商业智能原理、技术及应用 第2版 课件 课程总结

主讲教师：戴小廷商业智能课程回顾萌芽期

1994-2002高速发展期

2003-2012全面成长期

2013-2019转型升级期

2020-数字经济与物流、供应链创新发展物流与供应链数字化的内涵装备要数字化；运营智能化；流程可视化；服务敏捷化；产业生态化；提升数字化的运营能力，即要掌握算法、算力等；打好数字化基础，即数字标准、数字人才和数字化的理论建设。回望来路

不忘初心数据覆盖了物流的每个环节

数字化仓库让供应链更有弹性数据与商业决策支持

—步入数据的纷繁世界商业智能概述

—初步了解商业智能商业智能原理

—洞察商业智能核心技术商业智能的敏捷实现

—了解商业智能实现工具线下项目一：传统数据分析工具应用-EXCEL数据处理与分析线下项目二：传统数据分析工具到商业智能系统线下项目三：MicrosoftPowerBI应用--面向人力资源主题商业智能实现案例线下项目四：物流网络货源数据收集与处理线下项目五：MicrosoftPowerBI应用--面向销售主题进阶案例艰苦的实验与实践历程

实验一使用EXCEL中辅助决策工具进行物流预测与企业经营决策分析

实验二构建数据仓库

实验三开展OLAP分析

实验四建立多维交互式分析报表与发布

实验五共享报表与数据刷新

实验六数据挖掘实验七商业智能在库存管理中的应用实验八商业智能在零售管理中的应用商业智能BusinessIntelligence，BI商业智能是指通过有目的、有选择地采集业务数据，转换为对决策有用的信息，使企业获得知识，提高企业决策的能力。企业界定义：BI是一种能力，它通过有智能地使用企业的数据资源来进行更好的商务决策。学术界观点：BI是帮助企业提高决策与运营能力的概念、方法、过程以及软件的集合。回顾商业智能系统和结构数据仓库技术数据集合面向主题时变性稳定集成的目的？模型？OLAP技术On-lineAnalyticalProcessing快速信息型多维可分析切片/切块钻取旋转/透视OLAP三大操作？16

所谓数据挖掘具体地说是在数据库中，对数据进行一定的处理，从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含的、事先未知的、但又是潜在有用的信息和知识的过程。

其处理对象是大量的日常业务数据，目的是为了从这些数据中抽取一些有价值的知识或信息，提高信息利用率，原始数据是形成知识的源泉。数据挖掘数据挖掘任务分类数据挖掘预测分类回归聚类关联链接分析序列分析学习方式常用的算法离群分析无监督有监督有监督无监督无监督决策树、人工神经网络/多参数线性规划、支持向量机、粗糙集、遗传算法线性/非线性回归、回归树、人工神经网络/多参数线性规划、支持向量机期望最大化算法，基于图匹配关联规则K均值、人工神经网络/自组织映射支持度2（50%），置信度80%下挖掘结果后项 前项 支持度百分比 置信度百分比购买商品_C 购买商品_A 50.0 100.0购买商品_E 购买商品_B 75.0 100.0购买商品_B 购买商品_E 75.0 100.0购买商品_E 购买商品_Band购买商品_C 50.0 100.0购买商品_B 购买商品_Eand购买商品_C 50.0 100.0我能做了吗？

数据分析专员---九州通医药集团物流有限公司1、2年以上物流行业数据分析等相关岗位工作经验；2、多种数据源的数据进行组合分析、挖掘、深度分析和建模；运营数据的监控和跟踪分析，并对异常波动情况进行深入分析和问题定位；3、设计、搭建物流大数据平台架构，为公司运营评估、决策、风险、发展策略提供数据支持；4、逻辑思维能力强，良好的沟通能力以及团队合作精神；5、熟练掌握至少一种统计分析工具（如：EXCEL、SPSS、SAS、Tableau等）。商业智能的未来数据仓库、OLAP、数据挖掘核心技术的不断发展，推动商业智能应用的发展。智能组装商业智能系统

未来架构商业智能系统将越来越容易，那时模型部件、知识部件成为网络提供的服务，决策用户只需将各自的决策问题生成智能控制程序流程，就能很方便组成各自的系统。云计算、大数据技术的逐步成熟和实用化，也将推动商业智能的发展。BI的未来发展趋势1）功能上具有可