商務(wù)智能復(fù)習(xí)文檔

1、商務(wù)智能：BusinessIntelligence-由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的、以輔助企業(yè)決策為目的一類技術(shù)及其應(yīng)用-工業(yè)界-商務(wù)智能可以被看作是一類技術(shù)或工具，利用它們可以對(duì)大量的數(shù)據(jù)進(jìn)行收集、管理、分析和挖掘，以改善業(yè)務(wù)決策水平，增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力-學(xué)術(shù)界-商務(wù)智能是一套理論、方法和應(yīng)用，通過它們可以快速地發(fā)現(xiàn)海量數(shù)據(jù)中隱含的各種知識(shí)，有效地解決企業(yè)面臨的管理和決策問題，支持企業(yè)的戰(zhàn)略實(shí)施。商務(wù)智能指收集、轉(zhuǎn)換、分析和發(fā)布數(shù)據(jù)的過程，目的是為了更好的決策。商務(wù)智能是指將數(shù)據(jù)轉(zhuǎn)化為知識(shí)的過程。它包括捕獲和分析信息，交流信息，以及利用這些信

2、息開發(fā)市場(chǎng)。商務(wù)智能是企業(yè)利用現(xiàn)代信息技術(shù)收集、管理和分析結(jié)構(gòu)化和非結(jié)構(gòu)化的商務(wù)數(shù)據(jù)和信息，創(chuàng)造和累計(jì)商務(wù)知識(shí)和見解，改善商務(wù)決策水平，采取有效的商務(wù)行動(dòng)，完善各種商務(wù)流程，提升商務(wù)績(jī)效，增強(qiáng)綜合競(jìng)爭(zhēng)力的智慧和能力。BusinessIntelligenceisaprocessofturningdataintoknowledgeandknowledgeintoactionforbusinessgainDataWarehouseInstitute商務(wù)智能是指透過資料的萃取、整合及分析，支持決策過程的技術(shù)和商業(yè)處理流程，其目的是為了使使用者能在決策的時(shí)候，盡可能得到更好的協(xié)助。商務(wù)智能是運(yùn)用數(shù)據(jù)倉庫

3、、在線分析和數(shù)據(jù)挖掘技術(shù)來處理和分析數(shù)據(jù)的技術(shù)，它允許用戶查詢和分析數(shù)據(jù)庫，進(jìn)而得出影響商業(yè)活動(dòng)的關(guān)鍵因素，最終幫助用戶做出更好、更合理的決策。商務(wù)智能是通過利用多個(gè)數(shù)據(jù)源的信息以及應(yīng)用經(jīng)驗(yàn)和假設(shè)，來促進(jìn)對(duì)企業(yè)動(dòng)態(tài)性的準(zhǔn)確理解，以便提高企業(yè)決策能力的一組概念、方法和過程的集合。商務(wù)智能是通過獲取與各個(gè)主題相關(guān)的高質(zhì)量和有意義的信息來幫助人們分析信息、得出結(jié)論、形成假設(shè)的過程。商務(wù)智能是融合了先進(jìn)信息技術(shù)與創(chuàng)新管理理念的結(jié)合體，集成企業(yè)內(nèi)外數(shù)據(jù)，進(jìn)行加工并從中提取能夠創(chuàng)造商業(yè)價(jià)值的知識(shí)，面向企業(yè)戰(zhàn)略并服務(wù)于管理層、業(yè)務(wù)層，指導(dǎo)企業(yè)經(jīng)營(yíng)決策，提升企業(yè)競(jìng)爭(zhēng)力。商務(wù)智能對(duì)企業(yè)的作用和價(jià)值資金成本分析：

4、建立起內(nèi)部資金的有償使用機(jī)制資本金分配的目的：經(jīng)營(yíng)考核的需要，風(fēng)險(xiǎn)管理的需要，財(cái)務(wù)管理的需要，市場(chǎng)進(jìn)出的需要不同層次的商務(wù)智能應(yīng)用：以前發(fā)生了什么、現(xiàn)在發(fā)生著什么、業(yè)務(wù)活動(dòng)管理、為什么發(fā)生了、將來會(huì)發(fā)生什么數(shù)據(jù)（Data）數(shù)據(jù)是對(duì)事物描述的符號(hào)。在計(jì)算機(jī)科學(xué)中，數(shù)據(jù)是數(shù)字、文字、圖像、聲音等可以輸入到計(jì)算機(jī)被識(shí)別的符號(hào)企業(yè)運(yùn)營(yíng)離不開數(shù)據(jù)。企業(yè)運(yùn)營(yíng)的各個(gè)環(huán)節(jié)每天都在積累數(shù)據(jù)，如供應(yīng)商、客戶的數(shù)據(jù)，銷售、生產(chǎn)以及庫存數(shù)據(jù)等。用戶生成數(shù)據(jù)(usergenerateddata,UGD)社會(huì)化媒體、智能化手機(jī)等使得全世界不計(jì)其數(shù)的個(gè)體也在不斷產(chǎn)生數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)(structureddata)：通常以二維

5、表格的形式存儲(chǔ)在關(guān)系數(shù)據(jù)庫中非結(jié)構(gòu)化數(shù)據(jù)(unstructureddata):文本數(shù)據(jù)信息(information)通過一定的技術(shù)和方法，對(duì)數(shù)據(jù)進(jìn)行集成、分析，挖掘其潛在的規(guī)律和內(nèi)涵，得到的結(jié)果是信息。信息是具有商務(wù)意義的數(shù)據(jù)例如，通過對(duì)零售信息的集成和分析發(fā)現(xiàn)，某超市的客戶群根據(jù)其消費(fèi)行為可以分為若干個(gè)群體，每個(gè)群體具有一些明顯的特征。例如，其中一個(gè)群體是單身女性，喜歡經(jīng)常購買化妝品，消費(fèi)金額高。知識(shí)(Knowledge)當(dāng)信息用于商務(wù)決策，并基于決策開展相應(yīng)的商務(wù)活動(dòng)時(shí)，信息就上升為知識(shí)信息轉(zhuǎn)化為知識(shí)的過程不僅需要信息，而且需要結(jié)合決策者的經(jīng)驗(yàn)和能力，用以解決實(shí)際的問題。例如，某連鎖超市的

6、經(jīng)理發(fā)現(xiàn)，近期化妝品的銷售業(yè)績(jī)下降了，為了解決該問題,促銷措施，根據(jù)對(duì)數(shù)據(jù)的分析得到的客戶分群的信息，銷售經(jīng)理鎖定了促銷的目標(biāo)客戶群，決定米取最終開展了為這部分客戶郵寄優(yōu)惠券的促銷活動(dòng)。商務(wù)智能過程知識(shí)發(fā)現(xiàn)知識(shí)發(fā)現(xiàn)的特征知識(shí)模式是使用一種形式化語言來進(jìn)行的表達(dá)，表達(dá)描述了事實(shí)集合的子集中的一種顯著的事實(shí)。通過某種知識(shí)發(fā)現(xiàn)方法得到一個(gè)顧客細(xì)分的結(jié)果子集為41歲顧客，42歲顧客，48歲顧客,43歲顧客，64歲顧客,可以歸納為“40之上的顧客”或者“中年以上的顧客”等。知識(shí)發(fā)現(xiàn)強(qiáng)調(diào)模式的有效性、新穎性、潛在有用性以及最終能被理解。1.2.2知識(shí)發(fā)現(xiàn)過程1、理解所要進(jìn)行研究的領(lǐng)域、與之相關(guān)的以前的知識(shí)

7、、以及用戶的目標(biāo)；2、創(chuàng)建/選擇目標(biāo)數(shù)據(jù)集合；3、數(shù)據(jù)清理和預(yù)處理；4、數(shù)據(jù)縮減和投影；5、選定數(shù)據(jù)挖掘任務(wù)；6、選擇數(shù)據(jù)挖掘算法；7、數(shù)據(jù)挖掘過程；8、對(duì)挖掘出來的模式進(jìn)行解釋;9、完善和鞏固所發(fā)現(xiàn)的知識(shí)。1.2.2知識(shí)發(fā)現(xiàn)過程一一7個(gè)步驟如下：1）數(shù)據(jù)清理：消除噪聲或不一致2）數(shù)據(jù)集成：多種數(shù)據(jù)源組合在一起3）數(shù)據(jù)選擇：從數(shù)據(jù)庫中檢索與分析任務(wù)相關(guān)的數(shù)據(jù)。4）數(shù)據(jù)變換：數(shù)據(jù)變換或統(tǒng)一成適合挖掘的形式，如匯總或聚集操作5）數(shù)據(jù)挖掘：使用智能方法提取數(shù)據(jù)模式6）模式評(píng)估：根據(jù)某種興趣度量，識(shí)別表示知識(shí)的真正有趣的模式7）知識(shí)表示：使用可視化和知識(shí)表示技術(shù)，向用戶提供挖掘的知識(shí)商務(wù)智能的系統(tǒng)構(gòu)成

8、：六個(gè)主要組成部分：數(shù)據(jù)源（datasource）:企業(yè)內(nèi)部的操作型系統(tǒng)，即支持各業(yè)務(wù)部分日常運(yùn)營(yíng)的信息系統(tǒng)企業(yè)的外部，如人口統(tǒng)計(jì)信息、競(jìng)爭(zhēng)對(duì)手信息等數(shù)據(jù)倉庫（datawarehouse）:各種數(shù)據(jù)源的數(shù)據(jù)經(jīng)過抽取、轉(zhuǎn)換之后需要放到一個(gè)供分析使用的環(huán)境，以便對(duì)數(shù)據(jù)進(jìn)行管理，這就是數(shù)據(jù)倉庫數(shù)據(jù)集市（datamart）:通常針對(duì)單個(gè)部門的數(shù)據(jù)倉庫，區(qū)別于企業(yè)范圍內(nèi)的數(shù)據(jù)倉庫。數(shù)據(jù)倉庫可以將分析數(shù)據(jù)與實(shí)現(xiàn)業(yè)務(wù)處理的操作型數(shù)據(jù)隔離，一方面不影響業(yè)務(wù)處理系統(tǒng)的性能，另一方面為數(shù)據(jù)的分析提供了一個(gè)綜合的、集成的、統(tǒng)一的數(shù)據(jù)管理平臺(tái)在線分析處理(onlineanalyticalprocessing):在線分

9、析處理：業(yè)務(wù)性能度量可以通過多個(gè)維度、多個(gè)層次進(jìn)行多種聚集匯總，通過交互的方式發(fā)現(xiàn)業(yè)務(wù)運(yùn)行的關(guān)鍵性能指標(biāo)的異常之處。多維數(shù)據(jù)可以進(jìn)行多種操作如切片、切塊、下鉆、上卷等數(shù)據(jù)探查(exploration):包括靈活的查詢、即時(shí)報(bào)表以及統(tǒng)計(jì)方法等該類方法屬于被動(dòng)分析方法探查數(shù)據(jù)的方法可以借助統(tǒng)計(jì)上的中心性、發(fā)散性以及相關(guān)性的統(tǒng)計(jì)量分析，多變量分析時(shí)也可以借助可視化技術(shù)。數(shù)據(jù)挖掘(datamining)數(shù)據(jù)挖掘是從大量數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)隱含的信息和知識(shí)的過程，屬于主動(dòng)分析方法，不需要分析者的先驗(yàn)假設(shè)，可以發(fā)現(xiàn)未知的知識(shí)常用的分析方法包括分類、聚類、關(guān)聯(lián)分析、數(shù)值預(yù)測(cè)、序列分析、社會(huì)網(wǎng)絡(luò)分析等數(shù)據(jù)挖掘：(分

10、類)分類(classification)是通過對(duì)具有類別的對(duì)象的數(shù)據(jù)集進(jìn)行學(xué)習(xí)，概括其主要特征，構(gòu)建分類模型，根據(jù)該模型預(yù)測(cè)對(duì)象的類別的一種數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)。例如，電信公司的客戶可以分為兩類，一類是忠誠(chéng)的，一類是流失的。根據(jù)這兩類客戶的個(gè)人特征方面的數(shù)據(jù)以及在公司的消費(fèi)方面的數(shù)據(jù)，利用分類技術(shù)可以構(gòu)建分類模型數(shù)據(jù)挖掘：(聚類)聚類(clustering)是依據(jù)物以類聚的原理，將沒有類別的對(duì)象根據(jù)對(duì)象的特征自動(dòng)聚集成不同簇的過程，使得屬于同一個(gè)簇的對(duì)象之間非常相似，屬于不同簇的對(duì)象之間不相似。其典型應(yīng)用是客戶分群數(shù)據(jù)挖掘：關(guān)聯(lián)分析關(guān)聯(lián)分析最早用于分析超市中顧客一次購買的物品之間的關(guān)聯(lián)性例如

11、，發(fā)現(xiàn)關(guān)聯(lián)規(guī)則(associationrule)“尿不濕啤酒(0.5%,60%)”，其含義為，0.5%的交易中會(huì)同時(shí)購買尿不濕和啤酒，且買尿不濕的交易中有60%會(huì)同時(shí)買啤酒數(shù)據(jù)挖掘：數(shù)值預(yù)測(cè)數(shù)值預(yù)測(cè)用于預(yù)測(cè)連續(xù)變量的取值。常用的預(yù)測(cè)方法是回歸分析例如，可以根據(jù)客戶個(gè)人特征，如年齡、工作類型、受教育程度、婚姻狀況等，來預(yù)測(cè)其每月的消費(fèi)額度。數(shù)據(jù)挖掘：序列分析：序列分析是對(duì)序列數(shù)據(jù)庫進(jìn)行分析，從中挖掘出有意義模式的技術(shù)。序列模式(sequentialpattern)的發(fā)現(xiàn)屬于序列分析，它是從序列數(shù)據(jù)庫中發(fā)現(xiàn)的一種有序模式例如，赤壁，鴻門宴，見龍卸甲，意味著“看了赤壁之后會(huì)接著看鴻門宴，過段時(shí)間會(huì)看見龍卸甲”數(shù)據(jù)挖掘：社會(huì)網(wǎng)絡(luò)分析社會(huì)網(wǎng)絡(luò)(socialnetwork)是由個(gè)人或組織及其之間的關(guān)系構(gòu)成的網(wǎng)絡(luò)社會(huì)網(wǎng)絡(luò)分析(socialnetworkanalysis)是對(duì)社會(huì)網(wǎng)絡(luò)的結(jié)構(gòu)和屬性進(jìn)行分析，以發(fā)現(xiàn)其中的局部或全局特點(diǎn)，發(fā)現(xiàn)其中有影響力的個(gè)人或組織，發(fā)現(xiàn)網(wǎng)絡(luò)的動(dòng)態(tài)變化規(guī)律等業(yè)務(wù)績(jī)效管理:業(yè)務(wù)績(jī)效管理(businessperformancemanagement),簡(jiǎn)稱BPM,又稱為企業(yè)績(jī)效管理(corporateperformancemanagement),是對(duì)企業(yè)的關(guān)鍵性能指標(biāo)，如銷售、成本、禾U潤(rùn)以及可盈利性等，進(jìn)行度量、監(jiān)控和比較的方法和工具