商務智能的考試重點

1、1?商務智能的基本概念（簡答）對工業(yè)界來說，商務智能是一類技術或工具，利用他們可以對大量的數(shù)據(jù)進行收集、管理、分析和挖掘，以改善業(yè)務決策水平，增強金業(yè)競爭力。對學術界來說，商務智能是一套理論、方法、和應用，通過他們可以快速的發(fā)現(xiàn)海量數(shù)據(jù)中隱含的各種知識, 冇效的解決企業(yè)而臨的管理和決策問題，支持企業(yè)的戰(zhàn)略實施2.商務智能系統(tǒng)的開發(fā)過程規(guī)劃識別業(yè)務需求識別信i息需求時間成本規(guī)劃設計OLAP設計數(shù)據(jù)集市數(shù)據(jù)挖掘設計1 1V 1 /需求分析1詳細的需求分析技術:選擇1在線 分析 處理數(shù)據(jù)挖掘算法實現(xiàn)構建數(shù)據(jù)倉昨構建數(shù)據(jù)集市聊強 查詢 報表3?在線分析處理和在線事務處理 (簡答)在線事務處理在線分析處

2、理用戶普通職員管理人員和分析人員功能日常業(yè)務處理決策支持數(shù)據(jù)庫設計高度規(guī)范化非規(guī)范化數(shù)據(jù)處理在線插入、刪除、修改批量加載和刪除使用方式重復操作即時的、圖表形式的交互查詢執(zhí)仃單兀短的事務處理復雜的查詢數(shù)據(jù)當前的、細節(jié)的數(shù)據(jù)丿力史的匯總數(shù)據(jù)性能指標事務吞吐量查詢響應時間事務特性并發(fā)控制和事務恢復很重要并發(fā)控制和事務恢復不匣要4.決策支持系統(tǒng)的系統(tǒng)架構(1) 模型庫管理系統(tǒng)主要用于管理決策所需的各種模型，例如財務、統(tǒng)計、預測以及管理等方面的定量模型，利用這些模型可以進行問題分析。用戶利用該系統(tǒng)可以方便快捷的構建和操縱模型。系統(tǒng)提供對模型的分類、刪除、復制等維護功能，可以將已冇模型進行合并，以及對模型

3、的執(zhí)行情況進行跟蹤、分析和評價，如對變量進行嫩感度分析等。(2) 知識庫管理系統(tǒng)提供知識的表示、存儲和管理功能，用于支持定量模型無法解決的決策過程，幫助用戶建立、應用和管理描述性、過程性和推理性知識。(3) 對話產生與管理系統(tǒng)主要負責用戶與系統(tǒng) Z間的交互。接受用戶的輸入，能 夠與數(shù)據(jù)庫管理系統(tǒng)、模型庫管理系統(tǒng)和知識庫管理系統(tǒng)進行交互，以各種形式將結果返回給用戶，提供圖形用戶界面以及可視化功能。川戶對話產牛與管理系統(tǒng)知識庫管理系統(tǒng)知識庫數(shù)據(jù)咋倉理系統(tǒng)模型丿乍管理泵統(tǒng)模型庫數(shù)據(jù)庫6?回歸：回歸方法中最常用的是線性回歸，包括一元線性回歸、多元線性回歸以及非線性回歸。線性回歸方法不僅用于預測，也口J

4、 以用作解釋模型，以探尋變量 之間的關系。另外述有回歸樹和模型樹等模型。7.回歸系數(shù)的顯著性檢驗：回歸系數(shù)的顯著性檢驗可以采用 t 檢驗。對于每個回歸系數(shù) b (41, 2, ? ? ? ?)k , 顯著 性檢驗的兩個假設分別為 Ho: bK和h biHO。若6=0說明自變量&的變 化對因變量 沒冇線性影響，即變量冶對因變量的影響不顯著。為每個回歸系數(shù)b.構造變量S如式所示:式中 5 是對矩陣 C 二 XXF 的對角線上的第 i 個值。給定顯者性水平a，查自由度為(n-k-1)的t分布表，得到ta (n-k-1),若tbi>t ?(n-k-1)，則拒絕假設H°,即回歸系

5、數(shù)b顯著。在通過以上顯著性檢驗之后，給定一個因變量位置的樣本(xti,Q將其帶入式5二b°bN+SXk屮的各個自變量取值屮就可以得到因變量的一個預測值。?回歸樹和模型樹:都是通過自頂向下分而治之的思想，將訓練集不斷分割成子 據(jù)集來不斷擴展樹枝，當滿足 - 定條件吋停止樹的生長9?聚類效果衡量方法:(概念)凝聚度:是用丁 ?衡量簇內各對象緊密程度的常用度量 分離度:用于衡量簇間齊對象的相異程度。輪廓系數(shù):也是將凝聚度和分離度相結合的一種度量10.4 類主要的數(shù)據(jù)預處理任務:(簡答)1 ) 數(shù)據(jù)規(guī)范化2) 數(shù)據(jù)離散化3) 數(shù)據(jù)清洗4) 特征提取與特征選擇噪音數(shù)據(jù)的處理以及數(shù)據(jù)不一致的 識

6、別11. 數(shù)據(jù)清洗的主要任務是數(shù)據(jù)缺失的處理、 和處理。以將填補數(shù)據(jù)缺失方法:將屬于同一類的對象的該屬性值的均值賦予此缺失值；還可 其轉換為分類問題或數(shù)值預測問題。他非噪音的處理方法可以分為兩類：一類是識別出噪音，將其去除；另一類是利用其 噪音數(shù)據(jù)降低噪音的影響，起到平滑的作用。12?多維數(shù)據(jù)模型 （名）：又稱維度數(shù)據(jù)模型， 由維度表和事實表兩種類型的表構 成。 為了解企業(yè)內業(yè)務過程的績效， 通?？梢酝ㄟ^多種度量指標加以衡量。 對于 每個度量， 可以從多種視角和方位進行分析，這就是不同維度。度量通常是定量 屬性（還有數(shù)值 型屬性），存放于事實表中；維度屬性綜合起來限定了度量的取 值粒度。13?

7、在線分析處理 OLAP 的定義：在線分析處理是一類軟件技術， 利用它可以使分 析 人員、管理人員以及主管從多種信息視角通過快速、一致和交互地訪問數(shù)據(jù) , 達到對 數(shù)據(jù)的洞察。這些視角是從原始數(shù)據(jù)轉換過來的，反映了金業(yè)的真實維度 , 易于被用 戶理解。14.積分卡和儀表盤（名詞解釋）：是常用的兩種展示企業(yè)關鍵業(yè)務業(yè)務指標和度 量 的可視化工具。積分卡用于顯示企業(yè)的關鍵性能指標 （KPT），儀表盤綜合各種類型 的圖形和報表，提供豐富的可視化界面，提供一個金業(yè)在某個時間的業(yè)務狀態(tài)。15?云計算的定義：是一種基于互聯(lián)網的計算方式，通過這種方式，共享的軟碩 件資源和 信息可以按需捉供給計算機和其他設備1

8、?商務智能的系統(tǒng)構成 ( 填空/ 簡答/ 論述 )(1) 數(shù)據(jù)源 商務智能的根本是數(shù)據(jù)。數(shù)據(jù)的來源主要包括企業(yè)內部的操作型系統(tǒng)，即支持各 業(yè) 務部分日常 ' 運營的信息系統(tǒng)，以及企業(yè)外部的信息。(2) 數(shù)據(jù)倉庫各種數(shù)據(jù)源的數(shù)據(jù)經過抽取、傳換 Z 后需要被放到一個供分析使用的環(huán)境，以便對數(shù)據(jù)進行管理，這就是數(shù)據(jù)倉庫。 數(shù)據(jù)倉庫可以將分析數(shù)據(jù)與實現(xiàn)業(yè)務處理的操作型數(shù)據(jù)隔離，一方面不影響業(yè)務處理系統(tǒng)的性能，另一方面為數(shù)據(jù)的分析提供了一個綜合的、集成的、統(tǒng)一的數(shù)據(jù)管理平臺。(3) 在線分析處理 數(shù)據(jù)倉庫中的數(shù)據(jù)可以通過不同的方法進行分析。在線分析處理是其中的方式Z 一。利用該法，業(yè)務性能度量可

9、以通過多個維度、多個層次進行多種聚集匯總， 通過交 互的方式可以發(fā)現(xiàn)業(yè)務運行的關鍵性能指標的異常之處。(4) 數(shù)據(jù)探查數(shù)據(jù)探杳包括靈活的杳詢、即時報表以及統(tǒng)計方法等。該類方法屬于被動分析方 法， 因為這些分析方法需要基于分析者對于問題的假設。(5) 數(shù)據(jù)挖掘數(shù)據(jù)挖掘是從大量數(shù)據(jù)中自動發(fā)現(xiàn)隱含的信息和知識的過程， 屬于主動分析方法 , 不 需耍分析者的先驗假設，可以發(fā)現(xiàn)未知的知識。數(shù)據(jù)挖掘可以作用于結構化數(shù)據(jù)，也可以對文木數(shù)據(jù)以及多媒體數(shù)據(jù)進行分析。常用分析方法包括分類、聚類、關聯(lián)分析、數(shù)值預測、序列分析、社會網絡分析等。(6) 業(yè)務績效管理業(yè)務績效管理，乂稱為企業(yè)績效管理，是對企業(yè)的關鍵性能指

10、標( 如銷售、成本、 利潤以及可盈利性等 ) 進行度量、監(jiān)控和比較的方法和工具。2?數(shù)據(jù)倉庫的體系結構：（論述）數(shù)據(jù)源部分：支持企業(yè)口常業(yè)務的操作性系統(tǒng)中的數(shù)據(jù)以及已經存檔的數(shù)據(jù) 都 是數(shù)據(jù)倉庫的數(shù)據(jù)來源。 各種數(shù)據(jù)源屮的數(shù)據(jù)通過一定的處理才能儲存到 數(shù)據(jù)倉庫 中，處理一般利用 ETL （抽取轉換加載）工具完成。抽取過程：從不同的數(shù)據(jù)源把需要的數(shù)據(jù)讀取出來就是抽取過程，不同的數(shù) 據(jù) 源的數(shù)據(jù)結構可能不同，因此，需要針對不同的數(shù)據(jù)源采用不同的抽取工具， 口 J 直接使用商品化的工具來抽取常見數(shù)據(jù)結構的數(shù)據(jù)。轉換過程：主要涉及數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)匯總等功能。加載過程：分為兩種情況：一種是數(shù)據(jù)倉庫建成之初，需要將各種數(shù)據(jù)源中 的 數(shù)據(jù)大批量的一次性導入到數(shù)據(jù)倉庫屮；另一種是數(shù)據(jù)倉庫正常運作之后，需 要將 操作性系統(tǒng)的數(shù)據(jù)更新定期加載到數(shù)據(jù)倉庫中。不同的數(shù)據(jù)的加載頻率可以 不同。元數(shù)據(jù)部分 : 是對數(shù)據(jù)倉庫小數(shù)據(jù)的描述信息。主要描述三方面的信息：數(shù) 據(jù)源