智能行业分析培训

商务智能

一、商务智能概述二、数据仓库三、数据挖掘四、联机分析处理五、总结

商务智能即BusinessIntelligence,简称BI，是企业利用现代信息技术收集、管理和分析商务数据和信息，创造和累计商务知识和见解，改善商务决策水平的一套完整的解决方案。一：商务智能概述BI的演变过程商务智能的出现是一个渐进的复杂的演变过程，而且仍处在发展之中，它经历了事务处理系统（TPS），高级管理人员信息系统（EIS），管理信息系统（MIS）和决策支持系统（DSS）等阶段，最终演变成今天的企业商务智能。管理信息系统决策支持系统商务智能高级管理人员信息系统事务处理系统BI的系统体系架构企业信息入口商业智能应用软件数据仓库架构可操作的、e-business、外部数据元数据管理系统管理元数据管理外部数据系统管理企业入口软件数据仓库架构BI的行业应用商务智能使企业的各级管理者获得知识和洞察力，从而促使他们做出对企业更有利的决策。在现今的市场环境下，相当多的企业已经具备了计算机运营管理系统，并且积累了大量的数据。于是在此基础上，许多行业使用商务智能系统来应对激烈的市场竞争，来提高企业的业绩。

1、商务智能在电信行业的应用

企业战略决策分析用户分析和管理营销策略分析运营系统分析和管理BI的行业应用（续）2、商务智能在贸易零售行业的应用

销售分析市场分析客户分析市场研究财务分析企业分析产品成本分析价格分析在现今的贸易零售行业中，管理所面临的外部环境正在发生迅速变化，市场环境也比以往更加复杂。贸易零售行业虽然有了大量的交易基础数据，但很多系统仅能做简单的统计分析，不能有针对性的未决策提供支持报表及分析。商务智能帮助管理者认识到期也和市场的现状，从而做出正确的决策。目的与技术构成

目的实现技术服务和决策

技术构成数据仓库技术（DW）联机分析处理技术（OLAP）数据挖掘技术（DM）

运作过程

收集数据数据仓库进入应用知识转变使用查询与分析工具、数据挖掘工具和联机分析处理工具将信息转变成辅助决策的知识抽取、转换、加载从不同的数据源收集二：数据仓库数据仓库结构生成词汇完整方案特点数据仓库的特点及对比与操作型数据库相比是面向不同主题域进行组织而不是面向特殊处理任务。数据是已集成了的、有一致性且需要长期更迭。数据在某个时间点保持不变而非实时更新。包含时间元素的跨年度的数据复杂快照。与业务数据库对比与ERP对比数据内容、目标、特性、结构使用频率、访问量、对响应时间的要求等方面都不同。是基于分析处理的结构而非基于业务处理的结构。数据仓库结构图数据仓库的生成数据仓库词汇ETL即数据抽取（Extract)、转换（Transform)、装载（Load）的过程。它的构建数据仓库的重要环节。元数据元数据（MetaData）是数据仓库环境中除数据以外的所有信息，它贯穿于数据仓库环境的各个环节，是数据仓库的百科全书。事实表是维度模型的基本表，由主键、外键、度量值和其他属性组成。维度表在维度模型中包含维度信息的表，一般由一个主键和很多属性列组成。数据仓库的完整方案数据挖掘(DataMining)，又称为数据库中的知识发现(KnowledgeDiscoveryinDatabase,KDD)，是一种透过数理模式来分析企业内储存的大量资料，以找出不同的客户或市场划分，分析出消费者喜好和行为的方法。是从大量数据中提取或“挖掘”知识，帮助用户理解有关数据的真正含义，并了解数据之间所存在的关系。三：数据挖掘数据挖掘结构图两个对比与信息检索的不同

并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的搜索引擎查找特定的Web页面，则是信息检索（informationretrieval）领域的任务。与OLAP的不同

事实上两者间是截然不同的，数据挖掘（DM）产生假设，联机分析处理（OLAP）则用于查证假设。联机分析处理（OLAP）使用者先有假设查证假设是否成立数据挖掘（DM）帮助使用者产生假设查证假设是否成立与数据仓库的关系若将DataWarehousing（数据仓库）比喻作矿坑，DataMining就是深入矿坑采矿的工作。数据仓库应先行建立完成，DataMining才能有效率的进行，因为数据仓库本身所含数据是干净（不会有错误的数据掺杂其中）、完备，且经过整合的。数据仓库简化数据挖掘步骤，提高数据挖掘效率利用数据仓库资源整合数据信息，发现数据联系数据挖掘19三种类型与八种算法

关联方法分类法聚类法关联方法聚类法Apriori算法分类法人工神经网络决策树算法粗集算法贝叶斯算法遗传算法层次法划分法应用离网预测：预测用户在未来一段时间内离网的风险。

信用申请评分：根据用户资料评估用户是否可以授信（如预付费用户可以透支、后付费用户可以延长帐期）。

信用行为评分：根据用户过去的消费行为特征评估信用得分高低，便于调整话费透支额度或者付费帐期。

定位产品（如彩铃、WAP、增值数据业务等）目标用户：构建模型筛选产品营销的目标用户群。

聚类问题：

用户细分：选择若干指标把用户群聚为若干个组，组内特征相似、组间特征差异明显。当然用户细分的方法很多，不一定都是采用聚类方法。聚类的优点是可以综合处理多维变量，缺点是随之带来的不易解释性。一种便于解释的细分方法是结合业务对用户群进行人为的划分，习惯上称为Pre-Define的方法。这种方法的优点是便于解释且应用性强，缺点是对业务要求比较高，划分边界比较难定，对多维变量处理有难度。

关联问题：

交叉销售：针对用户已经使用的产品和业务，向其推荐他没有使用的，但可能有兴趣的产品。交叉销售的问题从某种角度上来也可以理解为分类问题，与定位产品目标用户这个问题比较相似。

预测问题：比较成型的应用不多，一般多为用户数预测、收入预测等。数据挖掘的步骤

1、理解业务与理解数据；2、获取相关技术与知识；3、整合与查询数据；4、去除错误或不一致及不完整的数据；5、由数据选取样本先行试验；6、建立数据模型；7、实际DataMining的分析工作；8、测试与检验；9、找出假设并提出解释；10、持续应用于企业流程中。联机分析处理（On-LineAnalyticalPro），简称OLAP，是使分析人员、管理人员或执行人人员，能够从多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、交互的存取，从而获得对数据的更深入了解的一类软件。功能：多维性钻取（计算、分析）旋转（切片与切块，使用户得到不同视角的数据）多维视图模式（显示数据直观、丰富）四：联机分析处理两种模式与五种操作两种模式星型模式、雪花模式五种操作切片、切块、旋转、上钻、下探联机分析处理的原理

联机分析处理系统的主要工具是一个多维的数据模型，它最好和最形象的表现形式是数据立方体。数据立方体可以给数据建模，然后以多维的方式使它可视化。总的来说，每个数据立方体都可用两个存在实体来定义：度和量。联机分析处理的应用应用举例：商场的销售情况不同时间段的比较（同期比）

各种商品本周（本月、本年）的销售情况与以往相比，有何变化？排序和统计分类

每天销售量、销售额和利润额最高的10个市场？客户特定的即席分析（市场分割、即席分组的情况）

按照季度统计东北地区前四个季度的收入情况？

理解业务

认识是哪些趋势、哪些非正常情况和哪些行为正对业务产生影响衡量绩效改善关系创造获利机会BI的作用和目的五：总结BI的应用现状欧美企业在2003年底大约有70%部署商务智能，虽然并不一定把它当做全公司范围的、战略性的计划。美国和欧洲的企业对商务智能工具的使用略有不同，美国企业用商务智能做在线处理比欧洲企业多，而欧洲企业用商务智能进行高级分析比美国企业多。虽然许多企业都计划实施商务智能，但商务智能仍未能被广泛地提升到战略性层面。商务智能在中国的发展还处于起步阶段，大部分企业对商务智能还缺乏必要的了解。中国宝钢、海关以及大的银行和电信公司进行了数据仓库和数据挖掘项目。商务智能的发展趋势商业智能软件市场在最近几年得到了迅速增长。从全球范围来看,据ＩＤＣ预测,到2005年,这个市场将以27%的年平均增长率发展,届时将会达到118亿美元。越来越多的组织开始扩展商务智能的应用。而随着现今企业商业流程日趋复杂、企业战略考虑越来越要求精确性，以及市场从供应商为导向变为客户为导向，现在的商务智能技术也在不断地发展中，体现了许多方面的趋势：1.

绩效管理2.

产品模块的集成3.

结构化和非结构化数据4.

数据质量5.

预测分析6.

客户定制化企业中的大部分商务智能用户是偶尔的信息消费者，他们仅需要基本的报表和电子表格功能。然而大多数商务智能软件的