《商业智能》课件.ppt

1、商业智能管理思想 (Business Intelligence) 早在20世纪80年代，当时“商业智能” 的标准是能容易地获得想要的数据和信息。20世纪90年代是商业智能真正起步的阶段。 到目前为止，关于BI还没有统一的定义，在20世纪90年代初，Garter Group的Howard Dresner把EUQR（终端查询和报表）、DSS、OLAP称为商业智能。企业使用这些工具使企业获得的优势也被称为商业智能。后来，出现了数据仓库、数据集市技术，以及与之相关的ETL（抽取，转换，上载）、数据清洗、数据挖掘、商业建模等，人们也将这些技术统归为商业智能的领域。 商业智能的含义 商业智能被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。 简而言之，它是能够帮助用户对自身业务经营做出正确明智决定的工具。一般现代化的业务操作,通常都会产生大量的数据，如订单、库存、交易帐目、通话记录、及客户资料等。怎样从业务数据中提取有用的信息,然后根据这些信息来采用明智的行动--这就是商业智能的课题。 商业智能的含义 商业智能代表为提高企业运营性能而采用的一系列方法、技术和软件的总和。 商业智能，是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合。 四个层面 1、数据分析层面： 2、信息系统层面： 3、知识发现层面： 4、战略层面： 商业智能的适用范围 商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。 四个阶段 目前，商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、OLAP产品、展示产品、和集成以上几种产品的针对某个应用的整体解决方案等。 这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。 为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。 商业智能的技术体系 商业智能的技术体系主要有数据仓库（DW）、在线分析处理（OLAP）以及数据挖掘（DM）三部分组成。 数据仓库 数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。 数据仓库--Data mart 数据集市，或者叫做小数据仓库。如果说数据仓库是建立在企业级的数据模型之上的话。那么数据集市就是企业级数据仓库的一个子集，他主要面向部门级业务，并且只是面向某个特定的主题。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。 第二阶段－ 强大的分析工具 - 从简单的用户界面来亲近你的最终使用者 - 企业级的安全设定 - 推动式报表，将分析数据推向用户 - 仪表板，不用学习的操作界面 - 多方位的一览表，不用到开多个操作视窗 - 功能强大的在线分析功能 在线分析处理（OLAP） 技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。 OLAP 联机分析处理(OLAP)的概念最早是由关系数据库之父E.F.Codd于1993年提出的。当时，Codd认为联机事务处理(OLTP)已不能满足终端用户对数据库查询分析的需要，用户的决策分析需要对关系数据库进行大量计算才能得到结果，而查询的结果并不能满足决策者提出的需求。因此Codd提出了多维数据库和多维分析的概念，即OLAP。Codd提出OLAP的12条准则来描述OLAP系统： OLAP的12条准则 准则1 OLAP模型必须提供多维概念视图准则2 透明性准则准则3 存取能力推测准则4 稳定的报表能力准则5 客户/服务器体系结构准则6 维的等同性准则准则7 动态的稀疏矩阵处理准则准则8 多用户支持能力准则准则9 非受限的跨维操作准则10 直观的数据操纵准则11 灵活的报表生成准则12 不受限的维与聚集层次 第三阶段－ 专业的分析知识 - 从一个决策开始，由不同的角度去分析及证明决策的可行性 - 看过去，预测未来 - 保留企业知识，降低员工离职所带来的风险 - 从大量的数据中挖掘价值 数据挖掘 数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技