《商務(wù)智能》考試復(fù)習(xí)內(nèi)容 (含答案)

1、閉卷考試，時(shí)間120分鐘，五種題型：選擇題（10分）、判斷題（10分）、名詞解釋題（30分）、簡(jiǎn)答題（30分）、論述題（20分）第1章商務(wù)智能基本知識(shí)（1）商務(wù)智能的概念、價(jià)值、驅(qū)動(dòng)力。概念：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，提升各方面商務(wù)績(jī)效，增強(qiáng)綜合競(jìng)爭(zhēng)力的智慧和能力-王茁專著三位一體的商務(wù)智能.IBM商務(wù)智能解決方案遠(yuǎn)遠(yuǎn)不只是數(shù)據(jù)和技術(shù)的組合，BI幫助用戶獲得正確的數(shù)據(jù)，發(fā)現(xiàn)它的價(jià)值，并共享價(jià)值。價(jià)值：Tosupportdecisionmakingatalllev

2、elsofbusinessmanagementbasedonthefactsand（scientific）predictionsofcurrentandfuturebusinesssituationsthatareobtainedfromintelligentanalysisofhistoricalbusinessdata.支持各級(jí)決策基于事實(shí)和商業(yè)管理的（科學(xué)）的預(yù)測(cè)當(dāng)前和未來的業(yè)務(wù)情況下獲得歷史業(yè)務(wù)數(shù)據(jù)的智能分析。BusinessdecisionsmadewithBIsupportaremore-Correct恰當(dāng)-Accurate準(zhǔn)確-Objective客觀-Timely及時(shí)驅(qū)動(dòng)力：在商

3、務(wù)智能背后有一些商業(yè)驅(qū)動(dòng)力，例如：增加收入，減少費(fèi)用和更有效地競(jìng)爭(zhēng)的需求。管理和模擬當(dāng)前商業(yè)環(huán)境復(fù)雜性的需求。減少IT費(fèi)用和利用已有公司業(yè)務(wù)信息的需求。（2）商務(wù)智能系統(tǒng)的功能、主要工具。功能：在商務(wù)智能背后有一些商業(yè)驅(qū)動(dòng)力，例如：增加收入，減少費(fèi)用和更有效地競(jìng)爭(zhēng)的需求。管理和模擬當(dāng)前商業(yè)環(huán)境復(fù)雜性的需求。減少IT費(fèi)用和利用已有公司業(yè)務(wù)信息的需求。主要工具：第2章商務(wù)智能核心技術(shù)（1）商務(wù)智能系統(tǒng)的架構(gòu)如何？數(shù)據(jù)清洗數(shù)據(jù)源ETL數(shù)據(jù)分析數(shù)據(jù)展現(xiàn)業(yè)務(wù)模型數(shù)據(jù)展現(xiàn)數(shù)據(jù)遷移數(shù)據(jù)抽取、遷移、加載米購系統(tǒng)ETL解決方案數(shù)據(jù)重新組質(zhì)量控日常數(shù)據(jù)增加周數(shù)據(jù)加載周期財(cái)務(wù)系統(tǒng)Ell解決方案企業(yè)信息集成（E怡）質(zhì)

4、重量新控組實(shí)時(shí)增量理（業(yè)務(wù)元數(shù)據(jù)、技術(shù)丿元數(shù)據(jù)等）數(shù)據(jù)管理I數(shù)據(jù)存儲(chǔ)管理決策人員安全性、分析管理Intranet/Internet產(chǎn)品報(bào)告OLAP分析數(shù)據(jù)挖掘訪問工具解決的業(yè)務(wù)問題最終用戶I理人員分析人員秫潤(rùn)成本成析本分平衡計(jì)分卡/KPI（2）什么是數(shù)據(jù)倉庫？數(shù)據(jù)倉庫用來保存從多個(gè)數(shù)據(jù)庫或其它信息源選取的數(shù)據(jù),并為上層應(yīng)用提供統(tǒng)一用戶接口，完成數(shù)據(jù)查詢和分析。支持整個(gè)企業(yè)范圍的主要業(yè)務(wù)來建立的，主要特點(diǎn)是，包含大量面向整個(gè)企業(yè)的綜合信息及導(dǎo)出信息。數(shù)據(jù)倉庫是作為DSS服務(wù)基礎(chǔ)的分析型DB，用來存放大容量的只讀數(shù)據(jù)，為制定決策提供所需要的信息。數(shù)據(jù)倉庫是與操作型系統(tǒng)相分離的、基于標(biāo)準(zhǔn)企業(yè)模型集成

5、的、帶有時(shí)間屬性的、面向主題及不可更新的數(shù)據(jù)集合。以1992年WHInmon出版BuildingtheDataWarehouse為標(biāo)志，數(shù)據(jù)倉庫發(fā)展速度很快。WHInmon被譽(yù)為數(shù)據(jù)倉庫之父。WHInmon對(duì)數(shù)據(jù)倉庫所下的定義：數(shù)據(jù)倉庫是面向主題的、集成的、穩(wěn)定的、隨時(shí)間變化的數(shù)據(jù)集合，用以支持管理決策的過程。（3）OLTP和OLAP的區(qū)別？事務(wù)型處理（OLTP）：即操作型處理，是指對(duì)數(shù)據(jù)庫的聯(lián)機(jī)操作處理OLTP。事務(wù)型處理是用來協(xié)助企業(yè)對(duì)響應(yīng)事件或事務(wù)的日常商務(wù)活動(dòng)進(jìn)行處理。它是事件驅(qū)動(dòng)、面向應(yīng)用的，通常是對(duì)一個(gè)或一組記錄的增、刪、改以及簡(jiǎn)單查詢等（大量、簡(jiǎn)單、重復(fù)和例行性）。在事務(wù)型處理環(huán)

6、境中，數(shù)據(jù)庫要求能支持日常事務(wù)中的大量事務(wù)，用戶對(duì)數(shù)據(jù)的存取操作頻率高而每次操作處理的時(shí)間短。分析型處理（OPAP）：用于管理人員的決策分析，例如DSS、EIS和多維分析等。它幫助決策者分析數(shù)據(jù)以察看趨向、判斷問題。分析型處理經(jīng)常要訪問大量的歷史數(shù)據(jù)，支持復(fù)雜的查詢。分析型處理過程中經(jīng)常用到外部數(shù)據(jù)，這部分?jǐn)?shù)據(jù)不是由事務(wù)型處理系統(tǒng)產(chǎn)生的，而是來自于其他外部數(shù)據(jù)源。特性O(shè)LTPOLAP操作處理詣息辿理事務(wù)甘析辦事司、敷據(jù)庫專業(yè)人員知識(shí)工人如經(jīng)理、管、分析為）口常喫作辰期信息需求，決笫支持DB設(shè)計(jì)基于E-乩面向應(yīng)氏星形/雪花，而向主題步前的；確保最新歷史的：跨時(shí)間維護(hù)原始的.高度詳細(xì)匯總的，統(tǒng)-的

7、詳細(xì)，-股去系匯總的.蚩維的工乍單位短的、直單事務(wù)復(fù)雜査詢讀怕大去為讀數(shù)據(jù)進(jìn)入洛息犠出工關(guān)鍵字上索引傲列大量掃描訪問衛(wèi)錄數(shù)數(shù)十個(gè)數(shù)戸萬數(shù)千!1敷曰1001IB到殆100GB到IB高性能.高可用性高靈活性端點(diǎn)月戶自治事.務(wù)吞吐軍查詢舌匕暈r響應(yīng)時(shí)間（4）數(shù)據(jù)倉庫的技術(shù)要求。復(fù)雜分析的高性能體現(xiàn)：涉及大量數(shù)據(jù)的聚集、綜合等，在進(jìn)行復(fù)雜查詢時(shí)經(jīng)常會(huì)使用多表的聯(lián)接、累計(jì)、分類、排序等操作。對(duì)提取出來的數(shù)據(jù)進(jìn)行集成：數(shù)據(jù)倉庫中的數(shù)據(jù)是從多個(gè)應(yīng)用領(lǐng)域中提取出來的，在不同的應(yīng)用領(lǐng)域和不同的數(shù)據(jù)庫系統(tǒng)中都有不同的結(jié)構(gòu)和形式，所以如何對(duì)數(shù)據(jù)進(jìn)行集成也是構(gòu)建數(shù)據(jù)倉庫的一個(gè)重要方面。對(duì)進(jìn)行高層決策的最終用戶的界面支

8、持：提供各種分析應(yīng)用工具。（5）數(shù)據(jù)倉庫系統(tǒng)的組成。源數(shù)據(jù)：數(shù)據(jù)倉庫中的數(shù)據(jù)來源于多個(gè)數(shù)據(jù)源，它不僅可以是企業(yè)內(nèi)部的關(guān)系型數(shù)據(jù)庫，還包括非傳統(tǒng)數(shù)據(jù)，如文件、HTML文檔等。數(shù)據(jù)倉庫管理系統(tǒng)：元數(shù)據(jù)庫及元數(shù)據(jù)管理部件：元數(shù)據(jù)庫用來存儲(chǔ)由定義部件生成的關(guān)于源數(shù)據(jù)、目標(biāo)數(shù)據(jù)、提取規(guī)則、轉(zhuǎn)換規(guī)則以及源數(shù)據(jù)與數(shù)據(jù)倉庫之間的映射信息等。數(shù)據(jù)轉(zhuǎn)換部件：該部件把數(shù)據(jù)從源數(shù)據(jù)中提取出來，依定義部件的規(guī)則將不同數(shù)據(jù)格式的源數(shù)據(jù)轉(zhuǎn)換成數(shù)據(jù)倉庫的數(shù)據(jù)格式并裝載進(jìn)數(shù)據(jù)倉庫。數(shù)據(jù)集成部件：該部件根據(jù)定義部件的規(guī)則、統(tǒng)一各源數(shù)據(jù)的編碼規(guī)則，并凈化數(shù)據(jù)，根據(jù)元數(shù)據(jù)中定義的數(shù)據(jù)組織形式對(duì)數(shù)據(jù)進(jìn)行匯總、聚合計(jì)算。數(shù)據(jù)倉庫管理部件

9、：它主要用于維護(hù)數(shù)據(jù)倉庫中的數(shù)據(jù)，備份、恢復(fù)數(shù)據(jù)以及管理數(shù)據(jù)的安全權(quán)限問題。數(shù)據(jù)倉庫前端工具集：查詢/報(bào)表工具：以圖形化方式和報(bào)表方式顯示數(shù)據(jù)，幫助了解數(shù)據(jù)的結(jié)構(gòu)、關(guān)系以及動(dòng)態(tài)性。OLAP工具：通過對(duì)信息的多種可能的觀察形式進(jìn)行快速、一致和交互性的存取，便于用戶對(duì)數(shù)據(jù)進(jìn)行深入的分析和觀察。數(shù)據(jù)挖掘工具：從大量數(shù)據(jù)中挖掘出具有規(guī)律性的知識(shí)，以及數(shù)據(jù)之間的內(nèi)在聯(lián)系。前端開發(fā)工具：提供用戶編程接口，便于在現(xiàn)有系統(tǒng)的基礎(chǔ)上進(jìn)行二次開發(fā)，增強(qiáng)系統(tǒng)的伸縮性。數(shù)據(jù)倉庫:在數(shù)據(jù)倉庫系統(tǒng)中，數(shù)據(jù)倉庫是一個(gè)數(shù)據(jù)存儲(chǔ)集合，它的存儲(chǔ)形式通常有多維數(shù)據(jù)庫，關(guān)系型數(shù)據(jù)庫及其他存儲(chǔ)方式。6）什么是星型模型？（7）元數(shù)據(jù)的概

10、念。元數(shù)據(jù)：是用來描述數(shù)據(jù)的數(shù)據(jù)。它描述和定位數(shù)據(jù)組件、它們的起源及它們?cè)跀?shù)據(jù)倉庫進(jìn)程中的活動(dòng)；關(guān)于數(shù)據(jù)和操作的相關(guān)描述（輸入、計(jì)算和輸出）。元數(shù)據(jù)可用文件存在元數(shù)據(jù)庫中。元數(shù)據(jù)反映數(shù)據(jù)倉庫中的數(shù)據(jù)項(xiàng)是從哪個(gè)特定的數(shù)據(jù)源填充的，經(jīng)過哪些轉(zhuǎn)換、集成過程。（8）數(shù)據(jù)倉庫中的粒度概念。對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)綜合程度高低的一個(gè)度量，它既影響數(shù)據(jù)倉庫中的數(shù)據(jù)量的多少，也影響數(shù)據(jù)倉庫所能回答詢問的種類。粒度越小，綜合程度越低，回答查詢的種類越多；粒度越高，綜合程度越高，查詢的效率也越高。在數(shù)據(jù)倉庫中可將小粒度的數(shù)據(jù)存儲(chǔ)在低速存儲(chǔ)器上；大粒度的數(shù)據(jù)存儲(chǔ)在高速存儲(chǔ)器上（9）什么是數(shù)據(jù)集市？與數(shù)據(jù)倉庫的區(qū)別是什么？

11、數(shù)據(jù)倉庫是企業(yè)級(jí)的，能為整個(gè)企業(yè)各部門的運(yùn)行提供決策支持手段。而數(shù)據(jù)集市（DataMart）是部門級(jí)別的，一般只能為某個(gè)局部范圍內(nèi)的管理人員服務(wù)，也稱為部門級(jí)的數(shù)據(jù)倉庫。數(shù)據(jù)集市有兩種：獨(dú)立的數(shù)據(jù)集市和從屬的數(shù)據(jù)集市。數(shù)據(jù)集市不是數(shù)據(jù)倉庫數(shù)據(jù)集市并非小的數(shù)據(jù)倉庫多個(gè)數(shù)據(jù)集市集合并不構(gòu)成數(shù)據(jù)倉庫第3章在線分析處理（1）OLAP、ROLAP的概念。定義1:OLAP（聯(lián)機(jī)分析處理）是針對(duì)特定問題的聯(lián)機(jī)數(shù)據(jù)訪問和分析。通過對(duì)信息（維數(shù)據(jù)）的多種可能的觀察形式進(jìn)行快速、穩(wěn)定一致和交互性的存取，允許管理決策人員對(duì)數(shù)據(jù)進(jìn)行深入觀察。定義2:OLAP（聯(lián)機(jī)分析處理）是使分析人員、管理人員或執(zhí)行人員能夠從多種角

12、度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來的、能夠真正為用戶所理解的、并真實(shí)反映企業(yè)維特性的信息進(jìn)行快速、一致、交互地存取，從而獲得對(duì)數(shù)據(jù)的更深入了解的一類軟件技術(shù)。（OLAP委員會(huì)的定義）OLAP的目標(biāo)是滿足決策支持或多維環(huán)境特定的查詢和報(bào)表需求，它的技術(shù)核心是“維”這個(gè)概念，因此OLAP也可以說是多維數(shù)據(jù)分析工具的集合。ROLAP的概念：（2）簡(jiǎn)述OLAP的基本操作。切片和切塊、鉆取、旋轉(zhuǎn)第4章數(shù)據(jù)挖掘原理（1）什么是數(shù)據(jù)挖據(jù)？從大量的、不完全的、有噪聲的、模糊的、隨即的數(shù)據(jù)中提取正確的、有用的、未知的、綜合的、以及用戶感興趣的知識(shí)并用于決策支持的過程。（課本）從數(shù)據(jù)中提取正確的、有用的、未知的和綜合的信息

13、并用它進(jìn)行決策的過程。（PPT）（2）簡(jiǎn)述數(shù)據(jù)挖掘的作用。forDataMining(CRISP-DM)。這個(gè)標(biāo)準(zhǔn)把挖掘過程分為六個(gè)階段：定義業(yè)務(wù)問題(businessunderstanding)、數(shù)據(jù)理解(dataunderstanding)、數(shù)據(jù)預(yù)處理(datapreparation)、數(shù)據(jù)建模(datamodeling)、模型評(píng)估(evaluation)和部署(deployment)。(4)數(shù)據(jù)預(yù)處理方法及內(nèi)容。數(shù)據(jù)清理處理內(nèi)容格式標(biāo)準(zhǔn)化異常數(shù)據(jù)清除錯(cuò)誤糾正重復(fù)數(shù)據(jù)的清除第5章分類和預(yù)測(cè)、關(guān)聯(lián)規(guī)則（1）什么是分類？分類就是通過分析訓(xùn)練集（決策表）中的數(shù)據(jù)，為每個(gè)類別做出準(zhǔn)確的描述或建立分

14、析模型或挖掘出分類規(guī)則，然后用這個(gè)分類規(guī)則對(duì)其它數(shù)據(jù)對(duì)象進(jìn)行分類。（2）什么是決策樹？簡(jiǎn)述其分類的基本原理。（3）什么是聚類？簡(jiǎn)述K均值聚類算法的基本原理。聚類就是把整個(gè)數(shù)據(jù)分成不同的組，并使組與組之間的差距盡可大，組內(nèi)數(shù)據(jù)的差異盡可能小。給定k,從n個(gè)對(duì)象中任意選擇k個(gè)對(duì)象作為初始聚類中心；repeat計(jì)算每個(gè)對(duì)象與聚類中心的距離,把它們劃到不同的簇；重新計(jì)算每個(gè)簇的聚類中心；until聚類中心不再發(fā)生變化（4）什么是關(guān)聯(lián)規(guī)則挖掘？其主要應(yīng)用有哪些？簡(jiǎn)述其基本原理？關(guān)聯(lián)規(guī)則挖掘：在交易數(shù)據(jù)、關(guān)系數(shù)據(jù)或其他信息載體中,查找存在于項(xiàng)目集合或?qū)ο蠹现g的頻繁模式、關(guān)聯(lián)結(jié)構(gòu)。應(yīng)用：購物籃分析、交叉

15、銷售、產(chǎn)品目錄設(shè)計(jì)、聚集和分類等?；驹恚海?）什么是回歸分析？簡(jiǎn)述回歸分析的基本步驟。分析一個(gè)變量與其他一個(gè)（或幾個(gè)）變量之間的相關(guān)關(guān)系的統(tǒng)計(jì)方法就稱為回歸分析。確定因變量和影響因素（自變量）。繪制散點(diǎn)圖,觀察變量的大致關(guān)系。求回歸系數(shù),并建立回歸模型。檢驗(yàn)回歸模型。進(jìn)行預(yù)測(cè)。（6）什么是遺傳算法、神經(jīng)網(wǎng)絡(luò)？簡(jiǎn)述其基本原理。第6章數(shù)據(jù)挖掘應(yīng)用（1）數(shù)據(jù)挖掘在CRM中的主要應(yīng)用是什么？客戶關(guān)系管理（CRM）rLtsyaHP,iogrsiiiCdw*H3MnsgementGustmerRelaticinhipMani&garnanijCliiiiKlringCuttortperLT.#eVii

16、u&ufwCintiiH.sellingDi*eetMs雌*沖&evei0pm*ntT和刖朿5如町1軻jj的屯vuatSHTiir七enCustomeridentificationCRMbeginswithcustomeridentification.Thisphaseinvolvestargetingthepopulationwhoaremostlikelytobecomecustomersormostprofitabletothecompany.Italsoinvolvesanalyzingcustomerswhoarebeinglosttothecompetitionandhowthey

17、canbewonback.Elementsforcustomeridentificationincludetargetcustomeranalysisandcustomersegmentation.CustomerattractionOrganizationscandirecteffortandresourcesintoattractingthetargetcustomersegments.Directmarketingisapromotionprocesswhichmotivatescustomerstoplaceordersthroughvariouschannels.directmail

18、orcouponCustomerretentionCentralconcernforCRM.Customersatisfactionistheessentialconditionforretainingcustomers.Elementsofcustomerretentionincludeone-to-onemarketing,loyaltyprogramsandcomplaintsmanagement.One-to-onemarketingreferstopersonalizedmarketingcampaignswhicharesupportedbyanalyzing,detectinga

19、ndpredictingchangesincustomerbehaviors.Loyaltyprogramsinvolvecampaignsorsupportingactivitieswhichaimatmaintainingalongtermrelationshipwithcustomers.Churnanalysis,creditscoring,servicequalityorsatisfactionformpartofloyaltyprograms.CustomerdevelopmentElementsofcustomerdevelopmentincludecustomerlifetim

20、evalueanalysis,up/crosssellingandmarketbasketanalysis.Customerlifetimevalueanalysisisdefinedasthepredictionofthetotalnetincomeacompanycanexpectfromacustomer.Up/Crosssellingreferstopromotionactivitieswhichaimataugmentingthenumberofassociatedorcloselyrelatedservicesthatacustomeruseswithinafirm.Marketbasketanalysisaimsatmaximizingthecustomertransactionintensityandvaluebyrevealingregularitiesinthepurchasebehavio