软件 SQLSeverAnalysisServices和HyperionEssbase等 数据挖掘 DataMining DM 它负责进行数据汇总 概念描述 分类 聚类 相关性分析 偏差分析 演变分析 建模 预测等 常用的软件 SAS SPSS等 信息展示 Display 它负责通过图形 图表 图像 模拟仿真等易于人们所辨识的方式展现原始数据间的复杂关系 潜在信息及发展趋势 以便决策者能够更好地利用所掌握的信息资源 常用的软件 微软的ReportingServices CrystalReport工具 BusinessObjects等 另一类为OLAP展现工具 包括微软的SSAS或者Excel等 4 2 1系统的构成及运作 商业智能系统体系结构 4 2 2系统对象和系统优势 商业智能系统的对象决策的初级阶段 操作层 决策的中级阶段 战术层 决策的高级阶段 战略层 各层级的工作场景 4 2 2系统对象和系统优势 决策的初级阶段决策所需要的信息是对原始数据的分类 汇总 排序 以获得对经营活动的直观印象 数据 销售 市场 财务 运营等方面 决策的中级阶段在中级阶段 是对分类汇总数据中的明细数据和相关关键绩效指标 KeyPerformanceIndicator KPI 的展现 以及对相关联的明细数据 从不同角度进行的交叉观测 以获得对数据反映出的商业结果的原因探索 主要KPI 财务分析指标 反映客户管理的指标 反映流程管理的指标 反映人力资源方面的指标 决策的高级阶段企业根据数据对未来做出趋势判断 或者根据特定数学模型获得的分类信息 对未来市场进行预测 为行动提供指南 趋势预测分析法 指数平滑分析 时间序列回归分析等方法 以及数据挖掘技术和运筹规划中的其他方法等等 4 2 2系统对象和系统优势 决策支持的三个层次 4 2 2系统对象和系统优势 商业智能系统的目的商业智能系统的目的是获得高的投资回报率 应用程度越高 体会越深 投资回报也会越丰厚 商业智能系统的应用 为企业决策智能化提供了完善的技术支持 也使决策更加快速 准确 科学 商业智能价值体现 4 2 2系统对象和系统优势 案例分析公司 雅戈尔集团行业 服装转型原因 市场由买方市场转为买方市场 利润减少根据订货安排生产计划的模式不能及时满足市场需求库存积压 物流成本激增转型方式 使产业结构向信息化调整 建立自己的供应链和物流管理系统 使用软件 IBMCognos软件改进效果 订单反应能力及生产周期缩短50 库存周转率提高1倍以上缺货损失减少30 以上工厂准时交货率达到99 以上 4 3 1数据仓库技术 DataWarehouse DW 数据仓库技术数据仓库 DataWarehouse DW 是储存和管理数据的地方 这些数据是来自各种数据源 经过抽取 转换 装载并经过加工和汇总得到的数据 它是一个面向主题的 SubjectOriented 集成的 Integrated 相对稳定的 Non Volatile 反映历史变 TimeVariant 的数据集合 用于支持管理决策 DecisionMakingSupport 数据仓库优点将源数据进行抽取 转换 装载加工和汇总 提高利用数据价值 经由整理的数据是关于某一主题所特定筛选的数据集合 满足决策的不同目标和要求 克服了数据库的有限查询 数据易重复 利用率低的缺点 4 3 1数据仓库技术 DataWarehouse DW 数据仓库与数据库与传统操作型数据库相比 数据仓库具有面向主题 集成的 相对稳定的 反映历史变化的特点 数据仓库与数据库的区别 4 3 1数据仓库技术 DataWarehouse DW 数据仓库与数据集市数据仓库优点 数据量大 信息丰富 全面等 缺点 查询速度缓慢 针对性不强 数据集市针对数据仓库的缺陷而产生的数据存储结构 它隶属于数据仓库 为某个部门或某项业务提供对应目的或应用范围的数据 提高查询效率及准确性 数据仓库与数据集市的区别 4 3 2联机分析处理技术 OnLineAnalyticalProcessing OLAP 联机分析处理技术出现的背景联机事物处理 OnLineTransactionProcessing OLTP 在1993年前被普遍使用 以处理日常业务 联机分析处理技术 OnLineAnalyticalProcessing OLAP 在1993年由数据库之父E F Cold提出 满足日益增长的数据处理需求 被替代原因 数据存储量小对数据的查询分析能力不能满足需求只能提供简单的查询结果 OLTP与OLAP的区别 4 3 2联机分析处理技术 OnLineAnalyticalProcessing OLAP 维 的概念OLAP是从多角度分析 对数据进行进一步了解 传统的关系型数据库不能满足要求 需要一种新的技术叫做多维数据库 维 Dimension 是联机分析处理的核心概念 是我们观察世界的角度 是一种高层次的类型划分 维 可以表示属性 例如时间属性可称为时间维 地点属性称为地点维等 4 3 2联机分析处理技术 OnLineAnalyticalProcessing OLAP OLAP的定义OLAP委员会对其定义 使分析人员 管理人员或执行人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 它满足决策者在多维环境 复杂结构下的特定要求 对数据进行各种操作以得到查询结果 并以报表形式展示 侧重决策支持 E F Cold描述OLAP系统的12条准则 4 3 2联机分析处理技术 OnLineAnalyticalProcessing OLAP OLAP的功能特征 4 3 2联机分析处理技术 OnLineAnalyticalProcessing OLAP OLAP的多维分析方法OLAP中的多维分析是指对以多维形式组织起来的数据采取各种分析动作 剖析数据 使最终用户能从多角度 多侧面观察数据 从而深入地了解数据中的信息 内涵 多维分析方法包括 切片 Slice 对多维数据中的任意二维作为观察角度 原理 舍弃部分维度 集中分析二维数据 切块 Dice 选定多维数据中的任意三维作为观察角度 原理 舍弃部分维度 集中分析三维数据 旋转 Pivot 改变维的方向 使用户从不同角度来分析数据 原理 交换行和列 或者把某一行维变成列维 下钻 Drilldown 将某一维度的衡量单位缩小 进而更加具体的了解数据 原理 从汇总数据深入到细节数据 上卷 Drillup 在某一维上将低层次的细节数据概括到高层次的汇总数据原理 下钻的逆过程 减少维数 4 3 3数据挖掘技术 DataMining DM 数据挖掘的定义数据挖掘 DataMining DM 也叫知识发现 KnowledgeDiscoveryinDatabase KDD 是从庞大的数据集合中发现新的规律或模式的过程 过程中使用人工智能 机器学习 统计分析 数据库系统等工具 数据挖掘的目标是针对特定的数据 特定的问题 选择一种或者多种挖掘算法 找到有价值的 未知的关系 趋势 提取有效信息 对知识进行提炼 最后以合适的知识模式展示出来 用于进一步分析决策工 4 3 3数据挖掘技术 DataMining DM 数据挖掘方法分类区隔分类 Classification 对数据库中的示例数据进行分析 对每个类别做出对应描述 挖掘分类规则 当遇到新数据时 在已被描述的类别中找到与自己相匹配的 从而确定新数据的类别 分群 Clustering 分群也叫做聚类 其输入集是还没有进行任何分类的数据 其目的是根据一定的规则 合理地划分记录集合 使组之间的差别尽可能大 组内的差别尽可能小 例如市场划分等 序列规则关联分析 Association 分析两个事物同时出现的规律 序列分析 Sequence 发现事物的出现规律与时间的关系 推算预测回归分析 Regression 包括主元素分析法和相关分析法 它是使用一系列的现有数值来预测一个连续数值的可能值 时间序列 Time series 用现有的数值来预测未来的数值 所分析的数值都与时间有关 4 3 3数据挖掘技术 DataMining DM 部分数据挖掘方法示例 4 3 3数据挖掘技术 DataMining DM 商业智能系统三大支撑技术 综上 数据仓库技术是联机分析处理和数据挖掘的基础 为后两项操作提供了准确 干净 的数据 通过对数据仓库的基本查询 可以得到标准报表 用户知道发生了什么 联机分析处理技术是数据仓库的增值技术 通过联机分析处理 用户知道为什么会发生 数据挖掘技术是数据仓库的增值技术 数据挖掘则告诉用户为什么发生和以后会发生什么 三项技术的复杂度递增 使用人数递减 越重大的决策 越需要更多的分析处理方法辅助 4 3 4展示技术 Display 展示技术商业智能的展示技术也可称为信息可视化技术 Visualization 通过更易理解的图标方式展现数据内容及内涵 辅助决策者理解数据信息 提供数据集合的整体样式 反映结构 模式 趋势 帮助确定 有意义 的信息领域 展示技术 折线图 柱状图 KIVIAT图 饼图 散点图等 部分展示技术示例 4 3 4展示技术 Display 仪表盘技术商业智能可视化技术中的一项特殊技术 优点 使企业管理者以类似驾驶仪表盘的方式总览企业经营状况的关键业务指标和综合指标 让管理者更直观更容易去发现问题 有效地运用数据仓库的数据挖掘技术 结合一定的分析方法 寻找问题根源 辅助正确的决策 供自定义分析指标 可以满足不同层次管理者个性化的需求 对数据进行对比 直观呈现数据信息 更加形象 4 3 5仿真技术 Simulation 仿真技术以多种学科和理论为基础 以计算机及其相应的软件为工具 通过虚拟试验的方法来分析和解决问题 原理 建立既能能反映研究对象实质 又易于被计算机处理的数学模型 将研究对象的实质抽象出来 经过计算机的处理 通过输出这些模型的相关数据或是三维立体形式来展现研究对象的某些特质 实现模拟仿真的三个步骤 模型的建立模型的转换模型的仿真实验 4 4 1商业智能与物联网 物联网物联网的三个层次 第一层 感知层 承担物的信息的采集以及对物体属性进行标识 也就是让物体自己 说话 从而被识别 第二层 通信层 承担信息的可靠传输 借用现有的各种网络来实现 目的是将物与物 人与人 人与物之间相互连通并实现数据传递和交互的传输网络 第三层 应用层 即通过后台庞大的软件系统对各种形式的数据 文件进行智能分析和管理 我国物联网环境 优势 息网络与传输技术基础较好 劣势 在感知层即传感器和芯片制造 集成 预处理等方面还很薄弱 应用层上 海量信息处理的软件技术亟待加强 商业智能技术完善物联网商业智能技术通过三大支撑技术 快速 合理 有效地完成数据汇总 提纯 过程 满足企业希望对数据进一步进行分析的需求 从而帮助进行智能分析管理 完善物联网 4 4 2商业智能与智能物流中其他技术的结合 物流管理理念变革传统 货物流通新型 货物流通 物流服务 信息整合 商业智能技术与智能物流技术的结合商业智能技术中数据仓库的建立需要以数据收集作为基础 智能物流中感知技术RFID的应用 使这些数据及相关信息的收集更为方便 全面 无漏洞 商业智能技术中数据间的传输需要应用高端且稳定的信息传递技术以达到信息共享 智能物流中的通信技术便是利用几大网络 达到快速 稳定 流畅的数据传输 为分析的及时性提供保障 商业智能的联机分析处理和数据挖掘技术正好弥补了智能物流中对于数据分析 关联性研究等决策系统的不足 结果展示和仿真预测技术也为智能物流的决策提供了直观感受和决策依据 4 4 3商业智能在智能物流中的应用趋势 商业智能的应用是现代物流发展的趋势商业智能辅助现代物流企业摆脱以降低成本为主要目的 仓储 运输 配送 包装等各部门平行做事的格局 4 4 3商业智能在智能物流中的应用趋势 智能物流系统对商业智能的需求智能物流系统是一个庞大而复杂的系统 包括运输 仓储 配送 包装 装卸 信息获取等诸多环节 各个环节所产生的大量数据和信息 使企业很难对这些内容进行准确 高效 及时的处理 采购环节基于数据仓库技术的商业智能系统