第六講第15章-商務(wù)智能.ppt

1 第6講電子商務(wù)中的商務(wù)智能 2學(xué)時 哈爾濱工業(yè)大學(xué)管理學(xué)院王澤彬Wangzebin 第15章電子商務(wù)中的商務(wù)智能 3 15 1商務(wù)智能的概念15 2數(shù)據(jù)倉庫15 3OLTP OLAP15 4數(shù)據(jù)挖掘15 5商務(wù)智能的架構(gòu) 15 1商務(wù)智能的概念 5 6 商務(wù)智能的提出 九十年代末 美國商務(wù)智能的含義商務(wù)智能 BusinessIntelligence 縮寫為BI 指利用計算機及計算機網(wǎng)絡(luò) 從商業(yè)數(shù)據(jù)存儲中提取與分析企業(yè)關(guān)注信息的智能化的數(shù)據(jù)分析處理系統(tǒng) 商務(wù)智能的核心技術(shù)數(shù)據(jù)倉庫DW 在線分析處理OLAP 數(shù)據(jù)挖掘DM 7 商務(wù)智能 簡稱BI 指通過對數(shù)據(jù)的收集 管理 分析以及轉(zhuǎn)化 使數(shù)據(jù)成為可用的信息 從而獲得必要的洞察力和理解力 更好地輔助決策和指導(dǎo)行動的過程 商務(wù)智能系統(tǒng)指利用計算機技術(shù)及信息技術(shù) 從商業(yè)數(shù)據(jù)中提取出與企業(yè)決策相關(guān)的信息的智能化的數(shù)據(jù)分析處理系統(tǒng) 商務(wù)智能系統(tǒng)是一種為決策制定者提供決策支持的信息系統(tǒng) 商務(wù)智能系統(tǒng)從基于計算機技術(shù)的決策支持技術(shù)發(fā)展而來 8 國內(nèi)學(xué)術(shù)界的觀點 BI實際上是幫助企業(yè)提高決策能力和運營能力的概念 方法 過程以及軟件的集合 其主要目標(biāo)是將企業(yè)所掌握的信息轉(zhuǎn)換成競爭優(yōu)勢 提高企業(yè)決策能力 決策效率 決策準(zhǔn)確性 9 國內(nèi)產(chǎn)業(yè)界的觀點 商務(wù)智能是指一種能力 通過智能地使用企業(yè)的數(shù)據(jù)財產(chǎn)來制定更好的商務(wù)決策 它的意思是說各種企業(yè)的決策人員以企業(yè)中的數(shù)據(jù)倉庫 DataWarehouse 為本 經(jīng)由各式各樣的查詢分析工具 Query ReportTools 聯(lián)機分析處理 OLAP 工具 或是數(shù)據(jù)挖掘 DataMining 工具加上決策規(guī)劃人員的行業(yè)知識 IndustryKnowledge 從數(shù)據(jù)倉庫中獲得有利的信息 進(jìn)而幫助企業(yè)提高獲利 增加生產(chǎn)力與競爭力 10 與BI相關(guān)的幾個重要概念 BI BusinessIntelligence 商務(wù)智能 DW DataWarehouse 數(shù)據(jù)倉庫 OLTP OnlineTransactionProcess OLAP OnlineAnalysisProcess DM DataMining 數(shù)據(jù)挖掘 15 2數(shù)據(jù)倉庫 12 數(shù)據(jù)倉庫 DataWarehouse簡稱DW Adatawarehouseisasubject oriented integrated time variant andnonvolatilecollectionofdatainsupportofmanagement sdecision makingprocess W H Inman數(shù)據(jù)倉庫是實現(xiàn)商務(wù)智能的基礎(chǔ)平臺 13 數(shù)據(jù)倉庫為滿足管理決策中的數(shù)據(jù)需求 W H Inmon 在1992最先提出了數(shù)據(jù)倉庫的概念 按照Inmon的定義 數(shù)據(jù)倉庫是面向主題的 集成的 穩(wěn)定的 不同時間的數(shù)據(jù)集合 用于支持經(jīng)營管理的決策制定過程 目前已經(jīng)成為企業(yè)級決策系統(tǒng)的重要組成部分 14 數(shù)據(jù)倉庫VS數(shù)據(jù)庫 數(shù)據(jù)庫系統(tǒng) 生產(chǎn)系統(tǒng) 面向應(yīng)用 事務(wù)驅(qū)動的實時性高數(shù)據(jù)檢索量少只存當(dāng)前數(shù)據(jù) 數(shù)據(jù)倉庫系統(tǒng) 決策系統(tǒng) 面向主題 分析和決策實時性要求不是特別高數(shù)據(jù)檢索量大存儲大量的歷史數(shù)據(jù)和當(dāng)前數(shù)據(jù) 客戶 產(chǎn)品 渠道 交易 機構(gòu) 15 3OLTP OLAP 16 OLTP OLAP OLTP OnlineTransactionProcess 聯(lián)機事務(wù)處理 是公司日常運營的基礎(chǔ) 是業(yè)務(wù)流程信息化的關(guān)鍵 基于日常數(shù)據(jù)庫 例 17 OLAP 為滿足基于大型數(shù)據(jù)庫的復(fù)雜查詢 決策分析等需求 彌補OLTP On LineTransactionProcessing 在線事務(wù)處理 在功能上的不足 90年代初出現(xiàn)了OLAP技術(shù) E F Codd 1993 目前OLAP已經(jīng)成為大部分?jǐn)?shù)據(jù)倉庫的重要分析工具 18 OLTP OLAP OLAP OnlineAnalysisProcess 聯(lián)機分析處理 基于數(shù)據(jù)倉庫的數(shù)據(jù)分析 以供決策所需 面向管理層 面向未來 滿足決策支持或多維環(huán)境特定的查詢和報表需求 它的技術(shù)核心是 維 這個概念 因此OLAP也可以說是多維資料分析工具的集合 19 ASampleDataCube 哈爾濱銷售電視機的總量 20 OLAP多維分析方法 上卷 roll up 下鉆 drill down 切片 dice 切塊 slice 旋轉(zhuǎn) rotate 旋軸 pivot 21 TheMOLAPCube Facttableview Multi dimensionalcube dimensions 2 22 3 D立方體 dimensions 3 Multi dimensionalcube Facttableview day2 day1 23 上鉆 下鉆 day2 day1 129 Example computingsums 24 切塊 切片 day2 day1 TIME day1 15 4數(shù)據(jù)挖掘 26 DM DataMining Datamining knowledgediscoveryfromdata Extractionofinteresting non trivial implicit previouslyunknownandpotentiallyuseful patternsorknowledgefromhugeamountofdata Fayyad Piatetsky Shapiro Smyth 96 27 DM DataMining 數(shù)據(jù)挖掘 DataMining 就是從大量的 不完全的 有噪聲的 模糊的 隨機的數(shù)據(jù)中 提取隱含在其中的 人們事先不知道的 但又是潛在有用的信息和知識的過程 28 WhyDataMining 數(shù)據(jù)庫技術(shù)的發(fā)展Tocollectalargeamountofdata primitivefileprocessingTostoreandquerydataefficiently DBMS新的挑戰(zhàn) hugeamountofdata howtoanalyzeandunderstand Datamining 29 數(shù)據(jù)挖掘VS數(shù)據(jù)倉庫 數(shù)據(jù)挖掘 DataMining 與數(shù)據(jù)倉庫 DataWarehouse 沒有直接的聯(lián)系在大部分情況下 數(shù)據(jù)挖掘都要把數(shù)據(jù)從數(shù)據(jù)倉庫中拿到數(shù)據(jù)挖掘庫或數(shù)據(jù)集市中為了數(shù)據(jù)挖掘你也不必非得建立一個數(shù)據(jù)倉庫 數(shù)據(jù)倉庫不是必須的 30 DataMiningApplication 商業(yè) 貸款 網(wǎng)上購物 購買書籍 Web Google政府 毒品交易 反恐怖醫(yī)療保險病人 31 ProblemsSuitableforData Mining 基于知識的決策具有變化的外部環(huán)境具有可以使用的 充分的相關(guān)數(shù)據(jù)正確的決策具有高的回報率 32 DM 數(shù)據(jù)挖掘 VSOLAP OLAP分析過程的本質(zhì)是一個演繹推理的過程OLAP分析先建立一系列的假設(shè) 然后通過OLAP來證實或推翻這些假設(shè)來最終得到自己的結(jié)論 33 DM 數(shù)據(jù)挖掘 VSOLAP DM DataMining 和OLAP是完全不同DM本質(zhì)上是一個歸納的過程不是用于驗證某個假定的模型的正確性 而是在數(shù)據(jù)庫中自己尋找模型數(shù)據(jù)挖掘和OLAP具有一定的互補性 34 問題描述 預(yù)測信用水平是好還是差 銀行據(jù)此決定是否向客戶發(fā)放貸款 發(fā)放多少結(jié)果描述 收入大于5萬元 年 是 否 有無儲蓄帳戶 是否房主 是 是 否 否 批準(zhǔn) 不批準(zhǔn) 批準(zhǔn) AnExample 35 數(shù)據(jù)挖掘的典型結(jié)果 電信問題描述 根據(jù)客戶信息 預(yù)測客戶流失可能性結(jié)果描述 神經(jīng)網(wǎng)絡(luò) 輸入 流失概率 0 87 輸出 男 29 3000元 月 神州行 130元 月 AnExample 15 5商務(wù)智能的架構(gòu) 37 BI平臺基本架構(gòu) ArchitectureofBusinessIntelligenceSystem WonKim 19982ndWorldwideComputingandit sApplications 38 39 案例 商務(wù)智能模型 異構(gòu)數(shù)據(jù)采集程序 采集接口1 采集接口2 采集接口n 數(shù)據(jù)修正篩選程序 數(shù)據(jù)倉庫系統(tǒng)OLAP 數(shù)據(jù)挖掘系統(tǒng) 表示與發(fā)布系統(tǒng) 管理駕駛艙系統(tǒng) 智能報表系統(tǒng) WEB發(fā)布系統(tǒng) 診斷發(fā)布系統(tǒng) WEB數(shù)據(jù)采集接口 WEB智能表單統(tǒng)計平臺 第一部分 第二部分 第三部分 第四部分 40 應(yīng)用實例 航天科技風(fēng)華電子預(yù)算分析及數(shù)據(jù)挖掘平臺哈藥集團(tuán)醫(yī)藥物流數(shù)據(jù)挖掘系統(tǒng)酒店行業(yè)數(shù)據(jù)挖掘的實際應(yīng)用 41 數(shù)據(jù)挖掘系統(tǒng) 全面預(yù)算管理系統(tǒng) 航天科技風(fēng)華電子預(yù)算分析及數(shù)據(jù)挖掘平臺總體目標(biāo) 航天科技風(fēng)華電子預(yù)算分析及數(shù)據(jù)挖掘平臺 42 哈藥集團(tuán)商務(wù)智能系統(tǒng)的分析方法 哈藥集團(tuán)商務(wù)智能系統(tǒng) 43 44 北京保利大廈酒店行業(yè)數(shù)據(jù)挖掘的實際應(yīng)用