商务智能ppt第一章 商务智能

第1章商务智能【学习目标】

了解商务智能的组成元素；熟悉商务智能系统框架；理解商务智能分析流程。商务智能的定义随着信息技术的快速发展与企业对数据的日益增长的需求，商务智能变得越来越重要。维基百科上定义商务智能为：一系列商业活动行为的数据收集与信息转化作业，透过持续性的过程，搭配技术进行测量、管理与监测，能够容易分析、综合营运及策略的定量化信息应用，即时且交互的对企业的关键性的衡量指针进行评估，进而发觉企业面临的潜在问题或机会，促使用户能够运用大量而完整的信息，进行交叉分析并了解其中趋势，协助企业制订出最佳的策略主题与策略目标的一种决策支持的工具。1.1商务智能的概念

“商务智能”(BusinessIntelligence)概念最早出现于（理查德丹佛）RichardMillarDeven在1865年发表的文章“商业轶事百科全书”中。作者在这篇文章中描述一个银行家是如何用他掌握的信息获得丰厚的利润的。这种能收集有用信息并根据信息进行有效行动的能力，在当今的信息社会依旧是商务智能的核心。，在第210页，他这样写道“在荷兰、佛兰德斯、法国和德国各地，他都掌握着完整而完美的智能商务。因此，他首先得到了许多战斗的消息，纳穆尔的陷落增加了他的利润，因为他很早就得到了这个消息。在该段文字中，作者使用了商务智能(BusinessIntelligence)来描述一个银行家是如何将他掌握的信息来获得丰厚的利润。这种能收集有用信息并根据信息进行有效行动的能力，在当今的信息社会，依旧是商务智能的核心。1.1商务智能的概念1.1商务智能的概念在1958年，IBM的一名科学家（汉斯卢）HansPeteLuhn使用(BusinessIntelligence)这个名词，并以此写了一篇著名文章“Abusinessintelligencesystem”—商务智能系统。该篇论文阐述了一个智能的系统，该系统的主要功能是将数据和信息自动分析并解码，并能根据一个组织或企业中不同执行者的角色设定来自动生成相应的简报，这样的一个系统将会利用数据来解决一个组织或企业中所有的问题。1.1商务智能的概念从信息系统的发展角度看，每一类信息系统中，都或多或少都包含了商务智能这个概念。从最初的交易处理系统，到知识工作系统与办公室自动化OA系统，60~70年代计算机系统蓬勃发展，管理信息系统、经理信息系统的产生，再到80年代的决策支持系统，和今天的商务智能系统，这些系统的更迭，就是商务智能发展的历程。1.1商务智能的概念商务智能（BusinessIntelligence,BI）可以被描述成“获取原始数据，并将之转换为有意义且有用的数据所采用的一组技术和工具，以便达到进行特定业务分析的目的”。商务智能的出现使许多基于大量数据驱动的商务活动成为可能。商务智能技术的运用，能够使企业了解运营的历史情况信息、当前现状信息和未来预测信息。通用的商务智能技术包括提供表报报告、数据分析、在线分析处理、数据挖掘、大数据挖掘、复杂事件处理业务绩效管理、文本挖掘、预测分析和网络分析处理等内容。商务智能可用于支持企业从操作层面到战略层面的各种业务决策。例如商务智能技术可以进行产品定位和定价;并且，企业管理层可以利用商务智能技术，进行企业资源的优先配置、目标市场和新兴市场方向。1.2商务智能的功能1.有效、及时的决策企业管理者可以利用商务智能进行有效和及时的决策。由于商业社会的竞争水平不断增长，企业需要时刻保持活力来应对。因此，企业对竞争对手的行为和新的市场状况做出快速反应的能力是公司成功甚至生存的关键因素。比如一家出租车公司，根据当前的交通流量，客户定位等大数据信息，借助数学模型和算法，在大数据的基础之上，利用商务智能快速调配资源到潜在需求地点。能够在有效性和时效性上达到综合的统一。所以，在商务活动中，商务智能系统能极大地增加关键决策系统过程的有效性。1.2商务智能的功能2.数据、信息、知识和智慧的转换数据数据是可以记录、通信和能识别的符号，它通过有意义的组合来表达现实世界中的某种实体（具体对象、事件、状态或活动）的特征。商务智能技术可以分析结构化数据、半结构化数据以及非结构化数据、静态的历史数据和动态数据流等各种类型的数据。Data：

S、事实和数字HappyNewYear!HowareYou?WordDataInformationrecordExplainDiscrete,objectivefactsabouttheworldEasilystructuredandcapturedEasilytransferred信息：有用的数据SenderReceiver处理数据信息知识一个人的垃圾（数据）是另一个人的财富（信息）Dataendowedwithrelevanceandpurpose信息是经过某种加工处理后的数据，是反映客观事物规律的一些数据。数据是信息的载体,信息是对数据的解释。

（1）数据。从图1-1我们可以看到，数据是知识阶层中最底层也是最基础的一个概念。数据是形成信息、知识和智慧的来源，是事实观察的结果，数据指狭义上的数字，还可以文字、字母的组合，还包括图形、图像、视频、音频等，也是客观事物的属性、数量、位置及其相互关系的抽象表示。例如，“123”、“大风、雷暴”“订单数”等都是数据。（2）信息。“信息”是当代使用频率很高的一个概念，由于很难给出基础科学层次上的信息定义。信息（Information）是指有一定含义的、经过加工处理的、对决策有价值的数据。信息＝数据＋处理。信息必然来源于数据并高于数据。信息是具有时效性的有一定含义的，有逻辑的、经过加工处理的、对决策有价值的数据流。信息＝数据＋时间+处理。比如上述“订单数”的数据，经过一定的格式输出，就是一种信息。（3）知识。知识是让从定量到定性的过程得以实现的、抽象的、逻辑的东西。知识是需要通过信息使用归纳、演绎得方法得到。知识就是知道了什么（Know-what）、知道为什么（Know-why）、知道怎么做（Know-how）、知道谁（Know-who）。知识之所以在数据与信息之上，是因为它更接近行动，它与决策相关.有价值的信息沉淀并结构化后就形成了知识。比如销售人员就能从“订单数”的这个信息，获取到他本人的销售成绩这个知识。（4）智慧。智慧是知识层次中的最高一级。它同时也是人类区别于其他生物的重要特征。我们经常看到一个人满腹经纶，拥有很多知识，但不通世故。也会看到有些人只读过很少的书，却能力超群，能够解决棘手的问题。我们会认为后者具有更多的智慧。智慧（Wisdom）-知识的选择应对的行动方案可能有多种，但（战略）选择却需要靠智慧。智慧是人类基于已有的知识，针对物质世界运动过程中产生的问题根据获得的信息进行分析，对比，演绎找出解决方案的能力。数据、信息、知识、智慧数据(Data)信息(Information)知识(Knowledge)智慧(Wisdom)下雨夏天午后常下雨夏天出门要随身带雨伞全年中如果出现这种天气情况都要带伞1.3商务智能的组成要素

1.大数据按照数据源来说，数据分为企业内部数据和企业外部数据两类。企业内部数据包括企业业务系统产生的数据，如订单、客户信息、交易记录、物流记录等；企业外部数据是指来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。按照数据生成时间来说，数据分为即时数据和历史数据。即时数据即企业在运营过程中产生的即时数据，这类数据基本上是几秒或者是几分钟之前产生的经营数据。而历史数据指的是前一天、前一周，甚至是前一个月的经营数据。从数据结构化程度来说，数据分为结构化数据和非结构化数据。结构化数据是指存储在各个交易系统背后的关系数据库中的数据，通常以表格的形式存在和展现，非结构化数据通常以零散的文件形式存在和展现，泛指不能简单以表格形式展现的数据。1.3商务智能的组成要素2.知识发现获取高质量的数据和信息是基础,知识发现的最终目标是从数据集中识别出有效的、新颖的、潜在有用的,以及最终可理解的知识,即从数据矿山中找到蕴藏的知识。现代信息技术的发展使人们能够对数据进行多层次和多角度的处理以获取潜在有用的知识,其核心是数据分析与挖掘,即通过数据聚类、数据多维分析、关联分析、高级统计分析等算法或者模型,将数据转变成知识。知识发现是信息资源利用从数据和信息层次上升到知识和智能层次的关键组成因素。由于知识是隐藏的,通常不能通过已有的规则或模式推断得到,这就使这些知识在用于决策时往往能帮助企业获取竞争对手不曾掌握的信息和手段,进而获取竞争优势。1.3商务智能的组成要素3.绩效管理和决策支持知识发现的最终落脚点在于优化绩效管理和改善决策水平,具体表现在以下几个方面:（1）商务智能可以对各项业务进行准确评估,理解业务驱动因素识别对业务产生影响的关键因素,积极推动业务发展;（2）商务智能可以从企业的各种应用系统中提取各种基础绩效指标与关键绩效指标,对工作绩效或其他绩效(财务的和非财务的、前台的和后台的、企业内的和供应链的、组织的和个人的)进行跟踪管理,完成对业务流程的挑战和优化;（3）商务智能还可以帮助企业从日常业务数据中得到结论性的、基于事实的和具有可实施性的信息,使企业能够更快、更容易地做出高水平的决策。1.4商务智能的核心技术

商务智能技术是通过从不同的数据源收集数据,对数据进行抽取(abstract)、转换(transform)和装载(load)之后，将所得到的信息送入数据仓库或数据集市,然后使用合适的查询与分析工具、数据挖掘工具和联机分析处理工具对其进行处理,将信息转变为辅助决策的知识,最后将知识呈现在用户面前,以实现技术服务与决策的目的。商务智能的核心技术主要包括数据仓库与数据集市技术、联机分析处理技术、数据挖掘技术、数据可视化技术以及云存储、云计算技术。1.数据仓库与数据集市技术

数据仓库创始人

之一W.H.Inmon（恩门）

将数据仓库定义为一个面向主题的、集成的、非易失的、随时间变化的、用来支持管理人员决策的数据集合。它是从多个数据源收集信息,并以一种一致的存储方式保存所得到的数据集合。数据仓库是为联机分析处理数据挖掘等提供海量数据存储、数据组织的容器和解决数据集成问题的关键技术。数据仓库的底层是多个数据源。一般情况下,这些数据源可以是关系数据或其他类型数据,如文本文件、XML(可扩展标记语言)文档等,然后从数据源中按照统一的规则抽取数据,经过数据清理、数据抽取和转换、数据过滤、数据汇总等过程,将数据转换成数据仓库所需的形式,并将其加载到数据仓库。

数据集市(datamarts)是为满足特定的业务需求而创建的数据存储,是一个小型的数据仓库。它专注于某个特定的主题,面向部门级用户构建复杂业务规则以支持功能强大的分析。数据集市可以直接从操作型环境中获取数据,也可以通过在数据仓库中进行筛选、集成汇总来建立,前者称为独立型数据集市,后者称为从属型数据集市。2.联机分析处理技术

联机分析处理又称为多维分析,它对数据仓库中的数据进行多维分析和展现,侧重对决策人员和高层管理人员的决策支持,可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理,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来的、真正为用户所理解的、真实反映企业维特性的信息进行快速、一致、交互的存取,并且以一种直观而易懂的形式将查询结果提供给决策人员和高层管理人员,以便他们能准确掌握企业(公司)的经营状况,了解对象的需求,制定正确的方案。3.数据挖掘技术

与联机分析处理技术的探测式数据分析不同,数据挖掘侧重从海量数据中揭示隐含的、先前未知的并有潜在价值的信息的非平凡过程,它按照预定的规则对数据库和数据仓库中已有的数据进行信息开采、挖掘和分析,从中识别和抽取隐含的模式与有趣的知识,为决策者提供决策依据。数据挖掘一般包括数据清理、数据变换、数据挖掘实施过程、模式评估和知识表示等8个步骤。知识发现的复杂性决定了数据挖掘过程并不是一蹴而就的,它是一个反复循环的过程,每一个步骤如果没有达到预期目标,都需要回到前面的步骤,重新调整并执行。4.数据可视化技术

为了使分析后的数据能直观、精简地呈现在用户面前,需要采用一定的形式将数据表示和发布出来,人们通常采用的是一些查询和报表工具。不过,目前越来越多的分析结果是以可视化的形式表现出来的,这就需要采用信息可视化技术。所谓数据可视化,是指运用计算机图形技术或图像处理技术,将抽象的信息或数据转换为图形或图像,在计算机屏幕上以图形、图像、虚拟现实等易为人们辨识的方式展现原始数据间的复杂关系、潜在信息以及发展趋势,使人们能够更好地利用所掌握的信息资源。5.云计算、云储存技术

随着技术的发展，单位计算资源和存储资源的价格不断下降及网络带宽的不断增加，人们发现通过网络就可以获得一台高性能服务器的所有计算和存储资源服务。并且根据不同的需求，服务器的数量和容量都可以进行动态调整。云存储的概念与云计算类似，它是指通过集群应用、网格技术或分布式文件系统等功能，网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据访问和计算功能的一个系统。简单来说，云存储就是将储存资源放到网络上供人存取的一种新兴方案。使用者可以在任何时间、任何地方，通过任何可联网的装置方便地存取数据，由于这种资源就像天上的云一样，我们就称之为云存储。通过云计算和云存储，商务智能所需的数据就可以真正实现世界互联，全球任意一地方、任意一设备的数据在短时间内可以进行云计算并做出商业决策，实现真正的即时商务智能1.5商务智能系统框架

1．数据源数据源简单来说就是数据的来源，是提供数据的源头，可以是各个部门的纸质文件、电子文件、数据库、音频文件、视频文件等一切原始、未经修改的数据来源。一切商务活动的原始记录都应该在数据源中。2．数据仓库/大数据平台数据源的数据，由于多种格式，直接进行保存会造成数据紊乱。这个时候，就需要使用ETL工具(extract,transform,load)工具,将数据源的数据根据一定规则进行提取，并通过特定的规律转换成可保存的统一格式，比如统一将数据源的日期转换成“年-月-日”格式。数据仓库装载到数据仓库或者大数据平台中，用作决策阶段的数据依据。3．商务智能算法数据最终会被提取并且根据不同的业务需求，比如物流中的最佳路径、营销中的最佳人群、人力资源中的人力成本优化等问题进行分析和挖掘，提供决策者一个决策结果。在商务智能系统框架中，必然包含多种数据挖掘方法，商务智能算法包含了初级的统计分析到高级的数据挖掘及各种还在发展中的先进智能算法。1.6商务智能的分析流程

商务智能的分析流程分析阶段：在该阶段，确定和准确描述业务问题是最为关键的一个步骤。定位了一个具体问题之后，就可以通过该问题来定位最为相关的数据范围。比如保险公司需要知道哪些客户会延长保险，那么最相关的数据因素就是客户的保险数据，如客户的保险金额、保险年限等。确定了问题及相关数据范围后，就可以开展多种调查途径来获得源数据，并通过OLAP等直接的视图分析来获得一个基本结论，在商务智能流程的第一个阶段就是确定问题，并能获得快速响应并进行互动的阶段。了解阶段：确定了问题之后，就需要更深入地理解与当前问题相关的数据。比如在第一阶段分析表明一定数量的客户的保单并不会在第二年延长保险。那么，在该阶段就需要找出该类客户具有共性的属性，来说明某些这些客户在第二年是不会延长保险的。在这个阶段，这些信息会转变成为知识，这些知识一旦被决策者掌握，就可以进行下一个阶段，决策了。决策阶段：在该阶段，由上一阶段获得的知识就会转换为决策，并产生相应行动。比如已经获得了第二年不会延保客户的知识，决策者可以做出一个决策即生产部门提供特定的保单产品给该类客户，或者是营销部门提供特定的营销策略改变该种客户的类型等。通过获取的知识，在决策阶段，决策者可以更有效和及时地做出决定，使之更好地服务企业。评估阶段：最后，商务智能流程为评估阶段，在该阶段，根据企业的各个部门需求，采取不同的业绩指标是一种可行的方法。比如：财务部门的评估为公司支出和收入；营销部门为客户增长率等。1.7商务智能的主流产品

TableauSoftware是一款数据可视化软件。Tableau帮助任何人快速分析、可视化并分享信息。超过42,000家